技术特征：
1.一种面向采购计划优化的多重自适应计算方法，其特征在于，包括：s1、获取海外基地运营过程中需采购的产品生产所需物料；s2、根据所述产品生产所需物料的数量，以综合采购成本最小为目标获取多个可行的采购计划方案；s3、根据多个可行的采购计划方案，设计多重自适应机制的遗传算法获取全局最优解，所述全局最优解用于确定海外基地在一个采购周期内每种物料的供应商选择及其采购数量。2.如权利要求1所述的多重自适应计算方法，其特征在于，所述s3具体包括：s31、将每个可行的采购计划方案对应编码成一条染色体放入初始种群中，并初始选择策略；s32、计算当前种群的每一条染色体的适应度值，所述适应度值为各个可行的采购计划方案的综合采购成本；s33、若当前种群早熟，或者当前选择策略的连续迭代次数大于预设迭代次数，则按顺序切换选择下一策略，否则保留当前选择策略，进行选择操作；s34、执行自适应交叉策略；s35、执行自适应变异策略；s36、执行变异操作后，计算当前种群中每一条染色体的适应度值，若种群适应度值重复度大于预设重复度，则采用精英保留的自适应重启机制更新当前种群，否则保留当前种群；s37、判断是否达到最大迭代次数，若是，选择当前种群中适应度值最大的染色体并解码，获取全局最优解；否则，转入s33。3.如权利要求2所述的多重自适应计算方法，其特征在于，所述s31中将每个解对应编码成一条染色体，包括：采用实数编码方式构建染色体结构，染色体由一个(i+m)
×
j的二维矩阵表示，染色体个体适应度值为综合采购成本数值；其中，矩阵的行表示不同种类的物料，前i行表示不同种类的散件，后m行表示不同种类的原材料；矩阵的列表示不同供应商。4.如权利要求2所述的多重自适应计算方法，其特征在于，所述s33具体包括首先计算最优个体适应度值与次优个体适应度值的差距f
diff
，确定所求差距f
diff
对最优个体适应度值f
sub
的占比，当该占比不小于某一预设阈值ε
max
，即判断当前种群处于早熟状态；判断当前种群处于早熟状态；同时，判断使用同一种选择策略的重复迭代次数是否达到阈值；当满足上述条件中的任意一个时，则更换新的选择方式，所述选择方式包括轮盘赌选择、精英选择或者种马选择方式。5.如权利要求2所述的多重自适应计算方法，其特征在于，所述s34包括：s341、根据当前种群中每一条染色体的适应度值，确定种群适应度的平均值、最大值和最小值；s342、根据个体适应度值与种群适应度的平均值大小关系，以及最大值和最小值，确定交叉率；
p
cross
为交叉率，f表示当前染色体的适应度值，f
avg
、f
max
和f
min
分别表示执行交叉操作之前种群适应度的平均值、最大值和最小值，ω1、μ1和μ2均为范围在(0,1)之间的常数；s343、随机生成一个数r∈(0,1)，若r≤p
cross
，针对当前染色体执行交叉操作，具体的交叉方式按照最优概率选择的线性重组或者两点交叉。6.如权利要求2所述的多重自适应计算方法，其特征在于，所述s35包括：s351、执行交叉操作后，根据当前种群中每一条染色体的适应度值，确定种群适应度的平均值、最大值和最小值；s352、根据个体适应度值与种群适应度的平均值大小关系，以及最大值和最小值，确定变异率；p
mut
为变异率，f
′
表示当前染色体的适应度值，f
avg
′
、f
max
′
和f
min
′
分别表示执行交叉操作后种群适应度的平均值、最大值和最小值，ω2、μ3和μ4均为范围在(0,1)之间的常数；s353、随机生成一个数r
′
∈(0,1)，若r≤p
mut
，继续比较f
′
与f
avg
′
的大小，若f
′
＜f
avg
′
，则选择两列随机变异方式执行变异操作；若f
′
≥f
avg
′
，则选择逆转变异方式执行变异操作。7.如权利要求2～6任一项所述的多重自适应计算方法，其特征在于，所述s36的精英保留的自适应重启机制，具体是指：假设当前种群中共有m个个体，保留当前种群中的最优个体，随后调用种群初始化操作，重新生成m-1个新的个体，将新的m个染色体作为当前子代继续迭代；同时，在算法迭代过程中，当累计重启次数大于一定阈值时，将当前变异率基础上增加预设数值。8.一种面向采购计划优化的多重自适应计算装置，其特征在于，包括：数据获取模块，用于获取海外基地运营过程中需采购的产品生产所需物料；方案求解模块，用于根据所述产品生产所需物料的数量，以综合采购成本最小为目标获取多个可行的采购计划方案；方案优化模块，用于根据多个可行的采购计划方案，设计多重自适应机制的遗传算法获取全局最优解，所述全局最优解用于确定海外基地在一个采购周期内每种物料的供应商选择及其采购数量。9.如权利要求8所述的多重自适应计算装置，其特征在于，所述方案优化模块具体用于：s31、将每个可行的采购计划方案对应编码成一条染色体放入初始种群中，并初始选择
策略；s32、计算当前种群的每一条染色体的适应度值，所述适应度值为各个可行的采购计划方案的综合采购成本；s33、若当前种群早熟，或者当前选择策略的连续迭代次数大于预设迭代次数，则按顺序切换选择下一策略，否则保留当前选择策略，进行选择操作；s34、执行自适应交叉策略；s35、执行自适应变异策略；s36、执行变异操作后，计算当前种群中每一条染色体的适应度值，若种群适应度值重复度大于预设重复度，则采用精英保留的自适应重启机制更新当前种群，否则保留当前种群；s37、判断是否达到最大迭代次数，若是，选择当前种群中适应度值最大的染色体并解码，获取全局最优解；否则，转入s33。
技术总结
本发明提供一种面向采购计划优化的多重自适应计算方法与装置，涉及物料采购技术领域。本发明包括获取海外基地运营过程中需采购的产品生产所需物料；根据所述产品生产所需物料的数量，以综合采购成本最小为目标获取多个可行的采购计划方案；根据多个可行的采购计划方案，设计多重自适应机制的遗传算法获取全局最优解，确定海外基地在一个采购周期内每种物料的供应商选择及其采购数量。多重自适应机制的遗传算法能够在短时间内获得高质量的解，算法改进部分主要体现在多种选择方式组合使用避免算法陷入早熟状态，采用自适应交叉、变异策略提高算法后期局部搜索能力，改进基于精英保留的重启机制使算法能够及时跳出局部最优，由此获取全局最优解。由此获取全局最优解。由此获取全局最优解。
技术研发人员：王国强 蒋媛媛 罗贺 肖向才 杨兴刚 朱家伟 陈盈盈 陆效农 吴志伟 余本功 程八一
受保护的技术使用者：合肥工业大学
技术研发日：2022.08.09
技术公布日：2022/12/2