文摘

解决仓库爆炸的问题,物流配送网络的延迟需求的突然爆炸下“双11”和“618”,本文提出了一个物流配送网络位置的算法,可以考虑可靠性、绿色环保、和路径优化。首先,交通模型建立了物流配送网络location-route优化。交通模型的条件下满足可靠性约束的车辆路径,可以最小化总成本,包括物流配送成本、运输石油消费和有限公司₂发射成本。本文设计一种改进的帝国竞争算法来解决它根据交通模型的特点。首先,“曼联连亨”的竞争机制引入初始国家阶段,加强信息交流和留住上级人口。其次,在帝国同化的过程中,我们可以学习从殖民统治策略,逐步渗透和同化的各级国家增强算法的开发能力。最后,算法设计一种机制来判断和跳出局部最优,以避免“过早”影响的优化性能。模型的合理性和改进帝国竞争算法的有效性进行了验证,仿真实验不同的尺度,而可靠性水平的影响进行了分析。实验结果表明,该方法可以有效地解决问题的不同尺度和维护稳定的性能在不同的可靠性水平。此外,它的算法性能优于标准的帝国竞争算法。

1。介绍

区域经济一体化的背景下,互联网,电子商务物流和配送发展迅速。其特点如下:(1)面临许多客户需求小,品种丰富,直接和分布位置,电子商务物流系统是复杂的和昂贵的1),(2)客户需求变化动态由于因素如季节,天气,节假日,促销手段和产品生命周期。甚至有一个激增(“双11”和“618”)。面对这种干扰,每个站点的资源分配网络不能精确平衡。这导致了产品爆炸和延迟的现象,和抗风险很差2- - - - - -4]。分销网络是物流配送系统的基础。合理的配送中心位置和车辆路线规划发挥重要作用在配电系统的有效运行5]。地理位置路由问题(单体)集成定位问题和车辆路径优化问题(6]。研究人员已经研究了各种单体问题及其扩展。迈克尔等人总结了近年来含碘的相关研究从不同角度详细,包括标准的部队,和各种扩展问题,如多级单体,多周期的部队,和多目标单体(7]。

随着环境保护意识的增强,人们开始关注环境污染引起的有限公司₂发射过程中物流和分销。绿色物流配送系统设计是可持续发展物流的发展具有重要意义。有很多研究绿色单体。为了减少能源成本与运输、Benotmane等人考虑两级位置路由问题。遗传算法和动态岛模型被用来优化绿色单体问题。绿色的单体问题是一个经典的组合位置路由路由问题和污染问题。这种方法可以减少能源消耗和二氧化碳排放8]。王等人使用生态包优化绿色物流的位置。小eco-packages的皮卡和交付通过cost-minimized同步定向路由建立模型,这对于大型eco-packages运输是非常重要的。它是由资源共享状态一时间离散建模交通集中的网络流编程时空网络。对于小eco-packages的皮卡和交付,成本最小化同步指导定位路径模型采用(9]。Dukkanci格林等人研究了单体的问题,建立了单目标优化模型,减少操作成本和发射成本,考虑时间窗约束(10]。张等人设计了一个时间绿色位置路径问题模型的时间窗口。模型最小化成本,包括打开仓库的成本,成本的车辆,和燃料消耗的成本11]。然而,上述研究没有考虑安全问题。

目前,人们越来越重视各种系统的安全性。内部或外部干扰分布系统将中断风险系统,从而影响系统的正常运行。因此,设计一个安全的物流配送系统的现实意义。最近,一些学者已经做了一些研究可靠性单体考虑中断。Raziez等人设计了一个单体模型三种类型的中断的中断路由能力的可能性很高。根据模型的赋权属性,提出了一种遗传算法解决大型问题[12]。Badakhshian等人认为劳动中断或失败造成的恶劣天气条件,设计一个可靠的物流网络通过加强现有设施和定义备用设施,以避免中断。他们提出了列生成法模型和解决所有三个物流问题[13]。考虑到配送中心的中断风险,黄等人研究了可靠的第四方物流网络设计的路由问题。他们建立了一个基于场景的整数规划模型来确定配送中心和最小化总成本的提出问题14]。为了使网络抵制干扰,Dehghan等人添加中断网络的设计阶段降低灾难对含碘的影响。他们提出了一个混合整数规划模型。供应链的分销网络,模型制定可靠的能力定位路径问题同步交付和服务交付15]。然而,到目前为止,含碘问题考虑公司的可靠性₂排放研究。

考虑可靠性和绿色环保,本文研究了位置的可靠的绿色物流配送路径优化问题处理仓库爆炸和物流配送网络的延迟需求突然爆炸下的“双11”和“618年。“单体与现有的研究不同,本文计算了燃料消耗和有限公司₂发射成本基于网络的交通和环境(特种加工)方法,定义了车辆路径的可靠性。该算法旨在最小化总成本和建立物流配送位置路由与车辆路径可靠性约束优化模型,设计一种改进的帝国竞争算法来解决交通模型。改进算法的探讨和解决了问题,原来帝国竞争算法(ICA)是由最初的国家,极大地影响了帝国之间缺少有效的信息互动。该算法很容易收集,可以提前收集。最后,模型的合理性和算法的有效性进行了验证实验。

2。问题描述和模型建立

如图1物流配送网络,包括配送中心,客户,配送车辆,和分布线。从配送中心、车辆分布由不同客户然后回到配送中心。在现实中,由于不确定因素的影响,配送中心和运输路线可能会被打断。中断会影响配电系统的正常运行。此外,石油消费和有限公司₂在运输过程中,排放会导致环境污染。location-route优化问题的可靠的绿色物流配送可以降低物流总成本,燃料消耗和有限公司₂发射成本通过选择开放配送中心和优化不同车辆的行驶路线,同时满足车辆的约束路由的可靠性。

该模型假定下列条件。(1)的位置、数量和需求的客户点是已知的。(2)的位置、数量,成本,配送中心的容量和中断概率是已知的。(3)任意两个点之间的距离和中断的概率是已知的。(4)车辆不同的类型和数量,和固定运营成本、运输能力、运输单位成本距离,空的,完整的每辆车的油耗是已知的。(5)在任何客户,只有一辆车必须通过。(6)每辆车只能从一个配送中心和返回配送中心。每个配送中心允许多个车辆退出和进入。

2.1。符号和变量

模型的符号定义如下:我:客户点的集合。J:配送中心的集合。O=我⋃J。年代:车辆收集。D_我:客户的需求点 。R_j:固定成本的配送中心j J。一个_j:配送中心的能力 。P_j:配送中心的中断概率 。H_年代:固定的车辆运营成本 。T_年代:车辆的运输能力 。TC_年代:每单位距离的运输成本 。 :空车辆的燃料消耗 。 :满载车辆的燃料消耗 。e:成本系数的石油消费和有限公司₂发射。D_伊尔:从点的距离 对点 。p_伊尔的中断概率之间的界线 和点 。τ:运行期(τ= 365)。

决策变量定义如下:

显示车辆的交通量 点之间 和点 。

让 , 。

2.2。优化模型

基于上述符号和变量定义,建立了可靠的绿色物流配送网络位置路径模型如下:

目标函数(4开幕式)最小化总成本,包括配送中心的成本,固定车辆的运营成本,运输成本,运输石油消费和有限公司₂发射成本,足球俱乐部_盲降代表了运输车辆的燃料消耗年代在点之间的界线 和点 。公式(5)是车辆的可靠性约束的路径年代,车辆路径的可靠性定义为保持正常运行的路径的概率。所需的可靠性水平。约束(6)表明,车辆年代是分配给配送中心j。约束(7)意味着车辆必须离开自己的配送中心。约束(8)意味着如果配送中心没有打开,没有车辆会离开。约束(9)意味着车辆进入点但退出点;也就是说,保证是一个循环的道路。约束(10)避免了各种客户点之间形成次级回路。约束(11)确保每辆车最多只能退出一个配送中心。约束(12)确保每个客户点必须有一个且只有一个车辆服务。约束(13)不需要任何两个配送中心车辆之间的路由。约束(14)代表车辆的容量约束。约束(15)表示配送中心的容量约束。公式(16)代表的平衡约束流两端的客户。公式(17)代表的上限和下限约束线两点之间流动。公式(18)- (20.)是二进制变量约束。公式(21)是两个点之间流动的非负约束。

2.3。计算运输石油消费

摘要网络交通和环境(特种加工)方法用于计算运输车辆的燃料消耗。基于特种加工方法,可以计算运输车辆的燃料消耗 在哪里卸货车辆的燃料消耗。满载车辆的燃料消耗。信用证是负载系数。

运输燃料消耗车辆之间的点之间的界线 和点 是

3所示。物流配送位置算法基于改进帝国竞争算法

location-routing的可靠的绿色物流配送问题是经典的含碘的扩展问题。因此,它也是一个np难问题。当规模很大,很难解决这个问题。因此设计了一个智能优化算法。针对问题模型的特点,本文设计一种改进的帝国竞争算法(伙伴)来解决这个问题竞争霸权的基础上在春秋时期诸侯国,中国历史上的战国时期。伙伴算法探索和解决的问题,原来的ICA由最初的国家,极大地影响了帝国之间缺乏有效的信息交换,早期容易收集和早期的集合。

3.1。春秋时期的历史背景和战国时期

春秋时期(公元前770年-公元前221年)也被称为东部周朝。早在周朝,周朝宗室和英雄分为战略的地方或皇室成员履行职责的筛查皇室和扩大领土,从而形成成千上万的附庸国。在春秋时期的开始,平王搬到洛阳,和周史开始下降。因为不同的社会和经济条件,各国争夺霸权的情况在中部平原逐渐地出现了。依靠强大的政治和军事力量,大国不断挪用和吞并小国和加强自己的势力范围。小国家也试图获得一定的生活空间通过改革和合并。两或三百年之后,到春秋时期,只剩下几十个大的诸侯国。战国时期,霸权形成的模式直到秦灭亡六国,统一世界。

在这个历史时期,一种特殊的外交战略形成“团结连亨。”也就是说,在民族斗争的过程中,彼此实力较弱的国家团结起来抵抗入侵的国家为了生存。一旦反抗失败,他们躲在强大的国家为了保护自己,形成的“垂直”战略“团结弱攻击强”和“水平”战略的“团结强者攻击弱者。”

3.2。改进的帝国竞争算法

帝国竞争算法是一种智能优化算法基于社会和政治进化Atashpaz-Gargari和卢卡斯提出的。算法可以解决优化问题通过模拟人类社会帝国主义殖民地的竞争过程。ICA算法已经应用在不同的领域来解决问题,如旅行推销员问题,静态同步补偿器的设计问题,柔性工作车间调度问题,混流双边装配线平衡问题。算法的性能已在应用中得到了验证。ICA可以概括的基本过程分为四个过程:国家初始化、殖民同化,帝国竞争和民族融合。

ICA模拟科举竞争机制和实现优化能力接近nonoptimal解决最优解决方案,更新最优解的位置,和竞争收敛16]。在此基础上保留ICA的核心理念,伙伴提出了三个改进措施,具体步骤如下:(1)初始化设置,包括最初的一些国家N_的计谋,数量的帝国N_suz,数量的殖民地N_上校、运动参数值 ,和迭代次数。(2)初始国家是随机生成的,强大的国家和脆弱国家根据归一化功率值是有区别的。强大的国家直接保留,疲弱的国家共同生成一个新的国家。新国家的权力价值的大小将决定是否将取代现有的强大的国家或被淘汰,剩下的国家将进入帝国竞争。(3)最强大的N_suz国家作为领主形成帝国和占领相应比例的殖民地。每个殖民地帝国的特征向量移动接近与宗主国相对应的特征向量。如果殖民势力值大于宗主国在移动过程中,其他殖民地就会移动到新领主。(4)通过计算的总归一化功率值帝国,最弱弱的帝国的殖民地将被其他帝国,和占领皇权概率成正比。与零殖民地帝国将会消除,摧毁了。(5)如果连续出现相同的最优值,判断它落入局部最优,摆脱麻烦根据一组跳出计划。(6)迭代,直到达到最大迭代次数。

改进算法的流程如图2。

3.2.1之上。完善初始状态生成机制

很难保证质量和稳定的人口因为最初的国家是根据ICA的原理分析随机生成的。根据历史情况消除附庸国的春秋和战国时期,本文尝试一个新的初始状态生成机制。

初的算法,大量的国家是随机生成的,一般2∼4倍的ICA的国家,这样的国家更好的质量可以通过竞争筛选,保留和算法的复杂性和运行效率并不会大大受到影响。其中,一些强大的国家权力被保留,而其余相对较弱的国家避免消除通过联合与其他国家加强他们的力量来保护自己。具体步骤如下:(1)随机选择一定数量的国家。(2)计算每个国家的力量和获得的重量。(3)每个国家的位置信息根据重量,合并成一个新国家。如果这个新国家的权力价值超过保留的国家,它将取代;否则,它将被消除。

上述竞争筛选过程增强了国家之间的信息交换,保留优秀的位置信息,并形成一个更好的算法初始种群。

3.2.2。改进帝国的同化的方式

ICA帝国同化的过程是实现通过移动殖民地整个霸王改善同化ICA的帝国。运动参数设置为1.8,以确保殖民地方法前后方向的霸王。在现实世界中,殖民同化通常伴随着渗透和转换在政治、经济和文化。使用这种想法供参考,移动的过程殖民国家改为移动每个特性的过程组件的功能组件对应于宗主国,如图3。

每个功能组件独立行动。如果移动参数值 ,其最大的移动距离 在哪里( )的每个特征组件之间的距离是帝国的殖民地和相应的特征分量。的价值应大于1.0,以确保双方的目标的方法。经过反复测试和实验,证明的价值正逐渐从1.0,增加解决方案精度逐渐提高。不同的测试函数时可以获得最好的优化精度值在1.5和1.8之间。后为1.8,解精度逐渐减少的价值吗增加。因此,对于不同的目标函数,限制价值运动的参数区间在1.5和1.8之间可以实现更好的结果。在实验或实际应用,可以执行一个简单的替换测试首先澄清参数值。

为了比较不同的改进算法与原算法之间的运动机制,人物4显示搜索范围的差异之间的两种算法在二维平面上。ICA是一个部门的搜索范围半径的2d,而最大的改进算法是一个矩形移动范围的每一个组件作为它的一面。一方面,每个功能组件的独立运动增强了灵活性和随机性,和开发能力强。另一方面,矩形的搜索范围相对较小,可以改善搜索区域的重叠和覆盖当多个目标(图5),具有较高的效率。

3.2.3。增加跳出局部最优的策略

针对原ICA的过早的问题,跳出局部最优的策略。如果相同的最优值连续多次出现,是判断落入局部最优。此时,宗主国跳出局部最优的选择方案。

有许多方案的跳出局部最优。本文给出三个方案和测试。首先,以每个宗主国的算术平均值为新的移动的目标点,这是表示IICA-I。其次,根据每一个领主的力量,加权平均作为一个新的移动的目标点,这是记录为IICA-II。第三,一定比例的领主的位置信息随机变化,本文设置为10%,标记为IICA-III。新移动的目标点由前两个方案都含有宗主国的其他国家的信息,提高了信息交互。第三个方案通过随机变化的跳出局部最优,提高了人口的多样性。

3.3。开发和改进算法的探索能力和资产分析

ICA缺乏平衡发展和探索能力,缺乏有效的信息交互。帝国的合并和崩溃迅速减少的人口多样性,和高维函数的适用性不强。鉴于上述问题,伙伴使用竞争淘汰机制,加强信息交流和保留主要种群初始国家舞台。经过多次迭代,跳出局部最优的机制被添加在舞台上大大减少人口的多样性,人口为经济复苏提供路径的多样性。同时,同化机制的改进提高了搜索的灵活性和效率,提高发展能力而不影响探索能力。因此,与ICA相比,改进算法的开发和探索能力增强的同时,也有更多的措施来改进探索能力。两者之间的平衡算法更为合理。

3.4。成本函数

给定一个帝国主义国家或一个殖民国家,解决方案 通过解码,国家成本函数计算根据

其中, 是目标函数表达式(4)和可靠性约束的路径(5)、车辆容量约束(14),配送中心能力约束(15)被添加到评价函数作为惩罚项。 , ,和是惩罚系数。()⁺意味着如果括号中的值是正数,将价值。代表的可靠性水平。代表了配送中心的故障概率。代表中断概率之间的线点 和点 。 代表客户需求。代表了车辆的运输能力。代表车辆单位距离运输成本。

4所示。实验结果和分析

4.1。实验参数设置

为了验证模型的合理性和有效性的伙伴算法,不同的数值例子进行测试。表1显示的规模不同的例子,包括配送中心的数量,客户,和车辆。根据均匀分布生成的计算参数表2。算法是通过python编程实现,所有测试的实验环境是计算机与英特尔酷睿i7处理器2.6 GHz和8 GB内存和操作系统Windows 10。

4.2。实验结果

该算法与现有的方法相比,以验证该方法的有效性。比较方法是标准的ICA和混合谐波search-simulated退火(HS-SA)算法在17]。HS-SA算法结合和谐内存的动态价值考虑到速度和音调调整率与局部优化技术,结合了模拟退火的概率接受规则的想法,以避免当地极端点。

首先,伙伴的性能测试通过求解I1∼16不同尺度的例子,结果与标准的ICA算法和HS-SA算法。其中,可靠性水平所有的例子是0.5。的数量为一个公平的比较,初步的国家伙伴算法和标准ICA算法是100,初始帝国的数量是10,迭代的最大数量是100。不变的价值f伙伴算法是1.5。HS-SA算法的人口规模为100,最大迭代次数为100。

为每一个例子中,分别每个算法运行10次。表3显示了结果的比较,ICA的伙伴和HS-SA算法在不同尺度下,包括最佳值,最值,平均值,平均偏差率和平均CPU运行时间。其中,平均偏差率被定义为((平均值−最佳值的平均)/最佳值)×100%。

从表可以看出4最有价值,最坏值,平均值,伙伴算法的平均偏差率低于标准的ICA算法和HS-SA算法对不同尺度的例子。其中,伙伴算法的平均偏差率从2.0%到3.1%不等。然而,标准的ICA算法的平均偏差率从3.9%变化到15.1%,与HS-SA算法从3.5%到9.8%不等。可以看出伙伴算法可以有效地解决不同尺度的例子,随着问题规模的增加,伙伴算法仍能保持良好的性能。此外,伙伴算法更低的平均运行时间因为改善了帝国的同化方法和策略的跳出局部最优。

图6显示结果的详细实例I1∼16,包括配送中心的成本,车辆的固定运营成本,运输成本,运输石油消费和有限公司₂发射成本。从图可以看出6物流配送的规模越大,车辆运营成本越大,运输成本,运输燃料消耗和有限公司₂发射成本,最终导致总成本的增加。

为了分析可靠性水平的影响对算法的性能和优化决策的结果,一个例子I3是作为一个例子。其中,可靠性水平是0.3∼0.8。对于不同的可靠性水平,分别为每个算法运行10次。表4显示了结果的对比伙伴算法和标准ICA算法在不同的可靠性。从表可以看出4伙伴算法的平均偏差率从2.9%到12.6%不等,而标准的ICA算法的平均偏差率在9.3%至16.9%之间。最好的价值,最差的价值,和伙伴的平均值算法也优于标准的ICA算法。因此,伙伴算法仍然可以保持稳定的性能在不同的可靠性水平,及其解决方案效果优于标准的ICA算法。

5。结论

摘要location-route优化可靠的绿色物流配送问题的研究,并建立了优化模型,以减少总成本,包括配送中心的成本,车辆运行成本、运输成本、运输石油消费和有限公司₂发射成本,满足路线的约束条件下的可靠性。一种改进的帝国竞争算法(伙伴)是根据问题的特点设计的。最后,算法的性能测试通过一个数值例子,和重要的参数进行了分析。实验结果表明,伙伴算法的平均偏差率从2.5%变化到8.3%,这比标准的ICA算法和HS-SA算法。伙伴算法可以有效地解决不同规模的例子。此外,随着问题规模的增加,伙伴算法仍能保持良好的性能。此外,与可靠性水平的增加,汽车数量的增加,这就增加了车辆运营成本,运输成本,运输燃料消耗和有限公司₂发射成本,最终导致总成本的增加。在未来的研究中,绿色物流配送的可靠性location-route在动态环境中优化可以进一步考虑。

数据可用性

标签数据集用于支持本研究的发现可以要求作者。

的利益冲突

作者宣称没有利益冲突。