[發明專利]一種基于改進蟻群勞動分工模型的物流供應鏈協同優化方法

有效

• 申請號: 201210260348.5
• 申請日: 2012-07-19
• 公開（公告）號: CN102831495A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 肖亮;謝宏;王銅安;袁霄;陳庭貴;許翀寰
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/08;G06N3/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.基于改進蟻群勞動分工模型的物流供應鏈協同優化方法，包括以下步驟：

1)基于能力評價的個體響應閾值的描述方法：假設企業Agent個體的能力評價指標包括財務指標、工作誠意、預算計劃、工作區域、主要消費人群等m個，即c₁，c₂，……c_m。以這部分指標為基礎，由專家或根據統計聚類分析，將企業Agent自身能力定量地分為n個等級，把它們描述為以下的定性、定量綜合評價物元模型，即經典域物元，以M_0j表示：

M0j=(R0j,ck,X0jk)=R0jc1X0j1c2X0j2···cmX0jm=R0jc1(a0j1,b0j1)c2(a0j2,b0j2)······cm(a0jn,b0jn)---(1)]]>

式中M_0j表示企業Agent的第j級能力的物元模型，R_0j表示企業Agent的能力為第j級；X_0jk＝(a_0jk,b_0jk)表示企業Agent能力為第j級時第k個評價指標c_k的量值范圍；

企業Agent個體能力綜合評價指標的允許取值范圍形成的物元模型M_p，稱為節域物元：

Mp=(Np,ck,Vpk)=Rpc1Xp1c2Xp2······cmXpm=Rpc1(ap1,bp1)c2(ap2,bp2)······cm(apn,bpn)---(2)]]>

式中M_p表示企業Agent能力綜合評價物元模型的節域物元；R_p表示企業Agent能力具有的全體等級；X_pk＝(a_pk,b_pk)表示待評企業N_p中指標c_k的取值允許范圍；

V0jk⋐Vpk;]]>

2)基于利益驅動的業務分配的決策機制：利益驅動下螞蟻或企業Agent需要做兩種不同的重要決策，一是Agent根據自身能力判斷是否有能力承接該項業務；二是多個Agent個體同時競爭執行某一項業務，此時需要對Agent進行選擇，可通過基本蟻群勞動分工模型中的環境刺激進行描述。對應于這兩種不同的決策，Agent個體可對應三種不同的狀態，即加入、退出與躍遷狀態，其中加入狀態指個體由空閑到執行某業務；退出狀態指個體由執行狀態轉移到空閑狀態；而躍遷狀態指Agent個體從執行業務i躍遷到執行業務j，其利益驅動的螞蟻Agent決策過程如圖1所示；

3)環境刺激值的確定：當需求出現一個業務T，為了方便建模，將T劃分為q個子業務：T＝{T₁，T₂，…，T_q}。對應于每個子業務都存在一個環境刺激值，它反映了執行該子業務的緊急程度；刺激值越高，則更容易吸引到螞蟻個體來完成此項子業務。螞蟻個體結合環境刺激值與自己的響應閾值共同決定是否參與到該項子業務中。在子業務未被完成時，每過一個單位時間段，子業務的刺激值都會自增一個常量δ_j。而根據參與的螞蟻個體的情況，會不同程度地部分完成各子業務，其多少取決于參與業務的螞蟻個體的總數n^j_act和每個螞蟻個體的業務執行效率由以下公式描述：

sj(t+1)=sj(t)+δj-Σi=1N∂jiSji(t)---(3)]]>

4)螞蟻個體i執行業務j的概率值：螞蟻個體i執行業務j的概率不僅與螞蟻自身能力有關，而且與業務特性及從事此項業務的收益與風險密切相關。當業務的環境刺激值越大，而螞蟻自身的響應閾值越低，則螞蟻個體執行該業務的概率越高。此外，每個業務協作工作的螞蟻個體總數應有一個上限，過多或過少都不太有利，因此需對業務能夠容納螞蟻個體的總數做一個限制。根據以上分析，螞蟻個體i執行業務j的概率公式如下所示：

Pji=tanh(kji(t)snsn+(θji)n(Φj+Ψji))---(4)]]>

其中tanh()為雙正切函數，保證概率值取[0,1]，代表為螞蟻個體的“學習”影響，每經過一個時間間隔，將影響其業務選擇的概率；

此外，函數Φ_j代表業務j需被完成的緊急程度，可表示為：

Φ_j=φ_j(N_j-n_j(t))θ(N_j-n_j(t))?????????????????????????????????(5)

其中n_j(t)是在時刻t執行業務j的螞蟻總數，N_j是業務j能夠同時容納螞蟻的極限。θ(x)為亥維賽函數，可表示為：

θ(x)=0,(x≤0)1,(x>0)---(6)]]>

函數Φ_j描述的是隨著越來越多的螞蟻執行某一項業務，其對其它螞蟻的吸引越來越小直到n_j＝N_j為止。但是，由于期望同時加入業務的N_j個螞蟻繼續從事該業務，直到其完成，需通過函數來保證，其公式如下：

Ψji=sjγ(j,ψi(t))---(7)]]>

其中s_j為業務j的環境刺激值，γ(j,ψⁱ(t))確保當螞蟻i正在執行業務j時，非零，也即當業務能容納的螞蟻總數未達到上限時，其對應業務緊迫度繼續增加；而當n_j＝N_j時，業務不能再容納新的螞蟻個體。γ(j,ψⁱ(t))可表示如下：

γ(x1,x2)=1;(x1=x2)0;(x1≠x2)---(8)]]>

最后，代表時刻t螞蟻i對業務j的學習，即隨著時間的增加，螞蟻i執行業務j的可能性的增加；

5)螞蟻個體i執行狀態k轉移到狀態j的概率：由于在實際業務執行中，作為企業Agent，經常會在利益驅動下優先執行那些對本企業有利的工作，因此，螞蟻的狀態不僅僅是加入與退出業務兩個狀態，還需增加不同業務間的躍遷，本文將其定義為螞蟻的轉移概率，可表示為：

Wk-ji=tanh(αSjiSki+ϵ)---(9)]]>

其中k與j取0到J之間的整數，α為協調系數，與業務之間的協調成本、關聯度等因素有關，ε為人工引入的極小數用以避免分母被零除；

6)螞蟻個體的業務退出概率：沿用基本勞動分工模型中的概率計算方法，有如下：

S0i=p---(10)]]>

7)對螞蟻個體的能力評價用于體現不同Agent的差異性，而基于利益驅動的業務分配機制則體現了個體選擇業務的傾向性，即選擇執行使自己利益最大化的業務，該擴展的蟻群勞動分工流程圖如圖2所示；

8)輸出最優業務協同優化結果。