[發明專利]基于協同多目標算法的多級低碳物流配送網絡規劃方法

有效

• 申請號: 201711211228.5
• 申請日: 2017-11-28
• 公開（公告）號: CN107833002B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 伍大清;李鋒;張偉華;管紅波;邵明
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q10/04;G06Q10/06;G06F30/18;G06F111/06
• 代理公司: 上海申浩律師事務所 31280
• 代理人: 張潔

1.基于協同多目標算法的多級低碳物流配送網絡規劃方法，其特征在于包括以下步驟：

S10：建立符合物流運營實際并且考慮碳排放約束的多層級物流配送網絡優化模型：

s.t.

Z_ij≤P_iY_j (3)

X_jl≤Y_j (12)

Z_ij≥0 (13)

U_jle∈Z⁺ (14)

上式中M:集散基地的數量；

N：備選配送中心的數量；

K：客戶需求節點的數量：

V：配送中車輛的數量；

I表示M個集散基地的下標號集合，|I|＝M；

J表示N個備選配送中心的下標號集合，|J|＝N

L表示個K個客戶需求節點的下標號集合，|L|＝K；

E表示V個車輛的下標號集合，|E|＝V；

i表示第i個集散基地，i∈I；

j表示第j個配送中心，j∈J；

l表示第l個客戶需求節點，l∈L；

e表示第e個車輛，e∈E；

P_i是第i個集散基地可供應的貨物總量，單位噸；

C_j是第j個備選配送中心的貨物處理能力，單位噸；

D_l是第l個客戶需求節點的需求量，單位噸；

d_ij表示第i個集散基地到第j個備選配送中心的距離，單位公里；

d_jl表示第j個備選中心到第l個客戶需求節點的距離，單位公里；

F_j是第j個備選配送中心的租金，包括配送中心內部棟選、組配、再加工及裝卸變動費用，單位元；

T_i是第i個集散基地到備選配送中心的單位運輸費用，元/噸.公里；

T_je是第j個備選配送中心到客戶需求節點的單位距離車輛e的運輸費用，元/噸.公里；

u_e為車輛e的容量；

Q_je為配送中心j可用的車輛e的最大數量；

t_i表示第i個集散基地向備選配送中心的運輸環節單位碳排放，kgCO_2eq/噸.公里；

t_je表示第j個備選配送中心向客戶需求節點的運輸環節車輛e的單位碳排化，kgCO_2eq/噸.公里，

本模型的決策變量包括：

U_jle為配送中心j指派到客戶需求節點l的車輛e的數量；

Z_ij表示第i個集散基地向第j個備選配送中心的發運量；

另外假設1：每個需求節點由不止一個的配送中心來提供服務；

假設2：集散基地的位置和可供應能力己知，每個客戶需求節點的需求獨立且己知；

假設3：配送中心到需求節點只考慮使用能源相同、運輸方式相同；

假設4：每個配送中心能夠提供的車輛的種類和數量都是有限的，不同類型車輛的運輸成本和碳排放均不同；由于集散基地位于郊區，因此假設模型中集散基地提供的到配送中心的運輸車輛是容量最大的同一種車輛且可以滿足配送中心的需求；

S20：針對S10建立的優化模型設計多目標優化算法。

2.根據權利要求1所述的基于協同多目標算法的多級低碳物流配送網絡規劃方法，其特征在于：步驟S20中的多目標優化算法包括2個階段，第1階段根據已知信息制定初始優化階段的決策計劃，確定備用的配送中心是否被選中；第2階段根據動態信息的產生進行實時階段的優化。

3.根據權利要求2所述的基于協同多目標算法的多級低碳物流配送網絡規劃方法，其特征在于：根據動態信息的產生進行實時優化階段采用的是ECMPOS算法模型，所述ECMPOS算法模型包括以下步驟：

Step1：初始化種群，根據種群個體的維數、搜索點以及速率約束，隨機初始化種群個體，這些個體必須是可行的候選解，滿足操作約束，根據多目標問題的目標個數，將種群劃分成多個子種群，并將每個目標的D維搜索空間自適應劃分成多個網格，為每個個體分配pbest(x)、Achive(x)以及Nbest(x)，設置最大迭代次數以及最低貢獻要求次數；

Step2：迭代更新，對于每個種群的每個粒子進行如下操作：判斷粒子對應的狀態觀測器值是否大于最低貢獻要求次數，若是，則重新為粒子分配pbest(x)、Achive(x)以及Nbest(x)；

Step3：更新粒子的速度和位置；

Step4：對速度、位置越界粒子進行處理；

Step5：判斷粒子對外部存檔是否做貢獻，若沒有，狀態觀測器累加1；

Step6：對外部存檔執行精英學習策略并更新外部存檔；

Step7：使用擁擠距離更新外部存檔；

Step8：迭代計數器累增1，判斷是否滿足算法終止條件，若滿足，則執行Step9；否則，轉Step2；

Step9：輸出帕累托最優前沿面，算法結束。