[發明專利]醫藥物流配送路徑的優化設計方法、系統及介質

在審

• 申請號: 201910796337.0
• 申請日: 2019-08-27
• 公開（公告）號: CN110852469A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 吳振勇;毛漢領;黃振峰
• 申請（專利權）人: 廣西大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06N3/12
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種醫藥物流配送路徑的優化設計方法，其特征在于，包括：

算法框架設計步驟：構建醫藥物流配送路徑問題的基于MapReduce模型的并行遺傳算法框架；

路徑優化設計步驟：根據構建的供應鏈設計算法框架，進行醫藥供應鏈車輛配送路徑優化設計。

2.根據權利要求1所述的醫藥物流配送路徑的優化設計方法，其特征在于，所述算法框架設計步驟：

所述MapReduce模型包括：

Map階段的任務處理步驟：

讀取輸入文件內容，解析成<key，value>對。對輸入文件的每一行解析成<key，value>對，每個鍵值對調用一次Map函數；

編寫適合自己程序，對輸入的<key，value>對進行處理，轉換成新的<key，value>對輸出；

對輸出的<key，value>對進行分區；

根據不同分區的數據，按key進行排序和分組，相同key的value放在一個集合；

對分組后的數據進行歸納；

Reduce階段的任務處理步驟：

對多個Map階段任務的輸出，按照不同的分區，通過網絡復制到Reduce節點；

對多個map任務的輸出進行合并、排序；

把Reduce的輸出保存到文件中。

3.根據權利要求2所述的醫藥物流配送路徑的優化設計方法，其特征在于，所述路徑優化設計步驟：

對構建的并行遺傳算法框架進行改進，獲得改進的并行遺傳算法，再進行醫藥供應鏈車輛配送路徑優化設計；

所述對構建的并行遺傳算法框架進行改進包括：

染色體編碼步驟:采用和VRP的編碼方式一樣，即選擇自然數0至N作為客戶的位置排列，每個一維數組就是一條染色體的整數編碼，自然數0至N按不規則排列，每個數字只能出現一次，一個數字表示一個客戶；

初始種群與適應度函數步驟:由于編碼方式采用使用整數編碼方式，初始化種群時隨機生成popsize個1至N個自然數不重復的隨機排列，N為客戶節點數目，popsize為種群規模，采用以配送車輛行駛路程為目標函數，而適應度函數是目標函數的倒數，其轉換公式如下：

其中，

f_i表示個體染色體i的適應度；

z_i表示配送車輛行駛到節點i的路程；

選擇操作步驟:采用選擇策略，從種群中選擇個體，通過計算累計概率和選擇概率，個體的適應度越大，其被選中的概率越大；

假設某個體染色體i，NP為種群個體數，f_i為個體染色體i的適應度，初始狀態下某個個體選擇的概率為0，

其中，

pp_i表示累計概率；

p_i表示個體的選擇概率；

Fit表示染色體i在種群NP中的適應度；

每次轉輪時，隨機產生[0,1]之間的隨機數r，當PP_i-1≤r<PP_i時選擇個體r；

所述選擇策略是輪盤賭策略；

交叉操作步驟:交叉操作采用部分匹配交叉PMX，隨機產生兩個數作為交叉點位置，其中兩個點間的區域是匹配區域，然后使用位置交換操作交換父代的匹配區域，并代替原來的父代染色體，得到新的父代，其操作過程如下所示：

隨機生成兩個交叉點X和Y，開始對父代A、B進行交叉操作；

將交叉匹配區域保留，即“||”之間的區域，然后進行父代交換操作；

將重復的基因刪除，得到交叉后的個體，并代替父代形成新的種群；

其中，“||”表示交叉匹配區域；

變異操作步驟:采用多次對換變異技術，當種群中的個體發生變異，則隨機生成一個交換次數count，個體的基因就進行count次對換；

算法終止步驟:在reduce階段實現的，設定的終止條件為達到預先設定的進化代數、種群中最優個體在連續進化過程中沒有改進、最優個體達到預先設定的最優解。