[發(fā)明專(zhuān)利]一種應(yīng)用改進(jìn)的混合免疫算法優(yōu)化物流配送中心選址方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010102759.6
• 申請(qǐng)日: 2020-02-19
• 公開(kāi)（公告）號(hào): CN111353738B
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 陳超;武菊;劉芳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 內(nèi)江師范學(xué)院
• 主分類(lèi)號(hào): G06Q10/0836
• 分類(lèi)號(hào): G06Q10/0836;G06Q30/0204;G06N3/006
• 代理公司: 北京眾澤信達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11701
• 代理人: 張艷萍

1.一種應(yīng)用改進(jìn)的混合免疫算法優(yōu)化物流配送中心選址方法，其特征在于，包括如下步驟：

步驟一、建立物流配送中心選址的模型；

步驟二、進(jìn)行免疫算法計(jì)算；

步驟三、進(jìn)行改進(jìn)的混合免疫算法計(jì)算；

所述步驟一具體包括，

建立目標(biāo)函數(shù)：

約束條件為：

Z_ij≤h_j,i∈N,j∈M_i?????公式三

其中：

其中，N＝{1,2,3,…,n}是所有需求點(diǎn)的序號(hào)集合；M_i為到需求點(diǎn)i的距離小于s的備選配送中心集合，i∈N，從n個(gè)樣本需求點(diǎn)中確定若干個(gè)配送中心，然后再由配送中心向各個(gè)樣本點(diǎn)配貨；ω_i表示需求點(diǎn)的需求量；d_ij表示從需求點(diǎn)i到離它最近的配送中心j的距離；Z_ij為0-1變量，只能取0或1，當(dāng)取值為1時(shí)，表示第i個(gè)樣本點(diǎn)的需求量由第j個(gè)配送中心進(jìn)行配送，否則為0；h_j為變量，只能取值0或1，當(dāng)h_j＝1時(shí)，表示點(diǎn)j被選為配送中心；s為新建配送中心離由它服務(wù)需求點(diǎn)的距離上限；公式二表示配送點(diǎn)i只能由唯一的配送中心j來(lái)進(jìn)行送貨，從而保證每一個(gè)配送點(diǎn)有且只對(duì)應(yīng)一個(gè)配送中心；公式三表示配送點(diǎn)的需求量只能由它所對(duì)應(yīng)的配送中心來(lái)服務(wù)；式表示被選中的配送中心數(shù)量為pp；式d_ij≤s保證了所有配送點(diǎn)都位于配送中心的配送距離上限范圍內(nèi)；

所述步驟二包括：

1)建立抗體與抗原間親和力函數(shù)A_v

其中，F(xiàn)_v為目標(biāo)函數(shù)；分母中的第二項(xiàng)表示對(duì)違反距離約束的解給予懲罰，

其中，C為常數(shù)；

2)抗體與抗體間親和力函數(shù)S_v,s

其中，K_v,s為抗體v和抗體s中相同元素個(gè)數(shù)的位數(shù)，L為抗體的長(zhǎng)度；

3)抗體濃度函數(shù)C_v

其中，N_antibody為抗體總數(shù)，

其中，T為公式十自適應(yīng)尋找的一個(gè)最佳閾值；

4)函數(shù)繁殖期望率

群體個(gè)體的期望繁殖率由抗體和抗原間親和力A_v和抗體濃度C_v共同決定，原始繁殖期望率如公式九所示：

其中，α為常數(shù)；

5)進(jìn)行免疫操作

a)選擇操作，根據(jù)公式九來(lái)計(jì)算期望繁殖概率，然后采用輪盤(pán)賭選擇機(jī)制進(jìn)行選擇操作；

b)交叉操作，按照指定的位置進(jìn)行交叉；

c)變異操作，采用隨機(jī)位置變異；

所述步驟三包括：

1)自適應(yīng)選擇操作

引入迭代次數(shù)t來(lái)分階段地改抗體濃度函數(shù)C_v，具體如公式十所示：

其中T為根據(jù)迭代次數(shù)分階段自適應(yīng)的一個(gè)閾值，t_max為最大迭代次數(shù)，t_ave為平均迭代次數(shù)，t為迭代次數(shù)，sizepop為種群規(guī)模，其中α₁＝1，根據(jù)公式十來(lái)更新公式八的親和力函數(shù)S_v,s；根據(jù)公式九來(lái)計(jì)算期望繁殖概率，然后采用輪盤(pán)賭選擇機(jī)制進(jìn)行選擇操作，在種群中以一定比例抽取r個(gè)體進(jìn)行退火選擇，改進(jìn)后計(jì)算期望繁殖概率具體如公式十一

其中，x_i表示第i個(gè)抗體，TEM_k為第k次迭代溫度，α為常數(shù)，T₀＝100，k為當(dāng)前迭代次數(shù)；

2)進(jìn)行交叉操作

采用按照一定指定的位置進(jìn)行交叉；在此使用隨機(jī)單點(diǎn)交叉操作，即：隨機(jī)的產(chǎn)生兩個(gè)單點(diǎn)位置，再交換這兩個(gè)位置上的基因；

3)變異操作

為防止免疫算法陷入局部最優(yōu)值，對(duì)于抗體進(jìn)行一個(gè)指定半徑領(lǐng)域進(jìn)行變異，具體如公式十三所示；

公式十三中R為指定的半徑領(lǐng)域，R大于克隆擴(kuò)展半徑，rand(1-R,1+R)為產(chǎn)生(1-R,1+R)之間的一個(gè)隨機(jī)數(shù)，其中x_ii,t是第t次時(shí)的第ii個(gè)抗體；x_ii,max，x_ii,min分別為第t次迭代階段中具有最大和最小抗體濃度的抗體；x*_ii,t表示第t次時(shí)的第ii個(gè)變異后的抗體。