亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化

        2023-02-18 07:34:04張靜怡司夏萌
        物流技術(shù) 2023年11期
        關(guān)鍵詞:遺傳算法應(yīng)急混合

        張靜怡,司夏萌,張 虹

        (北京信息科技大學(xué) 信息管理學(xué)院,北京 100192)

        0 引言

        近年來,各類突發(fā)事件給人們的生命安全帶來了嚴(yán)重的威脅。例如,近年在全國各地頻繁發(fā)生的洪澇災(zāi)害、四川地區(qū)的地震災(zāi)害以及在全世界肆虐的新冠疫情等。這類事件會給人們的生命健康帶來嚴(yán)峻的威脅,其影響也蔓延到社會與經(jīng)濟(jì)層面,給社會穩(wěn)定與經(jīng)濟(jì)持續(xù)發(fā)展造成危害。突發(fā)事件發(fā)生時,為了減少人員傷亡與財產(chǎn)損失,救援工作對物流的需求極為迫切。因此,有必要組織好應(yīng)急物流工作,對應(yīng)急物流車輛路徑優(yōu)化問題進(jìn)行研究,在應(yīng)對突發(fā)事件時具有十分重要的意義。

        目前,已有眾多學(xué)者對應(yīng)急物流配送路徑優(yōu)化進(jìn)行研究。宋英華,等[1]以時間窗懲罰成本最小與駕駛員心理成本最小為目標(biāo),建立了雙目標(biāo)應(yīng)急物流配送車輛路徑問題的整數(shù)規(guī)劃模型,并通過加權(quán)遺傳算法進(jìn)行了求解;Li,等[2]以運(yùn)輸時間最短、受災(zāi)點(diǎn)滿意度最大為目標(biāo),建立了應(yīng)急物流配送路徑優(yōu)化模型,采用快速非支配排序遺傳算法求解模型;呂偉,等[3]在軟時間窗與硬時間窗的綜合約束下以總延遲時間最短、軟時間窗懲罰成本最小、硬時間窗不滿足數(shù)最少為目標(biāo),建立了應(yīng)急物流車輛配送路徑模型,首先預(yù)處理路網(wǎng)數(shù)據(jù),然后建模并利用遺傳算法求解模型;楊瀟,等[4]基于需求分級構(gòu)建了應(yīng)急物流系統(tǒng)定位-路徑優(yōu)化模型,并通過改進(jìn)遺傳算法進(jìn)行求解,得到了最優(yōu)選址和路徑方案;康斌,等[5]以最小化最晚車輛服務(wù)結(jié)束時間、最小化需求未滿足率為目標(biāo),建立了應(yīng)急物流配送路徑優(yōu)化模型,通過優(yōu)先鄰點(diǎn)交叉算子改進(jìn)遺傳算法對模型進(jìn)行求解;趙建有,等[6]通過K-means聚類算法選擇配送中心并劃分受災(zāi)點(diǎn),以救援時間最短、救援費(fèi)用最小以及受災(zāi)點(diǎn)緊迫度排序指數(shù)最大為目標(biāo),構(gòu)建了應(yīng)急車輛路徑優(yōu)化模型,并通過改進(jìn)的布谷鳥-蟻群組合算法進(jìn)行求解;彭大江,等[7]引入三角模糊數(shù)刻畫模糊需求,提出了模糊需求下的應(yīng)急物流中心選址-路徑模型,并通過基于Q-學(xué)習(xí)的超啟發(fā)式算法求解模型;Jiang,等[8]以配送時間最短、配送成本最低、未滿足需求量最低為目標(biāo)建立應(yīng)急物流調(diào)度模型,通過魯棒優(yōu)化方法進(jìn)行求解;Oruc,等[9]提出了一個雙目標(biāo)優(yōu)化模型,旨在通過提供受影響地區(qū)的損害信息來最大化評估道路所增加的總體價值并最大化評估節(jié)點(diǎn)的總利潤,可以有效地尋找救援線路;李慧,等[10]綜合考慮道路擁擠情況、救援物資儲備、患者和醫(yī)院的地理位置、車輛空閑情況等多維因素,實(shí)現(xiàn)了基于改進(jìn)弗洛伊德算法的救護(hù)車應(yīng)急救援路徑規(guī)劃。

        總結(jié)已有研究文獻(xiàn)可知,當(dāng)前對應(yīng)急物流車輛路徑優(yōu)化的研究多以時間最短、路徑最短、成本最低、需求滿意度最大為目標(biāo)構(gòu)建數(shù)學(xué)模型,較少考慮到配送過程中的碳排放對環(huán)境所產(chǎn)生的影響。基于此,本文綜合考慮配送成本、需求滿意度與碳排放量,建立了基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化模型。

        1 相關(guān)理論

        1.1 節(jié)約算法

        節(jié)約算法又稱C-W 算法,是將運(yùn)輸問題中的兩條路徑合并形成一條路徑,大幅縮短合并之后的運(yùn)輸距離,直到達(dá)到一輛車的最大載重限制后,再對下一輛車進(jìn)行優(yōu)化。節(jié)約算法通常用來獲取車輛路徑優(yōu)化問題的初始解,以滿足受災(zāi)點(diǎn)的物資需求與配送車輛的載重限制作為前提條件,將運(yùn)輸路徑最短的配送方案作為應(yīng)急物流車輛路徑優(yōu)化問題的初始解。

        1.2 遺傳算法

        遺傳算法是模仿生物界選擇和遺傳的機(jī)理形成的一種基于種群的隨機(jī)全局搜索與優(yōu)化方法。在遺傳算法中,一條染色體代表問題的一個解,根據(jù)設(shè)置的適應(yīng)度函數(shù),計算每一條染色體的適應(yīng)度值,通過選擇操作保留適應(yīng)度較高的染色體,并通過交叉、變異等操作保持種群的多樣性,在進(jìn)行一定次數(shù)的迭代后解碼,就得到了問題的最優(yōu)解。

        遺傳算法具有全局搜索能力強(qiáng)、收斂速度快等優(yōu)點(diǎn),但遺傳算法通過隨機(jī)方法產(chǎn)生初始解,搜索的難度更大,且局部搜索能力也存在不足。

        1.3 大規(guī)模鄰域搜索算法

        大規(guī)模鄰域搜索算法是一種主要基于“破壞”和“修復(fù)”思想的算法,首先通過破壞算子從目前的解中移除若干需求點(diǎn),再通過修復(fù)算子,將被移除的需求點(diǎn)再度插回已被破壞的解中,從而獲得更高質(zhì)量的解。

        2 問題描述

        本文研究中需要解決的應(yīng)急物流配送路徑優(yōu)化問題如下:多個配送中心,多個受災(zāi)點(diǎn),已知各配送中心與各受災(zāi)點(diǎn)的位置、各配送中心的倉庫容量、車輛的最大載重量,各受災(zāi)點(diǎn)的需求量可以用三角模糊函數(shù)表示,要求每個受災(zāi)點(diǎn)僅由一輛車進(jìn)行配送,且車輛在完成配送任務(wù)后返回配送中心。在時間、空間和資源的約束下,建立車輛路徑優(yōu)化模型,使配送車輛的固定成本、運(yùn)輸過程中產(chǎn)生的成本、未滿足需求量的懲罰成本以及碳排放成本之和最低。圖1為應(yīng)急物流車輛路徑優(yōu)化問題的示例圖。

        圖1 應(yīng)急物流車輛路徑優(yōu)化問題示例圖

        3 基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化模型

        3.1 模型已知條件

        (1)假設(shè)每個受災(zāi)點(diǎn)僅由一輛車配送物資;

        (2)假設(shè)配送車輛的初始位置在某一配送中心,且在物資配送完畢后返回該配送中心;

        (3)假設(shè)配送車輛均為同一型號,其最大載重限制相同。

        3.2 符號說明

        D:配送中心節(jié)點(diǎn)集合{i|i=1,2,…,m};

        N:需求點(diǎn)集合{i|i=m+1,m+2,…,n};

        V:車輛集合{k|k=1,2,…,r};

        c1:車輛的固定使用費(fèi)用;

        c2:車輛的單位運(yùn)輸費(fèi)用;

        c3:未滿足需求的單位懲罰成本;

        oi:受災(zāi)點(diǎn)i最樂觀的需求量;

        li:受災(zāi)點(diǎn)i最有可能的需求量;

        pi:受災(zāi)點(diǎn)i最悲觀的需求量;

        Qi:受災(zāi)點(diǎn)i的需求量;

        dij:點(diǎn)i到點(diǎn)j的距離;

        μ:車輛滿載時的燃油消耗率;

        μ0:車輛空載時的燃油消耗率;

        Mk:車輛k能負(fù)載的最大重量;

        Mijk:車輛k從點(diǎn)i行駛到點(diǎn)j的載重量;

        Gi:配送中心i的最大容量;

        τ:碳排放量與燃油消耗量之間的轉(zhuǎn)換系數(shù);

        3.3 模型建立

        考慮到應(yīng)急物流的特殊性與環(huán)境保護(hù)思想,為了在降低運(yùn)輸成本的同時盡量滿足受災(zāi)點(diǎn)的物資需求,并減少碳排放,本文以車輛的固定成本、車輛運(yùn)輸過程中產(chǎn)生的成本、未滿足需求的懲罰成本以及碳排放成本之和作為目標(biāo)函數(shù)構(gòu)建模型。

        (1)配送車輛的固定成本

        (2)配送車輛的運(yùn)輸成本

        (3)未滿足需求的懲罰成本。在突發(fā)事故中,受災(zāi)點(diǎn)的需求量具有不確定性。因此,為盡量滿足受災(zāi)點(diǎn)的需求,保障救援工作的順利進(jìn)行,本文參考文獻(xiàn)[11],利用三角模糊函數(shù),通過最樂觀需求、最可能需求和最悲觀需求來估計需求量Qi。它們之間的關(guān)系見式(3)、式(4)。

        采用加權(quán)法將三角模糊數(shù)轉(zhuǎn)化為某個數(shù)值,受災(zāi)點(diǎn)i的需求量Qi可以通過式(5)計算得到。

        由于車輛和配送中心的容量限制,車輛運(yùn)送到受災(zāi)點(diǎn)的應(yīng)急物資數(shù)量可能會低于預(yù)計需求。因此,當(dāng)受災(zāi)點(diǎn)的需求沒有得到滿足時,將會產(chǎn)生一定的配送懲罰成本。懲罰成本可以表示為:

        (4)碳排放成本。應(yīng)急物流運(yùn)輸過程中的碳排放量與燃油消耗呈線性相關(guān),而燃油消耗受到車輛行駛速度、車輛載重量、道路坡度、行駛距離等多種因素的影響。本文參考文獻(xiàn)[12]計算燃油消耗量,可以用以下公式表示:

        碳排放成本可以表示為:

        (5)目標(biāo)函數(shù):

        約束條件:

        式(10)表示各配送中心配送的物資總量不超過配送中心的容量;式(11)表示每個受災(zāi)點(diǎn)僅由單獨(dú)一輛車提供一次配送服務(wù);式(12)表示每輛車在配送中心出發(fā)且僅服務(wù)于一個配送中心;式(13)表示每輛車在應(yīng)急物資配送完畢后重新返回配送中心。

        4 混合遺傳算法設(shè)計

        為了提高遺傳算法的搜索效率,利用節(jié)約算法得到遺傳算法的初始解。針對遺傳算法在局部搜索能力上的缺陷,采用大規(guī)模鄰域搜索算法中“破壞”與“修復(fù)”的思想,構(gòu)造出一種混合遺傳算法,用以求解本文中的應(yīng)急物流車輛路徑優(yōu)化問題,混合遺傳算法的流程圖如圖2所示。

        圖2 混合遺傳算法流程圖

        (1)編碼。采用整數(shù)編碼的方法,假設(shè)受災(zāi)點(diǎn)數(shù)目為n,配送中心最大車輛使用數(shù)目為k,則染色體長度為n+k-1,染色體可表示為(1,2,…,n+k-1)的形式。

        (2)種群初始化。采用節(jié)約算法構(gòu)造問題的初始解,高質(zhì)量的初始解可以在一定程度上降低遺傳算法的搜索難度,假設(shè)h是標(biāo)記第幾大距離節(jié)約值的位置,則具體步驟如下:

        步驟一:將每個受災(zāi)點(diǎn)的配送任務(wù)分配給一輛單獨(dú)的車執(zhí)行;

        步驟二:將每兩條路徑融合并計算距離節(jié)約值,將距離節(jié)約值依據(jù)從高到低的順序排列;

        步驟三:更新距離節(jié)約值,融合節(jié)約值最大的兩條路徑,判斷該路徑上車輛的載重量是否符合車輛容量限制,若不符合,則使h=n+1,執(zhí)行步驟四,否則重復(fù)執(zhí)行步驟三;

        步驟四:融合距離節(jié)約值第h大的兩條路徑,判斷是否存在某條路徑上僅有一個受災(zāi)點(diǎn)的情況,若存在,則重復(fù)執(zhí)行步驟三,否則輸出每輛車所途經(jīng)的受災(zāi)點(diǎn)的序號。

        通過節(jié)約算法得到初始配送方案后,進(jìn)行種群的初始化。先把初始解按編碼方式轉(zhuǎn)換為個體,然后將種群的所有個體全部賦值為初始解轉(zhuǎn)換的個體。

        (3)適應(yīng)度函數(shù)。應(yīng)急物流模型中的目標(biāo)函數(shù)f由配送車輛的固定成本、運(yùn)輸成本、未滿足需求量的懲罰成本以及碳排放成本之和組成,由此可知,目標(biāo)函數(shù)越小則結(jié)果越符合要求,而選擇操作通常保留適應(yīng)度值較大的個體,因此將適應(yīng)度函數(shù)設(shè)為目標(biāo)函數(shù)的倒數(shù),即令:

        (4)選擇操作。利用二元錦標(biāo)賽選擇法進(jìn)行選擇操作,操作過程就是比較兩個個體,然后選擇適應(yīng)度值更大的個體進(jìn)入子代種群。若種群數(shù)目為NIND,則循環(huán)NIND次,每次循環(huán)隨機(jī)選出兩個個體,在二者中選擇出適應(yīng)度值更大的個體。由于新選擇出的NIND個體中可能有重復(fù)個體,所以只保留重復(fù)個體中的一個個體,然后刪除其他重復(fù)個體。

        (5)交叉操作。首先在兩個父代染色體上隨機(jī)選擇兩個交叉位置,然后截取兩個交叉片段,交錯移動到兩個父代個體之前,最后刪除第2個重復(fù)的基因位,構(gòu)成兩個子代個體。這種交叉方式有利于維護(hù)種群的多樣性。具體操作如圖3所示。

        圖3 交叉操作流程

        (6)變異操作。在父代染色體上隨機(jī)選擇兩個變異位置,交換兩個位置上的基因,得到變異后的子代個體,具體操作如圖4所示。

        圖4 變異操作流程

        (7)局部搜索操作。運(yùn)用大規(guī)模鄰域搜索算法中“破壞”與“修復(fù)”的思想,即通過破壞算子按照相似性計算公式(15)從目前的解中移除若干受災(zāi)點(diǎn),然后通過修復(fù)算子將被移除的受災(zāi)點(diǎn)插回讓目標(biāo)函數(shù)值增加值最少的位置。

        破壞算子:按照式(15)、式(16)移除若干受災(zāi)點(diǎn)。

        式中,為將cij標(biāo)準(zhǔn)化后的值,范圍在區(qū)間[0,1];cij為i與j之間的距離;vij表示i與j是否在同一條路徑上,如果在同一條路徑上則為0,否則為1。由式(15)可知,兩個受災(zāi)點(diǎn)相互之間的距離越近,則R(i,j)越大;兩個受災(zāi)點(diǎn)如果位于同一路徑上,則R(i,j)最大。

        破壞算子的偽代碼見表1。

        表1 破壞算子偽代碼

        修復(fù)算子:修復(fù)算子的偽代碼見表2。

        表2 修復(fù)算子偽代碼

        (8)終止條件。達(dá)到最大迭代次數(shù)MAXGEN時,停止迭代,輸出問題的最優(yōu)解。

        5 算例分析

        5.1 算例說明

        本文引用文獻(xiàn)[13]中應(yīng)急物流路徑問題的分布數(shù)據(jù),見表3、表4。存在3個配送中心與20個受災(zāi)點(diǎn),各節(jié)點(diǎn)的位置信息已知,各節(jié)點(diǎn)之間的距離通過平面坐標(biāo)的歐氏距離簡化表示。混合遺傳算法的參數(shù)設(shè)置見表5。

        表3 配送中心相關(guān)數(shù)據(jù)

        表4 受災(zāi)點(diǎn)相關(guān)數(shù)據(jù)

        表5 參數(shù)表

        5.2 算法比較

        利用MATLAB R2018b編程軟件,根據(jù)分布數(shù)據(jù)信息,分別運(yùn)用遺傳算法與混合遺傳算法求解基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化模型。

        遺傳算法與混合遺傳算法的優(yōu)化過程如圖5、圖6所示,求解得到的最優(yōu)配送方案路線如圖7所示。

        圖5 遺傳算法的優(yōu)化過程

        圖6 混合遺傳算法的優(yōu)化過程

        圖7 混合遺傳算法得到的最優(yōu)配送方案路線圖

        遺傳算法與混合遺傳算法的優(yōu)化仿真結(jié)果對比見表6。

        表6 仿真結(jié)果

        5.3 結(jié)果比較

        通過對比遺傳算法和混合遺傳算法的優(yōu)化過程可知,利用節(jié)約算法求初始解,利用大規(guī)模鄰域搜索算法改進(jìn)局部搜索操作的混合遺傳算法在迭代次數(shù)為42 次時達(dá)到最優(yōu)解,而遺傳算法在迭代次數(shù)為60次時達(dá)到最優(yōu)解,因此本文中的混合遺傳算法相較于傳統(tǒng)的遺傳算法具有更好的收斂性。對比遺傳算法與混合遺傳算法的優(yōu)化結(jié)果可知,混合遺傳算法在運(yùn)輸距離、總成本、碳排放成本上都取得了更好的結(jié)果。

        6 結(jié)語

        本文基于低碳綠色的思想,針對災(zāi)害發(fā)生前提下的應(yīng)急物流路徑優(yōu)化問題進(jìn)行研究,以配送車輛的固定成本、運(yùn)輸成本、未滿足需求量的懲罰成本以及碳排放成本之和最小為優(yōu)化目標(biāo),構(gòu)建了基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化模型,并通過混合遺傳算法對模型進(jìn)行求解。最后利用MATLAB軟件分別通過遺傳算法與混合遺傳算法進(jìn)行仿真,并對比分析二者的結(jié)果。由對比結(jié)果可知,混合遺傳算法具有更好的收斂性,且在運(yùn)輸距離、總成本、碳排放成本上均獲得了更好的結(jié)果。因此,基于低碳排放的應(yīng)急物流車輛路徑優(yōu)化模型具備實(shí)用性且混合遺傳算法具有較高的求解效率,可為應(yīng)急物流車輛路徑優(yōu)化問題的應(yīng)對提供參考。

        不過本文對于各受災(zāi)點(diǎn)需求量的預(yù)測方式過于簡單。而在現(xiàn)實(shí)生活中,由于次生災(zāi)害、信息的滯后性等因素,受災(zāi)點(diǎn)的需求量呈現(xiàn)出更大的不確定性,配送車輛在運(yùn)輸過程中的交通條件也存在很多不確定因素,這些因素都會對應(yīng)急物流車輛路徑優(yōu)化的結(jié)果產(chǎn)生影響。因此,未來可更深入研究考慮更多不確定因素的應(yīng)急物流車輛路徑優(yōu)化問題。

        猜你喜歡
        遺傳算法應(yīng)急混合
        多維深入復(fù)盤 促進(jìn)應(yīng)急搶險
        混合宅
        完善應(yīng)急指揮機(jī)制融嵌應(yīng)急準(zhǔn)備、響應(yīng)、處置全周期
        一起來學(xué)習(xí)“混合運(yùn)算”
        應(yīng)急管理部6個“怎么看”
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
        油水混合
        基于遺傳算法和LS-SVM的財務(wù)危機(jī)預(yù)測
        國際新應(yīng)急標(biāo)準(zhǔn)《核或輻射應(yīng)急的準(zhǔn)備與響應(yīng)》的釋疑
        久国产精品久久精品国产四虎| 久久久老熟女一区二区三区| 亚洲乱亚洲乱少妇无码99p | 亚洲图片日本视频免费| 色妺妺视频网| 国产欧美日本亚洲精品一5区| 日韩在线一区二区三区中文字幕| 亚洲av国产av综合av卡| 制服丝袜人妻中文字幕在线| 在线毛片一区二区不卡视频| 亚洲精品国产av成拍| 亚洲爆乳无码专区www| 九九视频在线观看视频6| 九月色婷婷免费| 成人一区二区三区国产| 熟女少妇内射日韩亚洲| 91精品国产综合成人| 日韩丝袜人妻中文字幕| 久久久亚洲熟妇熟女av| 久久亚洲色www成人欧美| 国产va精品免费观看| 精品蜜桃av免费观看| 欧美成人国产精品高潮| 天堂在线www中文| 亚洲伊人免费综合网站| 91色老久久偷偷精品蜜臀懂色| 4hu四虎永久在线观看| 国产哟交泬泬视频在线播放 | 亚洲av日韩精品久久久久久久| 正在播放亚洲一区| 91麻豆精品激情在线观最新| 欧美黑人巨大videos精品| 国产在线不卡一区二区三区| 激情亚洲的在线观看| 狠色人妻丝袜中文字幕| 无码任你躁久久久久久久 | 精品国产sm捆绑最大网免费站| 亚洲地区一区二区三区| 麻豆成人久久精品一区| 国产午夜福利在线观看红一片| 亚洲国产成人久久一区www妖精|