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

        ?

        多策略改進(jìn)麻雀搜索算法的同時(shí)取送貨車輛路徑規(guī)劃

        2023-09-04 07:49:02沈陽(yáng)大學(xué)機(jī)械工程學(xué)院遼寧沈陽(yáng)110003
        物流科技 2023年16期
        關(guān)鍵詞:搜索算法麻雀精英

        肖 磊 (沈陽(yáng)大學(xué) 機(jī)械工程學(xué)院,遼寧 沈陽(yáng) 110003)

        0 引 言

        同時(shí)取送貨車輛路徑問(wèn)題(Vehicle Routing Problem with Simultaneous Pick-up and Distribution, VRPSPD)是經(jīng)典VRP的擴(kuò)展,由Min H在研究圖書館書籍配送與回收問(wèn)題時(shí)首次提出。VRPSPD作為傳統(tǒng)逆向物流的拓展,將取貨需求融入配送過(guò)程中,比單獨(dú)進(jìn)行配送或取貨更能減少配送車輛數(shù)量,從而提高客戶滿意度和車輛裝載率,降低不確定性成本,并實(shí)現(xiàn)物流資源的最大化利用。隨著物流需求的增長(zhǎng),VRPSPD被視為一種更科學(xué)和合理的配送方式,并逐漸成為學(xué)術(shù)界的研究熱點(diǎn)。

        高振迪等[1]針對(duì)庫(kù)存不平衡問(wèn)題,提出了一種基于模糊客戶需求的多商品多批次車輛路徑規(guī)劃模型,并采用改進(jìn)禁忌搜索算法進(jìn)行求解。孟姍姍等[2]提出了一種卡車與無(wú)人機(jī)相結(jié)合的配送模式,并采用改進(jìn)模擬退火算法優(yōu)化路徑。王新杰等[3]研究了基于共享車輛與客戶訂單的多配送中心聯(lián)合取送貨車輛路徑問(wèn)題,并證明了大聯(lián)盟配送方式具有穩(wěn)定性和成本節(jié)省優(yōu)勢(shì)。解永亮等[4]針對(duì)多溫區(qū)冷鏈物流配送問(wèn)題,提出了混合蟻群算法的解決策略。張烜熒等[5]采用超啟發(fā)式分布估計(jì)算法來(lái)解決帶有軟時(shí)間窗的物流取送貨車輛配送問(wèn)題。袁曉建等[6]通過(guò)在VRPSDP中引入時(shí)間窗,建立數(shù)學(xué)模型并設(shè)計(jì)了一種改進(jìn)的量子算法對(duì)模型進(jìn)行求解。

        本文主要研究軟時(shí)間窗約束下的取送貨車輛路徑規(guī)劃,首先構(gòu)建了整數(shù)規(guī)劃模型以達(dá)到最低成本和最高客戶滿意度,然后采用改進(jìn)麻雀搜索算法求解模型,并通過(guò)實(shí)例驗(yàn)證其優(yōu)越性,最終得到了最優(yōu)路徑圖。

        1 問(wèn)題描述及建模

        1.1 問(wèn)題描述

        同時(shí)取送貨車輛路徑規(guī)劃問(wèn)題可描述為:一個(gè)配送中心為其所服務(wù)區(qū)域提供取送貨服務(wù),要求在滿足客戶需求的情況下完成服務(wù)后返回配送中心,配送車輛必須為所有客戶點(diǎn)提供服務(wù)。本文建立了一個(gè)以最低總成本和最高客戶滿意度為目標(biāo)的數(shù)學(xué)模型,涉及車輛運(yùn)行成本、調(diào)用成本和時(shí)間窗懲罰成本,同時(shí)需滿足客戶約束條件與需求。模型中對(duì)變量的定義見表1。

        本文現(xiàn)提出以下假設(shè):設(shè)定單一配送中心;已知客戶需求量且不超過(guò)車輛最大載重;車輛型號(hào)、載重能力和速度相同;已知客戶地點(diǎn)與配送中心間距離;僅為每位客戶服務(wù)一次;同車實(shí)現(xiàn)取送混合裝載;不考慮天氣因素。

        1.2 數(shù)學(xué)建模

        基于上述問(wèn)題描述和變量的定義,構(gòu)建雙目標(biāo)VRPSPD數(shù)學(xué)模型如下。

        目標(biāo)函數(shù)(1)—(3)分別為車輛運(yùn)行成本、調(diào)用成本和時(shí)間懲罰成本;式(4)為最小總成本;式(5)為最小顧客不滿意度。約束條件式(6)為每個(gè)客戶節(jié)點(diǎn)被訪問(wèn)且僅被訪問(wèn)一次;式(7)—(8)為每輛車有且僅有配送一次;式(9)—(14)為車輛載重約束;式(15)—(16)為服務(wù)時(shí)間約束;式(17)為車輛行駛里程約束;式(18)為決策變量。

        2 求解算法

        2.1 麻雀搜索算法

        麻雀搜索算法(Sparrow Search Algorithm, SSA)由Xue J K于2020年首次提出,此新型群體智能優(yōu)化算法的靈感來(lái)自雀鳥的覓食與反捕食行為。SSA算法中有發(fā)現(xiàn)者、追隨者和警戒者,分別按照各自規(guī)則進(jìn)行位置更新,更新規(guī)則如下。

        其中,t為當(dāng)前迭代次數(shù),T為最大迭代次數(shù),Xij為第i個(gè)麻雀在j維中的位置信息。α∈(0,1]的隨機(jī)數(shù),R2∈[0,1]為預(yù)警值,ST∈[0.5,1]為安全值。Q為隨機(jī)數(shù),L是維數(shù)為1×d的矩陣,元素全為1。

        其中,Xp為追隨者的最佳位置,是全局最差位置,A+是一個(gè)隨機(jī)賦值為1或-1的矩陣,其維度為1×d,且A+=AT(AAT)-1。

        其中,為全局最優(yōu)位置,β為步長(zhǎng)控制參數(shù),K∈[-1,1]的隨機(jī)數(shù),fi為麻雀?jìng)€(gè)體的適應(yīng)度值,fg和fw為最佳和最差的適應(yīng)度值,ε是極小常數(shù)。

        2.2 改進(jìn)麻雀搜索算法

        2.2.1 立方混沌映射

        本文針對(duì)麻雀搜索算法初始化階段存在的局部最優(yōu)和收斂精度問(wèn)題,采用混沌立方映射方法。這種方法利用混沌理念的偶然性和規(guī)則性特點(diǎn),實(shí)現(xiàn)特定范圍內(nèi)的均勻分布,從而提高算法的穩(wěn)定性和收斂精度。因混沌立方映射展現(xiàn)出優(yōu)越的不可預(yù)見性和分布均衡性,所以本文采用混沌立方映射來(lái)優(yōu)化麻雀搜索算法的初始階段。

        假設(shè)初始麻雀種群由n個(gè)d維個(gè)體組成,在d維空間中隨機(jī)產(chǎn)生麻雀?jìng)€(gè)體為Xi=(x1,x2,x3...,xd),即隨機(jī)生成一個(gè)每維都在[-1,1]區(qū)間內(nèi)的d維向量作為第一個(gè)個(gè)體。

        其中,Xi表示麻雀實(shí)際個(gè)體的變量值;Xlb和Xub為解空間中每個(gè)個(gè)體在各維度上的上下邊界。

        2.2.2 精英反向?qū)W習(xí)策略

        反向?qū)W習(xí)策略(Opposition-Based Learning, OBL)是計(jì)算智能領(lǐng)域的一種新興策略,其通過(guò)尋找反向解并比較優(yōu)劣,可提高群體多樣性和解質(zhì)量,避免局部最優(yōu)。

        精英反向?qū)W習(xí)策略(Elite Opposition-Based Learning, EOBL)針對(duì)反向?qū)W習(xí)策略在某些情況下無(wú)法更容易搜索到全局最優(yōu)解的問(wèn)題進(jìn)行了改進(jìn),EOBL通過(guò)引入精英策略與精英個(gè)體進(jìn)行反向?qū)W習(xí),生成精英反向解,并選擇優(yōu)秀個(gè)體,以提高種群多樣性,從而更有效地尋找全局最優(yōu)解。

        設(shè)Xi=(xi,1,xi,2,…,xi,d)為d維空間中的一個(gè)普通粒子,普通粒子的某個(gè)自身極值點(diǎn)為精英粒子,即精英反向解定義如下。

        其中,Xij∈[aj,bj],m是精英反向系數(shù),為0-1間的隨機(jī)數(shù),[caj,cbj]為第j維搜索空間的動(dòng)態(tài)邊界,可通過(guò)下式計(jì)算得到:

        當(dāng)反向解處于邊界之外,就需要進(jìn)行越界處理,公式如下。

        2.2.3 正余弦優(yōu)化算法

        正余弦優(yōu)化算法(Sin Cos Algorithm,SCA)是由Mirjalili于2016年創(chuàng)立的新穎群體智能優(yōu)化算法。此算法利用了正弦和余弦函數(shù)的振動(dòng)特性來(lái)執(zhí)行優(yōu)化搜索,它的優(yōu)點(diǎn)包括參數(shù)較少、結(jié)構(gòu)簡(jiǎn)單以及算法收斂性能佳,公式如下。

        其中,Xi為第i個(gè)待優(yōu)化變量,Li和Ui分別為Xi的上界和下界。

        SCA基于適應(yīng)度函數(shù)計(jì)算每個(gè)個(gè)體的適應(yīng)度值,并將最優(yōu)個(gè)體記錄為X*。在搜索過(guò)程中個(gè)體位置更新公式如下。

        其中,為第t代種群中的第i個(gè)個(gè)體位置,為最優(yōu)個(gè)體位置。a為大于1的常數(shù),設(shè)a=2。t為當(dāng)前迭代次數(shù),tmax為最大迭代次數(shù)。r2∈(0,2π),r3∈(0,2),r4∈(0,1)。

        2.2.4 ISSA 算法流程

        本文提出的ISSA算法,采用立方映射混沌算子和反向選擇策略進(jìn)行種群初始化。通過(guò)精英反向?qū)W習(xí)策略增強(qiáng)多樣性,結(jié)合正弦余弦算法優(yōu)化追隨者位置更新,并采用線性遞減方法控制警戒者數(shù)量,以提高全局搜索能力、探索效率和收斂速度。警戒者數(shù)量的線性遞減公式如下:

        其中,Numb為現(xiàn)有的警戒者數(shù)目,t為當(dāng)前的迭代次數(shù),tmax為最大迭代次數(shù),Numbint表示初始警戒者數(shù)量。

        改進(jìn)后麻雀算法的具體算法步驟如下。

        Step1:初始化麻雀數(shù)量,定義相關(guān)參數(shù);

        Step2:利用立方混沌映射方法初始化種群;Step3:加入OBL提高種群的多樣性,令t=1;

        Step4:若算法沒(méi)有達(dá)到最大迭代次數(shù)tmax,則計(jì)算個(gè)體適應(yīng)度值,并記錄最佳個(gè)體及其位置;

        Step5:根據(jù)式(24)和(26)更新發(fā)現(xiàn)者的位置;

        Step6:根據(jù)式(28)更新追隨者的位置;

        Step7:根據(jù)式(21)更新警戒者位置,根據(jù)式(30)在算法后期對(duì)警戒者數(shù)量進(jìn)行控制;

        Step8:進(jìn)行動(dòng)態(tài)邊界控制,縮小搜索范圍;

        Step9:獲取更新后的麻雀種群;

        Step10:判斷算法是否達(dá)到最大迭代次數(shù)tmax,若達(dá)到,則輸出最優(yōu)解,否則回到Step4。

        ISSA流程圖如圖1所示。

        3 仿真實(shí)驗(yàn)與結(jié)果分析

        3.1 案例描述及實(shí)驗(yàn)參數(shù)設(shè)置

        本文選取M物流企業(yè)作為實(shí)例,來(lái)檢驗(yàn)所建立的路徑規(guī)劃模型和改進(jìn)的麻雀搜索算法。M物流企業(yè)在某區(qū)域設(shè)有一個(gè)營(yíng)業(yè)部,其作為配送中心服務(wù)于周邊的攬投點(diǎn),攬投點(diǎn)每日需要取送貨服務(wù)。現(xiàn)選取M物流企業(yè)某一天的數(shù)據(jù)進(jìn)行求解,表2展示了當(dāng)天33個(gè)客戶的具體相關(guān)信息。模型及配送車輛的相關(guān)參數(shù)設(shè)置見表3。

        表2 配送中心及各客戶點(diǎn)相關(guān)信息表

        表3 模型及配送車輛的相關(guān)參數(shù)

        本文使用ISSA、SSA、GA和WOA四種算法求解該實(shí)例,并使用MATLAB 2022b進(jìn)行編程求解。實(shí)驗(yàn)參數(shù)設(shè)定:種群大小為50,最大迭代次數(shù)為100,麻雀種群的發(fā)現(xiàn)者比例為0.3,預(yù)警者比例為0.1,警戒閾值為0.7,GA的突變率為0.05,精英個(gè)體數(shù)為10,WOA的參數(shù)配置參考了文獻(xiàn)[7]。實(shí)驗(yàn)進(jìn)行了10次運(yùn)算,選取總成本最小并且客戶滿意度最高的路徑作為最優(yōu)路徑。

        3.2 實(shí)驗(yàn)結(jié)果分析

        基于上述信息,本次實(shí)驗(yàn)分別使用ISSA、SSA、GA、WOA算法求解同時(shí)取送貨車輛路徑規(guī)劃問(wèn)題。首先將配送中心與客戶的地址坐標(biāo)、需求量、客戶時(shí)間窗和服務(wù)時(shí)間作為算法輸入,然后將前文構(gòu)建的總成本和客戶滿意度函數(shù)作為算法的適應(yīng)度函數(shù)。同時(shí),使用MATLAB進(jìn)行編程計(jì)算,并對(duì)運(yùn)行結(jié)果進(jìn)行分析和比較。圖2和圖3展示了四種算法迭代優(yōu)化收斂圖和車輛最優(yōu)行駛路徑圖,優(yōu)化結(jié)果對(duì)比見表4。

        圖2 各算法迭代曲線圖

        圖3 四種算法的最優(yōu)路徑規(guī)劃圖

        表4 ISSA、SSA、GA 和WOA 算法的路徑優(yōu)化結(jié)果對(duì)比

        由圖2可知,ISSA算法的收斂曲線斜率最高,展現(xiàn)出優(yōu)越的最優(yōu)解逼近能力和多次跳出局部最優(yōu)的特點(diǎn)。這主要得益于算法使用混沌映射和反向?qū)W習(xí)策略來(lái)獲取初始種群分布,以降低優(yōu)化過(guò)程的隨機(jī)性,從而在早期獲取良好的初始位置優(yōu)勢(shì)。ISSA算法在計(jì)算開始階段生成的初始解可能性能較差,但隨著迭代的進(jìn)行,解會(huì)逐漸向最優(yōu)解靠攏,并在第80代時(shí)產(chǎn)生最優(yōu)解。ISSA算法在SSA算法的基礎(chǔ)上,結(jié)合了立方混沌映射、精英反向?qū)W習(xí)策略和正余弦優(yōu)化算法的優(yōu)點(diǎn),顯示出更強(qiáng)的全局搜索能力和尋優(yōu)能力。在解決復(fù)雜的同時(shí)取送貨車輛路徑問(wèn)題時(shí),ISSA算法相較于SSA、GA和WOA算法,展現(xiàn)出更佳的效果和實(shí)用性。

        圖3展示了ISSA、SSA、GA和WOA四種算法的配送路線圖,從圖中可以觀察到,每條配送路徑上的客戶點(diǎn)分布呈現(xiàn)出相對(duì)分散的狀態(tài)。ISSA算法的最優(yōu)配送方案只需要3輛車,而其他三種算法的最優(yōu)配送方案則需要4輛車。

        由表4可知,采用ISSA算法進(jìn)行配送所需的總成本最低,費(fèi)用為11 038.101 3元,同時(shí)客戶滿意度最高,達(dá)到0.977 5,顯著優(yōu)于SSA、GA和WOA算法。這驗(yàn)證了本文針對(duì)標(biāo)準(zhǔn)麻雀優(yōu)化算法所提出的改進(jìn)策略是有效的。通過(guò)對(duì)時(shí)間窗和服務(wù)質(zhì)量進(jìn)行控制,不僅提高了客戶滿意度,也有助于企業(yè)維護(hù)客戶關(guān)系,從而促進(jìn)企業(yè)更好地發(fā)展。這也證實(shí)了本文提出的基于ISSA算法的同時(shí)取送貨配送路徑規(guī)劃方法具有有效性和優(yōu)勢(shì)。

        4 結(jié) 語(yǔ)

        本文構(gòu)建了帶有軟時(shí)間窗的同時(shí)取送貨車輛路徑規(guī)劃問(wèn)題模型,其優(yōu)化目標(biāo)為最小化總成本和最大化客戶滿意度。為提高算法效果,研究將立方混沌映射、精英反向?qū)W習(xí)策略和正余弦優(yōu)化算法融入麻雀搜索算法中。針對(duì)M物流公司33個(gè)攬投點(diǎn)的實(shí)際需求,本文使用ISSA算法解決了問(wèn)題。通過(guò)與SSA、GA和WOA等其他算法的比較發(fā)現(xiàn),ISSA算法在配送總成本和客戶滿意度方面均優(yōu)于其他三種算法,證實(shí)了ISSA算法解決同時(shí)取送貨車輛路徑規(guī)劃問(wèn)題的有效性和優(yōu)勢(shì)。本文預(yù)設(shè)所有的配送均能一次完成,然而在現(xiàn)實(shí)中,配送不成功也可能對(duì)總體成本產(chǎn)生影響,因此,未來(lái)的研究可以進(jìn)一步探討配送的失敗率對(duì)整體配送成本的影響。

        猜你喜歡
        搜索算法麻雀精英
        改進(jìn)的和聲搜索算法求解凸二次規(guī)劃及線性規(guī)劃
        它們都是“精英”
        拯救受傷的小麻雀
        1958年的麻雀
        精英2018賽季最佳陣容出爐
        NBA特刊(2018年11期)2018-08-13 09:29:14
        麻雀
        當(dāng)英國(guó)精英私立學(xué)校不再只屬于精英
        海外星云(2016年7期)2016-12-01 04:18:01
        昂科威28T四驅(qū)精英型
        世界汽車(2016年8期)2016-09-28 12:11:11
        緊盯著窗外的麻雀
        山東青年(2016年1期)2016-02-28 14:25:22
        基于汽車接力的潮流轉(zhuǎn)移快速搜索算法
        人人澡人人妻人人爽人人蜜桃麻豆| 美女裸体无遮挡免费视频的网站| 亚洲爆乳大丰满无码专区| 99热高清亚洲无码| av免费在线播放一区二区| 国产精品成人自拍在线观看| 精品亚洲一区二区三区四区五区 | 特级毛片全部免费播放a一级| 日本一区二区三区精品不卡| 白白色发布免费手机在线视频观看 | 亚洲中文字幕成人无码| 狠狠躁夜夜躁人人爽天天不卡软件| 亚洲欧美日韩精品高清| 国产高清自产拍av在线| 美女午夜福利视频网址| 国产亚洲精品精品精品| 少妇对白露脸打电话系列| 国产欧美日本亚洲精品一4区| 精品国产精品久久一区免费| 男女射黄视频网站在线免费观看 | 国产日韩欧美一区二区东京热| 亚洲欧美aⅴ在线资源| 国产AⅤ无码久久丝袜美腿| 亚洲视频一区二区三区免费| 福利利视频在线观看免费 | 亚洲熟妇久久国产精品| 国产一区二区三区美女| 一区二区在线视频大片| 阴唇两边有点白是怎么回事| 亚洲精品动漫免费二区| 少妇人妻真实偷人精品视频| 日韩AV无码中文无码AV| 91亚洲免费在线观看视频| 国产精品久人妻精品老妇| 日韩亚洲av无码一区二区三区| 亚洲一区二区三区久久不卡| 国产熟女露脸大叫高潮| 国产特级毛片aaaaaa高潮流水| 超薄丝袜足j好爽在线观看| 亚洲av成人在线网站| 久久青青草原一区网站|