路线规划之基于改进智能水滴算法的冷链物流配送路径优化.pptx

物流人工智能技术技能培训;任务二 路线规划之基于改进智能水滴算法的冷链物流配送路径优化;;【教学目标】;一、冷链物流配送路径优化模型的建立;定义如下： dij为需求地i到需求地j之间的距离(i、j=1, 2， …，N)。 Qk为车辆k的最大载重量。 Dk为车辆k最大行驶距离。 mk表示车辆k参与配送的需求地总数，若车辆k没有参与配送，记mk=0。 tij表示车辆从需求地i到需求地j开展配送的运输时间。 uik表示车辆k为第i个需求点提供服务(装卸货物)所需要的时间。 hi为车辆到达第i 个需求点的时间。 qi为客户i的货物需求量。 c为车辆的单位距离运输成本。 c1为车辆未按某需求地规定时间而提前到达该处的等待成本。 c2为车辆在某一需求点的最晚要求时间之后到达该处的处罚成本。 ωk为每部车辆运营时所需负担的固定成本。;基于综合最低配送成本的带时间窗的冷链物流配送路径问题数学模型如下：;约束条件如下： 1) 表示车辆装载量能够满足该条线路上各需求地的总需求量。 2) 表示配送中心为起始出发点，每辆车都必须从此处出发。 3) 表示每辆车的行驶距离受该车最大行驶距离的限制。 4) 表示每个需求点有且只有一辆车为其提供服务。 5) 表示所有需求地都需得到配送服务。 ;6) 7) 8) 表示如果第k辆车到达第j个点，则必为第j个需求点提供服务 9) 表示车辆k为第i个需求点提供服务，则完成服务后必须从该点离开。 10) 表示如果第k辆车为第i 个需求点提供服务，则必须在该点规定的时间窗内完成服务。;二、智能水滴算法;在自然界当中，河流中流动的水滴组成了庞大的移动群体，水滴群由于受重力影响而向目的地流动。在现实情况中，由于受河流中障碍物的影响，水滴群并不能从水滴源头由理想直线路径流动到终点，水滴运动的实际路径大都与理想路径相差甚远。 流动中的水滴主要具有两个属性：;2.2智能水滴算法的数学描述 根据分析水滴的属性可知，水滴运动时具有速度v(IWD)，??滴运动时携带泥土量s(i, j)。水滴在河道中流动时v(IWD)和s(i, j)会随时发生变化，直至找到最优路径到达目的地。由于实际的水流是连续的，在建立模型中把连续流动的水流看作离散运动。水滴从河道某一位置i运动到另一位置j的过程中的速度增量为?v(IWD)，该速度增量与位置i，j之间的泥土量呈负相关，具体关系可表示如下： 其中，av，bv，cv以及α均为实际运算中设置的参数。 水滴从位置i运动到位置j的过程中，水滴中泥土含量会增加，增加量为?s(IWD)，与此同时，该过程的河道位置i，j之间的泥土减少量为?s(i, j)。一般而言，二者数量相等，即 ;河道位置i，j之间的泥土减少量?s(i, j)与水滴从位置i运动到位置j的时间t(i, j)呈负相关，具体关系可表示如下： 与上文一样，as，bs，cs以及β均为实际运算中设置的参数。 上述提到t(i, j)为水滴位置i运动到位置j的时间，与位置i至位置j的距离呈正相关，具体关系可表示如下： 当水滴从位置i运动到位置j后，该路径中泥土含量将被更新，局部更新计算公式为 其中，ρ为局部泥土更新量参数，且0＜ρ＜1。 智能水滴中的泥土含量也会被更新，更新计算公式为 ;智能水滴的一种属性，即在某一路径当中流动的难易程度是由路径中所含泥土量的多少来衡量的，所含泥土量越少，水滴便会以更大的概率选择此条路径。针对这一机制，以P(i, j)表示智能水滴在位置i选择j作为下一位置的概率，它与路径(i, j)中的泥土含量呈负相关。选择下一位置的具体概率为： 其中，f (s (i , j)) 是与位置i至位置j之间泥土含量相关的函数： 常量η是极小的正数，通常取值为0.01，加入常量η是为了防止函数f的分母为0 。而加入函数g(·)是为了确保位置i 到位置j 之间的路径泥土量为正数，具体表示为： ;当水滴群中所有的水滴从起点到达目的地之后，都会形成相应的路径，各个水滴运动形成的路径长度用 表示，最优路径集合为{ }。其中，最优路径为智能水滴从起点至目的地形成的最短路径。然后对最优路径进行迭代后可得出最优的路径解： 设当前最优路径为 ，则