CN105654185B - 一种基于改进差分进化算法的拼船/车运输优化方法 - Google Patents
一种基于改进差分进化算法的拼船/车运输优化方法 Download PDFInfo
- Publication number
- CN105654185B CN105654185B CN201410743111.1A CN201410743111A CN105654185B CN 105654185 B CN105654185 B CN 105654185B CN 201410743111 A CN201410743111 A CN 201410743111A CN 105654185 B CN105654185 B CN 105654185B
- Authority
- CN
- China
- Prior art keywords
- chromosome
- supply
- semi
- population
- adaptive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于改进差分进化算法的拼船/车运输优化方法,包括如下步骤:S1:确定货物拼运输工具运输的配对染色体编码方案;S2:配置染色体进化参数;S3:生成配对染色体编码对应的初始种群;S4:计算初始种群的总适应值;S5:对种群进行变异与交叉操作,生成子代种群;S6:选择部分半适应值较优的染色体编码方案,局部进化半适应值较差的染色体并更新适应值;S7:父代实数编码染色体与子代实数编码色体竞争生存;S8:判断是否满足终止条件,若不满足则返回S5生成新的种群并重新计算适应值,如此循环直至满足终止条件,若满足则优化结束输出方案。本发明通过改进差分进化方法提高了算法的寻优率,节约了计算时间。
Description
技术领域
本发明涉及一种拼船/车运输优化方法,特别涉及一种基于改进差分进化算法的拼船/车运输优化方法,属于运输优化与智能计算研究技术领域。
背景技术
大型船舶单位货物的运输成本一般远低于小型船舶。当各批次零散货物的生产地点相对集中于生产地区,销售地点也相对集中于销售地区,而生产地区与销售地区距离较远时,通过制定合理方案将不同产地的零散货物拼装成大船运输可有效提高经济效益。
拼船运输应用范围较广,例如进口原油的远洋拼船运输等。拼船运输一般由货物收集、长途运输与货物分送三个过程组成。具体是指:大型船泊依次经过不同的产地并将各产地的零散货物收集起来,经长途运输抵达销售地区后再依次经过不同的销地并在销地卸载相应批次的零散货物。
拼船运输优化的目标是寻找最优方案,使参与货物收集与货物分送的所有船舶的总运费最低。拼船运输优化的限制条件包括供需平衡及单船额定载重等。
所谓供需平衡限制是指:所有装港的货物供应总量等于所有卸港的货物需求总量;单船的装货量等于卸货量;任一装港的货物供应量等于所有船舶在该港的货物分装量;任一卸港的货物需求量等于所有船舶在该港的货物分卸量。所谓额定载重限制是指:每船的货物运输量都要小于等于该船的额定载重。
拼船运输优化属于NP完全问题(Non-deterministic Polynomial的问题,多项式复杂程度的非确定性问题),常选用差分进化等智能算法予以求解。差分进化算法(Differential Evolution,DE)是Storn和Price于1995年提出的一种随机并行搜索算法,具有很强的全局搜索能力。DE是一种基于群体变异的进化算法,其实现过程为:首先根据个体之间的差异得到变异种群,而后通过变异个体与父代个体的基因交叉操作得到中间个体,最后将中间个体与父代种群中的相应个体进行一对一的竞争,选取优胜者进入父代种群继续进化过程。DE具有实现简单,控制参数少,稳定性强,全局收敛等优点,目前已被广泛应用于约束优化计算领域。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:提供一种高效计算拼船/车运输方案的优化方法。
(二)技术方案
为解决上述技术问题,本发明提供了一种基于改进差分进化算法的拼船/车运输优化方法,包括如下步骤:
一种基于改进差分进化算法的拼船/车运输优化方法,其特征在于,包括如下步骤:
S1:确定货物拼运输工具运输的配对染色体编码方案,设定染色体基因信息;
S2:配置染色体进化参数;
S3:生成配对染色体编码对应的初始种群;
S4:计算初始种群的总适应值,包括总适应值、供给半适应值及需求半适应值;
S5:对种群进行变异与交叉操作,生成子代种群,并计算子代种群适应值;
S6:按染色体进化参数,在子代种群中选择部分半适应值较优的染色体编码方案,局部进化半适应值较差的染色体并更新适应值;
S7:按适应值优劣,父代实数编码染色体与子代实数编码色体竞争生存并优化种群,更新适应值;
S8:判断是否满足终止条件,如果不满足则返回S5生成新的种群并重新计算适应值,如此循环直至满足终止条件,如果满足则优化结束输出最优方案。
其中较优地,所述确定货物运输的配对染色体编码方案的步骤具体包括:
将货物运输过程的货物收集方案、货物分送方案分解为整数编码的供应单染色体与整数编码的需求单染色体配对编码。
其中较优地,所述设定染色体基因信息的步骤具体包括:
分解各批次货物,并编号;
标记各货物供应地和货物卸载地并编号;
对运输工具编号并标记各运载工具的额定运载量;
将供需货物批次编号和运输工具编号作为染色体基因;
将货物供应地编号、货物卸载地编号、运输工具序号作为货品的属性附着于染色体相应位置的基因上。
其中较优地,所述染色体进化参数包括染色体交叉概率、小概率交叉的交叉概率、染色体交叉总代数和种群的数量。
其中较优地,所述生成配对染色体编码对应种群的步骤具体包括:
按预先设置的染色体进化参数,生成实数编码的供应单染色体与需求单染色体;
分别将供应单染色体与需求单染色体的基因实数按大小顺序排列,生成整数编码的单染色体。
其中较优地,所述生成整数编码的单染色体的步骤具体包括:
分别获取每个染色体基因实数的编号;
将每个染色体基因实数的编号放置在染色体基因实数对应的位置;
得到排序后的整数编码染色体。
其中较优地,所述计算种群的适应值的步骤具体包括:
区分染色体中货物编号和运输工具编号;
按货物编号与运输工具编号之间的位置关系确定货物对应的运输工具;
按货物编号定位货物供应地和货物卸载地的位置;
根据参与运输的运输工具和货物编号对应的货物供应地和货物卸载地的位置确定运输工具运输线路;
按运输工具运输线路计算种群的供给半适应值、需求半适应值及总适应值。
其中较优地,所述选择部分半适应值较优的染色体编码方案,局部进化半适应值较差的染色体并更新适应值的步骤具体包括:
选择部分供给半适应值较优而需求半适应值较差的个体,局部进化货物分送方案,更新总适应值及需求半适应值;
选择部分需求半适应值较优而供给半适应值较差的个体,局部进化其货物收集方案,更新总适应值及供给半适应值;
得到总适应值、供给半适应值及需求半适应值相对较好的子代种群。
其中较优地,所述整数编码的供应单染色体与整数编码的需求单染色体完成各自的交叉操作的步骤之后还包括:
在整数编码的供应单染色体与整数编码的需求单染色体之间按染色体进化参数以较小的概率交换一个基因位,生成最终的子代供应单染色体与整数编码的需求单染色体;
对供应单染色体与整数编码的需求单染色按基因实数大小排序,生成新的供应单染色体与整数编码的需求单染色体。
其中较优地,所述父代实数编码染色体与子代实数编码色体竞争生存并优化种群的步骤具体包括:
将子代实数编码染色体中的优秀基因替换父代实数编码染色体基因,更新父代种群。。
(三)有益效果
本发明提供的基于改进差分进化算法的拼船/车运输优化方法,通过两条单染色体的配对编码方法,实现了货物供需平衡限制,降低零散货物的运输成本。通过改进差分进化方法提高了算法的寻优率,节约了计算时间。
附图说明
图1是本发明拼船运输优化方法流程示意图;
图2为本发明实施方式中运输验证模型示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明提供一种基于改进差分进化算法的拼船/车运输优化方法,具体包括如下步骤:S1:确定货物运输的配对染色体编码方案,设定染色体基因信息;S2:配置染色体进化参数;S3:生成货物运输的配对染色体编码对应的种群;S4:计算货物运输的种群适应值;S5:选择部分较优的适应值局部进化货物运输的配对染色体编码方案并更新适应值;S6:按适应值优劣,父代实数编码染色体与子代实数编码色体竞争生存并优化种群;S7:判断是否满足终止条件,如果不满足则返回S3生成新的种群,如此循环直至满足终止条件,如果满足则优化结束输出最优方案。下面以货船运输不同港口的原油为优选例对本发明展开详细的说明。
首先,介绍确定货物运输的配对染色体编码方案,设定染色体基因信息的步骤。
在本发明的一个实施例中,将描述拼船运输过程染色体分解为整数编码的供应单染色体x与整数编码的需求单染色体y两条单染色体进行配对编码。以误差所允许的精度为单位分解各批次供应货物,例如将本批次供应的原油共分成noil份。分解后对各单位供应油品依次编号1至noil,并用数组xport标记各单位供应油品所在的港口编号(供应港口编号)。以相同单位分解各批次需求货物,例如将本批次需求的原油共分成noil份,分解后对各单位需求油品依次编号1至noil,并用数组yport标记各单位需求油品所在的港口编号(卸载港口编号)。将所有可能参与运输的船舶依次编号(船舶序号)1至nship,并以数组vship标记各船舶的额定运载量。生成实数编码的初始供应x单染色体与需求y单染色体。其中x单染色体的长度等于noil+nship,而y单染色体的长度等于noil。
如图2所示,假设目前原油产地有xport1坐标(0,3),xport2坐标(0,2),xport3坐标(0,1)及xport4坐标(0,0)四个原油出口港(供应港口编号1、2、3、4),每港都有3万吨原油待出口。目前原油需求地对应有yport1坐标(10,3),yport2坐标(10,1.5)及yport3坐标(10,0)三个原油进口港(卸载港口编号1、2、3),每港有4万吨原油待进口。原油产地有12万吨原油出口,将这12万吨待出口原油分成12份每份一万吨,分解后对各单位需求油品依次编号1至12,并用数组xport标记各单位供应油品所在的港口编号。原油需求地需要12万吨原油组要进口,将这12万吨待进口原油成12份每份一万吨,分解后对各单位需求油品依次编号1至12,并用数组yport标记各单位供应油品所在的港口编号。可选择参与运输的船有6只,其额定运量分别为6万吨/船,3万吨/船,3万吨/船,1万吨/船,1万吨/船和1万吨/船。将所有可能参与运输的船舶依次编号1至6,并以数组vship标记各船舶的额定运载量。
下面将描述拼船运输过程染色体分解为供应x与需求y两条单染色体进行配对编码。由于总计有12万吨的油品需要收集、运输及分送,可按1万吨为最小单位分解编号,则各编号原油的进出口港口信息如表1所示:
表1 供应x与需求y两条单染色体进行配对编码方案
总数为12万吨的油品按1万吨为最小单位分解后y染色体的长度为12,而x染色体的长度为12+船数6=18。对染色体编码时,染色体上的基因仅为供需货品批次的编号和船舶编号,供应货品所在的装港、(供应港口编号)、需求货物所在的卸港(卸载港口编号)等信息则作为货品的属性附着于染色体相应位置的基因上。
其次,介绍配置染色体进化参数的步骤。
为了使计算拼船运输过程供应x与需求y两条单染色体在进化过程中更贴近实际的货物运输,提高计算的效率缩短运算周期,需要对染色体进化参数做详细的配置,具体地,设置染色体进化参数时主要设置染色体交叉概率、小概率交叉的交叉概率、染色体交叉总代数和种群的数量。
再次,介绍所述生成配对染色体编码对应种群的步骤。
按预先设置的种群数量,生成实数编码的初始供应x单染色体与需求y单染色体。其中x单染色体的长度等于noil+nship,而y单染色体的长度等于noil。
分别将x与y单染色体的基因实数按大小顺序排列,生成整数编码的单染色体。在整数编码的x单染色体中,小于等于noil的数字表示单位供应货物编号,大于noil的数字减去noil表示船舶编号。按图2所示的原油产地和原油需求地拼船运输原油为例,生成实数编码的初始种群如表2所示:
表2 供应x与需求y两条单染色体进行配对编码方案
在表2中,在整数编码的x单染色体中,小于等于noil的数字表示单位供应货物编号,1-12表示供应原油编号1-12号。大于noil的数字减去noil表示船舶编号,13-18表示船舶1-6号。在整数编码的y单染色体中1-12表示需求原油编号1-12号。
在本发明提供的拼船/车运输优化方法的差分进化过程中,生成的某代染色体如表3所示:
表3 某代染色体
分别将表3中的x与y单染色体的基因实数按大小顺序排列,生成整数编码的单染色体。具体地,将供应单染色体与需求单染色体的基因实数按大小顺序排序;分别获取每个染色体基因实数的编号;将每个染色体基因实数的编号放置染色体基因实数位置;得到排序后的整数编码染色体。将表3中的通过排序得到整数编码染色体如表4所示:
表4 排序后某代整数编码染色体
第四、介绍计算货物运输种群适应值的步骤。
计算种群的适应值的步骤优选包括:区分染色体中货物编号和运输工具编号;按货物编号与运输工具编号之间的位置关系确定货物对应的运输工具;按货物编号定位货物供应地和货物卸载地的位置;根据参与运输的运输工具和货物编号对应的货物供应地和货物卸载地的位置确定运输工具运输线路;按运输工具运输线路计算种群的供给半适应值、需求半适应值及总适应值。下面以不同的货物是原油,供货地和收货地均是港口,运输工具为船舶为优选例对计算种群适应值的步骤详细说明。
根据染色体基因(货物编号、船舶编号)及货物的属性(供应港口编号、运输船舶序号、卸载港口编号),计算初始种群中各方案的船舶收集航程、分送航程及总航程,也即计算父代种群个体的“供给半适应值”、“需求半适应值”及“总适应值”。
区分染色体中货物编号和船舶编号。在表4所标示的染色体中,在整数编码的x单染色体中,小于等于noil的数字表示单位供应货物编号,1-12表示供应原油编号1-12号。大于noil的数字减去noil表示船舶编号,13-18表示船舶1-6号。在整数编码的y单染色体中1-12表示需求原油编号1-12号。
按货物编号与船舶编号之间的位置关系确定货物对应的运输船舶。两个船舶编号之间的原油编号对应的原油可以分配给前面的船舶编号对应的船舶运输。处于首个船舶编号之前及末尾船舶编号之间的原油编号对应的原油分配给末尾的船舶编号对应的船舶运输。两船之间无货物则表示后一艘船不参与运输。两船之间有货物编号,则其间的货物归前一条船负责收集与运输,并从前至后对y单染色体中的油品编号执行一对一配送。例如,在表4中的整数编码的x单染色体中,船舶编号18与14之间的原油编号8、9可以分配给船舶编号18对应的船舶6号船运输。原油编号18之前无船舶编号,船舶编号13之后无船舶编号,因此原油编号1、2、3、7、6、5安排给船舶编号13对应的1号船运输。船舶编号16、17、15之间无原油编号,则表示船舶编号16、17对应的4号5号船舶不参与运输。当然这些船舶运输方案可以是其他方式,例如、船舶编号18与14之间的原油编号8、9可以分配给船舶编号14对应的船舶2号船运输。原油编号18之前无船舶编号,船舶编号13之后无船舶编号,因此原油编号1、2、3、7、6、5安排给船舶编号18对应的6号船运输。
按货物编号定位供应港口编号、卸载港口编号,按供应港口编号、卸载港口编号定位港口的具体位置。确定好油品编号对应的运输船舶之后通过对应整数编码的x、y单染色体解读可以得出相应船舶对应的港口编号。因此可以直接得出相应的船舶航行路线。船舶编号船舶序号与船舶额定载量的对应关系具体如表5所示:
表5 解读x、y染色体可得所有船舶的航行路线
具体地,针对表4中的种群结合表5中的船舶序号和船舶对应的额定运载量对当前种群的x、y染色体一一解读。例如,其中6号船(x染色体中的18基因)装载编号为8、9的油品运输并卸载至y中的1、2号油品所在港口;2号船(x染色体中的14基因)装载编号为11、12、10的油品并卸载至y中的3、4、10号油品所在港口;4号船(x染色体中的16基因)与5号船(x染色体中的17基因)之间无油品编号,因而4号船不参与运输;5号船与3号船(x染色体中的15基因)之间无油品编号,因而5号船不参与运输;3号船装载编号为4的油品运输并卸载至y中的6号油品所在港口;1号船(x染色体中的13基因)装载编号为1、2、3、7、6、5的油品运输并卸载至7、5、9、8、11、12号油品所在港口。
根据参与运输的船舶和供应港口编号、卸载港口编号确定船舶运输线路,根据运输线路确定相应的运输航程。结合原油供应和需求的港口位置最终确定船舶航行的线路确定船舶的航程。下面以1号船为例对最终确定1号船航行的线路得到的具体说明。1号船其原油收集、长途运输及原油分送任务对应的总航程为:xport1→xport3→xport2→yport2→yport3→yport2→yport3。其中,xport1→xport3→xport2为原油收集过程的航程;xport2→yport2为长途运输过程的航程;yport2→yport3→yport2→yport3为原油分送过程的航程。其余船只航程计算与1号船相似,在此就不再一一赘述了。
计算种群的供给半适应值、需求半适应值及总适应值。为进一步实现供需平衡限制,将第i条染色体、供应单染色体x(i)与需求单染色体y(i)的适应值分别称作“总适应值f(i)”、“供应半适应值fx(i)”与“需求半适应值fy(i)”,则f(i)=fx(i)+fy(i)。将所有参与运输的船舶的航程相加即可得到“总适应值f(i)”,将所有参与运输的船舶原油收集过程的航程相加即可得到“供应半适应值fx(i)”,将所有参与运输的船舶的原油分送过程的航程相加即可得到“需求半适应值fy(i)”。且f(i)=fx(i)+fy(i)。当然可以把参与船舶的货物装载量称为相应的适应值,在此就不再一一赘述了。
第五、介绍对种群进行变异与交叉操作,生成子代种群,并计算子代种群的总适应值、供给半适应值及需求半适应值的步骤。
对种群进行变异与交叉操作时,实数编码单染色体x与实数编码单染色体y分别进行变异与交叉操作,生成子代种群。按照子代种群中的染色体编码方案,计算子代种群的供给半适应值、需求半适应值及总适应值。计算子代种群的总适应值f(i)、供给半适应值fx(i)及需求半适应值fy(i);i代表某次进化后的子代种群中第i条染色体。则f(i)=fx(i)+fy(i)。在本实施例中对种群进行的变异与交叉操作是应用了当前比较陈述的进化方法,再次就不再赘述。
第六,介绍在子代种群中选择部分半适应值较优的染色体编码方案,局部进化半适应值较差的染色体并更新适应值的步骤。
局部进化半适应值较差的染色体并更新适应值的具体过程如下:择部分供给半适应值较优,而需求半适应值较差的个体,局部进化其分送过程的染色体编码方案。选择部分需求半适应值较优,而供给半适应值较差的个体,局部进化其收集过程的染色体编码方案。在子代种群中,选择部分“供给半适应值”较优的个体局部进化其货物分送方案,更新“总适应值”及“需求半适应值”;选择部分“需求半适应值”较优个体局部进化其货物收集方案,更新“总适应值”及“供给半适应值”。最终得到总适应值”、“供给半适应值”及“需求半适应值”相对较好的子代种群。具体地,据fx(i)选择y(i)进行局部进化,更新fy(i)及f(i);据fy(i)选择x(i)进行局部进化,更新fx(i)及f(i);根据按预先设置的染色体交叉概率对种群整体差分进化,x(i)与y(i)间按预先设置的染色体交叉概率交叉基因位。当x与y单染色体完成各自的交叉操作后,为避免结果早熟收敛,对局部优化后的子代种群整体进行变异与交叉操作,并在x与y之间进行小概率交叉,生成实数编码的子代种群,然后据实数编码生成整数编码的子代种群。具体地,特在x与y之间按预先设置的小概率交叉的交叉概率以较小的染色体交叉概率交换一个基因位,,并更新适应值及半适应值,生成最终的子代实数编码单染色体。对实数编码的子代单染色体按基因实数大小排序,生成整数编码的单染色体ux与uy。通过两条相配对的单染色之间的小概率交叉,增加了个体进化方向的多样性,防止了早熟收敛现象。
第六,介绍按适应值优劣,父代实数编码染色体与子代实数编码色体竞争生存并优化种群的步骤。
父代实数编码染色体与子代实数编码色体竞争生存,将子代实数编码染色体中的优秀基因替换父代实数编码染色体基因,更新父代种群。这个过程也可以称为优秀基因回收。在对种群整体差分进化的过程中,选择其中某些“半适应值”较高的单染色体,对与之配对的单染色体进行局部进化,从而实现了潜在优秀单染色体的有效回收。在不影响计算结果精度的前提下不仅提高了算法的寻优效率,还节约了计算时间。
最后,介绍判断是否满足终止条件,如果不满足则返回S5生成新的种群,如此循环直至满足终止条件,如果满足则优化结束输出最优方案。
判断是否满足程序终止条件。在本实施例中,程序终止条件是预先设定的进化代数(例如,程序进化1000代程序终止)。如果满足预先设定的进化代数,则结束进化计算并输出最优方案;如果不满足(未达到)预先设定的进化代数,则返回步骤S4生成新的种群继续对种群进行差分进化操作。
本发明提供的基于改进差分进化算法的拼船/车运输优化方法文中以参与零散货物收集、运输与配送过程的所有船舶总运费最低为目标建立了优化模型,并通过改进差分进化方法予以求解。不仅可以应用于不同港口之间通过船舶对原油的运输,还可以应用在不同货物生产地和不同货物需求地之间通过车辆对货物的陆地运输,具体的实施方案与不同港口之间通过船舶对原油的运输大致相同,在此就不再一一赘述。
综上所述,本发明提供的基于改进差分进化算法的拼船/车运输优化方法,通过两条单染色体的配对编码,实现了货物供需平衡限制,降低零散货物的运输成本。通过改进差分进化方法提高了算法的寻优率,节约了计算时间。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (5)
1.一种基于改进差分进化算法的拼船/车运输优化方法,其特征在于,包括如下步骤:
S1:确定货物拼运输工具运输的配对染色体编码方案,设定染色体基因信息;
S2:配置染色体进化参数;
S3:生成配对染色体编码对应的初始种群;
S4:计算初始种群的适应值,包括总适应值、供给半适应值及需求半适应值;
S5:对种群进行变异与交叉操作,生成子代种群,并计算子代种群适应值;
S6:按染色体进化参数,在子代种群中选择部分半适应值优的染色体编码方案,局部进化半适应值差的染色体并更新适应值;
S7:按适应值优劣,父代实数编码染色体与子代实数编码色体竞争生存并优化种群,更新适应值;
S8:判断是否满足终止条件,如果不满足则返回S5生成新的种群并重新计算适应值,如此循环直至满足终止条件,如果满足则优化结束输出最优方案;
其中,步骤S4中所述计算初始种群的适应值的步骤具体包括:
区分染色体中货物编号和运输工具编号;
按货物编号与运输工具编号之间的位置关系确定货物对应的运输工具;
按货物编号定位货物供应地和货物卸载地的位置;
根据参与运输的运输工具和货物编号对应的货物供应地和货物卸载地的位置确定运输工具运输线路;
按运输工具运输线路计算种群的供给半适应值、需求半适应值及总适应值;
其中,步骤S6中选择部分半适应值优的染色体编码方案,局部进化半适应值差的染色体并更新适应值的步骤具体包括:
选择部分供给半适应值较优而需求半适应值差的个体,局部进化货物分送方案,更新总适应值及需求半适应值;
选择部分需求半适应值较优而供给半适应值差的个体,局部进化其货物收集方案,更新总适应值及供给半适应值;
得到总适应值、供给半适应值及需求半适应值最好的子代种群;
所述确定货物拼运输工具运输的配对染色体编码方案的步骤具体包括:
将货物运输过程的货物收集方案、货物分送方案分解为整数编码的供应单染色体与整数编码的需求单染色体配对编码;
所述设定染色体基因信息的步骤具体包括:
分解各批次货物,并编号;
标记各货物供应地和货物卸载地并编号;
对运输工具编号并标记各运载工具的额定运载量;
将供需货物批次编号和运输工具编号作为染色体基因;
将货物供应地编号、货物卸载地编号、运输工具序号作为货品的属性附着于染色体相应位置的基因上;
所述生成配对染色体编码对应的初始种群的步骤具体包括:
按预先设置的染色体进化参数,生成实数编码的供应单染色体与需求单染色体;
分别将供应单染色体与需求单染色体的基因实数按大小顺序排列,生成整数编码的单染色体。
2.如权利要求1所述的拼船/车运输优化方法,其特征在于,所述染色体进化参数包括染色体交叉概率、小概率交叉的交叉概率、染色体交叉总代数和种群的数量。
3.如权利要求1所述的拼船/车运输优化方法,其特征在于,所述生成整数编码的单染色体的步骤具体包括:
分别获取每个染色体基因实数的编号;
将每个染色体基因实数的编号放置在染色体基因实数对应的位置;
得到排序后的整数编码染色体。
4.如权利要求1所述的拼船/车运输优化方法,其特征在于,还包括:
在整数编码的供应单染色体与整数编码的需求单染色体之间按染色体进化参数以小的概率交换一个基因位,生成最终的子代供应单染色体与整数编码的需求单染色体;
对供应单染色体与整数编码的需求单染色按基因实数大小排序,生成新的供应单染色体与整数编码的需求单染色体。
5.如权利要求1所述的拼船/车运输优化方法,其特征在于,所述父代实数编码染色体与子代实数编码色体竞争生存并优化种群的步骤具体包括:
将子代实数编码染色体中的优秀基因替换父代实数编码染色体基因,更新父代种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410743111.1A CN105654185B (zh) | 2014-12-07 | 2014-12-07 | 一种基于改进差分进化算法的拼船/车运输优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410743111.1A CN105654185B (zh) | 2014-12-07 | 2014-12-07 | 一种基于改进差分进化算法的拼船/车运输优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105654185A CN105654185A (zh) | 2016-06-08 |
CN105654185B true CN105654185B (zh) | 2021-04-06 |
Family
ID=56481339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410743111.1A Active CN105654185B (zh) | 2014-12-07 | 2014-12-07 | 一种基于改进差分进化算法的拼船/车运输优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654185B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108346014B (zh) * | 2017-01-24 | 2022-02-08 | 中国石油化工股份有限公司 | 一种货物采购及拼船车运输图控优化作业系统及方法 |
CN108647916B (zh) * | 2018-03-30 | 2022-06-17 | 斑马网络技术有限公司 | 货品拼运系统及其拼运方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819795A (zh) * | 2012-08-01 | 2012-12-12 | 刘莎 | 一种快递或物流的运输系统和方法 |
CN103810585A (zh) * | 2014-03-14 | 2014-05-21 | 遵义市何记货运有限责任公司 | 一种货运管理系统及其管理方法 |
-
2014
- 2014-12-07 CN CN201410743111.1A patent/CN105654185B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819795A (zh) * | 2012-08-01 | 2012-12-12 | 刘莎 | 一种快递或物流的运输系统和方法 |
CN103810585A (zh) * | 2014-03-14 | 2014-05-21 | 遵义市何记货运有限责任公司 | 一种货运管理系统及其管理方法 |
Non-Patent Citations (1)
Title |
---|
物流配送线路多目标优化方法研究;韩世莲;《中国优秀博硕士学位论文全文数据库(博士)工程科技II辑》;20070415;正文第2章 * |
Also Published As
Publication number | Publication date |
---|---|
CN105654185A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740961B (zh) | 一种基于进化算法的零散货物拼船/车运输优化方法 | |
Lei | Co-evolutionary genetic algorithm for fuzzy flexible job shop scheduling | |
CN109359739A (zh) | 基于遗传算法的堆叠组合方法、装置、设备和存储介质 | |
CN109447311A (zh) | 基于遗传算法的适配装箱方法、装置、设备和存储介质 | |
CN111091238A (zh) | 一种自动化集装箱码头agv智能化调度方法 | |
CN104155931A (zh) | 基于nsga-ii的轮胎模具加工及装配集成优化方法 | |
CN112085288B (zh) | 一种基于两阶段优化的物流配送路线推荐方法及系统 | |
CN105654185B (zh) | 一种基于改进差分进化算法的拼船/车运输优化方法 | |
CN114897217A (zh) | 一种生鲜电商前置仓选址-路径规划方法 | |
Simrin et al. | The dynamic berth allocation problem: A linearized formulation | |
Hu et al. | Synchronizing vehicles for multi-vehicle and one-cargo transportation | |
CN106650980B (zh) | 一种基于遗传算法的远洋lng供需调度方法 | |
CN112580865A (zh) | 一种基于混合遗传算法的外卖配送路径的优化方法 | |
CN114358233A (zh) | 基于双混合粒子群的多agv路径规划问题优化方法及系统 | |
CN109840615B (zh) | 基于免疫克隆算法的重载铁路装车区车流组织的优化方法 | |
CN106650981B (zh) | 一种基于遗传算法的优化采购及拼船/车运输方法 | |
Maroof et al. | Logistics optimization using hybrid genetic algorithm (hga): a solution to the vehicle routing problem with time windows (vrptw) | |
Zhang et al. | An effective evolutionary algorithm for the biobjective full truckload transportation service procurement problem | |
CN110414119B (zh) | 一种基于改进演化算法的港口船舶贝位优化方法 | |
CN107169689B (zh) | 一种基于粒子群算法的货物采购及拼船/车运输方法 | |
CN107169688B (zh) | 一种基于人工免疫算法的货物采购及拼船/车运输方法 | |
Furuholmen et al. | Evolutionary approaches to the three-dimensional multi-pipe routing problem: A comparative study using direct encodings | |
CN107169690B (zh) | 一种基于模拟退火算法的货物采购及拼船/车运输方法 | |
Yazdani et al. | Truck routing and scheduling for cross-docking in the supply chain: model and solution method | |
CN114118926B (zh) | 基于去噪自编码器的协同进化算法的车辆任务配送方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |