CN116342197B - 一种结合地理位置信息的实时价格方案生成方法 - Google Patents

Abstract

本发明涉及价格方案生成的技术领域，公开了一种结合地理位置信息的实时价格方案生成方法，所述方法包括：确定不同运输方式的运输费用值；以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数；以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数；对所构建的双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案。本发明综合考虑运输方的定价决策收益以及托运人的运输方案决策收益，为运输方实时提供具有较大收益的定价方案，为托运人提供运输预算足够、保证运输时效性以及安全性的运输方案，达到整体决策最优。

Description

一种结合地理位置信息的实时价格方案生成方法

技术领域

本发明涉及实时定价的技术领域，尤其涉及一种结合地理位置信息的实时价格方案生成方法。

背景技术

不同地区的化学制品存在较大的价格差异，托运人在进行采购过程中，往往需要根据预算总额自己确定采购运输方案，且运输方也会根据运输目的地的地理位置信息调整不同运输方式的运输价格，托运人希望在保证运输时效性以及安全性的基础上，尽量使得运输费用低于运输预算，而运输方希望使得运输收益尽可能达到最大，两者存在一定的决策矛盾。针对该问题，本发明提出一种结合地理位置信息的实时价格方案生成方法，综合考虑运输方的定价决策以及托运人的运输方案决策，为运输方实时提供具有较大收益的定价方案，为托运人提供运输预算足够、保证运输时效性以及安全性的运输方案，达到整体决策最优。

发明内容

有鉴于此，本发明提供一种结合地理位置信息的实时价格方案生成方法，目的在于：1)基于不同运输方式的运输时效性、安全性以及便携性确定运输费用值，并以运输方运输收益最大为目标构建运输收益目标函数，以运输费用值最小，即运输时效性、安全性以及便携性最高为目标构建运输费用值目标函数，并分别以运输目的地为参考变量，以运输预算成本为约束，通过对目标函数进行求解，为运输方提供合适的运输定价方案，并为托运人提供最佳运输方案，实现整体决策最优；2)将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，构建双层决策目标函数，在上层决策优化阶段生成满足约束条件的定价方案，在下层决策优化阶段，以最优下层决策粒子为中心确定粒子群，通过对粒子群进行不断的迭代，使得粒子群的数目不断减少，最终只判断最终所保留的粒子群的最优下层决策粒子，便可实现最佳运输方案生成，并基于所生成的最佳运输方案对上层决策进行优化，得到最佳定价方案，进而实现整体决策最佳。

实现上述目的，本发明提供的一种结合地理位置信息的实时价格方案生成方法，包括以下步骤：

S1：获取待运输化学制品的数量、运输目的地以及运输预算成本；

S2：确定不同运输方式的运输费用值，其中运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值，运输方式包括公路运输以及铁路运输；

S3：以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数；

S4：以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数；

S5：将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，对双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案。

作为本发明的进一步改进方法：

可选地，所述S1步骤中获取化学制品运输信息，包括：

获取化学制品运输信息，其中化学制品运输信息包括待运输化学制品的数量Num、运输目的地以及运输预算成本Cost，待运输化学制品的数量表示待运输化学制品的箱数。

可选地，所述S2步骤中确定公路运输的运输费用值，包括：

确定公路运输的运输费用值，其中运输费用值表示运输化学制品对托运人本身产生的成本费用，包括运输时效性、运输安全性以及装卸便携性，运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值，在本发明实施例中，运输费用值为每箱化学制品的运输费用值；

公路运输下时效运输费用值为：

T_i→j(g)＝t_i→j(g)+(1-γ^g)t_g

其中：

r_i→j,a(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

value表示化学制品的总价值，Num表示待运输化学制品的箱数，rate表示年均贷款利率；

T_i→j(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(g)表示其中公路运输时间，γ^g表示公路运输的正点概率，t_g表示公路运输的平均晚点时间；

公路运输下安全运输费用值为：

r_i→j,b(g)＝(value/Num)s_g

其中：

r_i→j,b(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_g表示公路运输的货损率；

公路运输下便携运输费用值为：

r_i→j,c(g)＝0

其中：

r_i→j,c(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值。

在本发明实施例中，由于公路运输对货物装运的便携性和灵活性，将公路运输下便携运输费用值设置为0。

可选地，所述S2步骤中确定铁路运输的运输费用值，包括：

确定铁路运输的运输费用值，其中铁路运输下时效运输费用值为：

T_i→j(h)＝t_i→j(h)+t_i→j(h,wait)+(1-γ^h)t_h+t_i+t_j

其中：

r_i→j,a(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

T_i→j(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(h)表示其中铁路运输时间，t_i→j(h,wait)表示铁路运输的停车等待时间，γ^h表示铁路运输的正点概率，t_h表示铁路运输的平均晚点时间，t_i表示在运输地i将化学制品装载到火车上的时间，t_j表示在运输地j将化学制品从火车上卸载的时间；

铁路运输下安全运输费用值为：

r_i→j,b(h)＝(value/Num)s_h

其中：

r_i→j,b(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_h表示铁路运输的货损率；

铁路运输下便携运输费用值为：

其中：

r_i→j,c(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值；

v表示装载/卸载每箱化学制品的费用。

可选地，所述S3步骤中确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，包括：

以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，其中运输收益目标函数F₁(x_g(i→j),x_h(i→j))为：

F₁(x_g(i→j),x_h(i→j))＝max[x_g(i→j)-c_g(i→j)]q_g+[x_h(i→j)-c_h(i→j)]q_h

其中：

x_g(i→j),x_h(i→j)表示由运输方确定的运输定价方案；

x_g(i→j)表示利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价，x_h(i→j)表示利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价；

c_g(i→j)表示运输方利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本，c_h(i→j)表示运输方利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本；

q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输收益目标函数的约束条件为：

q_g+q_h＝Num

x_g(i→j)-c_g(i→j)>0,x_h(i→j)-c_h(i→j)>0

其中：

Num表示待运输化学制品的箱数。

在本发明实施例中，其中运输收益目标函数表示针对运输方的运输收益值，运输方的收益达到最大，则托运人所需要支出的运输成本也达到最大。

可选地，所述S4步骤中确定以运输方案为变量的运输费用值目标函数，包括：

以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数，其中运输费用值目标函数为：

F₂(q_g,q_h)＝minG^gq_g+G^hq_h

G^g＝r_i→j,a(g)+r_i→j,b(g)

G^h＝r_i→j,a(h)+r_i→j,b(h)+r_i→j,c(h)

其中：

(q_g,q_h)表示由托运人确定的运输方案，q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输费用值目标函数的约束条件为：

x_g(i→j)q_g+x_h(i→j)q_h≤Cost

q_g+q_h＝Num

其中：

x_g(i→j)q_g+x_g(i→j)q_h表示托运人所需支出的运输成本；

Cost表示托运人的运输预算成本；

Num表示待运输化学制品的箱数。

可选地，所述S5步骤中将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，包括：

将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，其中运输方为上层决策者，托运方为下层决策者，上层决策变量为结合运输地地理信息的运输定价方案，下层决策变量为考虑运输时效性、安全性以及便携性的运输方案，将上层决策以及下层决策构建为双层决策目标函数。

可选地，所述S5步骤中对所构建的双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案，包括：

对所构建的双层决策目标函数进行优化求解，其中优化求解流程为：

S51：生成N个上层决策粒子并进行初始化编码表示，其中每个上层决策粒子的编码表示为二维向量，所生成第n个上层决策粒子的初始化编码表示为 表示初始化编码表示中的第一维分量，对应公路运输下每箱化学制品的运输定价，表示初始化编码表示中的第二维分量，对应铁路运输下每箱化学制品的运输定价；

S52：基于上层决策确定上层优化适应度函数f₁(x)：

f₁(x)＝[x(1)-c_g(i→j)]z+[x(2)-c_h(i→j)](Num-z)

其中：

x表示输入上层优化适应度函数的上层决策粒子编码表示结果，x(1)表示x的第一维分量，x(2)表示x的第二维分量；

z表示公路运输的化学制品箱数，Num-z表示铁路运输的化学制品箱数；在本发明实施例中，在上层决策初始优化阶段，令z＝Num/2；

S53：将所生成上层决策粒子的初始化编码表示结果代入上层优化适应度函数中，得到每个上层决策粒子的适应度函数值，并将不符合上层约束条件的上层决策粒子的适应度函数值置为0，将适应度函数值大于0的上层决策粒子输入到下层决策中；

S54：初始化生成M个下层决策粒子并进行初始化编码表示，其中每个下层决策粒子的编码表示为一维向量，所生成第m个下层决策粒子的初始化编码表示为对应公路运输的化学制品箱数，其中/>

S55：基于下层决策确定下层优化适应度函数f₁(u)：

f₁(u)＝G^gu+G^h(Num-u)

其中：

u表示输入下层优化适应度函数的下层决策粒子编码表示结果；

选取其中适应度函数值最小的M_m个下层决策粒子作为最优下层决策粒子，其余下层决策粒子作为普通下层决策粒子；

S56：计算每个最优下层决策粒子的影响力，其中第k个最优下层决策粒子的影响力im_k(0)为：

其中：

f_1,max(0)表示将M_m个下层决策粒子的初始化编码表示输入到下层优化适应度函数中，得到的最小适应度函数值；

u^0,k表示第k个最优下层决策粒子的编码表示；

ε表示影响力系数，将其设置为0.01；

计算每个最优下层决策粒子的影响粒子数，其中第k个最优下层决策粒子的影响粒子数count_k为：

从所有普通下层决策粒子中随机选取count_k个粒子，与第k个最优下层决策粒子构成初始粒子群，得到M_m个初始粒子群，其中第k个初始粒子群中最优下层决策粒子的初始化编码表示为u^0,k；

S57：对每个w-粒子群中的普通下层决策粒子进行更新迭代，其中第k个w-粒子群中任意第d个普通下层决策粒子的更新公式为：

其中：

u^w,k(d)表示第w次迭代后第k个w-粒子群中第d个普通下层决策粒子的编码表示，w的初始值为0，w-粒子群表示第w次粒子群迭代后的结果，当w为0，w-粒子群表示初始粒子群；

random(0,1)表示0-1之间的随机数；

若更新后的普通下层决策粒子的编码表示不符合下层决策约束条件，则重新进行更新；

将更新迭代后每个普通下层决策粒子代入下层优化适应度函数，对于每个粒子群，若存在普通下层决策粒子的适应度函数值小于最优下层决策粒子的适应度函数值，则将原普通下层决策粒子置为当前粒子群的最优下层决策粒子，并将原最优下层决策粒子置为普通下层决策粒子；

S58：将M_m个w-粒子群的最优下层决策粒子输入到下层优化适应度函数，重新计算每个最优下层决策粒子的影响力以及影响力范围，将影响力范围减少的最优下层决策粒子对应粒子群中的普通下层决策粒子转移到其余影响力范围增加的粒子群中，更新得到若干个w+1-粒子群，其中第k个w-粒子群中最优下层决策粒子的影响力im_k(w+1)为：

其中：

f_1,min(w)表示M_m个w-粒子群中最优下层决策粒子的最小适应度函数值；

若w未达到预设置的最大迭代次数，令w＝w+1，返回步骤S57，否则将此时所保留若干粒子群中最优下层决策粒子输入到下层优化适应度函数，选取适应度函数值最小的最优下层决策粒子作为求解得到的最终下层决策粒子；

S59：删去不符合下层约束条件的上层决策粒子，将求解得到的最终下层决策粒子以及所保留的上层决策粒子输入到上层决策中；

将上层优化适应度函数中公路运输的化学制品箱数z替换为最终下层决策粒子的编码表示结果，并将重新进入上层决策的上层决策粒子输入到上层决策中，选取上层优化适应度函数值达到最大的上层决策粒子编码表示结果作为整体决策最优的不同运输方式下化学制品运输定价，其中最终下层决策粒子的编码表示结果为整体决策最优的运输方案。

在本发明实施例中，用户可申请不同类型的化学制品以及数量，通过选取距离用户最近地区的化学制品仓库，由仓库指派托运人进行装载运输，该地区运输方利用实时价格方案生成方法生成不同运输方式的运输定价，并为托运人生成运输方案，实现化学制品运输。

相对于现有技术，本发明提出一种结合地理位置信息的实时价格方案生成方法，该技术具有以下优势：

首先，本方案提出一种定价方案以及运输方案确定方法，以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，其中运输收益目标函数F₁(x_g(i→j),x_h(i→j))为：

F₁(x_g(i→j),x_h(i→j))＝max[x_g(i→j)-c_g(i→j)]q_g+[x_h(i→j)-c_h(i→j)]q_h

其中：x_g(i→j),x_h(i→j)表示由运输方确定的运输定价方案；x_g(i→j)表示利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价，x_h(i→j)表示利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价；c_g(i→j)表示运输方利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本，c_h(i→j)表示运输方利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本；q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数。以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数，其中运输费用值目标函数为：

F₂(q_g,q_h)＝minG^gq_g+G^hq_h

G^g＝r_i→j,a(g)+r_i→j,b(g)

G^h＝r_i→j,a(h)+r_i→j,b(h)+r_i→j,c(h)

其中：(q_g,q_h)表示由托运人确定的运输方案，q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数。本方案基于不同运输方式的运输时效性、安全性以及便携性确定运输费用值，并以运输方运输收益最大为目标构建运输收益目标函数，以运输费用值最小，即运输时效性、安全性以及便携性最高为目标构建运输费用值目标函数，并分别以运输目的地为参考变量，以运输预算成本为约束，通过对目标函数进行求解，为运输方提供合适的运输定价方案，并为托运人提供最佳运输方案，实现整体决策最优。

同时，本方案提出一种双层决策目标函数的求解方法，将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，其中运输方为上层决策者，托运方为下层决策者，上层决策变量为结合运输地地理信息的运输定价方案，下层决策变量为考虑运输时效性、安全性以及便携性的运输方案，将上层决策以及下层决策构建为双层决策目标函数，在上层决策优化阶段生成满足约束条件的定价方案，在下层决策优化阶段，以最优下层决策粒子为中心确定粒子群，通过对粒子群进行不断的迭代，使得粒子群的数目不断减少，最终只判断最终所保留的粒子群的最优下层决策粒子，便可实现最佳运输方案生成，并基于所生成的最佳运输方案对上层决策进行优化，得到最佳定价方案，进而实现整体决策最佳。

附图说明

图1为本发明一实施例提供的一种结合地理位置信息的实时价格方案生成方法的流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种结合地理位置信息的实时价格方案生成方法。所述结合地理位置信息的实时价格方案生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述结合地理位置信息的实时价格方案生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例1：

S1：获取待运输化学制品的数量、运输目的地以及运输预算成本。

所述S1步骤中获取化学制品运输信息，包括：

获取化学制品运输信息，其中化学制品运输信息包括待运输化学制品的数量Num、运输目的地以及运输预算成本Cost，待运输化学制品的数量表示待运输化学制品的箱数。

S2：确定不同运输方式的运输费用值，其中运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值，运输方式包括公路运输以及铁路运输。

所述S2步骤中确定公路运输的运输费用值，包括：

确定公路运输的运输费用值，其中运输费用值表示运输化学制品对托运人本身产生的成本费用，包括运输时效性、运输安全性以及装卸便携性，运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值，在本发明实施例中，运输费用值为每箱化学制品的运输费用值；

公路运输下时效运输费用值为：

T_i→j(g)＝t_i→j(g)+(1-γ^g)t_g

其中：

r_i→j,a(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

value表示化学制品的总价值，Num表示待运输化学制品的箱数，rate表示年均贷款利率；

T_i→j(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(g)表示其中公路运输时间，γ^g表示公路运输的正点概率，t_g表示公路运输的平均晚点时间；

公路运输下安全运输费用值为：

r_i→j,b(g)＝(value/Num)s_g

其中：

r_i→j,b(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_g表示公路运输的货损率；

公路运输下便携运输费用值为：

r_i→j,c(g)＝0

其中：

r_i→j,c(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值。

所述S2步骤中确定铁路运输的运输费用值，包括：

确定铁路运输的运输费用值，其中铁路运输下时效运输费用值为：

T_i→j(h)＝t_i→j(h)+t_i→j(h,wait)+(1-γ^h)t_h+t_i+t_j

其中：

r_i→j,a(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

T_i→j(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(h)表示其中铁路运输时间，t_i→j(h,wait)表示铁路运输的停车等待时间，γ^h表示铁路运输的正点概率，t_h表示铁路运输的平均晚点时间，t_i表示在运输地i将化学制品装载到火车上的时间，t_j表示在运输地j将化学制品从火车上卸载的时间；

铁路运输下安全运输费用值为：

r_i→j,b(h)＝(value/Num)s_h

其中：

r_i→j,b(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_h表示铁路运输的货损率；

铁路运输下便携运输费用值为：

其中：

r_i→j,c(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值；

v表示装载/卸载每箱化学制品的费用。

S3：以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数。

所述S3步骤中确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，包括：

以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，其中运输收益目标函数F₁(x_g(i→j),x_h(i→j))为：

F₁(x_g(i→j),x_h(i→j))＝max[x_g(i→j)-c_g(i→j)]q_g+[x_h(i→j)-c_h(i→j)]q_h

其中：

x_g(i→j),x_h(i→j)表示由运输方确定的运输定价方案；

x_g(i→j)表示利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价，x_h(i→j)表示利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价；

c_g(i→j)表示运输方利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本，c_h(i→j)表示运输方利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本；

q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输收益目标函数的约束条件为：

q_g+q_h＝Num

x_g(i→j)-c_g(i→j)>0,x_h(i→j)-c_h(i→j)>0

其中：

Num表示待运输化学制品的箱数。

在本发明实施例中，其中运输收益目标函数表示针对运输方的运输收益值，运输方的收益达到最大，则托运人所需要支出的运输成本也达到最大。

S4：以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数。

所述S4步骤中确定以运输方案为变量的运输费用值目标函数，包括：

以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数，其中运输费用值目标函数为：

F₂(q_g,q_h)＝minG^gq_g+G^hq_h

G^g＝r_i→j,a(g)+r_i→j,b(g)

G^h＝r_i→j,a(h)+r_i→j,b(h)+r_i→j,c(h)

其中：

(q_g,q_h)表示由托运人确定的运输方案，q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输费用值目标函数的约束条件为：

x_g(i→j)q_g+x_h(i→j)q_h≤Cost

q_g+q_h＝Num

其中：

x_g(i→j)q_g+x_h(i→j)q_h表示托运人所需支出的运输成本；

Cost表示托运人的运输预算成本；

Num表示待运输化学制品的箱数。

S5：将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，对双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案。

所述S5步骤中将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，包括：

将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，其中运输方为上层决策者，托运方为下层决策者，上层决策变量为结合运输地地理信息的运输定价方案，下层决策变量为考虑运输时效性、安全性以及便携性的运输方案，将上层决策以及下层决策构建为双层决策目标函数。

所述S5步骤中对所构建的双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案，包括：

对所构建的双层决策目标函数进行优化求解，其中优化求解流程为：

S51：生成N个上层决策粒子并进行初始化编码表示，其中每个上层决策粒子的编码表示为二维向量，所生成第n个上层决策粒子的初始化编码表示为 表示初始化编码表示中的第一维分量，对应公路运输下每箱化学制品的运输定价，表示初始化编码表示中的第二维分量，对应铁路运输下每箱化学制品的运输定价；

S52：基于上层决策确定上层优化适应度函数f₁(x)：

f₁(x)＝[x(1)-c_g(i→j)]z+[x(2)-c_h(i→j)](Num-z)

其中：

x表示输入上层优化适应度函数的上层决策粒子编码表示结果，x(1)表示x的第一维分量，x(2)表示x的第二维分量；

z表示公路运输的化学制品箱数，Num-z表示铁路运输的化学制品箱数；在本发明实施例中，在上层决策初始优化阶段，令z＝Num/2；

S53：将所生成上层决策粒子的初始化编码表示结果代入上层优化适应度函数中，得到每个上层决策粒子的适应度函数值，并将不符合上层约束条件的上层决策粒子的适应度函数值置为0，将适应度函数值大于0的上层决策粒子输入到下层决策中；

S54：初始化生成M个下层决策粒子并进行初始化编码表示，其中每个下层决策粒子的编码表示为一维向量，所生成第m个下层决策粒子的初始化编码表示为对应公路运输的化学制品箱数，其中/>

S55：基于下层决策确定下层优化适应度函数f₁(u)：

f₁(u)＝G^gu+G^h(Num-u)

其中：

u表示输入下层优化适应度函数的下层决策粒子编码表示结果；

选取其中适应度函数值最小的M_m个下层决策粒子作为最优下层决策粒子，其余下层决策粒子作为普通下层决策粒子；

S56：计算每个最优下层决策粒子的影响力，其中第k个最优下层决策粒子的影响力im_k(0)为：

其中：

f_1,max(0)表示将M_m个下层决策粒子的初始化编码表示输入到下层优化适应度函数中，得到的最小适应度函数值；

u^0,k表示第k个最优下层决策粒子的编码表示；

ε表示影响力系数，将其设置为0.01；

计算每个最优下层决策粒子的影响粒子数，其中第k个最优下层决策粒子的影响粒子数count_k为：

从所有普通下层决策粒子中随机选取count_k个粒子，与第k个最优下层决策粒子构成初始粒子群，得到M_m个初始粒子群，其中第k个初始粒子群中最优下层决策粒子的初始化编码表示为u^0,k；

S57：对每个w-粒子群中的普通下层决策粒子进行更新迭代，其中第k个w-粒子群中任意第d个普通下层决策粒子的更新公式为：

其中：

u^w,k(d)表示第w次迭代后第k个w-粒子群中第d个普通下层决策粒子的编码表示，w的初始值为0，w-粒子群表示第w次粒子群迭代后的结果，当w为0，w-粒子群表示初始粒子群；

random(0,1)表示0-1之间的随机数；

若更新后的普通下层决策粒子的编码表示不符合下层决策约束条件，则重新进行更新；

将更新迭代后每个普通下层决策粒子代入下层优化适应度函数，对于每个粒子群，若存在普通下层决策粒子的适应度函数值小于最优下层决策粒子的适应度函数值，则将原普通下层决策粒子置为当前粒子群的最优下层决策粒子，并将原最优下层决策粒子置为普通下层决策粒子；

S58：将M_m个w-粒子群的最优下层决策粒子输入到下层优化适应度函数，重新计算每个最优下层决策粒子的影响力以及影响力范围，将影响力范围减少的最优下层决策粒子对应粒子群中的普通下层决策粒子转移到其余影响力范围增加的粒子群中，更新得到若干个w+1-粒子群，其中第k个w-粒子群中最优下层决策粒子的影响力im_k(w+1)为：

其中：

f_1,min(w)表示M_m个w-粒子群中最优下层决策粒子的最小适应度函数值；

若w未达到预设置的最大迭代次数，令w＝w+1，返回步骤S57，否则将此时所保留若干粒子群中最优下层决策粒子输入到下层优化适应度函数，选取适应度函数值最小的最优下层决策粒子作为求解得到的最终下层决策粒子；

S59：删去不符合下层约束条件的上层决策粒子，将求解得到的最终下层决策粒子以及所保留的上层决策粒子输入到上层决策中；

将上层优化适应度函数中公路运输的化学制品箱数z替换为最终下层决策粒子的编码表示结果，并将重新进入上层决策的上层决策粒子输入到上层决策中，选取上层优化适应度函数值达到最大的上层决策粒子编码表示结果作为整体决策最优的不同运输方式下化学制品运输定价，其中最终下层决策粒子的编码表示结果为整体决策最优的运输方案。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述方法包括：

S1：获取待运输化学制品的数量、运输目的地以及运输预算成本；

S2：确定不同运输方式的运输费用值，其中运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值，运输方式包括公路运输以及铁路运输；

S3：以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数；

S4：以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数；

S5：将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，对双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案；

将运输收益目标函数作为上层决策，将运输费用值目标函数作为下层决策，其中运输方为上层决策者，托运方为下层决策者，上层决策变量为结合运输地地理信息的运输定价方案，下层决策变量为考虑运输时效性、安全性以及便携性的运输方案，将上层决策以及下层决策构建为双层决策目标函数；

对所构建的双层决策目标函数进行优化求解，得到整体决策最优的不同运输方式下化学制品运输定价以及运输方案，包括：

对所构建的双层决策目标函数进行优化求解，其中优化求解流程为：

S51：生成N个上层决策粒子并进行初始化编码表示，其中每个上层决策粒子的编码表示为二维向量，所生成第n个上层决策粒子的初始化编码表示为 表示初始化编码表示中的第一维分量，对应公路运输下每箱化学制品的运输定价，/>表示初始化编码表示中的第二维分量，对应铁路运输下每箱化学制品的运输定价；

S52：基于上层决策确定上层优化适应度函数f₁(x)：

f₁(x)＝[x(1)-c_g(i→j)]z+[x(2)-c_h(i→j)](Num-z)

其中：

x表示输入上层优化适应度函数的上层决策粒子编码表示结果，x(1)表示x的第一维分量，x(2)表示x的第二维分量；

c_g(i→j)表示运输方利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本，c_h(i→j)表示运输方利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本；

Num表示待运输化学制品的箱数，z表示公路运输的化学制品箱数，Num-z表示铁路运输的化学制品箱数；

S53：将所生成上层决策粒子的初始化编码表示结果代入上层优化适应度函数中，得到每个上层决策粒子的适应度函数值，并将不符合上层约束条件的上层决策粒子的适应度函数值置为0，将适应度函数值大于0的上层决策粒子输入到下层决策中；

S54：初始化生成M个下层决策粒子并进行初始化编码表示，其中每个下层决策粒子的编码表示为一维向量，所生成第m个下层决策粒子的初始化编码表示为对应公路运输的化学制品箱数，其中/>

S55：基于下层决策确定下层优化适应度函数f₁(u)：

f₁(u)＝G^gu+G^h(Num-u)

其中：

u表示输入下层优化适应度函数的下层决策粒子编码表示结果；

选取其中适应度函数值最小的M_m个下层决策粒子作为最优下层决策粒子，其余下层决策粒子作为普通下层决策粒子；

S56：计算每个最优下层决策粒子的影响力，其中第k个最优下层决策粒子的影响力im_k(0)为：

其中：

f_1,min(0)表示将M_m个下层决策粒子的初始化编码表示输入到下层优化适应度函数中，得到的最小适应度函数值；

u^0,k表示第k个最优下层决策粒子的编码表示；

ε表示影响力系数，将其设置为0.01；

计算每个最优下层决策粒子的影响粒子数，其中第k个最优下层决策粒子的影响粒子数count_k为：

从所有普通下层决策粒子中随机选取count_k个粒子，与第k个最优下层决策粒子构成初始粒子群，得到M_m个初始粒子群，其中第k个初始粒子群中最优下层决策粒子的初始化编码表示为u^0,k；

S57：对每个w-粒子群中的普通下层决策粒子进行更新迭代，其中第k个w-粒子群中任意第d个普通下层决策粒子的更新公式为：

其中：

u^w,k(d)表示第w次迭代后第k个w-粒子群中第d个普通下层决策粒子的编码表示，w的初始值为0，w-粒子群表示第w次粒子群迭代后的结果，当w为0，w-粒子群表示初始粒子群；

random(0,1)表示0-1之间的随机数；

若更新后的普通下层决策粒子的编码表示不符合下层决策约束条件，则重新进行更新；

将更新迭代后每个普通下层决策粒子代入下层优化适应度函数，对于每个粒子群，若存在普通下层决策粒子的适应度函数值小于最优下层决策粒子的适应度函数值，则将原普通下层决策粒子置为当前粒子群的最优下层决策粒子，并将原最优下层决策粒子置为普通下层决策粒子；

S58：将M_m个w-粒子群的最优下层决策粒子输入到下层优化适应度函数，重新计算每个最优下层决策粒子的影响力以及影响力范围，将影响力范围减少的最优下层决策粒子对应粒子群中的普通下层决策粒子转移到其余影响力范围增加的粒子群中，更新得到若干个w+1-粒子群，其中第k个w-粒子群中最优下层决策粒子的影响力im_k(w+1)为：

其中：

f_1,min(w)表示M_m个w-粒子群中最优下层决策粒子的最小适应度函数值；

若w未达到预设置的最大迭代次数，令w＝w+1，返回步骤S57，否则将此时所保留若干粒子群中最优下层决策粒子输入到下层优化适应度函数，选取适应度函数值最小的最优下层决策粒子作为求解得到的最终下层决策粒子；

S59：删去不符合下层约束条件的上层决策粒子，将求解得到的最终下层决策粒子以及所保留的上层决策粒子输入到上层决策中；

将上层优化适应度函数中公路运输的化学制品箱数z替换为最终下层决策粒子的编码表示结果，并将重新进入上层决策的上层决策粒子输入到上层决策中，选取上层优化适应度函数值达到最大的上层决策粒子编码表示结果作为整体决策最优的不同运输方式下化学制品运输定价，其中最终下层决策粒子的编码表示结果为整体决策最优的运输方案。

2.如权利要求1所述的一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述S1步骤中获取化学制品运输信息，包括：

获取化学制品运输信息，其中化学制品运输信息包括待运输化学制品的数量Num、运输目的地以及运输预算成本Cost，待运输化学制品的数量表示待运输化学制品的箱数。

3.如权利要求1所述的一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述S2步骤中确定公路运输的运输费用值，包括：

确定公路运输的运输费用值，其中运输费用值表示运输化学制品对托运人本身产生的成本费用，包括运输时效性、运输安全性以及装卸便携性，运输费用值包括时效运输费用值、安全运输费用值以及便携运输费用值；

公路运输下时效运输费用值为：

T_i→j(g)＝t_i→j(g)+(1-γ^g)t_g

其中：

r_i→j,a(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

value表示化学制品的总价值，rate表示年均贷款利率；

T_i→j(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(g)表示公路运输时间，γ^g表示公路运输的正点概率，t_g表示公路运输的平均晚点时间；

公路运输下安全运输费用值为：

r_i→j,b(g)＝(value/Num)s_g

其中：

r_i→j,b(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_g表示公路运输的货损率；

公路运输下便携运输费用值为：

r_i→j,c(g)＝0

其中：

r_i→j,c(g)表示采用公路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值。

4.如权利要求3所述的一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述S2步骤中确定铁路运输的运输费用值，包括：

确定铁路运输的运输费用值，其中铁路运输下时效运输费用值为：

T_i→j(h)＝t_i→j(h)+t_i→j(h,wait)+(1-γ^h)t_h+t_i+t_j

其中：

r_i→j,a(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的时效运输费用值；

T_i→j(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的全程运输时间，t_i→j(h)表示其中铁路运输时间，t_i→j(h,wait)表示铁路运输的停车等待时间，γ^h表示铁路运输的正点概率，t_h表示铁路运输的平均晚点时间，t_i表示在运输地i将化学制品装载到火车上的时间，t_j表示在运输地j将化学制品从火车上卸载的时间；

铁路运输下安全运输费用值为：

r_i→j,b(h)＝(value/Num)s_h

其中：

r_i→j,b(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的安全运输费用值；

s_h表示铁路运输的货损率；

铁路运输下便携运输费用值为：

其中：

r_i→j,c(h)表示采用铁路运输方式将化学制品从运输地i运输到运输目的地j的便携运输费用值；

v表示装载/卸载每箱化学制品的费用。

5.如权利要求4所述的一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述S3步骤中确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，包括：

以运输目的地为参考变量，确定以不同运输方式下化学制品运输定价为变量的运输收益目标函数，其中运输收益目标函数F₁(x_g(i→j),x_h(i→j))为：

F₁(x_g(i→j),x_h(i→j))＝max[x_g(i→j)-c_g(i→j)]q_g+[x_h(i→j)-c_h(i→j)]q_h

其中：

x_g(i→j)表示利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价，x_h(i→j)表示利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输定价；

c_g(i→j)表示运输方利用公路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本，c_h(i→j)表示运输方利用铁路运输方式将化学制品从运输地i运输到运输目的地j的每箱化学制品运输成本；

q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输收益目标函数的约束条件为：

q_g+q_h＝Num

x_g(i→j)-c_g(i→j)>0,x_h(i→j)-c_h(i→j)>0。

6.如权利要求5所述的一种结合地理位置信息的实时价格方案生成方法，其特征在于，所述S4步骤中确定以运输方案为变量的运输费用值目标函数，包括：

以运输预算成本为约束，确定以运输方案为变量的运输费用值目标函数，其中运输费用值目标函数为：

F₂(q_g,q_h)＝minG^gq_g+G^hq_h

G^g＝r_i→j,a(g)+r_i→j,b(g)

G^h＝r_i→j,a(h)+r_i→j,b(h)+r_i→j,c(h)

其中：

q_g表示利用公路运输方式运输的化学制品箱数，q_h表示利用铁路运输方式运输的化学制品箱数；

所述运输费用值目标函数的约束条件为：

x_g(i→j)q_g+x_h(i→j)q_h≤Cost

q_g+q_h＝Num

其中：

x_g(i→j)q_g+x_h(i→j)q_h表示托运人所需支出的运输成本；

Cost表示托运人的运输预算成本。