[发明专利]一种基于多种群PSO的逆向物流网络排布方法

权利要求书

1.一种基于多种群PSO的逆向物流网络排布方法，其特征在于，包括如下步骤：

(1)根据逆向物流网络模型设置子种群个数：所述模型包括用户、收集站点和数据中心三部分，其中用户包括一般用户和特殊用户两种；模型中所需收集站点个数的下限值和上限值分别为N1，N2，N1＝r1×m，N2＝r2×m，其中m是用户数量，r1取值范围是[0.1,0.15]，r2取值范围是[0.15,0.2]，将种群分为NUM个子种群，NUM＝N2-N1；

(2)个体编码和种群初始化：

(2.a)每个子种群中的个体编码为一组收集站点的二维坐标，编码长度L取决于该子种群对应的收集站点个数N，编码长度具体为：L＝2×N，该2N位长的编码包含N个收集站点的横坐标和纵坐标；

(2.b)将子种群规模设为20，最大进化代数T设为100，进化代数t设为0，子种群融合周期FGen设为maxF，初始值设为0，按照标准PSO算法初始化粒子初始速度，收集站点的X轴坐标和Y轴坐标都在100×100二维平面中随机产生，子种群的融合速度V_sg在区间(0,1)之间随机产生，子种群融合概率Pg初始值设为零，变异操作概率P_s和调节操作概率P_j分别设为0.1和0.5；

(3)计算适应度函数：

(3.a)利用如下覆盖率公式对种群个体覆盖率Cov进行更新：

Cov=Σi∈IΣj∈JBi×D(L)20×D(i,j)+0.001×1Σi∈IBi]]>

其中I和J分别为用户集合和收集站点集合，B_i为第i个用户提供的物品数量，K(i,j)为第j个收集站收到第i个用户的物品数量，K(i,j)的计算公式为D(L)为用户活动范围，D(i,j)为第i个用户和第j个收集站点在二维平面中的距离，将Cov值最高的个体记为该子种群的最优粒子，Cov值最低的个体记为该子种群的最差粒子；

(3.b)利用如下公式对子种群适应度进行更新：

Fsgi=K1×sgiBest+K2×sgiEven]]>

其中sgⁱBest为第i个子种群sgⁱ中最优粒子的覆盖率，sgⁱEven为子种群sgⁱ中粒子的平均覆盖率，K1+K2＝1，根据该公式计算结果，将适应度函数值最大的子种群记为最优子种群sg^obest，将适应度函数值最小的子种群记为最优子种群sg^wbest；

(4)根据标准PSO算法更新子种群中粒子的速度和位置，速度和位置更新公式如下：

Vid=ω×Vid+C1×rand1d×(pBestid-Xid)+C2×rand2d×(gBestd-Xid)]]>

Xid=Xid+Vid]]>

其中，i表示种群中任意一个粒子的编号，d表示搜索空间任意一维，w是惯性因子，是当前粒子的位置，是当前粒子的速度，和分别是粒子自身极值和种群极值，和是介于(0,1)之间的随机数，C1和C2是学习因子，C1＝C2＝2；

(5)计算多种群融合算子:判断FGen是否到达最大值maxF，如果到达最大值,则计算多种群融合算子，同时将FGen重新置为零；否则，将FGen加一，跳过多种群融合算子；

(6)计算优化算子:设R1(0,1)和R2(0,1)是0到1之间的随机数，如果R1(0,1)小于变异操作概率P_s，则计算变异算子；否则，跳过变异算子；如果R2(0,1)小于调节算子操作概率P_j，将计算调节算子，否则，跳过调节算子；

(7)判断进化代数t是否到达设置的最大进化代数T,如果没有到达进化最大代数T，则t加1，返回步骤(3)；如果t到达最大进化代数T，则结束。