[发明专利]一种基于多种群PSO的逆向物流网络排布方法

说明书

技术领域

本发明涉及电子信息技术领域，具体涉及一种基于多种群PSO的逆向物流网络排布方法。

背景技术

Hokey在2006基于遗传算法建立了一个混合整数规划模型，构建了一个具体的实施方案，人们开始在此基础上针对不同的状况研究逆向物流建模。黄铮在2009年针对废弃物回收问题，建立了包含工厂，回收中心和客户在内的三层逆向物流网络优化模型，获得最优回收中心选址和最优化路径。李元在2010年分析了再制造物流网络的特性，在前人研究的基础上，以不确定条件为背景构建了单产品、多层次的闭环网络选址模型，考虑回收产品的数量、可利用率和再制造率以及产品需求量均为模糊变量，设计了基于模糊模拟的混合智能算法。以上三种算法虽然在一定程度上解决了逆向物流网络中用户的覆盖率问题，但是他们只采用了基本的遗传算法或者数学方法，难以取得很好的优化效果，而且以上三种逆向物流网络模型固定了收集站点个数，而实际情况下，设计方案时难以固定收集站点个数。vaidyanathan等对逆向物流网络和传统的物流网络进行了综合。他们对一般的含有逆向物流的网络设计建立了一个三级的模型。包括:(l)废品源点,可以是商品零售点,顾客集聚点；(2)废品集中点,可以是批发商、零售商；(3)废品再处理点。针对这些问题作者建立了混合整数线性规划模型。采用启发式方法,将整个问题分成若干子问题,逐个进行求解。这一问题可以看作是逆向物流中的工厂选址问题(CPLP),作者指出当工厂的数目较多时,也是一类NP难题。借助于AMPL工具采用启发式方法得出了较优的方案。Louwers等设计了地毯废弃物的再循环网络。该网络有两层:地方回收中心,负责对废旧地毯进行分类、切碎、运输到化工厂；化工厂负责对这些废弃物进行再循环利用,决策变量为地方回收中心的位置、容量。以上两种方案都采用了运送路径固定的方案，实际上用户在提供废旧物品时往往是一对多的模式，而不是一对一的模式。

发明内容

本发明的目的是克服上述现有技术中逆向物流网络排布中收集站点覆盖率低和收集站点个数固定的问题。

为此，本发明提供了一种基于多种群PSO的逆向物流网络排布方法，其技术方案是：一种基于多种群PSO的逆向物流网络排布方法，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：