[发明专利]一种自适应粒子群优化的物流中心选址模型

权利要求书

1.一种自适应粒子群优化的物流中心选址模型，其特征在于，包括以下步骤：

步骤1：构建物流配送中心选址模型，建立适应度函数F(w，r)：

物流配送中心选址模型在复杂约束下是一种非凸非平滑的非线性规划模型，应完成两项重要任务：1)从潜在候选集合中选择配送中心，2)确定从选定的配送中心向每个客户运输的产品数量，在此过程中，要求满足每个客户的需求，并尽量减少距离成本，基于该任务，作为位置分配的模型从潜在集合中选择分配中心并将项目分配给客户，目标函数是从每个配送中心到客户的需求及距离之和最小且分配中心的建造造价最小：

其中，N表示所有客户，i∈{1，2，…，N}表示客户序号，表示潜在的分配中心，j∈{1，2，…，M_i}表示潜在的分配中心的序号，w_i表示第i客户的需求量，d_ij表示第i个客户到第j个分配中心的最短距离，Z_ij∈{0，1}表示客户与分配中心之间的服务关系，如果Z_ij＝1，则表示第i个客户需要第j个分配中心供货，否则Z_ij＝0，r_j∈{0，1}表示分配中心是否被选中，如果r_j＝0表示被选中为分配中心，如果r_j＝0表示没有被选中，Q表示分配中心的数量，S表示选中的分配中心与客户之间最短的距离，c_j表示第j分配中心的建造造价，该选址模型采用二进制编码，粒子表示，粒子长度表示潜在分配中心数量；

步骤2：初始化PSO相关参数，包括种群规模M，最大迭代次数T，加速因子初始值c_1，ini和c_2，ini，加速因子终值c_1，fin和c_2，fin，初始化粒子位置参数和速度参数粒子个体最优P_best和粒子群体最优G_bsst；

步骤3：计算基于平均粒子密度的非线性权重，种群平均密度S(t)表示粒子在种群之间的分散程度，定义为

式中，H表示种群空间的最大，M表示种群规模，d表示种群空间维数，表示第i个粒子的位置信息，表示所有粒子的位置平均信息，由此非线性权重w(t)：

w(t)＝1/(1+e^{-10[S(t)-0.5]})；

步骤4：计算基于反余弦非线性堆成变换的时变加速因子：

加速因子决定了粒子个体的飞行经验和同伴的飞行经验，反映了粒子种群内部的信息交换，因此合理的控制加速因子对于PSO寻找最优解非常重要，理想地加速因子设置应该是在优化前期增强全局搜索能力，而在优化后期增强粒子收敛到全局最优的能力，所以采用反余弦非线性堆成变换计算加速因子：

式中，c_1，ini和c_2，ini分别表示加速因子初始值，c_1，fin和c_2，fin表示加速因子终值，T表示最大迭代次数；

步骤5：更新粒子速度与位置

步骤6：评估适应度函数F(x)，更新粒子个体最优P_best(t)和群体最优G_best(t)；

步骤7：判断迭代次数：如果迭代次数达到最大次数T，则输出最优结果，停止运算，否则，t＝t+1，返回步骤4。