[发明专利]医药物流配送路径的优化设计方法、系统及介质

权利要求书

1.一种医药物流配送路径的优化设计方法，其特征在于，包括：

算法框架设计步骤：构建医药物流配送路径问题的基于MapReduce模型的并行遗传算法框架；

路径优化设计步骤：根据构建的供应链设计算法框架，进行医药供应链车辆配送路径优化设计。

2.根据权利要求1所述的医药物流配送路径的优化设计方法，其特征在于，所述算法框架设计步骤：

所述MapReduce模型包括：

Map阶段的任务处理步骤：

读取输入文件内容，解析成<key，value>对。对输入文件的每一行解析成<key，value>对，每个键值对调用一次Map函数；

编写适合自己程序，对输入的<key，value>对进行处理，转换成新的<key，value>对输出；

对输出的<key，value>对进行分区；

根据不同分区的数据，按key进行排序和分组，相同key的value放在一个集合；

对分组后的数据进行归纳；

Reduce阶段的任务处理步骤：

对多个Map阶段任务的输出，按照不同的分区，通过网络复制到Reduce节点；

对多个map任务的输出进行合并、排序；

把Reduce的输出保存到文件中。

3.根据权利要求2所述的医药物流配送路径的优化设计方法，其特征在于，所述路径优化设计步骤：

对构建的并行遗传算法框架进行改进，获得改进的并行遗传算法，再进行医药供应链车辆配送路径优化设计；

所述对构建的并行遗传算法框架进行改进包括：

染色体编码步骤:采用和VRP的编码方式一样，即选择自然数0至N作为客户的位置排列，每个一维数组就是一条染色体的整数编码，自然数0至N按不规则排列，每个数字只能出现一次，一个数字表示一个客户；

初始种群与适应度函数步骤:由于编码方式采用使用整数编码方式，初始化种群时随机生成popsize个1至N个自然数不重复的随机排列，N为客户节点数目，popsize为种群规模，采用以配送车辆行驶路程为目标函数，而适应度函数是目标函数的倒数，其转换公式如下：

其中，

f_i表示个体染色体i的适应度；

z_i表示配送车辆行驶到节点i的路程；

选择操作步骤:采用选择策略，从种群中选择个体，通过计算累计概率和选择概率，个体的适应度越大，其被选中的概率越大；

假设某个体染色体i，NP为种群个体数，f_i为个体染色体i的适应度，初始状态下某个个体选择的概率为0，

其中，

pp_i表示累计概率；

p_i表示个体的选择概率；

Fit表示染色体i在种群NP中的适应度；

每次转轮时，随机产生[0,1]之间的随机数r，当PP_i-1≤r<PP_i时选择个体r；

所述选择策略是轮盘赌策略；

交叉操作步骤:交叉操作采用部分匹配交叉PMX，随机产生两个数作为交叉点位置，其中两个点间的区域是匹配区域，然后使用位置交换操作交换父代的匹配区域，并代替原来的父代染色体，得到新的父代，其操作过程如下所示：

随机生成两个交叉点X和Y，开始对父代A、B进行交叉操作；

将交叉匹配区域保留，即“||”之间的区域，然后进行父代交换操作；

将重复的基因删除，得到交叉后的个体，并代替父代形成新的种群；

其中，“||”表示交叉匹配区域；

变异操作步骤:采用多次对换变异技术，当种群中的个体发生变异，则随机生成一个交换次数count，个体的基因就进行count次对换；

算法终止步骤:在reduce阶段实现的，设定的终止条件为达到预先设定的进化代数、种群中最优个体在连续进化过程中没有改进、最优个体达到预先设定的最优解。