[发明专利]一种卷烟发货多库点多方向联运调度双层优化算法

权利要求书

1.一种卷烟发货多库点多方向联运调度双层优化算法，该方法用于物流领域的车辆路径优化问题，其特征在于：步骤1：构建1全局优化算法采用Hopfield神经网络与模拟退火算法和Levy飞行策略的结合，改进Hopfield神经网络算法IHNN作为全局优化算法；步骤2：基于模拟退火的鲸鱼优化算法对步骤1中的模型求解；

所述的步骤1详细步骤如下(1)Hopfield神经网络与模拟退火算法的结合；(2)Hopfield神经网络与Levy飞行策略的结合；(3)基于上述步骤，利用以上混合策略，构建烟草物流分级调度问题的IHNN混合算法；

所述的(1)Hopfield神经网络与模拟退火算法的结合采用以下详细方法；①设置初始状态x_i；

②将x_i设置为起点，代入到Hopfield神经网络中进行迭代运算，计算此时的网络的E{x_i}；

③在状态x_i附近随机产生扰动Δx_i，即此时状态变为x_i+Δx_i，再带入到Hopfield神经网络中进行迭代运算，此时网络稳定时输出极小值E{x_i+Δx_i}；

④若则若算法收敛则输出结果，若算法不收敛返回步骤③；

⑤若E{x_i+Δx_i}＞E{x_i}，则采用判断是否满足Metropolis准则，若满足Metropolis准则，则接受状态E{x_i+Δx_i}＝E{x_i}，若算法收敛则输出结果，若算法不收敛返回步骤③；若不满足则E{x_i}＝E{x_i}，若算法收敛则输出结果，若算法不收敛返回步骤③；

所述(2)Hopfield神经网络与Levy飞行策略的结合采用以下详细方法：①设置初始状态x_i；

②将x_i设置为起点，代入到Hopfield神经网络中进行迭代运算，计算此时的网络的E{x_i}；

③对状态x_i依飞行概率利用Levy飞行策略移动步长，即此时状态变为输入到Hopfield神经网络中进行迭代运算，此时网络稳定时输出极小值

④若则若算法收敛则输出结果，若算法不收敛返回步骤③；

⑤若则E{x_i}＝E{x_i}，若算法收敛则输出结果，若算法不收敛返回步骤③；

(3)基于上述步骤，利用以上混合策略，构建烟草物流分级调度问题的IHNN混合算法详细步骤如下：(1)构建Hopfield神经网络，将收集的历史拼车订单数据输入进Hopfield神经网络训练神经网络；

(2)在训练好的Hopfield神经网络中随机选取起始点x⁰，即初始的分级调度方案，根据烟草物流分级调度双层优化目标函数计算f(x⁰)，令k＝0；

(3)将调度方案和订单动态数据输入Hopfield神经网络，利用梯度下降法进行搜索本次搜索的起始点为x^(k)，找出f(x)的局部极小点x^(k)*；对于订单需要调库但又不满足调库时间窗约束的调度方案，将其在算法中标记，使用Hopfield神经网络进行单独分层优化；

(4)从x^(k)*开始，进行算法局部深入探索，运行模拟退火算法直到找到一个新的点x^(k+1)，这是满足f(x^(k+1))-f(x^(k)*)≤-δ_k的，其中δ_k是某个正数；

(5)更新x^(k)*，令x^(k)*＝x^(k+1)，对算法进行全局寻优，运行Levy飞行策略，更新得到一个新的点x^(k+1)，这个点满足f(x^(k+1))-f(x^(k)*)≤-δ_k；

(6)令k＝k+1，返回步骤(2)直到算法收敛；

(7)将此次基于动态订单数据优化的调度决策优化结果作为历史数据输入进Hopfield神经网络，更新神经网络的原始知识；

步骤2：基于模拟退火的鲸鱼优化算法对步骤1中的模型求解详细方法如下：Step1：初始化

1)初始化算法涉及到的所有参数，包括种群规模S，最大迭代次数T_max，退火速度δ，以及按出货点编号设置搜索空间上限B_up和下限B_lo；

2)初始化满足搜索空间上下限的种群，种群中每个个体代表根据订单所产生的一种车辆调度方案，设订单个数为N，O_i表示种群中第i个个体，则O_ij，j＝1，2，…，N表示运送订单j的发货点以及运输车辆；

Step2：计算群体中每个个体的适应度值F(x_i)，更新全局最优个体位置和全局极值；

Step3：计算模拟退火算法的初始温度，对全局最优鲸鱼个体执行模拟退火操作更新最优个体位置：

其中，Z_best为初始粒子种群中，最优的适应度值；

Step4：对种群中所有鲸鱼个体执行包围猎物和Bubble-net攻击以及随机搜索操作；

Step5：检查当前是否达到最大迭代次数，如果达到，结束寻优，输出优化后的车辆调度方案；如果未达到，返回Step2。