[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

说明书

一种卷烟发货多库点多方向联运调度双层优化算法，属于卷烟物流领域，所述的卷烟发货多库点多方向联运调度双层优化算法，引入模拟退火算法和Levy飞行策略的改进Hopfield神经网络算法(IHNN)作为全局优化算法，形成一种基于改进Hopfield神经网络算法的卷烟成品发货联运调度的方法，同时结合应用订单池组合动态规划算法进行订单池配载优化和最优车辆选择规划算法选择配货车辆，实现多库点多方向动态调度。本发明解决了多库点多方向车辆调度问题是一个动态订单到达的多目标复杂车辆路径问题，这也是烟草工业企业成品物流仓储作业调度优化面临的核心问题。

技术领域

本发明涉及以及卷烟物流领域，更具体的说涉及一种卷烟发货多库点多方向联运调度双层优化算法。

背景技术

粒子群算法、鲸鱼优化算法已经被广泛的应用于车辆调度领域，并且取得了不错的效果，但同样存在一些问题，鲸鱼优化算法存在探索和开发能力难以协调、易出现种群早熟陷入局部最优的不足。针对烟草物流调度问题，其求解规模大、可行域小，传统鲸鱼优化算法表现出搜索能力较弱

同时由于传统Hopfield网络仍采用梯度下降策略，因此基于Hopfield网络的车辆路径优化计算通常会导致以下问题：

(1)网络最终收敛到局部极小解，而非问题的全局最优解；

(2)网络可能会收敛到问题的不可行解；

(3)网络优化的最终结果很大程度上依赖于网络的参数，即参数鲁棒性较差。

发明内容

为解决传统Hopfield神经网络以上缺点，以及使算法更适用于解决烟草物流分级调度问题，提出Hopfield神经网络与模拟退火算法和Levy飞行策略的结合，由于模拟退火具有接受较差解的可能，使其可以避免陷入局部最优，最终收敛于全局最优解。因此，采用将模拟退火算法和鲸鱼优化算法混合应用于求解烟草物流调度问题。

为了解决上述问题，本发明是采用以下技术方案实现的：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。

优选的，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。

优选的，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。