[发明专利]一种用于多配送中心抗干扰车辆调度方法

说明书

本发明公开了一种用于多配送中心抗干扰车辆调度方法。在多配送中心车辆调度中，车辆从配送中心出发，为最后一个客户提供配送服务后，根据实际需要，返回某个配送中心。为了解决多配送中心车辆调度中普遍存在的二律背反问题，本发明提出了一种混合的抗干扰多目标进化算法。算法设计主要体现在：提出兼顾及时点和最短边的初始解来生成一组优质初始解；设计复制和局部搜索算子来提高算法的探索与开发能力。与现有的一些算法相比，本发明得到了一个更优质的多配送中心车辆调度解决方案。

技术领域

本发明涉及一种用于多配送中心车辆调度方法，具体是一种适用于不确定环境下多配送 中心的调度方法，可为具有多配送中心的配送企业及制造企业的物流部门提供优秀的调度方 案。

背景技术

协同物流管理是指运用协同学自组织原理，围绕协同物流任务和目标要求，通过建立“竞 争一合作一协调”的协同物流自组织运行机制，从企业网络中挑选出满足协同物流要求的各 个物流实体，并将它们组织成一个具有自组织能力的物流体系，协同一致地工作，共同实现 统一的物流目标的一种物流管理活动。现有的物流模型有3种：自营物流、第三方物流、协 同物流。很多管理决策者意识到了自营物流和第三方物流存在的不足，自营物流虽然可靠性 高，但投入的各类物流成本也非常高，第三方物流虽然投入的各类物流成本相对低，但可靠 性相对低。协同物流配送模式可以兼顾其他两种物流配送模式的优点，在一定程度上可以克 服其他两种物流模式存在的不足。因此，不同类型的协同物流配送模式越来越受到不同类型 管理决策者的关注。

半开放式多配送中心协同物流模式是目前各类企业最为关注的一种配送。在企业内部， 根据所售商品的地域分布，在不同区域建立不同的配送中心，车辆服务完最后一个客户后， 根据实际需要(例如，就近原则)，返回不同的配送中心。考虑到自身投入成本的限制，目前 大多企业采用“第三方物流模式”对配送车辆进行调度。“第三方物流”配送模式是指企业全 部租用外来车辆为客户提供配送服务。这种方法虽然可以在一定程度上降低企业的物流成本， 但在COVID-19流行期间，已充分证明该方法的可靠性不是很强。与此同时，不确定因素对 企业的实际配送效果也产生了一定的影响。因此，企业的管理决策者虽然在一些智能优化算 法上做了一些尝试，如基因算法(GA)、文化基因算法(MA)，粒子群算法(PSO)和声算法(HS) 和改进的和声算法(HIS)。这些智能优化算法在一定程度克服了此类场景对应的车辆路径问题 的最优解难以获得的不足，但是对于成本和利润优先的制造企业来说，优化还有很大的进步 空间。与上述算法相比，本发明提出的基于问题特征的调度方法的优点是：控制参数少，易 编码，尤其是离散应用问题的解决能力，因此考虑问题特征的进化算法，在满足问题要求的 同时，使问题得到更进一步的优化，成为亟待解决的技术问题。

发明内容

针对现有技术的不足，本发明的目的在于提供一种用于多配送中心抗干扰车辆调度方法， 解决不确定环境下多车场协同物流的进化算法,可直接应用于目前的各种不同类型的企业中， 解决配送过程中普遍存在的二律背反问题，尤其是效益和效率的关系，两者具有互斥性。

为了解决上述技术问题,本发明将采用如下技术方案：

一种用于多配送中心抗干扰车辆调度方法，包括如下操作步骤：

步骤1、确定配送营运参数；

步骤2、设置算法参数；

步骤3、初始化种群；

步骤4、对pop进行局部搜索；

步骤5、对pop'进行复制算子；

步骤6、对Rpop进行非支配排序；

步骤7、令新群体P_t+1为空集；

步骤8、计算F_i中每个个体的拥挤距离，并建立F_i的偏序关系；