[发明专利]一种面向维修资源配送调度的遗传-烟花混合方法及系统

权利要求书

1.一种面向维修资源配送调度的遗传-烟花混合方法，其特征在于，所述面向维修资源配送调度的遗传-烟花混合方法包括以下步骤：

步骤一，进行资源协同供应调度模型的构建；

步骤二，进行遗传-烟花混合算法的构建；

步骤三，进行仿真实验对比。

2.如权利要求1所述面向维修资源配送调度的遗传-烟花混合方法，其特征在于，步骤一中，所述资源协同供应调度模型采用如下基本假设：

(1)资源数量充足，全局的维修资源库存能够满足全局的资源需求；

(2)车辆由一个配送中心出发后返回到多个配送中心中的一个，每辆车不得重复调度；采用同类型的配送车辆，车辆与需求地点之间为一对多的关系；

(3)运输道路状况和车流量忽略不计，道路距离按直线距离计算，单位距离的行驶时间为单位时间；

(4)每个配送中心存在固定数量的车位，可用车位数不足时，车辆不能在该配送中心停靠；车辆到达需求地点的时间应在允许的时间范围内波动，如果车辆在规定时间之外到达，则会进行处罚，增加一定的供应成本；

(5)车辆在每个节点存在装卸货物的时间，称为服务时间，服务时间在车辆到达后才能开始计时，服务结束后车辆才可以离开；

由于配送中心以及需求地点位置的分散性，协同供应调度模型看作一个完全无向图G＝(V,A)，其中，V＝{v₁,…,v_N,v_N+1,…,v_N+M}为节点集，代表配送中心或需求地点；位置用二维坐标(X,Y)表示；A＝{(v_i,v_j)∣v_i,v_j∈V,l≠j}为弧集，代表节点之间的距离长度；

在节点集V中，C＝{c₁,c₂,…,c_N}＝{v₁,v₂,…,v_N}代表N个需求地点，D＝{d_1,d₂,…,d_M}＝{v_N+1,v_N+2,…,v_N+M}代表M个配送中心；在弧集A中，每个弧(v_i,v_j)∈A代表两个节点之间的路径，与之对应的参数c_ij代表两者之间的距离；

对于每个需求节点v_i∈C，包括对应的资源需求量q_i，装卸服务时间s_i以及供应时间窗口[e_i,l_i]；其中e_i是接受配送的最早开始时间，l_i是接受配送的最晚时间；

对于每个配送中心节点v_i∈D，包括对应的车辆数目|K_d|和车位数目|P_d|，在没有需求和配送服务时，配送中心的资源需求量和服务时间都为0，即q_i＝s_i＝0；

每个配送中心的车辆集合表示为K＝{k₁,k₂,...,k_L}，其中L是车辆数目，车辆包括对应的负荷量Q_k，最大工作时间T_k，动用成本和单位距离行驶成本车辆k到达节点i的时间为a_ki，车辆在节点i服务开始时间为b_ki，车辆累计工作时长为π_k；

由于采用软时间窗进行建模，惩罚函数以时间的线性函数的形式表示，因此模型引入早到单位时间惩罚成本C^earl和迟到单位时间惩罚成本C^lat以及提前、推迟到达节点i的时间差和当车辆早于时间窗的开启时刻或晚于时间窗的关闭时刻到达时，会增加调度成本，增加的成本等于对应的单位时间惩罚成本与时差的乘积；

引入供应调度模型中最重要决策变量：x_kij，用于判断车辆k的行驶路线，若车辆k从节点i驶向节点j则x_kij＝1；否则x_kij＝0。