[发明专利]基于改进蚁群算法实现物流仓储装车调度的方法及装置

权利要求书

1.一种基于改进蚁群算法实现物流仓储装车调度的方法，其特征在于，具体包括以下步骤：

获取物流仓储系统中各门店的物流数据信息，以及各门店的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程；

设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，得到改进后的蚁群算法数学模型；

采用改进后的蚁群算法数学模型进行货车的动态调度，实现物流仓储装车调度的优化。

2.如权利要求1所述的一种基于改进蚁群算法实现物流仓储装车调度的方法，其特征在于，所述获取物流仓储系统中各门店的物流数据信息，以及各门店的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程，具体步骤包括：

基于python读取物流仓储系统中各门店的物流数据信息，所述物流数据信息包括订单数据、分拣数据和装车货车信息；

基于地图软件的API获取各门店的经纬度；

根据获取的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程，并将计算结果保存至redis缓存中。

3.如权利要求1所述的一种基于改进蚁群算法实现物流仓储装车调度的方法，其特征在于，所述设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，建得到改进后的蚁群算法数学模型，其中，设定的选择策略为：

其中，设m表示蚁群中蚂蚁的数量，b_i(t)表示t时刻位于节i点的蚂蚁的个数，n表示时刻；τ_ij(t)表示t时刻在节点(i,j)间的路径上残留的信息量，初始时刻各条路径的信息量相等，τ_ij(0)＝C，C为常数；第k只蚂蚁(k＝1,2,…,m)在运动过程中，根据各条路径上的信息量决定转移方向；表示在t时刻蚂蚁由节点i到节点j的概率；η_ij(t)表示在t时刻蚂蚁由节点i到节点j的启发值；α表示用于控制信息量的参数；β表示用于控制启发值的参数；allowed_k＝{0,1,…,n-1}-Tabu_k，allowed_k表示第k只蚂蚁下一步允许选择的城市，Tabu_k表示第k只蚂蚁当前已走过的节点，l表示第k只蚂蚁在城市节点中可以选择的节点的集合中的一个元素，N表示城市节点。

4.如权利要求3所述的一种基于改进蚁群算法实现物流仓储装车调度的方法，其特征在于，所述设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，得到改进后的蚁群算法数学模型，其中，改进后的信息素的更新规则为：

τ_ij(t+n)＝((1-ρ)·τ_ij(t))·τ_ij(t)+ρ·τ_ij(t)·Δτ_ij(t)

其中，ρ表示信息素消失的程度系数，1-ρ表示信息素的持久性系数，ρ∈(0,1)；经过n个时刻，所有的蚂蚁完成了一次循环；Δτ_ij(t)表示当前次循环中路径上的信息素增量，且初始时刻，Δτ_ij(t)＝0；表示第k只蚂蚁在当前次循环中留在路径(i,j)上的信息素的数量；Q表示常数；l_k表示第k只蚂蚁的路径总花费；τ_ij(t+n)表示t+n时刻在节点(i,j)间的路径上残留的信息量。