[发明专利]一种物流仓储中心优化选址方法及系统在审

专利信息
申请号: 202210428659.1 申请日: 2022-04-22
公开(公告)号: CN114742593A 公开(公告)日: 2022-07-12
发明(设计)人: 张仰森;黄改娟;段瑞雪;尤建清;苗将 申请(专利权)人: 北京信息科技大学
主分类号: G06Q30/02 分类号: G06Q30/02;G06K9/62
代理公司: 北京众允专利代理有限公司 11803 代理人: 张争艳
地址: 100192 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 物流 仓储 中心 优化 选址 方法 系统
【说明书】:

发明公开了一种物流仓储中心优化选址方法及系统,该方法包括:获取数据集,包括目标地区各行政区域的政务中心位置数据及经济适应量;采用K均值聚类法对数据集中数据点进行基于位置数据的聚类;构建物流仓储中心的选址模型,基于选址模型,对各聚类区域分别采用帝王蝶优化法优化选取物流仓储中心地址。本发明更能契合实际问题的解决,可进一步降低物流运输时间和成本。

技术领域

本发明涉及物流技术领域,具体涉及一种物流仓储中心优化选址方法及系统。

背景技术

物流仓储中心选址作为物流配送路径的根本源头,很大程度上决定了完成物流配送所需要的时间,对于大幅提升物流配送效率具有重要意义。而物流仓储中心选址可以演化为纯数学问题,即求一个点到多个确定点的距离最小。首先设这个点坐标,然后列写该点到所有确定点的距离公式,再对各参数求导确定极值代入比较取得最短距离。运用数学问题确定物流仓储中心选址属于正向求解,但只能涉及距离参数,无法代入其他复杂约束条件。实际中物流仓储中心选址问题具有较多复杂的约束条件,具有NP-hard的性质。目前也有一些通过非线性规划模型、改进鲍摩-瓦尔夫模型等来求解物流仓储中心选址的方法,但大多容易陷入局部最优、搜索重点偏差和收敛速度慢等问题。

发明内容

本发明的目的是提供一种可解决背景技术中所指出问题的物流仓储中心优化选址方法及系统。

本发明提供的一种物流仓储中心优化选址方法,包括:

获取数据集,包括目标地区各行政区域的政务中心位置数据及经济适应量;

采用K均值聚类法对数据集中数据点进行基于位置数据的聚类;

以为目标函数,以为约束条件,构建物流仓储中心的选址模型;基于选址模型,对各聚类区域分别采用帝王蝶优化法优化选取物流仓储中心地址;

其中,C表示代价函数;a表示行政区域总数;b表示物流仓储中心数目;Ei表示行政区域i的经济适应量;Dij表示行政区域i的政务中心与物流仓储中心j的距离;Hij表示物流仓储中心j向行政区域i出仓发货;Gi表示行政区域i的生产总值。

在一些具体实施方式中,经济适应量Ei=Pi×Yi×Gi/T,其中,Ei表示行政区域i的经济适应量;Pi为行政区域i的常住人口;Yi为行政区域i的15~69岁人口的比例;Gi为行政区域i的生产总值;T为行政区域i所属的直辖市或省行政区的生产总值。

在一些具体实施方式中,采用K均值聚类法对数据集中数据点进行聚类中,采用如下方法选择初始质心向量:

对各数据点k分别获取其单点密度Qk和多点间距Uk,并计算Qk和Uk的乘积;

按乘积大小对数据点排序,选取乘积最大的指定数量的数据点,将所选取数据点对应数据作为初始质心向量;

所述单点密度是以数据点k为中心、以指定长度Sb为半径的园内其他数据点的个数;所述数据点k的多点间距其中,most表示所有数据点的单点密度最大值,SkI是数据点k到其单点密度中最远点I的距离。

在一些具体实施方式中,对各聚类区域分别采用帝王蝶优化法优化选取物流仓储中心地址中,采用公式所示的迭代公式;其中,Ew为当前聚类区域内行政区域w的经济适用量,m为聚类区域内行政区域数量,L(Ew)表示当前聚类区域内行政区域w的选择概率,K(Ew)表示当前聚类区域内行政区域的累计概率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京信息科技大学,未经北京信息科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210428659.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top