[发明专利]一种基于多种群PSO的逆向物流网络排布方法

摘要

本发明涉及电子信息技术领域，公开了一种基于多种群PSO的逆向物流网络排布方法。本发明以多种群PSO算法为框架，其步骤包括：(1)根据逆向物流网络模型设置子种群个数；(2)个体编码和种群初始化；(3)计算个体和子种群适应度函数；(4)更新个体信息；(5)计算多种群融合算子；(6)计算优化算子。本发明主要解决逆向物流网络构建过程中如何合理地设置收集站点个数以及排布收集站点位置，提高用户覆盖率的问题。经过实验验证，本发明能够高效地优化出合理的逆向物流网络排布方案，方案中收集站点个数可以选择，且都具有较高的用户覆盖率。

主权项

一种基于多种群PSO的逆向物流网络排布方法，其特征在于，包括如下步骤：(1)根据逆向物流网络模型设置子种群个数：所述模型包括用户、收集站点和数据中心三部分，其中用户包括一般用户和特殊用户两种；模型中所需收集站点个数的下限值和上限值分别为N1，N2，N1＝r1×m，N2＝r2×m，其中m是用户数量，r1取值范围是[0.1,0.15]，r2取值范围是[0.15,0.2]，将种群分为NUM个子种群，NUM＝N2‑N1；(2)个体编码和种群初始化：(2.a)每个子种群中的个体编码为一组收集站点的二维坐标，编码长度L取决于该子种群对应的收集站点个数N，编码长度具体为：L＝2×N，该2N位长的编码包含N个收集站点的横坐标和纵坐标；(2.b)将子种群规模设为20，最大进化代数T设为100，进化代数t设为0，子种群融合周期FGen设为maxF，初始值设为0，按照标准PSO算法初始化粒子初始速度，收集站点的X轴坐标和Y轴坐标都在100×100二维平面中随机产生，子种群的融合速度V_sg在区间(0,1)之间随机产生，子种群融合概率Pg初始值设为零，变异操作概率P_s和调节操作概率P_j分别设为0.1和0.5；(3)计算适应度函数：(3.a)利用如下覆盖率公式对种群个体覆盖率Cov进行更新：$\mathrm{Cov}=\underset{i\∈I}{\mathrm{\Σ}}\underset{j\∈J}{\mathrm{\Σ}}\frac{B_i\×D\left(L\right)}{20\×D(i,j)+0.001}\×\frac{1}{{\mathrm{\Σ}}_{i\∈I}{B}_i}$其中I和J分别为用户集合和收集站点集合，B_i为第i个用户提供的物品数量，K(i,j)为第j个收集站收到第i个用户的物品数量，K(i,j)的计算公式为D(L)为用户活动范围，D(i,j)为第i个用户和第j个收集站点在二维平面中的距离，将Cov值最高的个体记为该子种群的最优粒子，Cov值最低的个体记为该子种群的最差粒子；(3.b)利用如下公式对子种群适应度进行更新：$F_{{\mathrm{sg}}^i}=K1\×{\mathrm{sg}}^i\mathrm{Best}+K2\×{\mathrm{sg}}^i\mathrm{Even}$其中sgⁱBest为第i个子种群sgⁱ中最优粒子的覆盖率，sgⁱEven为子种群sgⁱ中粒子的平均覆盖率，K1+K2＝1，根据该公式计算结果，将适应度函数值最大的子种群记为最优子种群sg^obest，将适应度函数值最小的子种群记为最优子种群sg^wbest；(4)根据标准PSO算法更新子种群中粒子的速度和位置，速度和位置更新公式如下：${V_i}^d=\mathrm{\ω}\×{V_i}^d+C_1\×{\mathrm{rand}}_1^d\×({\mathrm{pBest}}_i^d-X_i^d)+C_2\×{\mathrm{rand}}_2^d\×({\mathrm{gBest}}^d-X_i^d)$${X_i}^d=X_i^d+{V_i}^d$其中，i表示种群中任意一个粒子的编号，d表示搜索空间任意一维，w是惯性因子，是当前粒子的位置，是当前粒子的速度，和分别是粒子自身极值和种群极值，和是介于(0,1)之间的随机数，C1和C2是学习因子，C1＝C2＝2；(5)计算多种群融合算子:判断FGen是否到达最大值maxF，如果到达最大值,则计算多种群融合算子，同时将FGen重新置为零；否则，将FGen加一，跳过多种群融合算子；(6)计算优化算子:设R1(0,1)和R2(0,1)是0到1之间的随机数，如果R1(0,1)小于变异操作概率P_s，则计算变异算子；否则，跳过变异算子；如果R2(0,1)小于调节算子操作概率P_j，将计算调节算子，否则，跳过调节算子；(7)判断进化代数t是否到达设置的最大进化代数T,如果没有到达进化最大代数T，则t加1，返回步骤(3)；如果t到达最大进化代数T，则结束。