食品冷链运输相关优化模型及算法研究

发布时间：2020-09-16 08:04

　　近年来,随着我国经济社会水平的不断提高,食品冷链物流市场快速增长。作为冷链物流的关键环节,冷链运输对食品的新鲜度甚至食品安全具有直接、重要的影响。面对食品冷链运输优化理论体系不完善的现状,为了减少食品损耗率、强化运输效率、提升客户满意度,有必要深入探索易腐食品直达运输、中转运输、共同配送的优化理论。本文综合运用运筹学、物流学、计算机科学等领域的知识与方法,通过定性分析与定量计算相结合的方式,研究基于计算智能的食品冷链运输优化理论。具体做了以下几方面工作:(1)研究易腐食品长途直达运输配装问题。针对食品价格的不确定性与波动性,将食品的利润定义为模糊参数,并通过梯级k-偏好积分法对该参数进行去模糊化。基于食品混装要求、运输工具的运力限制、易腐食品对储存环境的温度要求和湿度要求,构建以利润最大化为目标的易腐食品长途直达运输配装模型。针对该模型的特点,设计离散萤火虫算法获取配装方案的近似最优解。该算法针对易腐食品长途直达运输配装模型的特点,定义了萤火虫的编码方案、基于价值密度的萤火虫种群初始化策略、基于配装方案差异性的萤火虫移动策略,一个四阶段修补算子,以及最亮萤火虫的移动策略。(2)研究易腐食品短途直达运输配装问题。将食品的利润与货架期定义为模糊变量并通过梯级平均积分法进行去模糊化,根据易腐食品的最佳储存温度区间与冷藏车厢温度的相似度,对易腐食品与单温区冷藏车进行匹配,构建以装运食品的利润最大化、货架期最小化、温度匹配值最大化为目标的易腐食品短途直达运输配装模型。考虑到该模型具有三个优化目标,本文设计了集成离散萤火虫算法与Pareto存档进化策略的PDFA算法,实现配装方案Pareto最优解集的获取。PDFA算法中的离散萤火虫算法与求解易腐食品长途直达运输配装模型的离散萤火虫算法具有类似的结构,但是在种群初始化策略与萤火虫的移动策略上均针对易腐食品短途直达运输模型的特点进行了修改。为了避免种群密度过高导致的算法性能下降问题,该算法采用一个三维自适应网格算法作为Pareto存档进化策略的个体邻域密度优化策略。(3)研究基于多品种最小费用流的易腐食品中转运输优化问题。面对决策中的信息不确定性,将运输成本、食品的需求量与供给量、损耗率、最大运力定义为模糊变量并通过梯级平均积分法进行去模糊化。在多品种最小费用流的基础上考虑食品损耗率、产销不平衡等因素,根据超额供给和错季销售两种策略,针对冷链物流的“效益背反”现象构建以成本最小化和损耗率最小化为目标的易腐食品中转运输优化模型。由于多目标多品种最小费用流的模型相对复杂,尤其是各有向边的流量存在极强的关联性,导致一些算法中的交叉、组合等操作难以实施,本文设计一个基于和声搜索的智能算法对运输路线进行优化。该算法对供给点与转运点的流量计算过程以及转运点与需求点的流量计算过程采用和声搜索,对转运点之间的流量计算过程采用随机搜索的方式,可以避免反复调整流量造成的算法性能下降现象。(4)研究基于客户满意度的集群蓄冷式多温共配优化问题。蓄冷式多温共配是将不同温度的商品分别放入相应温度的蓄冷保温箱、蓄冷保温柜等设备,并采用普通的车辆进行配送的一种服务模式,相关的优化理论研究不多。针对易腐食品配送的时效性要求,构建以客户满意度最大化为优化目标的集群蓄冷式多温共配模型。该模型用Z形函数对客户满意度进行描述,将车辆的行驶时间定义为模糊变量,考虑了客户集群的因素,并且允许每片区域被多个车辆服务。设计了一个基于时间序列的离散萤火虫算法,实现对配送路线和配装方案的协同优化。该算法不仅针对集群蓄冷式多温共配模型的特点定义了萤火虫的编码规则、萤火虫的距离表征方法,以及萤火虫的移动策略,并基于随机算法和贪心算法分别提出了两种萤火虫种群的初始化策略。
【学位单位】：北京交通大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：F426.82;F252;TP18
【部分图文】：

梯级,反函数,隶属函数,积分表示

Ｆｉｇｕｒｅ邋２－１邋Ｔｈｅ邋ｇｒａｄｅｄ邋ｋ－ｐｒｅｆｅｒｅｎｃｅ邋ｈ－ｌｅｖｅｌ邋ｖａｌｕｅ邋ｏｆ邋Ｔ＝（ｍｘ，ｍ２，邋ａ，邋Ｐ）．逡逑对于一个隶属函数为式２．２的梯形１＾－１１型模糊数＾＝0２１，爪２，0＾＾）／＾，令１／１（；0逡逑和Ｆｂ）分别为Ｚ（ｘ）和ｉ？（ｘ）的反函数。如图２－１所示，户的ｋ－偏好ｈ－层的值为逡逑／２［从＿１（／２）＋（１－幻７？邋（／0］0邋因此？７的梯级邋ｋ－偏好积分表示（ｇｒａｄｅｄ邋ｋ－ｐｒｅｆｅｒｅｎｃｅ邋ｉｎｔｅｇｒａｔｉｏｎ逡逑ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）为［６７］：逡逑（Ｄｋ（Ｔ）＝邋［邋ｈ［ｋＬ－＼ｈ）＾｛＼－ｋ）Ｒ￣＼ｈ）］ｄｈ／邋＼邋ｈｄｈ逦（２．３）逡逑Ｊ0逦＇邋Ｊ0逡逑设为一个正的三角模糊数，该模糊数也可以表为逡逑：？＝（＜必Ｙ）。其隶属函数如式２．４所示，其中Ｚ（ｘ）和７？（ｘ）的反函数分别如式２．５逡逑和式２．６所示。逡逑１６逡逑

流程图,萤火虫,和声,乐器

Ｆｉｇｕｒｅ邋２－３邋Ｆｌｏｗｃｈａｒｔ邋ｏｆ邋ｔｈｅ邋ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ邋ｆｉｒｅｆｌｙ邋ａｌｇｏｒｉｔｈｍ．逡逑２．２．４和声搜索算法逡逑和声搜索算法（Ｈａｒｍｏｎｙ邋Ｓｅａｒｃｈ邋Ａｌｇｏｒｉｔｈｍ）是由Ｇｅｅｍ等人于２００１年提出一种启发式搜索算法［７９］。该算法模拟了音乐家即兴创作，通过反复调整各乐器的逡逑音调而最终产生一个美妙和声状态的过程。在该算法中，乐器ｆ被类比于优化问题逡逑２０逡逑

流程图,搜索算法,和声,流程图

Ｆｉｇｕｒｅ邋２－４邋Ｆｌｏｗｃｈａｒｔ邋ｏｆ邋ｔｈｅ邋ｈａｒｍｏｎｙ邋ｓｅａｒｃｈ邋ａｌｇｏｒｉｔｈｍ．逡逑由于标准的和声搜索算法容易陷入局部最优，而且有时候存在收敛速度慢等逡逑问题，很多学者对标准的和声搜索算法进行了改进。以下列出一些具有代表性的逡逑方法：逡逑Ｍａｈｄａｖｉ等人提出了改进的和声搜索（Ｉｍｐｒｏｖｅｄ邋Ｈａｒｍｏｎｙ邋Ｓｅａｒｃｈ，ＩＨＳ）算法逡逑［７１］。该算法根据式２．１５和式２．１６对ＰＡ／？和Ｚｗ进行动态更新。逡逑ＰＡＲｍａｘ邋－ＰＡＲｍｉｎ逡逑ＰＡＲ（ｇｎ）＝ＰＡＲｍｉｎＪｒ逦—逦ｘｇｎ逦（２．１５）逡逑２２逡逑

【相似文献】