基于PSO算法的应急物流车辆调度
发布时间：2021-01-12 15:39
在合理假设的基础上,以使在整个时间范围内,所有需求点、所有物品延迟满足而引起的损失最小为目标,构建了应急物流车辆调度的改进数学模型,根据应急物流车辆调度的特殊情况,设计了适合求解应急货物运输调度模型的粒子群算法,然后通过一个算例对所建立的模型和算法进行了数值模拟,最后比较分析了模型改进前后的实验结果数据,并与随机搜索算法和穷举法进行了比较,证明了该模型及其算法的有效性。
【文章来源】：物流技术. 2019,38(07)
【文章页数】：7 页
【部分图文】：
目标函数值曲线图
前后比较分析本文所建立的应急物流车辆调度模型是在前人的基础成果上进行改进，为了体现改进后的模型的有效性，对改进前的模型和本文改进后的模型进行对比分析：改进前模型：Z=min∑t∈T∑d∈D∑a∈APa×disstda改进后模型：Z=min∑t∈T∑d∈D∑a∈AéêùPúa×disstda-∑j=1N-t(Pa-kj)×comt,t+j,da算法参数按照上文最初的参数配置进行实验，以改进前的模型和改进后的模型分别进行运行计算后得到的结果数据见表9，适应值趋势图如图2所示。可以看出，改进后的模型不仅更符合实际情况，而且适应值远小于改进前。表9模型改进前后的适应值比较模型适应值Z运算时间（ms）改进前6972.0035641改进后4482.9635484图2模型改进前后的适应值趋势图而且，从模型改进前后的车辆任务分析可以看出，模型改进前得出的车辆任务更优先运输衣物，这是因为改进前的模型不考虑延迟满足带来的损失挽回量，而由于衣服的需求量和车辆装载量最大，优先安排更多的车辆运输衣服可以减少整个运输物资未满足带来的损失量。但我们知道，在发生自然灾害的情况下，每种物资的需求量和重要性不一定匹配，也就是说需求量大的物资并不一定重要性就更大，比如药品。所以，模型未改进的实验结果与实际情况是有出入和偏差的，对于实际应用价值不大。6.2与随机搜索算法的比较分析随机搜索算法是指在目标位置基本服从均匀分布的条件下，搜索轨迹随机且均匀散布在目标分布区域内，经过多次循环和迭代后在约束可行域内求解的一种搜索方法[10]。本文用前面的算例，算法参数按照上文最初的参数配置进行实验，对随机搜索算法和基本粒子群算法的求解结果进行比?
洌?也就是说需求量大的物资并不一定重要性就更大，比如药品。所以，模型未改进的实验结果与实际情况是有出入和偏差的，对于实际应用价值不大。6.2与随机搜索算法的比较分析随机搜索算法是指在目标位置基本服从均匀分布的条件下，搜索轨迹随机且均匀散布在目标分布区域内，经过多次循环和迭代后在约束可行域内求解的一种搜索方法[10]。本文用前面的算例，算法参数按照上文最初的参数配置进行实验，对随机搜索算法和基本粒子群算法的求解结果进行比较分析，得出的实验结果见表10，与随机搜索算法的比较趋势图如图3所示。表10与随机搜索算法的结果比较算法适应值Z运算时间（ms）随机搜索算法8623.4930641基本PSO算法4482.9635484图3与随机搜索算法的趋势图比较从实验数据和趋势图可以看出，在一定的条件下通过随机搜索算法求得的结果远差于我们采用的基本PSO算法，而在运算时间上没有太大的差别。随着循环迭代次数的不断增加，随机搜索得出的结果可能会更好，但是耗费的时间也将会不断增加，而且还不能保证可以得到较理想的结果。随机搜索算法尽管简单易行，但是由于其效率12000Fitness400012000Fitness4000改进前改进后改进前改进前InterationInteration随即搜索基本PSO--94
【参考文献】：
期刊论文
[1]应急物流中心选址与配送路径优化研究[J]. 姚红云,牛凯. 物流科技. 2019(03)
[2]大数据背景下台风灾害应急物流车辆调度优化仿真[J]. 陈湉,林勇. 灾害学. 2019(01)
[3]互联网+时代应急物流行业发展模式探析[J]. 钱婧,陈兆波. 物流工程与管理. 2018(12)
[4]基于实时交通信息的灾后应急物流多源配送优化问题[J]. 胡忠君,刘艳秋,李佳. 工业工程. 2018(01)
[5]应急物流系统LRP的双层规划模型及算法[J]. 楼振凯. 中国管理科学. 2017(11)
[6]穷举法与粒子群算法的比较[J]. 王得燕. 无锡职业技术学院学报. 2008(01)
[7]大规模应急救援物资运输模型的构建与求解[J]. 缪成,许维胜,吴启迪. 系统工程. 2006(11)
[8]随机搜索与最优搜索[J]. 李长明. 军事运筹与系统工程. 2001(02)
本文编号：2973057
【文章来源】：物流技术. 2019,38(07)
【文章页数】：7 页
【部分图文】：
目标函数值曲线图
前后比较分析本文所建立的应急物流车辆调度模型是在前人的基础成果上进行改进，为了体现改进后的模型的有效性，对改进前的模型和本文改进后的模型进行对比分析：改进前模型：Z=min∑t∈T∑d∈D∑a∈APa×disstda改进后模型：Z=min∑t∈T∑d∈D∑a∈AéêùPúa×disstda-∑j=1N-t(Pa-kj)×comt,t+j,da算法参数按照上文最初的参数配置进行实验，以改进前的模型和改进后的模型分别进行运行计算后得到的结果数据见表9，适应值趋势图如图2所示。可以看出，改进后的模型不仅更符合实际情况，而且适应值远小于改进前。表9模型改进前后的适应值比较模型适应值Z运算时间（ms）改进前6972.0035641改进后4482.9635484图2模型改进前后的适应值趋势图而且，从模型改进前后的车辆任务分析可以看出，模型改进前得出的车辆任务更优先运输衣物，这是因为改进前的模型不考虑延迟满足带来的损失挽回量，而由于衣服的需求量和车辆装载量最大，优先安排更多的车辆运输衣服可以减少整个运输物资未满足带来的损失量。但我们知道，在发生自然灾害的情况下，每种物资的需求量和重要性不一定匹配，也就是说需求量大的物资并不一定重要性就更大，比如药品。所以，模型未改进的实验结果与实际情况是有出入和偏差的，对于实际应用价值不大。6.2与随机搜索算法的比较分析随机搜索算法是指在目标位置基本服从均匀分布的条件下，搜索轨迹随机且均匀散布在目标分布区域内，经过多次循环和迭代后在约束可行域内求解的一种搜索方法[10]。本文用前面的算例，算法参数按照上文最初的参数配置进行实验，对随机搜索算法和基本粒子群算法的求解结果进行比?
洌?也就是说需求量大的物资并不一定重要性就更大，比如药品。所以，模型未改进的实验结果与实际情况是有出入和偏差的，对于实际应用价值不大。6.2与随机搜索算法的比较分析随机搜索算法是指在目标位置基本服从均匀分布的条件下，搜索轨迹随机且均匀散布在目标分布区域内，经过多次循环和迭代后在约束可行域内求解的一种搜索方法[10]。本文用前面的算例，算法参数按照上文最初的参数配置进行实验，对随机搜索算法和基本粒子群算法的求解结果进行比较分析，得出的实验结果见表10，与随机搜索算法的比较趋势图如图3所示。表10与随机搜索算法的结果比较算法适应值Z运算时间（ms）随机搜索算法8623.4930641基本PSO算法4482.9635484图3与随机搜索算法的趋势图比较从实验数据和趋势图可以看出，在一定的条件下通过随机搜索算法求得的结果远差于我们采用的基本PSO算法，而在运算时间上没有太大的差别。随着循环迭代次数的不断增加，随机搜索得出的结果可能会更好，但是耗费的时间也将会不断增加，而且还不能保证可以得到较理想的结果。随机搜索算法尽管简单易行，但是由于其效率12000Fitness400012000Fitness4000改进前改进后改进前改进前InterationInteration随即搜索基本PSO--94
【参考文献】：
期刊论文
[1]应急物流中心选址与配送路径优化研究[J]. 姚红云,牛凯. 物流科技. 2019(03)
[2]大数据背景下台风灾害应急物流车辆调度优化仿真[J]. 陈湉,林勇. 灾害学. 2019(01)
[3]互联网+时代应急物流行业发展模式探析[J]. 钱婧,陈兆波. 物流工程与管理. 2018(12)
[4]基于实时交通信息的灾后应急物流多源配送优化问题[J]. 胡忠君,刘艳秋,李佳. 工业工程. 2018(01)
[5]应急物流系统LRP的双层规划模型及算法[J]. 楼振凯. 中国管理科学. 2017(11)
[6]穷举法与粒子群算法的比较[J]. 王得燕. 无锡职业技术学院学报. 2008(01)
[7]大规模应急救援物资运输模型的构建与求解[J]. 缪成,许维胜,吴启迪. 系统工程. 2006(11)
[8]随机搜索与最优搜索[J]. 李长明. 军事运筹与系统工程. 2001(02)
本文编号：2973057
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2973057.html
