一种基于混合元启发式优化算法的仓库指派方法

摘要: 本发明属于物流与供应链优化,具体涉及一种基于混合元启发式优化算法的仓库指派方法。背景技术:1、设施选址是供应链与运筹优化领域的经典组合优化问题,其中配送中心(d...
一种基于混合元启发式优化算法的仓库指派方法

本发明属于物流与供应链优化,具体涉及一种基于混合元启发式优化算法的仓库指派方法。

背景技术:

1、设施选址是供应链与运筹优化领域的经典组合优化问题,其中配送中心(depot)选址直接决定物流网络总成本、客户分配方案与整体运营效率,国内外学者已形成体系化研究脉络。

2、国外研究起步较早,自韦伯工业区位理论起,先后提出重心法、p-中位模型、覆盖模型等基础框架,早期研究以单目标整数规划为主,仅最小化运输与建设固定成本,求解依赖分支切割等精确算法,适用于小规模节点场景。随着供应链规模扩张,选址-分配(location-allocation)模型成为主流,同步确定配送中心开设数量、坐标位置与客户服务归属,与本发明研究框架高度契合。

3、国内研究立足本土电商、工业园区仓储布局实际,研究可划分为三类方向。第一类是多准则综合评价,融合层次分析法、模糊综合评判、gis空间分析,将土地价格、交通路网、产业分区、政策约束纳入指标体系,侧重定性与定量结合的选址方案比选。第二类是智能优化算法求解,因选址属于np难问题,传统精确算法难以应对大规模需求点,粒子群、遗传、蚁群等元启发式算法被广泛用于求解多设施选址模型,大幅提升高维约束下的计算效率。第三类是模型拓展与不确定性研究,逐步引入多周期、多产品、需求随机、容量限制等现实条件,构建更贴合工业区仓储布局的约束模型。

4、然而,当前选址研究仍存在以下不足:

5、第一,多数模型仅聚焦静态最优方案,较少考虑城市产业分区边界、道路真实路网距离等地理约束,尤其是地方政府通过城市规划条例限定工业及仓储活动必须位于特定划定区域内的强制性约束,在现有模型中未能得到充分体现。现有研究往往将可行区域视为全平面或简单凸多边形,缺乏对不连续可行域(即允许选址区域为多个分散的工业/仓储园区)的有效建模与求解。

6、第二,现有选址模型的目标函数大多仅考量经济成本(运输成本与建设成本),未将运输过程中的碳排放环境成本量化纳入目标体系。随着全球碳中和目标的推进及碳交易市场的成熟,碳排放成本已成为企业运营不可忽视的组成部分,现有模型在低碳约束下的经济-环境双目标协同优化方面存在明显空白。

7、第三,灵敏度分析多停留在数值对比,缺乏对经济成本与碳排放成本权重联动变化规律的深度挖掘,无法为决策者根据不同政策导向(经济优先或低碳优先)提供灵活可调的方案支撑。

8、第四,部分智能算法在处理带复杂约束(如多面体禁选区约束)的连续选址问题时,存在早熟收敛、稳定性不足、粒子易飞出可行域等缺陷,导致求解质量下降。传统的粒子群优化算法在求解带禁区约束的选址问题时,由于速度更新机制缺乏对可行域尺度的自适应能力,粒子位置容易越出边界,而简单的边界修正又可能破坏种群多样性,影响收敛精度。

9、为了解决上述问题,本发明提出了一种基于混合元启发式优化算法的仓库指派方法。

技术实现思路

1、本发明的目的在于提供一种基于混合元启发式优化算法的仓库指派方法以解决背景技术中所提出的问题,本发明以综合运输成本最小化为核心目标,突破传统模型仅考量经济成本的局限,将运输过程中的碳排放环境成本量化纳入目标体系,构建“经济成本+碳排放成本”双维度优化模型;同时将城市工业区和仓储区边界转化为线性不等式约束,精确建模地理禁区限制;通过自适应速度机制使粒子运动范围随可行域尺度动态调整,确保所有解始终位于可行域内部,避免早熟收敛,实现在低碳、经济双重目标下的最优仓库指派方案求解。

2、为了实现上述目的,本发明采用了如下技术方案:

3、一种基于混合元启发式优化算法的仓库指派方法,包括如下步骤:

4、s1、获取基础数据并设定模型参数:

5、获取待服务客户点的位置坐标及需求量、候选仓库区域的地理约束边界、运输方式的经济成本系数及碳排放系数、碳交易单价、仓库筹建成本数据,并设定经济成本权重

α与碳排放成本权重

β;

6、s2、构建仓库直排优化模型:

7、以综合运输成本最小化为目标,构建包含经济运输成本与碳排放环境成本的双目标优化函数,同时设定仓库必须选址于可行解空间内的约束条件,所述可行解空间由工业园区和仓储用地区域构成,所述约束条件采用线性不等式表示;

8、s3、采用自适应速度粒子群优化算法(savpso)进行全局搜索:

9、在所述可行解空间内随机生成初始粒子群,每个粒子的位置向量表示m个待开设仓库的坐标,计算各粒子的适应度值并初始化个体最优

pbest和全局最优

gbest,利用自适应速度更新公式迭代更新粒子的速度和位置,所述自适应速度更新公式采用随机选取的另一粒子的个体最优值与当前粒子个体最优值的差值乘以符号函数替代传统惯性速度项;

10、s4、采用库珀启发式算法(cooper heuristic)进行局部寻优:

11、以自适应速度粒子群优化算法迭代得到的当前解为初始解,固定客户分配方案后,采用weiszfeld迭代法对m个仓库位置进行重新计算,反复执行分配-重新选址过程直至目标函数不再改进,得到局部最优解,并用所述局部最优解更新全局最优

gbest;

12、s5、输出仓库选址与指派方案:

13、迭代执行步骤s3和步骤s4直至满足终止条件,输出全局最优解对应的仓库坐标、客户分配方案及综合运输成本。

14、优选地,步骤s2中所述双目标优化函数具体为:

15、经济运输成本函数:

16、

17、约束条件为:

18、式中,为从新建仓库

j调配至固定需求点

i的货物量;为客户的需求量;,表示新建仓库

j的坐标;,表示位于固定需求点

i处客户的坐标;为固定需求点

i与新建仓库

j之间的欧几里得距离;为运输方式

l下单位运输距离产生的运输成本;为新建仓库的开设决策变量;表示于坐标新建仓库对应的筹建成本;

19、碳排放环境成本:

20、

21、式中,为碳交易单价,表示单位碳排放的环境成本;为运输碳排放系数,表示运输方式

l下,

i→

j路径的单位货物碳排放量;表示从新建仓库

j,经运输方式

l调配至固定需求点

i的货物运输量,。

22、优选地,基于包含经济运输成本与碳排放环境成本的双目标优化函数,进一步考虑碳排放约束,所构建的总目标函数为:

23、

24、约束条件为:

25、

26、其中,为经济成本权重,为碳排放成本权重;为货源点的最大供货量;为运输方式

l的最大运力上限。

27、优选地,根据应用场景设置不同的值,通过调整权重实现经济/低碳偏好调控;当时偏好经济成本最优方案,当时偏好低碳排放方案。

28、优选地,所述基础数据中的运输碳排放系数

eijl采用公路货运碳排放因子,所述碳交易单价

pc取自区域碳交易市场均价;所述仓库筹建成本

f(

xj)根据仓库所在区域的地价差异分别设定,不同可行区域具有不同的单位面积建设成本。

29、优选地,步骤s3中所述自适应速度更新公式为:

30、

31、

32、其中,为惯性权重;用于表征速度项的正负,表示粒子的飞行方向;为粒子群规模区间内随机选取的整数,用于选取另一粒子的个体最优值

pbest;为随机选取的粒子的个体最优位置;表示可行域的尺度范围;

r为随机数。

33、优选地,步骤s4中所述weiszfeld迭代法按照以下步骤更新仓库坐标:

34、横坐标计算公式:

35、

36、纵坐标计算公式:

37、

38、首次迭代:

39、

40、

41、后续迭代更新:

42、

43、。

44、优选地,步骤s5中所述终止条件为达到预设最大迭代次数或全局最优解在连续多代内的改进量小于预设阈值;迭代结束后,所述方法输出最优仓库坐标、最优客户分配矩阵、综合运输成本及其经济成本分量与碳排放成本分量。

45、本发明进一步保护一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。

46、本发明进一步保护一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。

47、与现有技术相比,本发明具有以下有益效果:

48、(1)本发明将自适应速度粒子群算法与库珀启发式算法有机融合,形成两阶段混合优化策略,既保证全局搜索能力又强化局部深度寻优,有效克服传统粒子群易早熟收敛的缺陷。仿真测试表明,该算法在求解质量与计算效率上均显著优于分支定界法、遗传算法及基础自适应粒子群算法,适用于大规模连续选址分配问题。

49、(2)本发明突破传统仅考量经济成本的局限,将运输碳排放量通过碳价量化为环境成本纳入总目标,并设置可调权重因子,可根据政策导向灵活调整经济优先或低碳优先策略,为碳交易机制下的企业选址提供定量化决策支撑。

50、(3)本发明将城市规划划定的工业及仓储区域转化为线性不等式约束,所有粒子初始生成与运动轨迹严格限定于可行域内,并内置可行性校验与边界投影机制,确保输出方案全部满足实际用地管控要求,无需后续修正即可直接落地实施。

51、(4)本发明在具体实施方式中真实数据为案例,经matlab与lingo联合求解,结果表明本发明能够准确给出最优仓库数量、位置及客户分配方案,在满足双重约束条件下实现综合成本最低,可广泛应用于电商仓储、工业园区、城市配送中心等物流规划场景。