申请/专利权人：安徽大学

申请日：2024-02-02

公开（公告）日：2024-05-07

公开（公告）号：CN117993586A

主分类号：G06Q10/047

分类号：G06Q10/047;G06Q10/0832;G06Q30/0283;G06N3/126;G06F17/11

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.24#实质审查的生效;2024.05.07#公开

摘要：本发明涉及冷链配送路径规划技术领域，具体涉及，基于改进遗传算法的冷链配送优化方法及系统。本发明的方法包括：步骤一，建立最小成本的目标函数Z；步骤二，设定求解目标函数Z的约束条件；步骤三，基于改进遗传算法按照约束条件求解目标函数Z，得到全局最优解、及其对应的全局最优路径MinRoute。本发明的目标函数考虑了车载制冷设备的碳排放量，更加贴近实际情况。本发明在求解时，对遗传算法也进行了改进，一方面将上一代优秀个体替换掉下一代不优秀的个体，保证了个体整体的质量；另一方面，引入了自适应机制来维持交叉、突变的动态平衡，以减少优秀个体交叉突变的可能性，从而提升局部搜索能力、改善早熟收敛的不足。

主权项：1.基于改进遗传算法的冷链配送优化方法，其特征在于，用于求取若干辆冷藏车对若干个客户进行冷链配送时满足最小成本的全局最优解；所述基于改进遗传算法的冷链配送优化方法包括以下步骤：步骤一，建立最小成本的目标函数Z为：Z＝minF碳+F1+F2+F3+F4；式中，F碳表示总碳排放成本；F1表示总固定成本；F2表示总运输成本；F3表示时间窗惩罚总成本；F4表示制冷总成本；F碳＝C3G1+G2；C3表示单位碳排放成本；G1表示冷藏车的运输碳排放量；G2表示车载制冷设备的碳排放量；步骤二，设定求解目标函数Z的约束条件为： 式中，N为客户的总数；K表示冷藏车的数量；i＝0时，客户0表示配送中心；qr表示客户r的需求量；M表示冷藏车最大装载量；tr表示冷藏车到达客户r的时间；LLTr表示客户r最晚能接受的时间；步骤三，基于改进遗传算法按照约束条件求解目标函数Z，得到全局最优解、及其对应的全局最优路径MinRoute；其中，步骤三包括：步骤3.1，初始化种群中的P个个体，并设定最大迭代次数为iterMax；步骤3.2，取目标函数Z的倒数作为适应度函数，计算每代中的每个个体的适应度；步骤3.3，进行多轮迭代，直至当前迭代次数达到iterMax；其中，当前轮次迭代过程包括：依据轮盘赌选择法对当前代个体进行选择，再先后进行交叉、变异处理，接着替换进当前代的优秀个体，得到下一代个体；其中，在对选择后的当前代个体进行交叉处理前，依据选择前的当前代个体的适应度计算结果，将当前代中适应度排名靠前的个体保留、作为当前代的优秀个体；在对选择后的当前代个体进行交叉时，依据自适应的交叉概率Pa判断是否进行交叉处理，得到交叉后的当前代个体；在对交叉后的当前代个体进行变异时，依据自适应的变异概率Pv判断是否进行变异处理，得到变异后的当前代个体；将当前代的优秀个体替换掉变异后的当前代个体中适应度排名靠后的个体，得到下一代个体；步骤3.4，获取迭代过程中最大适应度MaxFitness，将MaxFitness对应的解即作为全局最优解、对应的路径作为全局最优路径MinRoute。

全文数据：

权利要求：

百度查询： 安徽大学 基于改进遗传算法的冷链配送优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD