国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜浙江工業大學王萬良獲國家專利權

恭喜浙江工業大學王萬良獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜浙江工業大學申請的專利一種基于自適應NSGAII的物流路線優化方法和系統獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN113919557B

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202111128670.8,技術領域涉及:G06Q10/047;該發明授權一種基于自適應NSGAII的物流路線優化方法和系統是由王萬良;陳浩立;尤文波;邢方森;吳偉壯;趙燕偉設計研發完成,并于2021-09-26向國家知識產權局提交的專利申請。

一種基于自適應NSGAII的物流路線優化方法和系統在說明書摘要公布了:一種基于自適應NSGAII的物流路線優化方法,包括:S1.分析建立基本數學模型;S2.設計種群個體染色體編碼;S3.采用隨機和貪婪結合方式產生規模為N的初始種群,并對種群進行帕累托非支配排序;S4.通過選擇、交叉、變異三種進化操作得到下一代種群;S5.將父代種群與子代種群合并形成新種群,選取較優的個體組成新的父代種群;S6.通過種群進化算子操作產生新的子代種群,重復步驟S4;S7.若不滿足種群迭代終止條件,返回步驟S4、S5,直至達到終止條件;S8.由自適應NSGAⅡ算法輸出最優解集,從而得到配一臺車輛的配送路線。本發明還包括一種基于自適應NSGAII的物流路線優化系統。本發明能解決配送路線優化問題。

本發明授權一種基于自適應NSGAII的物流路線優化方法和系統在權利要求書中公布了:1.一種基于自適應NSGAII的物流路線優化方法,其特征在于:包含以下步驟:S1:分析建立基本數學模型;S11:在一條路線上,假設采用同一輛車,對于分路線i,物流配送產生的金錢成本Ci包括車輛的派送成本和耗油費用,其計算公式如下:Ci=Vi+Ri×Oi+Wi×αi其中,Vi是分路線i的派遣成本,Ri為分路線i的總路程,Oi為分路線i的油耗成本,Wi為分路線i的總載重量,αi為分路線i的每公里每噸油耗成本系數;設kx為物流配送方案x中分路線的數量;則方案x產生的總金錢Cx成本為: S12:在每條路線上,考慮每個配送點所需的卸貨時間以及車輛行駛時間所造成的時間成本;設Pi為分路線i的總配送點數,Ri是分路線i的總路程,Si是車輛在該路線行駛的平均速度,Ui為每個配送點卸貨時間;對于分路線i,物流配送產生的時間成本Ti的計算公式如下: 則配送方案x產生的時間成本Tx為: S13:通過同時最小化金錢成本和時間成本,來評估本系統的優越性,其定義如下:minFx=Cx,TxT設大車派遣成本為vb,小車派遣成本為vl;大車最大載重量為wb,小車最大載重量為wl;大車每公里每噸油耗成本系數為αb,小車每公里每噸油耗成本系數為αl;大車每個配送點卸貨時間為ub,小車每個配送點卸貨時間為ul;大車行駛平均速度為sb,小車行駛平均速度為sl;大車每公里油耗成本為ob,小車每公里油耗成本為ol;因此建立模型如下:minFx=Cx,TxT 其中,X為個體決策空間,kx為方案x中分路線的數量,Ri是分路線i的總路程,Pi為分路線i的總配送點數,Wi為分路線i的總貨物量;式③表示對于分路線i,無論哪種車型的車,都不能大于其對應車型的最大載重量;式④~式⑧表示在分路線i上,對所用車輛賦予其相應車型的信息;式⑨表示分路線i對應車輛最大行駛距離;S2:設計種群個體染色體編碼,采用固定長度的不重復整數編碼方式,每個染色體基因代表對應位置訪問顧客點,染色體長度M為待訪問顧客總數;S3:采用隨機和貪婪結合方式產生規模為N的初始種群,并對種群進行帕累托非支配排序;其中,非支配排序的步驟為S31至S35;S31:計算所有個體的支配計數ni,即支配個體i的所有個體數量,和計算支配解集Si,即個體i所支配的個體集合;S32:找出種群中非支配個體,即ni=0的個體,將非支配個體放入集合F1中;S33:對于F1中的每個個體,找出集合中每個個體所支配的個體集合Si,對于Si中的個體l,對nl進行減1操作,即nl=nl-1,將個體l存放在集合H中;S34:定義集合F1為第一層非支配集合,并為F1中每個個體標記相同的非支配序列irank;S35:對集合H中的個體,按照以上步驟S32、步驟S33和步驟S34,直至將所有個體分層;S4:通過選擇、交叉、變異三種進化操作得到下一代種群;選擇、交叉、變異進化操作的具體步驟如S41至S43所示;S41:在選擇操作中,利用競標賽來選擇帕累托層級低,即較優帕累托支配,并且擁擠度小,即擁擠距離大的優良種群個體,將其保存至規模固定的精英檔案集;S42:在交叉操作中,引入自適應策略,以隨迭代次數自適應變化的交叉概率,從多個交叉算子構成的交叉算子池中根據算子選擇概率分布選擇交叉操作,并根據此次交叉操作結果對算子選擇權重進行反饋調整;其中交叉算子描述如S421至S425所示;S421:部分匹配交叉,首先隨機選擇交換片段的起止位置,交換父染色體對應起止位置片段,并相互替換沖突基因點;S422:順序交叉,首先隨機選擇連續片段的起止位置,將父代1對應片段復制到子個體1對應位置,再從父代2中選擇子代1缺少的基因并按父代1中的順序加入子代1,同理生成子代2;S423:基于位置交叉,首先隨機選擇多個不連續基因點位置,將父代1對應基因點復制到子個體1對應位置,再從父代2中選擇子代1缺少的基因并按父代1中的順序加入子代1,同理生成子代2;S424:循環交叉,首先從父代1中隨機選擇一個基因,再從父代2中找到相應位置點基因,然后返回父代1中找到父代2對應基因位置點基因,重復該操作直至形成閉環,該閉環所包含基因復制到子代1中相同位置,剩余基因點從父代2中順序選擇,同理形成子代2;S425:子路徑交換交叉,首先隨機選擇父代1的一組連續基因,按照原順序替換父代2中對應基因組;S43:在變異操作中,采用與自適應交叉策略相同方式,以隨迭代次數自適應變化的變異概率,從多個變異算子構成的算子池中根據算子選擇概率分布選擇變異操作,并根據此次變異操作結果對算子選擇權重進行反饋調整;其中變異算子描述如S431至S433所示;S431:交換變異,隨機選擇染色體的兩個基因點位置,并交換其值;S432:反轉變異,隨機選擇染色體的一組連續基因片段,并反轉其順序;S433:亂序變異,隨機選擇染色體的一組連續基因片段,并打亂其順序;S44:算子自適應反饋機制,對于每次交叉、變異操作所生成的新一代個體,通過觀測其個體質量來調整所選算子權重比例:子代優于兩個父代且最終進入精英檔案集則權重加4分;子代優于一個父代且進入精英檔案集則權重加3分;子代優于兩個父代但未進入精英檔案集則權重加2分;子代優于一個父代但未進入精英檔案集則權重加1分;其余情況權重不變;最后對所有算子權重進行歸一化;S5:將父代種群與子代種群合并形成新種群,而后對新種群進行快速非支配排序,同時對每個非支配層中的個體進行擁擠度計算;根據非支配關系以及個體的擁擠度,選取較優的個體組成新的父代種群;其中,擁擠度計算為步驟S51到S54所示:S51:初始化,nd=0,n∈1,…NS52:對于每個目標函數fm,根據該目標函數對種群的個體進行排序,記為個體目標函數值fm的最大值,為個體目標函數值fm的最小值;S53:對排序后兩個邊界的擁擠度1d和Nd置為∞;S54:計算擁擠度: S6:通過種群進化算子操作產生新的子代種群,重復步驟S41至S44;S7:若不滿足種群迭代終止條件,返回步驟S4、S5,直至達到終止條件;S8:由自適應NSGAⅡ算法輸出最優解集,解集中的每個解代表了一種顧客點訪問序列,利用了一個輔助數組來存儲每一臺配送車輛起始配送點,從而得到一臺車輛的配送路線。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人浙江工業大學,其通訊地址為:310014 浙江省杭州市拱墅區潮王路18號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 安庆市| 大冶市| 淮南市| 汉沽区| 西乡县| 济阳县| 邯郸市| 芜湖市| 扶沟县| 凤山县| 麻阳| 涪陵区| 石城县| 仪征市| 鄱阳县| 大理市| 砚山县| 芦溪县| 慈溪市| 固镇县| 噶尔县| 阿城市| 慈溪市| 湟源县| 金川县| 防城港市| 双桥区| 永新县| 桦川县| 湖北省| 大同县| 瑞丽市| 海林市| 龙井市| 乡宁县| 涞水县| 富顺县| 苏州市| 龙川县| 鄂伦春自治旗| 武汉市|