基于聚类-粒子群算法的冷链物流配送中心选址分析.pdf
《基于聚类-粒子群算法的冷链物流配送中心选址分析.pdf》由会员分享,可在线阅读,更多相关《基于聚类-粒子群算法的冷链物流配送中心选址分析.pdf(9页珍藏版)》请在咨信网上搜索。
1、收稿日期:作者简介:徐超毅(),男,河南上蔡人,副教授,博士,主要研究方向为绿色物流。基于聚类 粒子群算法的冷链物流配送中心选址分析徐超毅,刘涛(安徽理工大学 经济与管理学院,安徽 淮南 )摘要:针对冷链市场需求不断扩大,冷链物流产业却无法快速升级的情况,终端配送企业为了提高企业效益,需要在保证满足客户需求的同时,构建以成本最小化为目标的冷链配送中心选址模型。为解决上述问题,首先使用 聚类算法对未知形状、未知特征的需求点进行处理,确保配送中心选址在空间分布上的合理性,同时降低运算难度;其次引入反向搜索、变异和交叉策略对传统粒子群算法()进行改进,使用改进粒子群算法()对模型进行求解。相关实例分
2、析结果表明,使用 算法的选址总成本相比 算法减少 ,迭代次数相比减少 ,验证了 算法可以得到质量更高的解,有效节省了选址成本。关键词:物流配送中心选址;聚类算法;改进粒子群算法;成本最小化中图分类号:文献标识码:文章编号:():,(,):,(),(),:;引言近年来,我国冷链物流市场需求不断增长,从而推动冷链物流迅速发展,但仍存在着许多卡口问题,冷链物流配送效率仍然不尽如人意。年底,国务院发布了“十四五”冷链物流发展规划,明确提出了要打造“”冷链物流运行体系,并且构建“四横四纵”的国家冷链物流骨干通道网络。我国的冷第 卷第 期 黄河科技学院学报 年 月 链物流体系与发达国家相比还有较大差距,资
3、源综合利用率较低,因此在冷链物流产业无法快速升级、损耗率难以下降的情况下,基于需求量的合理配送中心选址是建成高效畅通的冷链物流网络的关键条件。国内外多名学者对于各种条件下的冷链物流配送中心选址问题分别运用不同的启发式算法进行求解和优化,其中有很多创新点及方法值得学习和借鉴,填补了此类问题研究领域的许多空白。等 构建了基于进化算法的两层优化模型以解决供应地和配送中心双决策主体的选址问题;等 运用混合粒子群算法对配送中心选址模型进行优化,提高配送效率的同时降低了物流成本。王勇等 提出了应用 方法来确定聚类中心位置,然后通过 法来选出配送中心位置;孟军 通过引入基于控制因子的非线性惯性权重和遗传算法
4、中的交叉变异策略对飞蛾优化算法进行改进,从而对农业物流配送中心选址模型进行优化;计莹峰等 考虑了以满足客户对货物完好量需求的三级货损成本下的冷链物流配送中心选址模型;刘琳等 提出了在新鲜度限制条件下的双层目标规划模型,并证实不同新鲜度要求对配送中心的选址有明显改变;袁群等 构造了一种基于遗传算法和禁忌搜索算法相结合的、并用贪婪算法改进交叉算子的混合遗传算法对模型进行求解;陈淑童等 考虑到冷链物流的特殊性,构建了同时考虑时效和货损的选址模型,对冷链物流网络建设具有实际意义。由于选址目标地区的需求点数量众多,同时需求点各指标之间区别较大,因此首先需要利用 聚类分析对目标地区需求点进行区域划分 ,然
5、后基于聚类结果确定配送中心数量以及各区域所包含的需求点,降低后续求解冷链物流配送中心选址模型的复杂性,同时确保冷链配送中心选址地点在空间上的合理性。最后运用 算法对以最小总成本为目标的江苏省农产品冷链物流配送中心选址模型进行迭代求解,为实际解决冷链物流配送中心选址问题提供一定程度上的建议。研究方法及模型构建 聚类算法 与 最早提出 算法(均值漂移算法),随后 为 算法定义了核函数并增加了权重系数,扩大了算法的适用范围。算法基本思想是基于核函数密度估计,假设所有特征数据具有不同的概率分布,将特征数据不断进行自适应函数迭代计算,某一特征数据将会在规定半径的圆中向概率密度最大的点平滑收敛,从而得出概
6、率密度分布的局部极值点,收敛到同一极值点的数据可以作为同一簇。算法的数据不需要标签,也不需要事先将数据进行分类,因此更擅长处理任意形状的簇类。相比于 算法,算法不需要进行样本初始化,算法结果更加稳定。算法的核密度估计根据带宽的设置而变化,带宽设置过小,收敛越慢从而导致聚类结果簇类过多;反之,设置过大,收敛太快会丢失大量数据导致簇类过少。在处理区域内冷链物流配送中心选址时,由于区域城市群的多中心化,随机性,因此聚类的个数未知,从而选择 聚类算法来解决冷链物流配送中心选址点的初步确定,聚类结果的每个簇类只拥有一个配送中心。假设存在一个大小为 的 维数据集 ,核函数 的带宽为参数 。数据集的核密度估
7、计:()()()其中 ()是径向对称函数,定义满足核函数条件的 ()()()其中系数 是归一化常数,使 ()的积分等于 。根据式()和式(),得到核密度估计的梯度为:()()()()()()()其中 ()(),第一项为实数值,所以第二项的向量方向与梯度方向一致,第二项的表达式为:()()()()黄河科技学院学报由上可知,算法基本流程为:()计算每个样本的均值漂移向量()()将每个样本点进行平移,即()()()重复步骤 和 ,直到样本点收敛,将收敛到相同点的样本归为同一簇类,即()()算法粒子群算法(,)最早是基于鸟群寻找最佳觅食区域过程而提出的一种智能算法。鸟群在觅食过程中,所有个体均处于随机
8、位置,觅食目标也同样未知,并且每只个体的移动方向也是随机的。随着时间的推移,不同的个体在觅食过程中可以互相学习、共享信息,从而判断当下所处觅食点是否为最优。鸟群中的每个个体可用粒子代表,粒子有两个属性分别是位置 和速度 ,每个个体在某位置能够觅食成功的概率可以通过适应值来表示,所有个体都能记住当前觅食位置,并找到局部最优,记为当前粒子的极值。基于信息共享,所有粒子共同向群体更新自己当前个体极值,随着觅食时间与次数不断更新迭代,粒子群将会不断调整当前位置和速度,向全局最优的位置不断逼近。假设搜索空间为 维,由 个粒子组成的总群为 (,),第 个粒子位置向量表示为(,),每个粒子都代表一个潜在解;
9、单个粒子 历史中的最优位置为(,),为群体的最优位置,即所有(,)中的最优位置;第 个粒子的位置变化率(速度)为向量(,),则每个粒子的速度和位置变化如下公式:,(,)(,)(),()式()中,为惯性权重;,为加速因子;,为 ,之间相互独立的两个随机数;,、,为第 次迭代的速度和位置。传统 算法求最优解是通过不断搜索空间中个体和群体的极值来完成的,但是随着运算的进行,粒子群在空间内不断移动,靠近粒子的相似性越来越大,造成局部搜索能力较差,所以很难跳出局部最优解。同时算法的搜索精度不够高,容易错失全局最优解。因此,本文将反向搜索和变异交叉策略引入算法,扩大搜索范围,提高搜索精度,从而更快更精准得
10、逼近全局最优解。()反向搜索策略反向搜索策略是同时考虑当前位置得解和相反方向的解得策略,能扩大搜索范围,从而使解更容易从局部最优中跳脱出来。()()若粒子位置超出范围则重新初始化粒子的范围。,()()()变异和交叉策略变异操作:,(,)()式()中,为变异向量;为缩放因子;,为 ,之间不相等的两个随机数。交叉操作:,或,其他()式()中,为试探向量 的第 维;为交叉概率。若均是可行解,则使粒子搜索方向更新为目标值相对更优的区域;若一个为可行解,一个为不可行解,则使粒子搜索方向更新为可行解的区域;若均为不可行解,则使粒子搜索方向更新为约束越界值相对更小的区域。选址模型构建问题描述:农产品冷链物流
11、损耗率与产地管理、仓储、配送等多个物流环节有关,对于终端企业而言,上游环节损耗率难以控制,因此在区域内建立合理的冷链物流配送中心能够优化配送路径,最容易节约成本,提高企业效益。本模型是以成本最小化为目标而构建,研究配送中心到需求点的冷链产品供应问题。模型包括冷链配送中心到需求点的运输成本,冷链配送中心的建设成本和管理成本。相较于普通物流的运输模式,冷链运输成本中还需要考虑额外的制冷能耗。已知区域内需求点有 个,同时从 个需求点中选取 个冷链物流配送中心,冷链物流配送中心数量 由聚类结果确定(),确保在空间分布上的合理。基本假设如下:需求点位置已知,只选取部分需求点建立配送中心;配送中心只由总库
12、进行配送,总库承担区域冷链物流配送中心功能,总库所在区域无须另选其他配送中心;配送中心只向需求点配送,每个需求点只能徐超毅,等:基于聚类 粒子群算法的冷链物流配送中心选址分析由一个配送中心配送;已知各需求点的需求量且互不影响;冷链物流运输中只考虑额外的制冷能耗成本,且制冷能耗系数恒定;各个节点的运输效率和运输费率相同,具体费率参考市场价格。本文构建的数学模型如下:()运输成本在考虑冷链物流配送中心选址时,运输成本最能体现选址是否更合适。本模型的运输成本包括由总库到冷链物流配送中心的运输费用、由配送中心到需求点的配送运输费用以及在冷链运输过程中产生的较高的制冷能耗成本。运输费用为配送活动双方的货
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 粒子 算法 物流配送 中心 选址 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。