在合理假設(shè)的基礎(chǔ)上,以使在整個時間范圍內(nèi),所有需求點、所有物品延遲滿足而引起的損失最小為目標,構(gòu)建了應急物流車輛調(diào)度的改進數(shù)學模型,根據(jù)應急物流車輛調(diào)度的特殊情況,設(shè)計了適合求解應急貨物運輸調(diào)度模型的粒子群算法,然后通過一個算例對所建立的模型和算法進行了數(shù)值模擬,最后比較分析了模型改進前后的實驗結(jié)果數(shù)據(jù),并與隨機搜索算法和窮舉法進行了比較,證明了該模型及其算法的有效性。 

【文章來源】：物流技術(shù). 2019,38(07)

【文章頁數(shù)】：7 頁

【部分圖文】：

目標函數(shù)值曲線圖

前后比較分析本文所建立的應急物流車輛調(diào)度模型是在前人的基礎(chǔ)成果上進行改進，為了體現(xiàn)改進后的模型的有效性，對改進前的模型和本文改進后的模型進行對比分析：改進前模型：Z=min∑t∈T∑d∈D∑a∈APa×disstda改進后模型：Z=min∑t∈T∑d∈D∑a∈AéêùPúa×disstda-∑j=1N-t(Pa-kj)×comt,t+j,da算法參數(shù)按照上文最初的參數(shù)配置進行實驗，以改進前的模型和改進后的模型分別進行運行計算后得到的結(jié)果數(shù)據(jù)見表9，適應值趨勢圖如圖2所示�？梢钥闯�，改進后的模型不僅更符合實際情況，而且適應值遠小于改進前。表9模型改進前后的適應值比較模型適應值Z運算時間（ms）改進前6972.0035641改進后4482.9635484圖2模型改進前后的適應值趨勢圖而且，從模型改進前后的車輛任務(wù)分析可以看出，模型改進前得出的車輛任務(wù)更優(yōu)先運輸衣物，這是因為改進前的模型不考慮延遲滿足帶來的損失挽回量，而由于衣服的需求量和車輛裝載量最大，優(yōu)先安排更多的車輛運輸衣服可以減少整個運輸物資未滿足帶來的損失量。但我們知道，在發(fā)生自然災害的情況下，每種物資的需求量和重要性不一定匹配，也就是說需求量大的物資并不一定重要性就更大，比如藥品。所以，模型未改進的實驗結(jié)果與實際情況是有出入和偏差的，對于實際應用價值不大。6.2與隨機搜索算法的比較分析隨機搜索算法是指在目標位置基本服從均勻分布的條件下，搜索軌跡隨機且均勻散布在目標分布區(qū)域內(nèi)，經(jīng)過多次循環(huán)和迭代后在約束可行域內(nèi)求解的一種搜索方法[10]。本文用前面的算例，算法參數(shù)按照上文最初的參數(shù)配置進行實驗，對隨機搜索算法和基本粒子群算法的求解結(jié)果進行比?

洌?也就是說需求量大的物資并不一定重要性就更大，比如藥品。所以，模型未改進的實驗結(jié)果與實際情況是有出入和偏差的，對于實際應用價值不大。6.2與隨機搜索算法的比較分析隨機搜索算法是指在目標位置基本服從均勻分布的條件下，搜索軌跡隨機且均勻散布在目標分布區(qū)域內(nèi)，經(jīng)過多次循環(huán)和迭代后在約束可行域內(nèi)求解的一種搜索方法[10]。本文用前面的算例，算法參數(shù)按照上文最初的參數(shù)配置進行實驗，對隨機搜索算法和基本粒子群算法的求解結(jié)果進行比較分析，得出的實驗結(jié)果見表10，與隨機搜索算法的比較趨勢圖如圖3所示。表10與隨機搜索算法的結(jié)果比較算法適應值Z運算時間（ms）隨機搜索算法8623.4930641基本PSO算法4482.9635484圖3與隨機搜索算法的趨勢圖比較從實驗數(shù)據(jù)和趨勢圖可以看出，在一定的條件下通過隨機搜索算法求得的結(jié)果遠差于我們采用的基本PSO算法，而在運算時間上沒有太大的差別。隨著循環(huán)迭代次數(shù)的不斷增加，隨機搜索得出的結(jié)果可能會更好，但是耗費的時間也將會不斷增加，而且還不能保證可以得到較理想的結(jié)果。隨機搜索算法盡管簡單易行，但是由于其效率12000Fitness400012000Fitness4000改進前改進后改進前改進前InterationInteration隨即搜索基本PSO--94

【參考文獻】：
期刊論文
[1]應急物流中心選址與配送路徑優(yōu)化研究[J]. 姚紅云,牛凱.  物流科技. 2019(03)
[2]大數(shù)據(jù)背景下臺風災害應急物流車輛調(diào)度優(yōu)化仿真[J]. 陳湉,林勇.  災害學. 2019(01)
[3]互聯(lián)網(wǎng)+時代應急物流行業(yè)發(fā)展模式探析[J]. 錢婧,陳兆波.  物流工程與管理. 2018(12)
[4]基于實時交通信息的災后應急物流多源配送優(yōu)化問題[J]. 胡忠君,劉艷秋,李佳.  工業(yè)工程. 2018(01)
[5]應急物流系統(tǒng)LRP的雙層規(guī)劃模型及算法[J]. 樓振凱.  中國管理科學. 2017(11)
[6]窮舉法與粒子群算法的比較[J]. 王得燕.  無錫職業(yè)技術(shù)學院學報. 2008(01)
[7]大規(guī)模應急救援物資運輸模型的構(gòu)建與求解[J]. 繆成,許維勝,吳啟迪.  系統(tǒng)工程. 2006(11)
[8]隨機搜索與最優(yōu)搜索[J]. 李長明.  軍事運籌與系統(tǒng)工程. 2001(02)



本文編號：2973057