久久精品天天爽夜夜爽,欧美日韩一区二区综合,亚洲欧美偷拍另类,亚洲视频在线一区

歡迎來到學術參考網

成品油物流優(yōu)化研究及實現

發(fā)布時間:2015-06-27 14:06

  摘 要:隨著國家經濟的飛速發(fā)展,成品油市場長期保持高速增長。在成品油銷售過程中,成品油物流凸現了它的重要性。由于物流過程是一個非常復雜、因素多變的過程,基于成熟的信息化技術進行管理并且對物流過程進行優(yōu)化,是國內外非常熱門的研究方向。 關鍵詞:遺傳算法;成品油;物流優(yōu)化;線性尺度變換

  1.成品油物流業(yè)務介紹和分析

  1.1 成品油物流業(yè)務與實現技術分析

  成品油是通過采油、煉油、銷售后到達最終消費市場。通常會通過以下六個環(huán)節(jié)來完成成品油生產至銷售過程。

  首先,成品油由煉廠生產,并由煉廠運輸至發(fā)站(港)。

  第二,通過鐵路、水路、公路或管道方式將成品油由發(fā)站運輸至到站,稱為一次物流。

  第三,由到站將成品油運輸至油庫。。

  第四,油庫儲存成品油。

  第五,由油庫將成品油通過鐵路、公路、水路及管道等方式運輸至加油站或批發(fā)客戶。也稱為二次物流。

  第六,加油站將成品油銷售至最終客戶。

成品油物流優(yōu)化研究及實現

  1.2 物流對象和模型

  物流模型對于物流優(yōu)化算法至關重要,通過對物流過程的分析總結,可以將成品油的物流節(jié)點分成供應、倉儲、需求三個類型,物流路徑分為兩個部分。

  1.3 物流優(yōu)化分析和優(yōu)化目標

  物流優(yōu)化的目標是實現利潤最大化,主要的物流指標將體現在以下幾點:

  A. 總利潤:即整個運輸方案產生的總毛利潤,按照目前銷售價格計算的銷售金額減去一二次物流運費、倉儲費以及按照目前供應價格計算的購貨金額得出的總毛利潤。

  B. 供應分配比例:即供應計劃完成的比例。

  C. 需求滿足比:即加油站或客戶的需求量滿足的比例。

  2.優(yōu)化算法選擇和介紹

  物流優(yōu)化算法是為了計算出從供應點到需求點的最大利潤。

  首先考慮遍歷所有路徑情況:假設有S為供應點個數,M為倉儲點個數,D為需求點個數,I為油品數量,max為方案數量,如果將所有路徑遍歷,則

  在實際的業(yè)務中,約有20個供應點,150個倉儲點,1700個需求點,即S ≈ 20, M ≈ 150, D ≈ 1700,I = 4,如果采用貪心算法遍歷所有運輸方案,計算量將是一個天文數字:  3.算法實現

  3.1 初始化群體

  根據算法原型的模擬運算,我們發(fā)現在采用隨機生成的個體在后續(xù)的進化中很難收斂,除非使用非常高的進化代數,但是進化代數的和運算時間成正比,在實際業(yè)務中是不能接受的,而且個體也還沒有出現明顯的收斂趨勢。為了解決這個問題,我們通過研究多種遺傳算法和討論該問題的出現原因后,決定采用先按照優(yōu)先滿足原則生成一個具有一定可行性的個體,將該個體復制成多個個體形成種群,然后在后續(xù)的進化過程中,各個個體分別進化,然后收斂到一個合適的值,

  3.2 適應度計算

  適應度函數是對個體進行度量的函數,根據業(yè)務中對毛利潤的要求,物流優(yōu)化的適應度函數如下:

  利潤 =(銷售價格-購進價格-運費-倉儲費)×數量

  其中運費為一次運費和二次運費之和。

  在業(yè)務還必須引入兩個指標:供應分配率和需求滿足率:供應分配率是指供應量在優(yōu)化結果中被安排運輸的比例,需求滿足率是指需求量在優(yōu)化過程中被安排運輸的比例。將這兩個比例作為線性參數對上述公式計算出的適應度值進行處理,產生的新值作為適應度值。

  3.3 遺傳算子

  3.3.1 選擇

  選擇的過程是將尺度變換后的適應度值進行比較,按照適應度值大小決定被選擇的概率,將選擇出的個體兩兩進行交換,產生新的個體,形成新的種群。分下面幾步進行:

  ⑴.選擇出適應度值最高的個體,不參與交換運算;

  ⑵.將其他個體按照適應度值生成賭盤表,賭盤表由輪盤賭算法生成;

  ⑶.在0~1之間產生兩個隨機數;

  ⑷.按照⑶產生的隨機數在賭盤表中找出對應的兩個個體進行交換生成新的個體;

  ⑸.重復⑶、⑷步直至生成足夠的新個體(種群規(guī)模-1個)。

  在選擇算子中,采用的了輪盤賭的概率選擇方法。輪盤賭是將一組數據按照大小建立一個0~1的之間的賭盤表,賭盤表的每個間隔和每個數據相對應,間隔的大小和數據值有關,當產生一個隨機數后,將隨機數對應在賭盤表上某一間隔上,就可以選擇出相應數據。輪盤賭的原理很簡單,就是由每個數據在全部數據中的比例組成,值越大的數據,被隨機選擇的概率越大。

  3.3.2 交換

  交換過程是將兩個個體按照交換概率和交換長度將基因進行交換。其中交換概率pc和交換長度pc_len均作為算法參數進行設定。

  交換過程分下面幾步進行:

  ⑴.產生一個0~1的隨機數,并且和交換概率pc進行比較,如果小于pc,則進行基因交換,否則,以適應度值大的個體作為新的個體。

  ⑵.確定交換起始點。由于每個個體都是由D_NUM個運輸組成,所以交換起始點是在0~D_NUM間取一隨機整數作為交換起始點;

  ⑶.根據交換長度pc_len,將交換起始點后的pc_len個基因(運輸路徑)進行互換;

  ⑷.計算互換后兩個個體的適應度值,將適應度值大的個體作為交換生成的新個體。

  3.3.3 變異

  變異過程是將個體的基因進行突變以增加物種多樣性。基本遺傳算法的基因編碼是按照BIT進行編碼的,變異時將需要變異的位進行取反操作即可。

  由于本文隨研究的應用原因,如果按照位進行編碼,有可能出現無效供應點、倉儲點等數據,所以在開始的基因的編碼階段,本文采用了結構的方式來編碼基因。

  變異的過程由變異概率控制,變異概率同樣也是遺傳算法的參數之一。

  參考文獻:

  [1]Androulakis I P, Venkatasubramanlan V. A genetic algorithm framework for process design and optimization[J]. Computer Chem Engng, 1991,15(4):217~228.

  [2]Ankenbrande C A. An extensive to the theory of convergence and a proof of the time complexity of genetic algorithms. In Foundations of Genetic Algorithms[C], San Mateo, Morgan Kaufmann. 1991:53~68.

  [3]褚蕾蕾,陳綏陽,周夢,計算智能的數學基礎[M],科學出版社,2002.

上一篇:產業(yè)進入時機研究的問題和策略分析

下一篇:城管行為失范的行動邏輯及其規(guī)制的幾個策略