一种新型物流调度算法的优化研究

裴志松

(长春工业大学人文信息学院,长春130122)

物流调度对于物流企业来说,是最重要的一个环节。早期物流企业,因为起步早,经验匮乏,企业规模较小等原因,物流调度成本在企业运营成本中居高不下,这不但阻碍了企业的发展,也容易造成客户满意度的降低[1]。所以,现代物流企业,应该能够根据每个客户的要求,及时准确地制定出相应的调度方案,不但可以提高工作效率,也能增加物流的吞吐率,最终降低企业的运营成本,因此,应该制定一种大规模的物流调度服务流程,规范企业操作,以达到适应现代社会的需要。基于这种情况,本文提出一种新型物流调度算法,将现代物流技术与信息技术相结合,提出一种新型物流调度算法,希望通过先进的物流管理理念,加上高效的程序算法,在网络上合理配置资源,以提升企业运行效率,降低成本。为了验证本文算法的可行性,通过模拟环境的数据对比,给出了解决方案,在实际应用中,可以取得理想的效果。

1 基于动态粒子群的大规模定制物流调度算法

粒子群体在N维空间中飞行,在群体飞向最优位置的过程中,可以对速度和位置进行更新,比如第i个微粒个体的所处位置为si=(si1,si2,...,siD),每个个体的飞行速度为ti=(ti1,ti2,...,tiD),个体经历过的位置可定义为vi=(vi1,vi2,...,viD),其中i=1,2,...,k。通过计算,可以发现群体微粒经过的最优位置可以表示为Pg=(pg1,pg2,...,pgD)。所以可以有公式:

式中:w——惯性权重,表明粒子的运动速度与历史信息的比较;

c1、c2——加速系数,一般均为正值;

r1、r2——[0,1]之间的随机数。

速度公式(2)的第2项表明每个粒子群中个体的认知能力;第3项表明全体认知能力补充。基于式(1)、式(2)的微粒群算法称作基本微粒群算法,也就是传统的粒子群算法。[2]

但是,传统粒子群算法虽然应用比较广泛,但是也存在一些问题,比较典型的就是收敛速度慢并且容易陷入局部最优化等缺陷。因此,笔者对该算法进行了一定的改善,以求能够满足物流调度的实际应用。

根据本文算法,粒子首先会在一个群体中进行全局的目标搜索,当一定代数内适应值的变化小于阈值时,微粒群就会出现搜索停滞,而且粒子群体被分为2个子群。当粒子在分群时,会按照个体不同的适应值进行动态分配:首先选择一个中间适应值,如果高于这个适应值,将被分到第1个子群,其余的将分配到第2个子群,按上述分配原则,可以将所有的粒子分配到各个子群。[3]这种分群方法,可以更好地体现不同个体在分配时候的动态分配性,并且可以保证在后续的搜索中提高搜索效率。基于分群的结果,本算法通过不断进行分群迭代操作,把各个子群进行动态混合优化,并寻找优化目标,直到找到优化目标位置,优化过程基本经过3～4轮就可以达到满意的结果,可以保证优化的效率。所以,经过优化的公式,可以表示为如式(3)和式(4)。

式中:i——i=1,…,m,为每个子群的粒子数;

j——j=1,2,为子群的数量;

pg,j(t)——第j个子群进化到t代的全局最优位置;

vi,j(t)——第j个子群中粒子的飞行速度;

pi,j(t)——第j个子群进化到t代所求的最优位置;

c3、c4— —加速系数;

r3、r4——[0,1]之间的随机数。

2 实验结果与分析

为了验证算法的有效性。根据物流企业的实际情况,设计了如下的实验用例:在一个时间点上,某个物流公司在时域内同时有5个物流任务并发执行,并且每个任务有7个网络节点存在分工合作的问题。主要数据如表1和表2所示。T1～T5是用来表示控制协调中时间和成本的比重,物流企业可以根据不同的供货商,进行定制的物流需求,并且能够对w1,w2进行动态调整。

表1 5个物流任务的时间参数

表2 5个物流任务的成本参数

利用本算法,可以对该物流任务进行优化,结果 如表3所示。

表3 本算法的调度结果

从表3可以看出,通过本算法,的确可以有效地 解决大规模物流企业自身定制物流调度问题,并且具有一定的规律性。

3 结语

大型物流企业在现代生活中,已经达到了举足轻重的地步,设置涉及到了社会稳定的因素。要加强物流企业自身的运营能力,主要是要有一个适合自身的物流调度程序,通过现代物流技术与计算机技术相结合,为物流企业定制了一款大规模物流调度算法,并且进行了数据验证,可以在理论上对物流企业有一个借鉴的作用,具有一定的推广价值。

[1]吴慧聪.基于大规模定制的物流研究[J].物流工程与管理,2010,32(5):37-39.

[2]纪震,廖惠连,吴青华.粒子群算法及应用[M].北京:科学出版社,2009:46.

[3]张潜.物流配送路径优化调度建模与实务[M].北京:中国物资出版社,2006:17-18.