基于遗传算法的电力物资物流配送任务调度优化方法

摘 要：为提升配送效果，提出基于遗传算法的电力物资物流配送任务调度优化方法。根据当前的调度需求，先进行配送优先级测算，采用多阶的方式，简化实际的序列的执行环节，设定多阶物资物流配送调度优化初始序列，设计构建遗传算法电力物资物流配送任务调度优化模型，采用交叉核验的方式来实现调度优化处理。测试结果表明：调度时间优化比在0.55以上，调度优化效果明显，收敛速度快。

关键词：遗传算法 电力物资 物流配送 任务调度 优化方法 调度转换

中图分类号：TP301.6

Scheduling Optimization Methods for the Logistics Distribution Tasks of Electric Power Materials Based on the Genetic Algorithm

LIU Lijun ZHANG Libo Taiyuan Electric Power Supply Company， State Grid Shanxi Electric Power Company， Taiyuan， Shanxi Province， 030001 China

Abstract： In order to improve the distribution effect， a scheduling optimization method for the logistics distribution task of electric power materials based on the genetic algorithm is proposed. Based on current scheduling requirements， this paper first calculates the distribution priority， adopts a multi-stage approach to simplify the actual execution process of the sequence， sets the initial sequence of the scheduling optimization of the multi-stage logistics distribution of materials， designs and constructs a scheduling optimization model for the logistics distribution task of electric power materials based on the genetic algorithm， and uses the cross validation method to achieve scheduling optimization processing. Test results show that when the optimization ratio of scheduling time is above 0.55， the scheduling optimization effect is significant， and the convergence speed is fast.

Key Words： Genetic algorithm; Electric power material; Logistics distribution; Task scheduling; Optimization method; Scheduling conversion

电力物资的物流配送是影响电力工作日常执行处理的关键，人们对电网需求的提升，也对物资的快速、准确配送提出了更高的要求[1]。当前物流配送自身具有较强的稳定性与高效性，但是面对日常增长的电力应用需求，在部分环节无法满足预设的标准，因此还需要对其进行整体的任务调度模式做出多维优化处理[2]。本次提出对基于遗传算法的电力物资物流配送任务调度优化方法的设计与验证分析。

1 电力物资物流配送任务调度优化

1.1 配送优先级测算

配送优先级是指针对实际的调度需求，结合电力配送中心实际物资的存储量，进行动态化整合调度的处理环节[3]。需构建拓扑结构并导入调度机制，根据特性测定限值距离，如公式（1）所示：

公式（1）中：表示路径调度的限值距离，表示拓扑差，表示配送可控误差，表示可调度转置点，表示优先位置。根据当前测定，将限值距离设为调度约束标准，确保稳定平衡。对节点和线路进行归一化处理，设置物资为应急优先级因子。根据实时变化，按降序排列节点和线路优先级因子。在限值距离内，计算配送调度的优先值，如公式（2）所示：

公式（2）中：表示配送调度优先值；表示覆盖配送范围；表示电力标定区域；表示调度频次；表示线路最大值。结合当前测定，将得出的配送调度优先值转换为对应的优先调度标准，为后续的调度提供参考依据。

1.2 多阶物资物流配送调度优化初始序列设定

采用多阶调度结构，设计更灵活的配送模式。根据不同需求，将调度序列分为多个阶段，实现多阶物资物流配送调度优化初始序列流程的设定，如图1所示。

在所设计的序列中还需要增设对应的解候集。利用随机游走算法设定当前的调度步长为13.25 m，阈值为5.4，计算当前序列的配送调度匹配度[4]，如公式（3）所示：

公式（3）中：表示配送调度匹配度；表示调度可控范围；和分别表示基础迭代次数和实际迭代次数；表示目标函数；表示转换比。实现对配送调度匹配度的测算，判断配送调度实际情况，获取对应的数据和信息。

1.3 基于遗传算法的任务调度优化模型

将多阶序列导入初始的模型中，通过遗传算法，构建电力物资物流配送任务调度优化模型。对物资供应商、转置点和接收点三方进行需求分析，如图2所示。

每个调度任务形成对应的线路，可结合需求调整，增加模型灵活性和稳定性。结合遗传算法，先测定初始距离，根据物资储量变化[5]，设计调度优化结构，如图3所示。

利用设计的调度序列，以配送中心作为核心控制点，按照要求对各个点位的配送任务进行灵活调度，模型调度最优解计算公式如下：

公式（4）中：表示模型调度最优解；表示转换差；表示调度频次；表示优化距离；表示遗传调度可控标准。

1.4 交叉核验实现调度优化处理

交叉核验是针对调度优化模型输出结果的一种辅助测试与比对方法，设计交叉核验的顺序，如图4所示。

按照当前方式，使用模型核定同一任务，调整节点交叉，在各区域测定最优路径。选择距离短、用时少的调度方案，确保可行后实现优化，达到预期效果。交叉核验标准动态化，可调整以完善调度机制，强化结果。

2 方法测试

2.1 测试准备

利用专业的设备及节点将当前的配送区域范围之内的路段进行扫描，并对重要物资物流的配送位置进行标定，具体如图5所示。

明确当前的配送起始点和最终点，设置转运速率为0.5h/t，配送调度的风险权重控制在0.6～0.9之间。设定配送中心的物资预置点与电力物资储存量，如下表1所示。

将预置点设定为动态形式，根据电力物资物流的配送需求，构建循环性的配送测试条件，完成最终环境的设置。

2.2 测试过程及结果分析

依据上述设定的测试环境，结合遗传算法，对A电力物资物流配送中心配送任务调度优化进行具体的测定与验证分析。首先，结合GM模型，先对当前标定的3个点位进行描述，并预测周期之内各个物资预置点的物资量。随后，使用Matlab软件测定出基础的物资配送路径，与此同时，测定出当前所耗费的初始配送调度时间，如公式（5）所示：

公式（5）中：表示初始配送调度时间；表示配送预设范围；表示单元物资量；表示定向配送频次；表示重复配送区域。结合当前测定，实现对初始配送调度时间的测算。将其作为后续配送调度的比对标准。接下来，通过遗传算法，调整实际的转置点，形成动态化的调度配结构，随之针对各个物流配送中心电力物资的剩余存储量，对实际的配送调度路径进行二次优化。具体如图（6）所示。

结合图6，实现对物资物流配送调度路径的二次优化。以此为基础，利用Matlab编程求解计算出物资输送路径，在物资预置点、配送中心和物资供应商之间建立对应的坐标，在运输的过程中，主控系统会随机增设阻碍机制，测定所设计方法的针对性与应变灵活度。按照箭头的方向进行配送调度，确定物资配送到预设的位置之后，最后回到各自出发点，进而完成设定的电力物资调度任务。此时，针对物资配送仓库所对应的3个测试调度配送，在遗传算法的辅助下，测定优化之后的配送调度时间，最终计算出配送调度时间优化比率，如公式（6）所示：

公式（6）中：表示配送调度时间优化比率；表示坐标移位差；表示输送物资标准量；表示转置次数；表示调度频次。结合当前测定，实现对测试结果的比对分析，如表2所示。

结合表2，得出以下测试结论：针对选定的3个配送点，分析初始配送调度时间和实测配送调度时间，最终得出的调度时间优化比均可以达到0.55以上，说明在遗传算法的辅助下，设计的电力物资物流配送任务调度优化效果更为明显，收敛速度快。在多目标约束条件下规划电力物资输送路径，有效提升电网的整体安全性。

3 结语

对基于遗传算法的电力物资物流配送任务调度优化方法的设计与分析验证。在进行电力物资物流配送调度处理的过程中，结合遗产算法自身的原则和特点，弥补初始调度方法存在的不足，以此来不断增加任务调度模式的全局搜索能力强以及鲁棒性等优点，更好地适应复杂多变的配送环境，快速找到最优解。在推动电力行业发展与完善的同时，也为其他行业的物流配送任务调度提供借鉴和参考。

参考文献

[1]董威雄.电网企业物资配送管理研究[J].中国储运，2023（10）：186.

[2]袁洁.电力物资智能化管理及配送体系运用研究[J].中国物流与采购，2023（18）：84-85.

[3]洪帮.现代物流理论在电力物资智能化管理及配送体系中的运用[J].中国物流与采购，2023（18）：95-96.

[4]杨小琴，朱玉全.改进麻雀搜索算法求解物流配送中心选址问题[J].计算机工程与设计，2023，44（5）：1441-1450.

[5]杨建哲.中国式现代化公共体育服务凭单制供给的实践研究[J].当代体育科技，2023，13（17）：106-109.