技术特征：
1.面向大规模批量轮换任务的电能表物流调度方法，其特征在于，包括：采集运输总时间、配送费用、惩罚成本和车辆空载率数据建立大规模批量轮换任务的电能表物流调度模型；通过立方混沌映射构造具有高遍历性的映射初始配送种群，并设定参数；通过基本蜜獾优化算法计算每种配送方案的适应度值并将最小的适应度值作为最优适应度值；根据所述最优适应度值计算种群中每个个体的气味强度得到随机数，并更新新型配送方案；判断算法迭代是否陷入停滞。2.如权利要求1所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：所述大规模批量轮换任务的电能表物流调度模型包括，目标函数为：其中，∑
a＝1
、∑
i＝1
、∑
j＝1
、∑
k＝1
分别为运输总时间、配送费用、惩罚成本和车辆空载率，为型号为m的第a辆车在运送过程中的总运输费用、为车辆am的运输总时间，为车辆的总休息时间，c
am
为惩罚成本，w
am
为车辆空载率；目标函数计算过程中还需满足全部约束条件。3.如权利要求2所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：所述约束条件包括车辆发货点始发约束、车辆装载限制约束、最大日出库约束、准运证时间约束以及每个车型数量约束。4.如权利要求1所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：通过立方混沌映射构造具有高遍历性的映射初始配送种群，并设定参数包括立方混沌映射的公式如下所示：c(o+1)＝4c(o)
3-3y(o)-1<c(0)<1，c(o)≠0o＝0，1，2，...其中，c为混沌变量，设定初始蜜獾种群由nop个d维个体组成，即可初始化nop个可行配送种群；生成[-1，1]之间的随机数rand作为每个种群个体中的第一维度的位置；通过迭代的方法生成种群个体中每一维度的后续d-1个个体，并将立方映射产生的变量值映射到蜜獾种群个体中，具体公式如下：x
c
＝x
initial
(c+1)/2其中，x
c
为映射初始配送种群，x
initial
为初始化维度为d的可行调度配送种群且由由立方混沌映射随机生成，t为当前迭代次数，t
max
为最大迭代次数；其中，设定参数包括设定搜索空间的上限up，下限down，更新密度因子α，自适应惯性因子w，当前迭代次数t，最大迭代次数t。5.如权利要求1所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：
根据所述最优适应度值计算种群中每个个体的气味强度得到随机数，并更新新型配送方案包括，基本蜜獾算法在更新的过程中，通过挖掘阶段与采蜜阶段两个阶段进行算法的迭代更新；在挖掘阶段中，基本蜜獾算法进行全局搜索，具体公式如下：x
new
＝x
prey
+f
·
β
·
i
·
x
prey
+f
·
r1·
α
·
d
i
·
cos(2πr2)[1-cos(2πr3)]其中，x
new
为蜜獾个体的新位置，x
prey
为当前全局最有位置；β为蜜獾个体获取食物的能力，r1、r2、r3和r4为[0，1]间不相等的随机数，f为改变蜜獾搜索方向参数标志，i为猎物的气味强度；若气味强度越高，则蜜獾的搜索速度越快；若气味强度越低，则蜜獾的搜索速度越慢；在采蜜阶段中，基本蜜獾算法进行局部搜索，具体公式如下：x
new
＝x
prey
+fgrand
·
α
·
d
i
其中，rand为[0，1]之间的随机数，f，α，d
i
分别由挖掘优化阶段的公式进行求解得出。6.如权利要求1所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：判断算法迭代是否陷入停滞包括，若算法陷入停滞阶段，则通过精英策略进行局部范围扰动更新；首先将订单种群按适应度值排序，根据当前平均适应度函数值分别划分为优势种群与劣势种群，将优势订单群按照精英策略进行局部范围扰动更新，将劣势订单种群按照随机扰动的方式进行更新，具体公式如下：其中，为下一代的蜜獾位置，为当前最优的蜜獾个体位置，ε为服从0-1的正态分布，为当代种群个体位置，为当前种群中任意蜜獾个体位置，f
average
为当前平均适应度函数值，f
i
为当代个体适应度函数值。若未停滞阶段，则根据贪婪策略选取父代订单调度种群和新生成的调度订单种群种选取优势的调度方案，构成新型配送种群；其中，生成新型配送种群时检查是否满足迭代条件。7.如权利要求6所述的面向大规模批量轮换任务的电能表物流调度方法，其特征在于：生成新型配送种群时检查是否满足迭代条件包括，若t≤t
max
，则重复生成新型配送种群；若t＞t
max
，则输出最优订单调度方案。8.面向大规模批量轮换任务的电能表物流调度系统，包括，模型搭建模块，用于建立大规模批量轮换任务的电能表物流调度模型；计算模块，用于通过基本蜜獾优化算法计算每种配送方案的适应度值并将最小的适应度值作为最优适应度值，以及根据所述最优适应度值计算种群中每个个体的气味强度得到随机数，并更新新型配送方案；输出模块，用于判断算法迭代是否陷入停滞。
9.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述面向大规模批量轮换任务的电能表物流调度方法的步骤。10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述面向大规模批量轮换任务的电能表物流调度方法的步骤。
技术总结
本发明公开了面向大规模批量轮换任务的电能表物流调度方法及系统，包括：建立大规模批量轮换任务的电能表物流调度模型；通过立方混沌映射构造具有高遍历性的映射初始配送种群，并设定参数；通过基本蜜獾优化算法计算每种配送方案的适应度值并将最小的适应度值作为最优适应度值；根据所述最优适应度值计算种群中每个个体的气味强度得到随机数，并更新新型配送方案；判断算法迭代是否陷入停滞。本发明收敛速度快、精度高且稳定性强，可有效提高大规模批量轮换任务的的电能表物流调度配送效率，并降低运输成本；此外目标函数清晰，决策变量及约束条件符合实际情况，可有效提高物流运输的经济收益与效率，同时实现大规模批量轮换物流调度的合理配送。换物流调度的合理配送。换物流调度的合理配送。
技术研发人员：杨晓华 杨子阳 何兆磊 卢云飞 李家浩 茶建华 任建宇 杨茗 杨昊 刘兴龙 张益鸣 艾渊 孙立元
受保护的技术使用者：云南电网有限责任公司
技术研发日：2022.10.28
技术公布日：2023/1/6