一种基于非支配排序遗传算法的资源调度排序方法与流程

1.本发明属于物资调度领域，特别涉及一种基于非支配排序遗传算法的资源调度排序方法。


背景技术：

2.当代随着经济不断发展，社会闲杂运力资源不断补充。越来越多的企业在生产销售过程需要临时的额外运力进行运输调度。而不同属性的商品对于运输过程的时间成本和经济成本的要求有所不同。
3.现有的成果基本都是基于运力资源供给方进行调度优化，然而，对于需求方来说，不同的服务需求所面临的选择也需要存在多样性和选择性。因此，如果能对社会闲散运力进行有效的统筹安排，并通过优化调度算法规划出多样的调度方案进行排序并提供给客户进行个性化的选择，将大大提高社会闲散运力参与应急资源调度的效率的同时，减轻客户时间、经济成本，减缓应急储备运力的运输压力。
4.公开号为cn108133403a的专利发明了一种基于互联网的政府应急采购社会资源的方法和系统；该方法可以根据政府确认的采购目标和拥有者的资源状况进行匹配从而生成采购方案。但是这一发明仅仅考虑了供给方的资源状况，并未考虑需求方的多样化需求。
5.公开号为cn105069518b的专利提供了一种基于可变长基因遗传算法的物资调度方法及系统，通过在遗传算法中引入可变长基因，能够在求得相同精度解得情况下减少计算量缩短计算时间。但是这一系统和方法并未从需求方角度出发提供不同的策略排序来进行时间和经济成本比较。


技术实现要素：

6.为了克服上述现有技术的缺点，本发明的目的在于提供一种能够为用户提供多种策略并进行排序，让用户根据自身需求来进行策略选择的基于非支配排序遗传算法的资源调度排序方法。
7.为达到上述目的，本发明采用的技术方案为：
8.1)采集车辆调度参数信息既包括需求节点信息、供应节点信息、车辆信息、需求节点与供应节点的连接信息、资源信息、需求节点资源信息以及供应节点资源信息；
9.2)根据用户需要对运输所需时长和所需费用建立模糊优化目标窗函数；
10.3)通过非支配排序遗传算法得到满足客户需求的对应调度策略排序提供给客户选择。
11.所述步骤1)的需求节点信息形如：n＝{n1，n2，n3，...，ni，...，np}，ni为第i个需求节点的空间二维坐标，p为需求节点个数；
12.供应节点信息形如：ms＝{ms1，ms2，ms3，...，msj，...，msb}，msj为第j个供应节点的空间二维坐标，b为供应节点个数；
13.车辆信息形如：v＝{v1，v2，v3，...，vk，...，va}，vk为第k个车辆，a为车辆数量，a
为正整数；
14.需求节点与供应节点间的连接信息形如：cs＝{{n1，ms1}，{n1，ms2}，{n1，ms3}...{n1，msb}；其中，{ni，msj}表示需求节点ni与供应节点msj之间的连接关系，i＝1，2，...，p，j＝1，2，...，b，i、j为正整数；
15.资源信息：g＝{g1，g2，g3，...，gf，...，gd}，gf为第f个资源类型，d为资源类型数量，d为正整数；
16.需求节点ni对应的资源信息形如：gni＝{{g1，x1}，{g2，x2}，{g3，x3}，...，{gii，xii}，...，{gdt，xt}}，其中xii为资源数量，ii＝1，2，...，t，ii为正整数；
17.供应节点msj对应的资源信息形如：[0053]gmsj＝{{g1，y1}，{g2，y2}，{g3，y3}，...，{gjj，yjj}，...，{gt，yt}}，其中yjj为资源数量，jj＝1，2，...t，jj为正整数。
[0018]
所述步骤2)模糊优化目标窗函数的建立考虑多优化目标，优化目标为运输时长满意度和所需费用满意度，包括以下步骤：
[0019]
1)以车辆调度所需总时间为优化目标进行深层次分解，设需求方i的第z类供给方梯形时间窗口为客户满意度数学描述如下：
[0020][0021]
其中为最小配送时间，为客户等待上限时间，为客户满意度上升、下降阈值；这些参数均通过用户画像或者调研分析得到，μ
iz
(x)表示需求方i的第z类供给方的时间满意模糊隶属度，表示如下：
[0022][0023]
2)以车辆调度所需总经济成本为优化目标进行深层次分解，设需求方i的第z类供给方梯形经济预算窗口为客户满意度数学描述如下：
[0024][0025]
其中为运输最小成本，代表客户最大接受报价，通过用户画像或者调研分析得到，θ
iz
(x)表示需求方i的第z类供给方的经济满意模糊隶属度，表示如下：
[0026][0027]
3)用户根据自身需求和商品属性选取满意度滑动窗函数，表示如下：
[0028]
fs(x)＝k
×
maxf
1sum
+(1-k)
×
maxf
2sum
[0029]
其中k通过用户设定选取，取值范围：[0,1]。
[0030]
所述步骤3)客户通过满意度滑窗函数选择各参照标准占取比重。
[0031]
本发明首先对运力资源调度信息进行采集；接着从需求方的角度出发，分别以时间满意度和价格满意度两个方面建立了优化目标并对目标进行深层次分解；最后通过nsga—ii排序算法对种群个体编码解码获得对应的策略排序并提供给客户选择。本发明可以为用户提供多种策略并进行排序，让用户根据自身需求来进行策略选择。
附图说明
[0032]
图1是本发明网络建模示意图；
[0033]
图2是本发明算法流程图；
[0034]
图3是本发明实施例的流程图。
具体实施方式
[0035]
本发明的具体实施例步骤如下：参见图1，其中，需求节点信息形如：n＝{d1，d2，d3，...，di，...，dp}，n为需求节点的空间二维坐标集合，p为需求节点个数；供应节点信息形如：ms＝{s1，s2，s3，...，sj，...，sq}，q为供应点个数；ms为供应节点的空间二维坐标集合；w＝{w
11
，w
12
，w
13
，...，w
pq
}，w为道路运输经济成本信息和时间信息集合。
[0036]
(1)采集车辆调度参数信息，车辆调度参数信息包括需求节点信息、供应节点信息、车辆信息、需求节点与供应节点的连接信息、资源信息、需求节点资源信息以及供应节点资源信息。
[0037]
其中，需求节点信息形如：n＝{d1，d2，d3，...，di，...，dp}，di为第i个需求节点的空间二维坐标，p为需求节点个数；供应节点信息形如：ms＝{s1，s2，s3，...，sj，...，sq}，q为供应点个数；sj为第j个供应节点的空间二维坐标；车辆信息形如：v＝{v1，v2，v3，...，vk，...，va}，vk为第k个车辆，a为车辆数量，a为正整数；需求节点与供应节点间的连接信息形如：cs＝{{d1，s1}，{d1，s2}，{d1，s3}...{d1，sq}；其中，{si，dj}表示需求节点si与供应节点dj之间的连接关系，i＝1，2，...，p，j＝1，2，...，q，i、j为正整数；资源信息：g＝{g1，g2，g3，...，gf，...，gd}，gf为第f个资源类型，t为资源类型数量，t为正整数；需求节点ni对应的资源信息形如：gni＝{{g1，x1}，{g2，x2}，{g3，x3}，...，{gii，xii}，...，{gdt，xt}}，其中xii为资源数量，ii＝1，2，...，t，ii为正整数；供应节点msj对应的资源信息形如：[0053]gmsj＝{{g1，y1}，{g2，y2}，{g3，y3}，...，{gjj，yjj}，...，{gt，yt}}，其中yjj为资源数量，jj＝1，2，...t，jj为正整数。
[0038]
(2)用户根据自身需求设置滑动满意窗函数：
[0039]
fs(x)＝k
×
maxf
1sum
+(1-k)
×
maxf
2sum
[0040]
其中:k由用户自己选择，取值范围：[0,1]。
[0041][0042][0043][0044][0045]
(3)利用非支配排序遗传算法进行求解排序：
[0046]
算法流程框图如图2所示：
[0047]
nsga—ii算法步骤描述为：
[0048]
步骤1设置进化代数计数器t＝1，随机产生含m个个体的初始种群po(t)；
[0049]
步骤2按照约束条件对染色体进行解码；
[0050]
步骤3计算每个个体相应的分目标函数值f
ij
(i＝1，2，
…
，m，j＝1，2，
…
，g)，g为目标个数；
[0051]
步骤4判断等级分类与拥挤距离计算是否完成，如完成则转到步骤7，如未完成则转到步骤5；
[0052]
步骤5快速非支配排序.根据目标函数值进行非劣分层，将当前种群中所有非劣解个体划分为同一等级，令其等级为1；然后将这些个体从种群中移出，在剩余个体中找出新的非劣解，令其等级为2；重复上述过程，直至种群中所有个体都被设定相应的等级；
53.步骤6计算同一非劣等级内个体的拥挤密度；
[0054]
步骤7锦标赛选择.随机选择两个个体，首先比较非劣前沿等级，如果非劣等级不同，则取等级级数较小的个体，如果是在同一等级的个体，则再比较其拥挤密度，取密度较小的个体，形成种群pop1(t)；
[0055]
步骤8采用自适应交叉、变异操作，生成群体q；
[0056]
1)采用自适应单点交叉算子对种群pop1(t)进行交叉操作，得种群pop2(t)；
[0057]
2)采用自适应均匀变异算子对种群pop2(t)进行变异操作，得到种群q；
[0058]
步骤9合并p
t
和q构成新群体r；
[0059]
步骤10计算新种群中，各个个体对应分目标的函数值；
[0060]
步骤11采用步骤5相同的方法，对新种群进行快速非支配排序；
[0061]
步骤12选择前n个个体产生新一代种npt；
[0062]
步骤13判断是否达到最大迭代次数，如是，则结束运算输出结果，如否，则迭代次数加1，转到步骤2。
[0063]
闲散运力与需求匹配模型图例见图3。其中需求节点信息为{d1，d2，d3}，di为第i个需求节点的空间二维坐标；供应节点信息为{s1，s2，s3，s4，s5}，sj为第j个供应节点的空间二维坐标；路途信息集合为{e1，e2，e3，e4，e5，e6,
…
},代表各条道路经济成本编码信息；时间集合{t1，t2，t3，t4，t5，t6,
…
}代表小车运输时间成本编码信息。
[0064]
表1部分染色体编码
[0065][0066]
根据用户设置的满意度隶属目标函数进行计算排序得到以满意隶属度窗函数评价标准k＝1的排序方案如下表所示：
[0067]
表2小车调度方案排序(取前18位)
[0068][0069][0070]
其中以7号方案为例，对应路径为：
[0071]
小车编号服务路径t1s1→
d3t2s2→
d1t3×
t4s3→
d2t5×
t6×