一种基于改进麻雀搜索算法的城市配送中心选址方法

本发明属于配送中心选址，尤其涉及一种基于改进麻雀搜索算法的城市配送中心选址方法。

背景技术：

1、随着信息技术的快速发展，网上购物得到了越来越多人的关注，物流配送已经迅速发展成为一个重要的国民经济新兴支柱产业和新的经济增长点。配送中心地址的选择不仅关系到日后配送中心自身的运营成本和服务水平，而且关系到整个社会物流系统的合理化同时配送中心的建设投资大、周期长、回收缓慢，且一经选定后就将长期经营，因此配送中心选址是配送中心建设项目规划中首要也是至关重要的环节。那么，如何选取合适的配送中心地址，降低物流配送成本，提高物流配送效率已经成为物流配送领域研究的热点问题。

2、近年来，随着人工智能领域的不断发展，机器学习的相关算法已被成功地应用与许多传统领域，并取得了不错的成果。麻雀搜索算法是一种模拟麻雀觅食行为的自然启发式算法，它的基本思想是通过模拟麻雀觅食的行为来搜索最优解。根据麻雀种群的生存机制，将麻雀个体分为发现者、跟随者和警戒者。其中，警戒者所占种群比例10～20％，发现者和跟随者是动态变化的。但常规的麻雀搜索算法在寻优求解的过程中，常常会陷入局部最优解，导致最终的求解结果出现偏差。

3、因此，目前的配送中心选址方法是有一定的局限性，很难保证问题求解的精确性和时效性，需要改进。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于改进麻雀搜索算法的城市配送中心选址方法，能够避免出现因小区密集但人口稀少而造成的配送中心选址不恰当问题，降低二级配送中心选取的总成本，在一定程度上提高了物流效率。

2、本发明是这样实现的，一种基于改进麻雀搜索算法的城市配送中心选址方法，包括以下步骤：

3、s1、获取小区的地理位置信息、常住人口数量和房屋栋数、层数的分布情况；

4、s2、对二级配送中心的个数进行选取，构建二级物流配送中心网络结构；

5、s3、考虑运输车辆的运输成本f1、运输过程中的时间成本f2和配送人员在小区内配送的时间成本f3，建立总成本目标函数为：

6、minfitness＝f1+f2+f3

7、s4、对运输车辆和小区添加约束条件；

8、s5、构建改进麻雀搜索算法；

9、s6、采用改进麻雀搜索算法对总成本目标函数进行求解，得到二级配送中心位置坐标和辐射人数；

10、s7、采用改进麻雀搜索算法对一级配送中心位置坐标进行求解。

11、进一步的，随着聚类数量增加，簇内平均畸变程度会逐渐减小，但是当聚类数量增加到一定程度时，簇内平均畸变程度的下降速度会急剧减缓，因此将拐点处的聚类数量作为最佳聚类数量，即二级配送中心的个数；

12、对于一个簇ci，它的簇内平均畸变程度sse计算公式为：

13、

14、其中，xj表示簇ci中的第j个点，μi表示簇ci的质心，sse(ci)表示簇ci内所有样本点到质心的距离平方和。

15、进一步的，运输车辆的运输成本f1主要与各小区到该配送中心的欧式距离和该小区的常住人口有关，因此，f1可表示为：

16、

17、其中，w表示二级配送中心的个数，z表示该二级配送中心辐射的小区数，(xi，yi)表示第i个小区的横纵坐标，ai表示第i个小区的人口数量，(xj，yj)表示第j个二级配送中心的横纵坐标；

18、运输过程中的时间成本f2主要与各小区到该配送中心的欧式距离和车辆的行进速度有关，而车辆携带的待配送物品越多，车辆的行进速度越慢，呈反比例关系，因此，f2可表示为：

19、

20、其中，vi表示运输车辆向第i个小区的行进速度；

21、配送人员在小区内配送的时间成本f3主要与各小区内包含的栋数和每一栋的层数有关，因此，f3可表示为：

22、

23、其中，li表示第i个小区的总栋数，qk表示第k栋楼的总层数，p表示当前层数，t1表示配送人员在每层配送的时间。

24、进一步的，所述s4中约束条件为：

25、每个小区仅有一辆运输车辆配送：

26、

27、车辆在离开配送中心向小区进行配送，并在配送结束后立即返回配送中心：

28、

29、其中，s表示运输车辆。

30、进一步的，所述s5改进麻雀搜索算法包括以下步骤：

31、s5.1、始化参数，设置种群规模、迭代次数和维度，初始化发现者和跟随者比例；计算适应度值，并排序；

32、s5.2、麻雀依次更新发现者、跟随者和警戒者位置；

33、s5.3、计算各个麻雀适应度值并更新麻雀位置；

34、s5.4、采用萤火虫扰动策略更新麻雀位置；

35、s5.5、计算扰动后各个麻雀适应度值并更新麻雀位置；

36、s5.6、判断扰动后的麻雀位置是否比原麻雀位置更优，如果是，采用扰动后的麻雀位置；如果否，采用原麻雀位置；

37、s5.7、判断是否满足停止条件，若满足则退出，并输出结果，否则，从s5.2开始重复执行。

38、进一步的，所述麻雀发现者位置的更新方式为：

39、

40、其中，t表示当前迭代次数，表示在第t代中第i只麻雀在第j维的位置，t表示当前迭代次数，α是属于(0，1)的随机数，itermax表示最大迭代次数，r2表示报警值，st表示安全值，q是服从正态分布的随机数；

41、麻雀跟随者位置的更新方式为：

42、

43、其中，表示第t代适应度最差的个体位置，表示第t+1代中适应度最佳的个体位置，a表示1*dim的矩阵，其中每个元素的值随机为-1或1，a+＝at(aat)-1，l表示1×n的全1矩阵；

44、麻雀警戒者位置的更新方式为：

45、

46、其中，表示第t代中全局最优的位置，β是控制步长，是服从均值是0方差是1的正态分布的随机数，k∈[-1，1]，ε是常数，用以避免分母为0，fi表示当前个体的适应度值，fg表示目前全局最优个体的适应度值，fw表示目前全局最差个体的适应度值。

47、进一步的，s5.4中萤火虫扰动策略具体为：萤火虫的相对荧光亮度为：

48、

49、其中，i0是萤火虫的最大萤光亮度；γ为光强吸收系数；ri，j是萤火虫i与j之间的空间距离。

50、萤火虫的吸引度为：

51、

52、其中，β0是萤火虫的最大吸引度；

53、萤火虫i被吸引向萤火虫j移动的运动方程为：

54、

55、其中，xi，xj是萤火虫i和j所处的空间位置；α是步长因子，属于[0，1]的随机数；rand是[0，1]上均匀分布的随机数。

56、本发明具有的优点和技术效果：由于采用上述技术方案，通过考虑配送中心与各小区距离和人口数量的关系，避免出现因小区密集但人口稀少而造成的配送中心选址不恰当问题。改进后的麻雀搜索算法相较于麻雀搜索算法，降低二级配送中心选取的总成本，降低整个二级物流配送中心网络结构总成本，改进后的麻雀搜索算法大幅降低了总成本，在一定程度上提高了物流效率。

57、通过分析研究对象的分布情况，构建二级物流配送中心网络结构，建立从一级配送中心到二级配送中心的分销配送、从二级配送中心到小区的末端配送的模型，选择二级物流配送中心网络结构，这是因为二级配送中心具有更多的配送点，配送针对性更强，更适用于物品的配送需求。二级配送中心的特性可有效降低配送时间和配送距离，提升配送速度和配送效率，但过多的二级配送中心会导致资源的浪费和成本的增加，本技术采用手肘法确定最佳二级配送中心个数，以此来指导改进麻雀搜索算法对各级配送中心的地址进行选择。

58、针对配送中心选址不合理的问题，建立了二级物流配送中心网络结构，提出影响配送中心选址的三项成本因素，以三项成本之和最小作为优化目标建立模型，使用改进后的麻雀搜索算法对模型进行求解。通过手肘法确定二级配送中心的个数。本技术采用萤火虫扰动策略对麻雀搜索算法进行改进，降低麻雀搜索算法可能会陷入局部最优解的几率，在三类麻雀位置更新的过程中，加入萤火虫扰动，重新进行适应度的计算和麻雀位置更新。通过考虑配送中心与各小区距离和人口数量的关系，避免出现因小区密集但人口稀少而造成的配送中心选址不恰当问题。根据模型对比实验的求解结果可知，改进后的麻雀搜索算法大幅降低了总成本，在一定程度上提高了物流效率。