成品油物流优化研究及实现

上传者：网友
|

翻新时间：2022-11-24

收藏到账号

全屏

成品油物流优化研究及实现

摘要：随着国家经济的飞速发展，成品油市场长期保持高速增长。在成品油销售过程中，成品油物流凸现了它的重要性。由于物流过程是一个非常复杂、因素多变的过程，基于成熟的信息化技术进行管理并且对物流过程进行优化。是国内外非常热门的研究方向。

关键词：遗传算法；成品油；物流优化；线性尺度变换

一、成品油物流业务介绍和分析

(一)成品油物流业务与实现技术分析

成品油是通过采油、炼油、销售后到达最终消费市场。通常会通过以下六个环节来完成成品油生产至销售过程。

首先，成品油由炼厂生产，并由炼厂运输至发站(港)。第二，通过铁路、水路、公路或管道方式将成品油由发站运输至到站，称为一次物流。第三，由到站将成品油运输至油库。第四，油库储存成品油。第五，由油库将成品油通过铁路、公路、水路及管道等方式运输至加油站或批发客户。也称为二次物流。第六，加油站将成品油销售至最终客户。

(二)物流对象和模型

物流模型对于物流优化算法至关重要，通过对物流过程的分析总结，可以将成品油的物流节点分成供应、仓储、需求三个类型，物流路径分为两个部分。

(三)物流优化分析和优化目标

物流优化的目标是实现利润最大化，主要的物流指标将体现在以下几点：

二、优化算法选择和介绍

物流优化算法是为了计算出从供应点到需求点的最大利润。

首先考虑遍历所有路径情况：假设有S为供应点个数，M为仓储点个数，D为需求点个数，I为油品数量，fmax为方案数量，如果将所有路径遍历，则

fmax＝I×(S×M)D fmax＝4×(20×1

50)1700

三、算法实现

(一)初始化群体

根据算法原型的模拟运算，我们发现在采用随机生成的个体在后续的进化中很难收敛。除非使用非常高的进化代数，但是进化代数的和运算时间成正比，在实际业务中是不能接受的，而且个体也还没有出现明显的收敛趋势。为了解决这个问题，我们通过研究多种遗传算法和讨论该问题的出现原因后，决定采用先按照优先满足原则生成一个具有一定可行性的个体，将该个体复制成多个个体形成种群，然后在后续的进化过程中，各个个体分别进化，然后收敛到—个合适的值，

(二)适应度计算

适应度函数是对个体进行度量的函数，根据业务中对毛利润的要求，物流优化的适应度函数如下：

利润＝(销售价格—购进价格—运费—仓储费)×数量

其中运费为一次运费和二次运费之和。

在业务还必须引入两个指标：供应分配率和需求满足率：供应分配率是指供应量在优化结果中被安排运输的比例，需求满足率是指需求量在优化过程中被安排运输的比例。将这两个比例作为线性参数对上述公式计算出的适应度值进行处理，产生的新值作为适应度值。

(三)遗传算子

1.选择。选择的过程是将尺度变换后的适应度值进行比较。按照适应度值大小决定被选择的概率，将选择出的个体两两进行交换，产生新的个体，形成新的种群。分下面几步进行：在选择算子中，采用的了轮盘赌的概率选择方法。轮盘赌是将一组数据按照大小建立一个0－1的之间的赌盘表，赌盘表的每个间隔和每个数据相对应，间隔的大小和数据值有关，当产生一个随机数后，将随机数对应在赌盘表上某一间隔上，就可以选择出相应数据。轮盘赌的原理很简单，就是由每个数据在全部数据中的比例组成，值越大的数据，被随机选择的概率越大。 3.变异。变异过程是将个体的基因进行突变以增加物种多样性。基本遗传算法的基因编码是按照BIT进行编码的，变异时将需要变异的位进行取反操作即可。由于本文随研究的应用原因，如果按照位进行编码，有可能出现无效供应点、仓储点等数据，所以在开始的基因的编码阶段，本文采用了结构的方式来编码基因。变异的过程由变异概率控制－，变异概率同样也是遗传算法的参数之一。中国www.Lwlm.com