成品油物流优化研究及实现【澳门新浦京网页】

本文摘要：摘取　要：随着国家经济的飞速发展，成品油市场长年保持高速快速增长。

摘取　要：随着国家经济的飞速发展，成品油市场长年保持高速快速增长。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，基于成熟期的信息化技术展开管理并且对物流过程展开优化，是国内外十分热门的研究方向。关键词：遗传算法；成品油；物流优化；线性尺度转换 　　1．成品油物流业务讲解和分析　　1.1 成品油物流业务与构建技术分析　　成品油是通过采煤、炼油、销售后抵达最后消费市场。

一般来说不会通过以下六个环节来已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车站，称作一次物流。

　　第三，由到车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杂货客户。

也称作二次物流。　　第六，加油站将成品油销售至最后客户。

　　1.2 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为供应、仓储、市场需求三个类型，物流路径分成两个部分。　　1.3 物流优化分析和优化目标　　物流优化的目标是构建利润最大化，主要的物流指标将反映在以下几点：　　A. 总利润：即整个运输方案产生的总毛利润，按照目前销售价格计算出来的销售金额乘以一二次物流运费、仓储酬劳以及按照目前供应价格计算出来的购货金额得出结论的总毛利润。　　B. 供应分配比例：即供应计划已完成的比例。

　　C. 市场需求符合比：即加油站或客户的需求量符合的比例。　　2．优化算法自由选择和讲解　　物流优化算法是为了计算出来出有从供应点到市场需求点的仅次于利润。　　首先考虑到迭代所有路径情况：假设有S为供应点个数，M为仓储点个数，D为市场需求点个数，I为油品数量，max为方案数量，如果将所有路径迭代，则　　　　在实际的业务中，大约有20个供应点，150个仓储点，1700个市场需求点，即S ≈ 20, M ≈ 150, D ≈ 1700，I ＝ 4，如果使用不坏算法迭代所有运输方案，计算出来量将是一个天文数字：　　3．算法构建　　3.1 初始化群体　　根据算法原型的仿真运算，我们找到在使用随机分解的个体在先前的演化中很难发散，除非用于十分低的演化代数，但是演化代数的和运算时间成正比，在实际业务中是不能接受的，而且个体也还没经常出现显著的发散趋势。

为了解决问题这个问题，我们通过研究多种遗传算法和辩论该问题的经常出现原因后，要求使用再行按照优先符合原则分解一个具备一定可行性的个体，将该个体拷贝成多个个体构成种群，然后在先前的演化过程中，各个个体分别演化，然后发散到一个适合的值，　　3.2 适应度计算出来　　适应度函数是对个体展开度量的函数，根据业务中对毛利润的拒绝，物流优化的适应度函数如下：　　利润 ＝（销售价格－购置价格－运费－仓储酬劳）×数量　　其中运费为一次运费和二次运费之和。　　在业务还必需引进两个指标：供应分配率和市场需求符合亲率：供应分配率是指供应量在优化结果中被决定运输的比例，市场需求符合率是所指需求量在优化过程中被决定运输的比例。将这两个比例作为线性参数对上述公式计算出来出有的适应度值展开处置，产生的新值作为适应度值。

　　3.3 遗传算子　　3.3.1 自由选择　　自由选择的过程是将尺度转换后的适应度值展开较为，按照适应度值大小要求被自由选择的概率，将自由选择出有的个体两两展开互相交换，产生新的个体，构成新的种群。分下面几步展开：　　⑴．自由选择出有适应度值最低的个体，不参予互相交换运算；　　⑵．将其他个体按照适应度值分解赌盘表格，赌盘表由轮盘赌算法分解；　　⑶．在0~1之间产生两个随机数；　　⑷．按照⑶产生的随机数在赌盘表中找到对应的两个个体展开互相交换分解新的个体；　　⑸．反复⑶、⑷步以后分解充足的新个体（种群规模-1个）。　　在自由选择算子中，使用的了轮盘赌博的概率自由选择方法。

轮盘赌博是将一组数据按照大小创建一个0~1的之间的赌盘表格，赌盘表的每个间隔和每个数据比较不应，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，就可以自由选择出有适当数据。轮盘赌博的原理很非常简单，就是由每个数据在全部数据中的比例构成，值越大的数据，被随机自由选择的概率越大。　　3.3.2 互相交换　　互相交换过程是将两个个体按照互相交换概率和互相交换长度将基因展开互相交换。

其中互相交换概率pc和互相交换长度pc_len皆作为算法参数展开原作。　　互相交换过程分下面几步展开：　　⑴．产生一个0~1的随机数，并且和互相交换概率pc展开较为，如果大于pc，则展开基因互相交换，否则，以适应度值大的个体作为新的个体。　　⑵．确认互相交换接续点。由于每个个体都是由D_NUM个运输构成，所以互相交换接续点是在0~D_NUM间所取一随机整数作为互相交换接续点； 　　⑶．根据互相交换长度pc_len，将互相交换接续点后的pc_len个基因（运输路径）展开交换；　　⑷．计算出来交换后两个个体的适应度值，将适应度值大的个体作为互相交换分解的新个体。

　　3.3.3 变异　　变异过程是将个体的基因展开变异以减少物种多样性。基本遗传算法的基因编码是按照BIT展开编码的，变异时将必须变异的位展开取反操作者才可。

　　由于本文随研究的应用于原因，如果按照位展开编码，有可能经常出现违宪供应点、仓储点等数据，所以在开始的基因的编码阶段，本文使用了结构的方式来编码基因。　　变异的过程由变异概率掌控，变异概率某种程度也是遗传算法的参数之一。参考文献:褚蕾蕾，陈绥阳，周梦，计算出来智能的数学基础［M］，科学出版社，2002. 刊登请求标明来源。

原文地址：http://www.lw54.com/html/Profession/20181222/8041177.。

本文来源：澳门新浦京网页-www.dceactivities.com