基于混合量子遺傳算法的外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度

趙輝

基于混合量子遺傳算法的外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度

趙輝

（江蘇商貿(mào)職業(yè)學(xué)院，江蘇 南通 226011）

為了提高外貿(mào)企業(yè)物流配送車輛調(diào)度能力，提出基于混合量子遺傳算法的外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度算法。構(gòu)建外貿(mào)企業(yè)物流配送車輛路徑規(guī)劃的地圖網(wǎng)格模型，采用混合量子遺傳算法進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的信息模擬，構(gòu)建外貿(mào)企業(yè)物流配送車輛的移動(dòng)規(guī)則模型，進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的路徑規(guī)劃。結(jié)合信息素導(dǎo)引方法進(jìn)行外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的自適應(yīng)控制，構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的混合量子遺傳進(jìn)化尋優(yōu)模型，根據(jù)混合量子遺傳路徑約束尋優(yōu)方法構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的人工智能算法，實(shí)現(xiàn)外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度和人工智能控制。仿真結(jié)果表明，采用該方法進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的尋優(yōu)能力較好，路徑規(guī)劃能力較強(qiáng)，提高了車輛調(diào)度效能。

混合量子遺傳算法；外貿(mào)企業(yè)；物流配送；優(yōu)化調(diào)度；人工智能

隨著外貿(mào)業(yè)的不斷發(fā)展，外貿(mào)企業(yè)物流配送車輛不斷增多，需要構(gòu)建優(yōu)化的外貿(mào)企業(yè)物流配送車輛路徑規(guī)劃和調(diào)度模型，結(jié)合企業(yè)物流車輛配送的路徑尋優(yōu)控制，進(jìn)行外貿(mào)企業(yè)物流配送車輛的調(diào)度優(yōu)化控制和空間規(guī)劃設(shè)計(jì)，提高外貿(mào)企業(yè)物流配送車輛的流轉(zhuǎn)和調(diào)度效率。研究外貿(mào)企業(yè)物流配送車輛的優(yōu)化調(diào)度模型，在促進(jìn)外貿(mào)企業(yè)物流業(yè)的發(fā)展，降低能量開銷，提高外貿(mào)企業(yè)物流配送的效率等方面都具有重要意義[1]，相關(guān)的外貿(mào)企業(yè)物流配送路徑規(guī)劃和調(diào)度方法研究受到人們的極大關(guān)注[2]。

結(jié)合人工智能方法，進(jìn)行外貿(mào)企業(yè)物流車輛配送路徑尋優(yōu)和自適應(yīng)控制，構(gòu)建外貿(mào)企業(yè)物流車輛配送路徑尋優(yōu)控制模型，提高外貿(mào)企業(yè)物流車輛配送路徑規(guī)劃能力，傳統(tǒng)方法中，對(duì)外貿(mào)企業(yè)物流車輛配送路徑規(guī)劃方法主要有PSO算法、空間網(wǎng)格區(qū)域規(guī)劃方法以及PID算法等[3-5]，建立外貿(mào)企業(yè)物流車輛配送路徑規(guī)劃的空間區(qū)域分布式融合模型，采用多目標(biāo)進(jìn)化方法進(jìn)行外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的路徑約束控制，結(jié)合相應(yīng)的智能控制算法，提高外貿(mào)企業(yè)物流車輛配送路徑的智能規(guī)劃和控制能力。傳統(tǒng)方法進(jìn)行外貿(mào)企業(yè)物流車輛配送路徑規(guī)劃的尋優(yōu)能力不好，自適應(yīng)控制能力不強(qiáng)。針對(duì)上述問題，本文提出基于混合量子遺傳算法的外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度算法。首先構(gòu)建外貿(mào)企業(yè)物流配送車輛路徑規(guī)劃的地圖網(wǎng)格模型，構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的混合量子遺傳進(jìn)化尋優(yōu)模型，然后根據(jù)混合量子遺傳路徑約束尋優(yōu)方法構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的人工智能算法，實(shí)現(xiàn)外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度和人工智能控制。最后進(jìn)行仿真測(cè)試分析結(jié)果表明，本文方法在提高外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度和智能控制能力方面的優(yōu)越性能。

1 配送車輛路徑規(guī)劃的地圖網(wǎng)格模型和信息融合

1.1 配送車輛路徑規(guī)劃的地圖網(wǎng)格模型

為了實(shí)現(xiàn)外貿(mào)企業(yè)物流配送車輛調(diào)度，結(jié)合人工智能的量子遺傳算法，進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的信息素提取和信息強(qiáng)度跟蹤識(shí)別，采用配送目標(biāo)點(diǎn)之間聚類和信息差異度進(jìn)行聚類分析，通過配送車輛路徑移動(dòng)規(guī)則進(jìn)行路徑尋優(yōu)[6]。采用模糊信息辨識(shí)和特征提取的方法進(jìn)行人工智能分析，構(gòu)建外貿(mào)企業(yè)物流車輛配送路徑的人工尋徑優(yōu)化控制模型，假設(shè)外貿(mào)企業(yè)物流車輛配送路徑尋優(yōu)的信息素導(dǎo)引規(guī)則函數(shù)為，則構(gòu)建外貿(mào)企業(yè)物流配送車輛路徑規(guī)劃的地圖網(wǎng)格模型的表達(dá)式為

1.2 配送車輛路徑調(diào)度信息融合

采用混合量子遺傳算法進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的信息模擬，混合量子群尋優(yōu)的模糊分布向量融合參數(shù)為

建立外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的種群數(shù)組融合參數(shù)集[9]。當(dāng)外貿(mào)企業(yè)物流配送車輛調(diào)度的空間分布權(quán)系數(shù)為

2 外貿(mào)企業(yè)物流配送車輛調(diào)度優(yōu)化

2.1 外貿(mào)企業(yè)物流配送車輛路徑規(guī)劃

對(duì)上式進(jìn)行特征分離和信息重構(gòu)，得到外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的個(gè)體最優(yōu)位置為

優(yōu)模型，根據(jù)混合量子遺傳路徑約束尋優(yōu)方法構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的人工智能算法，進(jìn)行路徑規(guī)劃設(shè)計(jì)[15]。

圖1 外貿(mào)企業(yè)物流配送車輛路徑優(yōu)化流程圖

2.2 物流配送車輛優(yōu)化調(diào)度和人工智能控制設(shè)計(jì)

在外貿(mào)企業(yè)物流車輛配送路徑規(guī)劃中，其規(guī)劃全局極值或個(gè)體極值尋優(yōu)的迭代方程表示如下：

綜上分析，實(shí)現(xiàn)外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度和人工智能控制。進(jìn)行外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度和路徑規(guī)劃。

3 仿真測(cè)試分析

圖2 交通流預(yù)測(cè)結(jié)果

根據(jù)上述參數(shù)設(shè)定，采用本文方法對(duì)外貿(mào)企業(yè)物流配送運(yùn)輸交通流進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖2所示。

分析圖2得知，本文方法預(yù)測(cè)的外貿(mào)企業(yè)物流配送運(yùn)輸交通流與實(shí)際預(yù)測(cè)的交通流量基本一致，說明本文方法進(jìn)行外貿(mào)企業(yè)物流配送路徑規(guī)劃設(shè)計(jì)的尋優(yōu)能力較好，能有效實(shí)現(xiàn)外貿(mào)企業(yè)物流配送車輛調(diào)度的路徑規(guī)劃。為了驗(yàn)證本文方法的有效性，對(duì)本文方法和傳統(tǒng)方法的外貿(mào)企業(yè)物流配送路徑規(guī)劃精度進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖3所示。

圖3 兩種方法的路徑規(guī)劃精度對(duì)比

分析圖3得知，本文方法的外貿(mào)企業(yè)物流配送路徑規(guī)劃精度比傳統(tǒng)方法的外貿(mào)企業(yè)物流配送路徑規(guī)劃精度高，提高了路徑規(guī)劃能力。采用本文方法和傳統(tǒng)方法測(cè)試車輛調(diào)度的執(zhí)行時(shí)間，得到對(duì)比結(jié)果如圖4所示。

圖4 車輛調(diào)度的執(zhí)行時(shí)間

分析上述仿真結(jié)果得知，采用本文方法進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度時(shí)間較短，尋優(yōu)能力較好，路徑規(guī)劃能力較強(qiáng)，提高了車輛調(diào)度效能。

4 結(jié)束語

結(jié)合企業(yè)物流車輛配送的路徑尋優(yōu)控制，進(jìn)行外貿(mào)企業(yè)物流配送車輛的調(diào)度優(yōu)化控制和空間規(guī)劃設(shè)計(jì)，提高外貿(mào)企業(yè)物流配送車輛的流轉(zhuǎn)和調(diào)度效率。本文提出基于混合量子遺傳算法的外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度算法。采用模糊信息辨識(shí)和特征提取的方法進(jìn)行人工智能分析，構(gòu)建外貿(mào)企業(yè)物流車輛配送路徑的人工尋徑優(yōu)化控制模型，通過環(huán)境中信息素分布進(jìn)行混合量子遺傳的尋優(yōu)控制，構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度數(shù)學(xué)模型，確定在當(dāng)前點(diǎn)和移動(dòng)目標(biāo)的路徑，建立外貿(mào)企業(yè)物流配送車輛調(diào)度信息素傳輸?shù)耐ㄐ拍Ｐ?，根?jù)混合量子遺傳路徑約束尋優(yōu)方法，構(gòu)建外貿(mào)企業(yè)物流配送車輛優(yōu)化調(diào)度的人工智能算法，進(jìn)行車輛調(diào)度優(yōu)化。分析得知，本文方法進(jìn)行外貿(mào)企業(yè)物流配送車輛調(diào)度的智能性較好，執(zhí)行時(shí)間較短。

[1] 郭羽含，胡德甲. 基于隨機(jī)森林與變鄰域下降的車輛合乘求解[J]. 計(jì)算機(jī)工程與應(yīng)用，2020, 56(13): 243-253

[2] 童小英，關(guān)天民，孫麗，等. 城市軌道車輛裝配車間物流分析與布局改善[J]. 大連交通大學(xué)學(xué)報(bào)，2017, 38(06): 74-77

[3] 孫佳銘，李麗霞. 基于PID算法的開源小四軸飛行器控制系統(tǒng)設(shè)計(jì)[J].沈陽工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2019, 15(01): 63-67

[4] Li J, Liu F, Feng L, et al. A novel finite volume method for the riesz space distributed-order diffusion equation[J]. Computers and Mathematics with Applications, 2017, 74(4): 772-783

[5] Liu G, Jiang S, Zhao W, et al. Modular reluctance network simulation of a linear permanent-magnet vernier machine using new mesh generation methods[J]. IEEE Transactions on Industrial Electronics, 2017, 64(7): 5323-5332

[6] Tim N, Zorita E, Hünicke B. Decadal variability and trends of the Benguela upwelling system as simulated in a high-resolution ocean simulation[J]. Ocean Science, 2015, 11(3): 483-502

[7] 何芳. 物流區(qū)域配送車輛運(yùn)輸路徑優(yōu)化調(diào)度仿真[J]. 計(jì)算機(jī)仿真，2018, 35(8): 331-334

[8] 李沛，嚴(yán)駿，涂群章，等. 基于IQGA的混合動(dòng)力車輛傳動(dòng)系參數(shù)優(yōu)化[J]. 四川兵工學(xué)報(bào)，2019, 40(9): 213-219

[9] Liu X, Ma J, Xu S, et al. On the generation of coastline-following grids for ocean models-trade-off between orthogonality and alignment to coastlines[J]. Ocean Dynamics, 2017, 67(8): 1095-1104

[10] 朱佳翔，譚清美，蔡建飛，等. 基于魯棒不確定性的應(yīng)急物資配送策略[J]. 北京交通大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2016, 15(1): 106-116

[11] 常金奎. 基于分類替代性關(guān)系的應(yīng)急物資儲(chǔ)備量分析[J]. 電子科技大學(xué)學(xué)報(bào)：社科版，2015, 17(4): 29-33

[12] 葛雪，楊家其，王海燕，等. 應(yīng)急物資配送網(wǎng)絡(luò)彈性設(shè)計(jì)模型研究[J]. 武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2018, 42(5): 727-731, 737

[13] 薛明，許德剛. 基于云網(wǎng)格集成調(diào)度的防擁堵車輛路徑規(guī)劃算法[J]. 計(jì)算機(jī)科學(xué)，2015, 42(7): 295-299

[14] 胡乃平，于豐平. 基于混合遺傳算法的車輛路徑優(yōu)化問題研究[J]. 計(jì)算機(jī)與數(shù)字工程，2018, 46(6): 1123-1129

[15] 何夢(mèng)軍，吳懷崗，丁翔. 帶時(shí)間窗的同城物流配送區(qū)域劃分與路徑優(yōu)化[J]. 南京師范大學(xué)學(xué)報(bào)：工程技術(shù)版，2018, 18(2): 70-76

Optimal scheduling of logistics distribution vehicles in foreign trade enterprises based on hybrid quantum genetic algorithm

ZHAO Hui

(Jiangsu Vocational College ofBusiness, Jiangsu Nantong 226011, China)

In order to improve the vehicle scheduling ability of foreign trade enterprises, a hybrid quantum genetic algorithm is proposed to optimize the vehicle scheduling of foreign trade enterprises. This paper constructs a map grid model of foreign trade enterprise logistics distribution vehicle routing planning, uses hybrid quantum genetic algorithm to simulate the information of foreign trade enterprise logistics distribution vehicle scheduling, constructs the mobile rule model of foreign trade enterprise logistics distribution vehicle, and carries out the path planning of foreign trade enterprise logistics distribution vehicle scheduling. Combined with pheromone guidance method, the adaptive control of foreign trade enterprise logistics distribution vehicle optimal scheduling is carried out, and the hybrid quantum genetic evolution optimization model of foreign trade enterprise logistics distribution vehicle optimal scheduling is constructed. According to the hybrid quantum genetic path constraint optimization method, the artificial intelligence algorithm of foreign trade enterprise logistics distribution vehicle optimal scheduling is constructed, and the foreign trade enterprise logistics distribution vehicle optimization is realized scheduling and artificial intelligence control. The simulation results show that the optimization ability and path planning ability of this method are better, and the vehicle scheduling efficiency is improved.

hybrid quantum genetic algorithm；foreign trade enterprises；logistics distribution；optimal scheduling；artificial intelligence

2020-09-09

江蘇省高等教育教改研究立項(xiàng)課題（2017JSJG404）江蘇高?！扒嗨{(lán)工程”資助

趙輝（1981-），男，江蘇海安人，講師，碩士，主要從事無線通信技術(shù)研究，zxangwxgg55@126.com。

TP391

A

1007-984X(2021)01-0026-05