1.一种基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于包括下述步骤：(1)初始化相关参数，建立配送中心选址优化模型；

(2)利用自适应Levy分布混合变异改进人工鱼群算法的优化方法求解配送中心选址优化模型；

(3)将配送中心选址结果及利用自适应Levy分布混合变异改进人工鱼群算法在解决配送中心选址问题的结果进行比较。

2.根据权利要求1所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述步骤(1)中初始化的相关参数包括：(a)用于得到距离矩阵的参数，包括输入原始数据、获取工厂，备选配送中心，客户需求点的位置；(b)获取初始化鱼群所需的各个参数，包括人工鱼群个数，最大迭代次数，人工鱼的视野，人工鱼的最大移动步长，拥挤度因子，以及Levy变异的特征参数及混沌变异的控制参数。

3.根据权利要求1或2所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述步骤(1)中建立的配送中心选址优化模型为系统总费用最小为目标函数的配送中心选址模型，具体为：上式为模型的目标函数，包括四个部分，第一部分 为一级运输费用，第二部分为二级运输费用，第三部分 为配送中心固定费用，第四部分 为配送中心流通转送费用；

其中Z：系统的总费用；l：工厂的个数；I：工厂集合，{i|i＝1,2,3...l}；m：备选配送中心的个数；J：备选配送中心集合，{j|j＝1,2,3...m}；wij：从工厂i到配送中心j的运输量；n：顾客需求点的个数；K：顾客需求点集合，{k|k＝1,2,3...n}；xjk：从配送中心j到客户需求点k的运输量；μj：配送中心j的商品流通转送费用；Fj：配送中心j的固定费用；且wij≥0,i∈I,j∈J,k∈K；

k∈K，Dk为顾客需求点k的需求量，表示配送中心的配送量能够满足顾客需求点的需求；

j∈J，表示配送中心的商品进出量相等；

表示配送中心的最大建设个数，P为配送中心最大建设个数；

i∈I，Ci为工厂最大生产能力，表示工厂送往配送中心的商品量不超过其最大生产能力；

j∈J，Mj为配送中心j的最大容量，表示从工厂送往配送中心的商品数量不超过配送中心的最大容量；

优选地，建立上述系统总费用最小为目标函数的配送中心选址模型所作的假设如下：在一定的备选配送中心集合中选取最优配送中心；只考虑一种商品的配送，即单品种配送；

顾客需求点的需求量已知；每个顾客需求点的需求量已知；运输费用与运输量成正比；单位运输费用与运输距离成正比；选取的配送个数已知；配送中心固定建设费用已知；所需配送商品一次配送完成；工厂到配送中心，配送中心到顾客需求点的距离及单位距离运输费用已知。

4.根据权利要求3所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述一级运输费用中hij＝dij*aij；hij表示从工厂i到配送中心j的单位运输费用；dij表示从工厂i到配送中心j的距离，具体表达式为：(xi,yi)为工厂i的坐标；(xj,yj)为配送中心j的坐标；aij表示从工厂i到配送中心j的单位距离运输费用；

所述二级运输费用中cjk＝djk*bjk；cjk表示从配送中心j到客户需求点k的单位运输费用 ；d j k 表 示从 配 送 中 心 j 到顾 客 需 求 点k 的 距 离 ，具体 表 达 式 为 ：(xj,yj)为配送中心j的坐标，(xk,yk)：顾客需求点k的坐标；bjk表示从配送中心j到顾客需求点k的单位距离运输费用。

5.根据权利要求1-4任一项所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述步骤(2)中，模型的求解过程包括下述步骤：①进行鱼群初始化，生成鱼群个体；

②对鱼群个体中各个人工鱼的当前系统总费用，初始化公告板；

③根据选取要求，首先选取1个配送中心，得到选取1个配送中心时所有配送方案组合，计算选取1个配送中心的所有系统总费用。其次选取2个配送中心，得到选取2个配送中心时所有配送方案组合，计算选取2个配送中心的所有系统总费用，以此类推，选取P个配送中心，得到选取P个配送中心时所有配送方案组合，计算选取P个配送中心的所有系统总费用。

最终得到这1～P个配送中心的所有可行解；

④利用自适应Levy分布混合变异改进人工鱼群算法计算1～P所有可行解的最优解；

⑤记录所有可行解的最优解，并寻找到所有可行解的最优解的最小值，即为最小系统总费用；

⑥判断是否算法终止，若迭代次数达到最大迭代次数，算法终止，否则，转向步骤④。

6.根据权利要求5所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述步骤④中，计算所有可行解的最优解的过程为：各个人工鱼按照基人工鱼群算法分别执行觅食行为、追尾行为和聚群行为，选择最优行为作为执行行为，缺省行为为觅食行为；各个人工鱼每行动一次后，把自身获取的系统总费用与公告板比较，若自身的获取的系统总费用低于公告板的系统总费用，则用自身的获取的系统总费用取代公告板的系统总费用；若公告板无变化或变化极小时的迭代次数已经达到公告板无变化或变化极小时的最大迭代次数时，进行Levy变异和混沌变异操作。

7.根据权利要求6所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于所述Levy变异和混沌变异操作如下：基础进化算法中，初始种群包含n个人工鱼个体，每个人工鱼个体代表一组实向量每一个 和 都有m个分量，则：初始种群个体在变异算子的作用下，按下式产生新的个体

xi′(j)＝xi(j)+σi′(j)δj(t)；

σi'(j)＝σi(j)exp{(τ'N(0,1)+τNj(0,1)}；

其中，j＝1,2...,m，N(0,1)用于产生个体的高斯分布随机数，Nj(0,1)用于产生每个分量的新的高斯分布随机数，其中参数τ和τ’的定义为：上述的变异操作中，δj(t)选取不同分布的随机数时，产生不同的变异算子。

8.根据权利要求7所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于当δj(t)为levy分布随机数时，xi'(j)＝xi(j)+σi'(j)δj(t)演变为levy变异算子，即xi'(j)＝xi(j)+σi'(j)Lj(t)；

其中，Lj(t)为服从levy分布的随机数。

9.根据权利要求7所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于当δj(t)为混沌随机序列产生的随机数时，xi'(j)＝xi(j)+σi'(j)δj(t)演变为混沌变异算子，即：xi'(j)＝xi(j)+σi'(j)Hj(t)；

其中，Hj(t)为在[-2,2]区间按照混沌规律变化的序列产生的随机数，混沌序列一般采用一维Logistic映射：Zk+1＝μZk[1-Zk]  Zk∈[0,1]；

式中，μ为控制参数，取值为[3.56,4]；当μ＝4、0≤Zk(0)≤1时，Logistics映射完全处于混沌状态；Hj(t)为通过Zk放大平移后得到。

10.根据权利要求6-9任一项所述的基于自适应Levy分布混合变异改进人工鱼群算法的配送中心选址优化方法，其特征在于：鱼群算法基本数学模型如下：用X＝(x1,x2,..,xn)来描述各个人工鱼的位置，用Y＝f(x)来描述当前人工鱼所在位置的食物浓度，其中xi为寻优变量，Y为寻优的目标；δ表示拥挤度因子；step表示人工鱼移动的步长；Try_number表示人工鱼每次觅食最大的试探次数；

所述觅食行为描述如下：

人工鱼的当前位置为xi，在视野允许范围内随机选择下一个位置xj，假设在处理极小值问题中Yi>Yj，则向xj方向前进一步，否则重新随机选择xj，再次判断是否满足前进条件，若反复次数达到尝试次数Try_number时，随机游动一步，其表达式为：式中，rand()为(0,1)的随机数；

优选地，所述追尾行为描述如下：

人工鱼的当前位置为xi，其食物浓度为Yi，在其视野允许范围内能够寻找到的食物浓度最高时的人工鱼位置为xmax，若Ymax/nf>δYi，表示处于xmax位置的人工鱼具有较高的食物浓度，且周围不拥挤，可以向xmax位置前进一步，否则执行觅食行为，其表达式为：更进一步优选地，所述聚群行为描述如下：

人工鱼当前位置为xi，其食物浓度为Yi，在其视野允许的范围内的伙伴数量为nf，若Yc/nf>δYi，表示伙伴中心位置Xc的食物浓度较高，且周围处在不拥挤状态，则人工鱼向中心位置Xc前进一步，否则执行觅食行为，其表达式为：