1.一种应用改进的混合免疫算法优化物流配送中心选址方法,其特征在于,包括如下步骤:步骤一、建立物流配送中心选址的模型;
步骤二、进行免疫算法计算;
步骤三、进行改进的混合免疫算法计算;
所述步骤一具体包括,
建立目标函数:
约束条件为:
Zij≤hj,i∈N,j∈Mi 公式三其中:
其中,N={1,2,3,…,n}是所有需求点的序号集合;Mi为到需求点i的距离小于s的备选配送中心集合,i∈N, 从n个样本需求点中确定若干个配送中心,然后再由配送中心向各个样本点配货;ωi表示需求点的需求量;dij表示从需求点i到离它最近的配送中心j的距离;Zij为0‑1变量,只能取0或1,当取值为1时,表示第i个样本点的需求量由第j个配送中心进行配送,否则为0;hj为变量,只能取值0或1,当hj=1时,表示点j被选为配送中心;s为新建配送中心离由它服务需求点的距离上限;公式二表示配送点i只能由唯一的配送中心j来进行送货,从而保证每一个配送点有且只对应一个配送中心;公式三表示配送点的需求量只能由它所对应的配送中心来服务;式 表示被选中的配送中心数量为pp;式dij≤s保证了所有配送点都位于配送中心的配送距离上限范围内;
所述步骤二包括:
1)建立抗体与抗原间亲和力函数Av
其中,Fv为目标函数;分母中的第二项表示对违反距离约束的解给予惩罚,其中,C为常数;
2)抗体与抗体间亲和力函数Sv,s
其中,Kv,s为抗体v和抗体s中相同元素个数的位数,L为抗体的长度;
3)抗体浓度函数Cv
其中,Nantibody为抗体总数,
其中,T为公式十自适应寻找的一个最佳阈值;
4)函数繁殖期望率
群体个体的期望繁殖率由抗体和抗原间亲和力Av和抗体浓度Cv共同决定,原始繁殖期望率如公式九所示:其中,α为常数;
5)进行免疫操作
a)选择操作,根据公式九来计算期望繁殖概率,然后采用轮盘赌选择机制进行选择操作;
b)交叉操作,按照指定的位置进行交叉;
c)变异操作,采用随机位置变异;
所述步骤三包括:
1)自适应选择操作
引入迭代次数t来分阶段地改抗体浓度函数Cv,具体如公式十所示:其中T为根据迭代次数分阶段自适应的一个阈值,tmax为最大迭代次数,tave为平均迭代次数,t为迭代次数,sizepop为种群规模,其中α1=1,根据公式十来更新公式八的亲和力函数Sv,s;根据公式九来计算期望繁殖概率,然后采用轮盘赌选择机制进行选择操作,在种群中以一定比例抽取r个体进行退火选择,改进后计算期望繁殖概率具体如公式十一其中,xi表示第i个抗体,TEMk为第k次迭代温度,α为常数,T0=100,k为当前迭代次数;
2)进行交叉操作
采用按照一定指定的位置进行交叉;在此使用随机单点交叉操作,即:随机的产生两个单点位置,再交换这两个位置上的基因;
3)变异操作
为防止免疫算法陷入局部最优值,对于抗体进行一个指定半径领域进行变异,具体如公式十三所示;
公式十三中R为指定的半径领域,R大于克隆扩展半径,rand(1‑R,1+R)为产生(1‑R,1+R)之间的一个随机数,其中xii,t是第t次时的第ii个抗体;xii,max,xii,min分别为第t次迭代阶段中具有最大和最小抗体浓度的抗体;x*ii,t表示第t次时的第ii个变异后的抗体。