摘 要：為提升配送效果，提出基于遺傳算法的電力物資物流配送任務(wù)調(diào)度優(yōu)化方法。根據(jù)當前的調(diào)度需求，先進行配送優(yōu)先級測算，采用多階的方式，簡化實際的序列的執(zhí)行環(huán)節(jié)，設(shè)定多階物資物流配送調(diào)度優(yōu)化初始序列，設(shè)計構(gòu)建遺傳算法電力物資物流配送任務(wù)調(diào)度優(yōu)化模型，采用交叉核驗的方式來實現(xiàn)調(diào)度優(yōu)化處理。測試結(jié)果表明：調(diào)度時間優(yōu)化比在0.55以上，調(diào)度優(yōu)化效果明顯，收斂速度快。

關(guān)鍵詞：遺傳算法 電力物資 物流配送 任務(wù)調(diào)度 優(yōu)化方法 調(diào)度轉(zhuǎn)換

中圖分類號：TP301.6

Scheduling Optimization Methods for the Logistics Distribution Tasks of Electric Power Materials Based on the Genetic Algorithm

LIU Lijun ZHANG Libo Taiyuan Electric Power Supply Company， State Grid Shanxi Electric Power Company， Taiyuan， Shanxi Province， 030001 China

Abstract： In order to improve the distribution effect， a scheduling optimization method for the logistics distribution task of electric power materials based on the genetic algorithm is proposed. Based on current scheduling requirements， this paper first calculates the distribution priority， adopts a multi-stage approach to simplify the actual execution process of the sequence， sets the initial sequence of the scheduling optimization of the multi-stage logistics distribution of materials， designs and constructs a scheduling optimization model for the logistics distribution task of electric power materials based on the genetic algorithm， and uses the cross validation method to achieve scheduling optimization processing. Test results show that when the optimization ratio of scheduling time is above 0.55， the scheduling optimization effect is significant， and the convergence speed is fast.

Key Words： Genetic algorithm; Electric power material; Logistics distribution; Task scheduling; Optimization method; Scheduling conversion

電力物資的物流配送是影響電力工作日常執(zhí)行處理的關(guān)鍵，人們對電網(wǎng)需求的提升，也對物資的快速、準確配送提出了更高的要求[1]。當前物流配送自身具有較強的穩(wěn)定性與高效性，但是面對日常增長的電力應(yīng)用需求，在部分環(huán)節(jié)無法滿足預(yù)設(shè)的標準，因此還需要對其進行整體的任務(wù)調(diào)度模式做出多維優(yōu)化處理[2]。本次提出對基于遺傳算法的電力物資物流配送任務(wù)調(diào)度優(yōu)化方法的設(shè)計與驗證分析。

1 電力物資物流配送任務(wù)調(diào)度優(yōu)化

1.1 配送優(yōu)先級測算

配送優(yōu)先級是指針對實際的調(diào)度需求，結(jié)合電力配送中心實際物資的存儲量，進行動態(tài)化整合調(diào)度的處理環(huán)節(jié)[3]。需構(gòu)建拓撲結(jié)構(gòu)并導(dǎo)入調(diào)度機制，根據(jù)特性測定限值距離，如公式（1）所示：

公式（1）中：表示路徑調(diào)度的限值距離，表示拓撲差，表示配送可控誤差，表示可調(diào)度轉(zhuǎn)置點，表示優(yōu)先位置。根據(jù)當前測定，將限值距離設(shè)為調(diào)度約束標準，確保穩(wěn)定平衡。對節(jié)點和線路進行歸一化處理，設(shè)置物資為應(yīng)急優(yōu)先級因子。根據(jù)實時變化，按降序排列節(jié)點和線路優(yōu)先級因子。在限值距離內(nèi)，計算配送調(diào)度的優(yōu)先值，如公式（2）所示：

公式（2）中：表示配送調(diào)度優(yōu)先值；表示覆蓋配送范圍；表示電力標定區(qū)域；表示調(diào)度頻次；表示線路最大值。結(jié)合當前測定，將得出的配送調(diào)度優(yōu)先值轉(zhuǎn)換為對應(yīng)的優(yōu)先調(diào)度標準，為后續(xù)的調(diào)度提供參考依據(jù)。

1.2 多階物資物流配送調(diào)度優(yōu)化初始序列設(shè)定

采用多階調(diào)度結(jié)構(gòu)，設(shè)計更靈活的配送模式。根據(jù)不同需求，將調(diào)度序列分為多個階段，實現(xiàn)多階物資物流配送調(diào)度優(yōu)化初始序列流程的設(shè)定，如圖1所示。

在所設(shè)計的序列中還需要增設(shè)對應(yīng)的解候集。利用隨機游走算法設(shè)定當前的調(diào)度步長為13.25 m，閾值為5.4，計算當前序列的配送調(diào)度匹配度[4]，如公式（3）所示：

公式（3）中：表示配送調(diào)度匹配度；表示調(diào)度可控范圍；和分別表示基礎(chǔ)迭代次數(shù)和實際迭代次數(shù)；表示目標函數(shù)；表示轉(zhuǎn)換比。實現(xiàn)對配送調(diào)度匹配度的測算，判斷配送調(diào)度實際情況，獲取對應(yīng)的數(shù)據(jù)和信息。

1.3 基于遺傳算法的任務(wù)調(diào)度優(yōu)化模型

將多階序列導(dǎo)入初始的模型中，通過遺傳算法，構(gòu)建電力物資物流配送任務(wù)調(diào)度優(yōu)化模型。對物資供應(yīng)商、轉(zhuǎn)置點和接收點三方進行需求分析，如圖2所示。

每個調(diào)度任務(wù)形成對應(yīng)的線路，可結(jié)合需求調(diào)整，增加模型靈活性和穩(wěn)定性。結(jié)合遺傳算法，先測定初始距離，根據(jù)物資儲量變化[5]，設(shè)計調(diào)度優(yōu)化結(jié)構(gòu)，如圖3所示。

利用設(shè)計的調(diào)度序列，以配送中心作為核心控制點，按照要求對各個點位的配送任務(wù)進行靈活調(diào)度，模型調(diào)度最優(yōu)解計算公式如下：

公式（4）中：表示模型調(diào)度最優(yōu)解；表示轉(zhuǎn)換差；表示調(diào)度頻次；表示優(yōu)化距離；表示遺傳調(diào)度可控標準。

1.4 交叉核驗實現(xiàn)調(diào)度優(yōu)化處理

交叉核驗是針對調(diào)度優(yōu)化模型輸出結(jié)果的一種輔助測試與比對方法，設(shè)計交叉核驗的順序，如圖4所示。

按照當前方式，使用模型核定同一任務(wù)，調(diào)整節(jié)點交叉，在各區(qū)域測定最優(yōu)路徑。選擇距離短、用時少的調(diào)度方案，確?？尚泻髮崿F(xiàn)優(yōu)化，達到預(yù)期效果。交叉核驗標準動態(tài)化，可調(diào)整以完善調(diào)度機制，強化結(jié)果。

2 方法測試

2.1 測試準備

利用專業(yè)的設(shè)備及節(jié)點將當前的配送區(qū)域范圍之內(nèi)的路段進行掃描，并對重要物資物流的配送位置進行標定，具體如圖5所示。

明確當前的配送起始點和最終點，設(shè)置轉(zhuǎn)運速率為0.5h/t，配送調(diào)度的風險權(quán)重控制在0.6～0.9之間。設(shè)定配送中心的物資預(yù)置點與電力物資儲存量，如下表1所示。

將預(yù)置點設(shè)定為動態(tài)形式，根據(jù)電力物資物流的配送需求，構(gòu)建循環(huán)性的配送測試條件，完成最終環(huán)境的設(shè)置。

2.2 測試過程及結(jié)果分析

依據(jù)上述設(shè)定的測試環(huán)境，結(jié)合遺傳算法，對A電力物資物流配送中心配送任務(wù)調(diào)度優(yōu)化進行具體的測定與驗證分析。首先，結(jié)合GM模型，先對當前標定的3個點位進行描述，并預(yù)測周期之內(nèi)各個物資預(yù)置點的物資量。隨后，使用Matlab軟件測定出基礎(chǔ)的物資配送路徑，與此同時，測定出當前所耗費的初始配送調(diào)度時間，如公式（5）所示：

公式（5）中：表示初始配送調(diào)度時間；表示配送預(yù)設(shè)范圍；表示單元物資量；表示定向配送頻次；表示重復(fù)配送區(qū)域。結(jié)合當前測定，實現(xiàn)對初始配送調(diào)度時間的測算。將其作為后續(xù)配送調(diào)度的比對標準。接下來，通過遺傳算法，調(diào)整實際的轉(zhuǎn)置點，形成動態(tài)化的調(diào)度配結(jié)構(gòu)，隨之針對各個物流配送中心電力物資的剩余存儲量，對實際的配送調(diào)度路徑進行二次優(yōu)化。具體如圖（6）所示。

結(jié)合圖6，實現(xiàn)對物資物流配送調(diào)度路徑的二次優(yōu)化。以此為基礎(chǔ)，利用Matlab編程求解計算出物資輸送路徑，在物資預(yù)置點、配送中心和物資供應(yīng)商之間建立對應(yīng)的坐標，在運輸?shù)倪^程中，主控系統(tǒng)會隨機增設(shè)阻礙機制，測定所設(shè)計方法的針對性與應(yīng)變靈活度。按照箭頭的方向進行配送調(diào)度，確定物資配送到預(yù)設(shè)的位置之后，最后回到各自出發(fā)點，進而完成設(shè)定的電力物資調(diào)度任務(wù)。此時，針對物資配送倉庫所對應(yīng)的3個測試調(diào)度配送，在遺傳算法的輔助下，測定優(yōu)化之后的配送調(diào)度時間，最終計算出配送調(diào)度時間優(yōu)化比率，如公式（6）所示：

公式（6）中：表示配送調(diào)度時間優(yōu)化比率；表示坐標移位差；表示輸送物資標準量；表示轉(zhuǎn)置次數(shù)；表示調(diào)度頻次。結(jié)合當前測定，實現(xiàn)對測試結(jié)果的比對分析，如表2所示。

結(jié)合表2，得出以下測試結(jié)論：針對選定的3個配送點，分析初始配送調(diào)度時間和實測配送調(diào)度時間，最終得出的調(diào)度時間優(yōu)化比均可以達到0.55以上，說明在遺傳算法的輔助下，設(shè)計的電力物資物流配送任務(wù)調(diào)度優(yōu)化效果更為明顯，收斂速度快。在多目標約束條件下規(guī)劃電力物資輸送路徑，有效提升電網(wǎng)的整體安全性。

3 結(jié)語

對基于遺傳算法的電力物資物流配送任務(wù)調(diào)度優(yōu)化方法的設(shè)計與分析驗證。在進行電力物資物流配送調(diào)度處理的過程中，結(jié)合遺產(chǎn)算法自身的原則和特點，彌補初始調(diào)度方法存在的不足，以此來不斷增加任務(wù)調(diào)度模式的全局搜索能力強以及魯棒性等優(yōu)點，更好地適應(yīng)復(fù)雜多變的配送環(huán)境，快速找到最優(yōu)解。在推動電力行業(yè)發(fā)展與完善的同時，也為其他行業(yè)的物流配送任務(wù)調(diào)度提供借鑒和參考。

參考文獻

[1]董威雄.電網(wǎng)企業(yè)物資配送管理研究[J].中國儲運，2023（10）：186.

[2]袁潔.電力物資智能化管理及配送體系運用研究[J].中國物流與采購，2023（18）：84-85.

[3]洪幫.現(xiàn)代物流理論在電力物資智能化管理及配送體系中的運用[J].中國物流與采購，2023（18）：95-96.

[4]楊小琴，朱玉全.改進麻雀搜索算法求解物流配送中心選址問題[J].計算機工程與設(shè)計，2023，44（5）：1441-1450.

[5]楊建哲.中國式現(xiàn)代化公共體育服務(wù)憑單制供給的實踐研究[J].當代體育科技，2023，13（17）：106-109.