论文部分内容阅读
摘 要：进入 21 世纪，客户的个性化需求越来越多样，不仅促使物流服务日新月异，更要求物流调度对市场变化具有较高的适应性和灵敏性，而物流调度的主要难点在于如何用最小的时间对需求不同、任务量大的物流服务进行快速合理的分配。近几年来，在云计算、物联网和供应链管理的综合模式下，产生了一种面向供应链的物流云服务。本文主要分析了物流云服务下基于改进蝙蝠算法的任务调度中的有效性，同时扩展了蝙蝠算法的应用领域。
关键词：物流云服务；改进蝙蝠算法；任务调度
蝙蝠算法具有收敛速度快、潜在分布式和并行性等特点，但也存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对蝙蝠算法和目前数值积分方法的不足，把具有很强的全局寻优能力和局部搜索能力的差分进化算法融合到蝙蝠算法中，提出了一种基于差分进化算法的改进蝙蝠算法求任意函数数值积分的新方法，该算法不仅能求解通常意义下任意函数的定积分，而且能计算振荡积分和奇异积分。
一、物流云服务的优势
（1）社会性凸显，资源高度集中化。向物流云服务平台提供各种物流资源和物流服务的LCSP（如车队、派送点、货代公司等）遍布整个社会区域，能够充分利用当前的社会资源，使各种物料资源和服务广泛集中于物流云平台。
（2）信息共享能力强，节约集体资源。在传统的物流配送模式中，相互独立的物流服务提供者都会建立自己的小型服务平台，这样容易导致社会资源的闲置。而物流云服务平台致力于集中社会上属性相同或相近的物流资源，不但丰富了物流服务的种类和质量，而且能够提供集中优势，减少甚至避免资源的浪费。
二、改进蝙蝠算法求解物流云服务调度问题
（1）基于ROV规则的编码思想。蝙蝠算法适合解决连续性的问题，并取得了较好的结果。目前，将BA算法用于离散型问题的研究还很少。ROV规则利用种群位置矢量的大小进行顺序，然后对个体进行随机键编码，使连续问题离散化，为蝙蝠算法求解云制造平台下不同节点的调度问题提供了参考思想。假设蝙蝠算法的位置矢量为Xi=[xi，1，xi，2，…，xi，n]，它无法表示每个CSD采用的CSP的序号，本文基于ROV的思想对蝙蝠算法进行改进，对在特定范围内生成的个体位置进行四舍五入，生成不同的整数代表不同的CSP序号，然后对CSD进行编码，使任务能够在不同的CSP上完成。
（2）任务的编码与解码。假设本批任务中，有N个供应链CSD向云制造平台提出服务请求，云制造平台监测到有M（M （3）对初始种群改进。对初始种群产生的方式进行改进，取M=5，{12，3，4，5}代表CSP的序号，保证每个CSP有任务需要完成，避免资源闲置，负载分配不均。现有研究产生初始种群时，首先随机生成之间的数代表种群位置，然后再对数据进行四舍五入，使蝙蝠算法适合解决离散调度问题，并对小于0的数进行处理，使其变为1，代表需要由CSP1完成的任务，这样产生的数据使大于等于0和小于1.5的数全部变为1，导致1的个数比较多，而5的个数比较少，实际情况表示CSP1负载较重，而CSP5任务相对较少。本文为了使产生的数据更加均匀，将数据初始范围调整为（0.5，5.5），采用随机生成均匀分布的数据，尽量避免任务超载和资源闲置的问题。随机生成数据保持了种群的多样性，但是可能导致随机生成的个体中没有某一个或某几个CSP的序号，例如四舍五入后产生的序列为{3，2，5，4，4，5，3，2，5，2}，个体数据中没有1，即表示没有任务在1号CSP上完成，导致1号资源提供者闲置，显然资源利用率不是最优，对初始种群的产生进行了改进，如果随机产生的数据中有两个及以上资源提供者闲置就将该个体舍弃，如果有一个资源提供者闲置，就将该个体中完成任务最多的CSP给该闲置CSP分一半的任务，保证每个CSP都有任务完成，具体实现过程如下：其中，b代表闲置资源的数目，individual代表蝙蝠个体，通过改进尽量使数据的产生随机且均匀，使任务分配更加合理，负载均衡，从而提高资源利用率，缩短总任务完成时间，实现云制造供应链资源的高效运行。
（4）适应度fitness函数。蝙蝠算法适应度函数的选取相当重要，关系到最优解的查找和运行效率。本文中的目标是使本批任务的总完成时间最小，即：使完成本批任务时间最大的CSP时间最短，每次迭代选取适应度值最小的个体保留，通过蝙蝠位置的不断更新比较找到群体中最优的解。其中，sum表示每个CSP完成本批任务中分配给它的工作量所需时间，max（sum）代表本批任务的完成时间，目标是使本批任务完成时间最小。
当然该研究还有需要改进的地方，比如分析的指标较单一，对物流云调度的质量、满意度、成本等要素缺少考虑；对实例的应用不足等等。这也是下一阶段需要努力的方向，以使得蝙蝠算法的应用更加广泛深入，解决更加实际复杂的现实问题。
参考文献：
[1]张卫、潘晓弘、刘志等.基于云模型蚁群优化的制造服务调度策略[J].计算机集成制造系统，2012，18（1）：201-207.
[2]周伟.基于兴趣区域搜索的云设备资源优化调度方法[J].科技通报，2012，28（12）：201-203.
[3]李枝勇、马良、张惠珍.蝙蝠算法在多目标多选择背包问题中的应用[J].计算机仿真，2013，30（10）：350-353.
作者简介：
马毅，男，（1969.05.12～），沈阳工业大学，硕士，研究方向：物流管理和数学，职称：副教授。
关键词：物流云服务；改进蝙蝠算法；任务调度
蝙蝠算法具有收敛速度快、潜在分布式和并行性等特点，但也存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对蝙蝠算法和目前数值积分方法的不足，把具有很强的全局寻优能力和局部搜索能力的差分进化算法融合到蝙蝠算法中，提出了一种基于差分进化算法的改进蝙蝠算法求任意函数数值积分的新方法，该算法不仅能求解通常意义下任意函数的定积分，而且能计算振荡积分和奇异积分。
一、物流云服务的优势
（1）社会性凸显，资源高度集中化。向物流云服务平台提供各种物流资源和物流服务的LCSP（如车队、派送点、货代公司等）遍布整个社会区域，能够充分利用当前的社会资源，使各种物料资源和服务广泛集中于物流云平台。
（2）信息共享能力强，节约集体资源。在传统的物流配送模式中，相互独立的物流服务提供者都会建立自己的小型服务平台，这样容易导致社会资源的闲置。而物流云服务平台致力于集中社会上属性相同或相近的物流资源，不但丰富了物流服务的种类和质量，而且能够提供集中优势，减少甚至避免资源的浪费。
二、改进蝙蝠算法求解物流云服务调度问题
（1）基于ROV规则的编码思想。蝙蝠算法适合解决连续性的问题，并取得了较好的结果。目前，将BA算法用于离散型问题的研究还很少。ROV规则利用种群位置矢量的大小进行顺序，然后对个体进行随机键编码，使连续问题离散化，为蝙蝠算法求解云制造平台下不同节点的调度问题提供了参考思想。假设蝙蝠算法的位置矢量为Xi=[xi，1，xi，2，…，xi，n]，它无法表示每个CSD采用的CSP的序号，本文基于ROV的思想对蝙蝠算法进行改进，对在特定范围内生成的个体位置进行四舍五入，生成不同的整数代表不同的CSP序号，然后对CSD进行编码，使任务能够在不同的CSP上完成。
（2）任务的编码与解码。假设本批任务中，有N个供应链CSD向云制造平台提出服务请求，云制造平台监测到有M（M
（4）适应度fitness函数。蝙蝠算法适应度函数的选取相当重要，关系到最优解的查找和运行效率。本文中的目标是使本批任务的总完成时间最小，即：使完成本批任务时间最大的CSP时间最短，每次迭代选取适应度值最小的个体保留，通过蝙蝠位置的不断更新比较找到群体中最优的解。其中，sum表示每个CSP完成本批任务中分配给它的工作量所需时间，max（sum）代表本批任务的完成时间，目标是使本批任务完成时间最小。
当然该研究还有需要改进的地方，比如分析的指标较单一，对物流云调度的质量、满意度、成本等要素缺少考虑；对实例的应用不足等等。这也是下一阶段需要努力的方向，以使得蝙蝠算法的应用更加广泛深入，解决更加实际复杂的现实问题。
参考文献：
[1]张卫、潘晓弘、刘志等.基于云模型蚁群优化的制造服务调度策略[J].计算机集成制造系统，2012，18（1）：201-207.
[2]周伟.基于兴趣区域搜索的云设备资源优化调度方法[J].科技通报，2012，28（12）：201-203.
[3]李枝勇、马良、张惠珍.蝙蝠算法在多目标多选择背包问题中的应用[J].计算机仿真，2013，30（10）：350-353.
作者简介：
马毅，男，（1969.05.12～），沈阳工业大学，硕士，研究方向：物流管理和数学，职称：副教授。