神經(jīng)網(wǎng)絡(luò)算法在物流配送車輛優(yōu)化調(diào)度中應(yīng)用

項目一人工智能算法在配送環(huán)節(jié)應(yīng)用《物流人工智能技術(shù)》任務(wù)九神經(jīng)網(wǎng)絡(luò)算法在物流配送車輛優(yōu)化調(diào)度中應(yīng)用2目錄/CONTENTS301車輛調(diào)度原理02改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法03非物流配送車輛優(yōu)化路徑的Hopfield網(wǎng)絡(luò)求解算法04實驗結(jié)果與分析4【知識目標(biāo)】1.掌握車輛調(diào)度原理；2.了解改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法?！厩楦心繕?biāo)】1.具有工匠精神、服務(wù)意識、環(huán)保意識、質(zhì)量意識、安全意識；2.培養(yǎng)獨(dú)立獲取信息和自學(xué)能力；3.堅定擁護(hù)中國共產(chǎn)黨領(lǐng)導(dǎo)和我國社會主義制度?！窘虒W(xué)目標(biāo)】對于調(diào)度問題來說，情況比較多樣，劃分也比較多樣，要尋求最優(yōu)的話，視情況而定。在理論上可以根據(jù)各自的情況，按照一個指標(biāo)來指定最優(yōu)，然后在實際的運(yùn)輸過程中，一個優(yōu)化的調(diào)度問題關(guān)系到各個方面，是幾種問題的綜合，對于這一類的問題，可以將其定義為多種型號的車子多種貨物的運(yùn)輸調(diào)度問題，是屬于一個約束型的尋求最優(yōu)解，列為NP難題，這種問題的話難度比較大，導(dǎo)致在求解過程中消耗的時間比較多，原則上是呈現(xiàn)幾何級數(shù)上升，在現(xiàn)今仍舊有許多無法解答的NP難題。精確算法的選擇范圍在停車卸貨數(shù)量范圍在20個以內(nèi)，在解答最優(yōu)解時消耗的時間短，一般在幾個小時內(nèi)就能完成，在超過這個數(shù)量范圍時，求解的時間會呈現(xiàn)指數(shù)增長，在于效率方面不適宜。一、車輛調(diào)度原理按下列神經(jīng)網(wǎng)絡(luò)的步驟來進(jìn)行求解調(diào)度問題：第一步，鄰接矩陣的生成。假設(shè)存在一個有向連通圖G=(N，L，D)(N×N)，其中N表示為神經(jīng)網(wǎng)絡(luò)的結(jié)點(diǎn)數(shù)，也就是指車輛的源點(diǎn)、交匯點(diǎn)，L表示的是神經(jīng)網(wǎng)絡(luò)的邊數(shù)，也就是各個車輛之間的路徑，假設(shè)存在兩個結(jié)點(diǎn)之間有著相關(guān)的數(shù)量，那么相應(yīng)矩陣元素的值可以作為路徑的運(yùn)時長度或運(yùn)費(fèi);如果兩個結(jié)點(diǎn)間不存在路徑，則相應(yīng)矩陣元素的值為∞。第二步，約束條件的處理。在車輛調(diào)度中增加一個能量項可以使網(wǎng)絡(luò)的收斂趨于穩(wěn)態(tài)。第三步，神經(jīng)網(wǎng)絡(luò)的計算。當(dāng)神經(jīng)網(wǎng)絡(luò)趨于穩(wěn)定時，可以形成一個換位陣，包含0和1兩個單位，其中1代表經(jīng)過的結(jié)點(diǎn)，并且這些結(jié)點(diǎn)即代表著為最優(yōu)的解。第四步，調(diào)度方案的形成。根據(jù)上面步驟所獲得的最優(yōu)解，也就是最短的距離、最小的運(yùn)費(fèi)和最短的時間，來最終敲定最優(yōu)的調(diào)度方案。一、車輛調(diào)度原理網(wǎng)絡(luò)的輸入為:網(wǎng)絡(luò)的輸出為：其中，i=1，…，;j=1，…，;，分別為第1、2層神經(jīng)元數(shù);σ(·)為激勵函數(shù);為第1層到第2層的權(quán)值系數(shù)，為第2層到第3層的權(quán)值系數(shù);，為偏置值。（1）（2）二、改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法多步預(yù)測輸出經(jīng)推導(dǎo)可由式(3)表示，l=1，2，…，P，P為預(yù)測時域長度。神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值，以使網(wǎng)絡(luò)的輸出不斷的接近期望的輸出。在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)變化所依據(jù)的一定的調(diào)整規(guī)則。神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)如圖5-13所示。（3）......j=1..i=1y(k-1)y(k-n)u(k-d)u(k-d-m)N1N2..x(k-1)圖5-13神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)二、改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法輸入層與中間層的連接權(quán)值為，隱含層與輸出層的連接權(quán)值，隱含層各神經(jīng)元的閾值，輸出層各神經(jīng)元的閾值，樣本數(shù)據(jù)個數(shù)k=1，2，．．．m:激活函數(shù)f(·):誤差函數(shù)輸入層有n個神經(jīng)元，隱含層有p個神經(jīng)元，輸出層有q個神經(jīng)元：二、改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法為了保證神經(jīng)網(wǎng)絡(luò)在輸出是一個穩(wěn)定的狀態(tài)并且有一個有效的換位陣，必須滿足下面的條件:1)有效路徑地約束僅使有效的路徑被選中，設(shè)定約束函數(shù)為:2)輸入輸出路徑地約束為了使輸入路徑和輸出路徑同時存在，列出如下的約束函數(shù)：其中，懲罰系數(shù)為。3)為保證網(wǎng)絡(luò)的狀態(tài)穩(wěn)定在超立方體2n(n－1)中，列出如下的約束函數(shù)公式:其中，懲罰系數(shù)為。（1）（2）（3）三、非物流配送車輛優(yōu)化路徑的Hopfield網(wǎng)絡(luò)求解算法4)為了使最優(yōu)的解滿足規(guī)定的起點(diǎn)s和重點(diǎn)d列出如下的函數(shù)為:其中，u4表示為懲罰系數(shù)接下來確定目標(biāo)函數(shù)，神經(jīng)網(wǎng)絡(luò)目標(biāo)函數(shù)設(shè)定為:網(wǎng)絡(luò)的目標(biāo)函數(shù)設(shè)定為:其中，u5表示為懲罰系數(shù)。神經(jīng)網(wǎng)絡(luò)的能量函數(shù)表示為:（4）（5）（6）三、非物流配送車輛優(yōu)化路徑的Hopfield網(wǎng)絡(luò)求解算法每個神經(jīng)元的輸出可以表示為:所以本文車輛調(diào)度模型的運(yùn)動方程可以表示為:其中δ規(guī)定為:（7）（8）（9）三、非物流配送車輛優(yōu)化路徑的Hopfield網(wǎng)絡(luò)求解算法將式(6)帶入式(8)得到神經(jīng)網(wǎng)絡(luò)的運(yùn)動方程如下:比較式(8)和式(10)中的系數(shù)，可以得到如下的連接權(quán)重和偏置電流Ixi為:通過將式(8)、式(7)和式(11)進(jìn)行一系列的帶入和換算球的在穩(wěn)定神經(jīng)網(wǎng)絡(luò)時的最優(yōu)解。（10）（11）三、非物流配送車輛優(yōu)化路徑的Hopfield網(wǎng)絡(luò)求解算法本文所有的實驗都是在PCP4T23101．86G，2GRAM，Inte182865G顯卡的計算機(jī)上做了實驗，實驗環(huán)境為MAT-LAB7．0。在下面的圖2中，顯示的是某一個市里的科技園圖，根據(jù)這個圖紙，可以設(shè)定一條線路，用來配送貨物，運(yùn)輸?shù)墓ぞ呤且惠v小型的卡車，運(yùn)輸?shù)膶ο蟀ㄈA潤超市、沃爾瑪商場、清華深圳研究生院，要求在這個運(yùn)輸貨物的過程中，所消耗的時間最短，并且最優(yōu)。在圖上已經(jīng)標(biāo)清各個的網(wǎng)點(diǎn)編號。1點(diǎn)到12點(diǎn)之間的最短路徑用的是Hopofield網(wǎng)絡(luò)。先生成的距離矩陣：四、實驗結(jié)果與分析采用Hopfield神經(jīng)網(wǎng)絡(luò)對以上的有向圖進(jìn)行計算，選取各懲罰系數(shù)如下:u5=1000;u1=4000，u2=1500，u3=1000，u4=500。網(wǎng)絡(luò)的時間常數(shù)t=1，并假定每個神經(jīng)元的具有相同的傳遞函數(shù)。網(wǎng)絡(luò)的初始電壓uxi=0。對圖1的網(wǎng)絡(luò)圖進(jìn)行計算，其神經(jīng)網(wǎng)絡(luò)的最終輸出的換位陣如下所示。根據(jù)上面的換位矩陣，可以得到14712是一條最優(yōu)的路徑，根據(jù)編碼對照，可以得出一條路徑就是先到華潤超市，然后經(jīng)過蘭宇公司，在過高新超市，最后到達(dá)清華深圳研究生院。四、實驗結(jié)果與分析16神經(jīng)網(wǎng)絡(luò)算法在物流配送車輛優(yōu)化調(diào)度中應(yīng)用