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調度優(yōu)化方法。根據當前的調度需求，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)，設定多階物資物流配送調度優(yōu)化初始序列，設計構建遺傳算法電力物資物流配送任務調度優(yōu)化模型，采用交叉核驗的方式來實現調度優(yōu)化處理。測試結果表明：調度時間優(yōu)化比在0.55以上，調度優(yōu)化效果明顯，收斂速度快。

關鍵詞：遺傳算法 電力物資 物流配送 任務調度 優(yōu)化方法 調度轉換

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)行處理的關鍵，人們對電網需求的提升，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用需求，在部分環(huán)節(jié)無法滿足預設的標準，因此還需要對其進行整體的任務調度模式做出多維優(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調度優(yōu)化方法的設計與驗證分析。

1 電力物資物流配送任務調度優(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度需求，結合電力配送中心實際物資的存儲量，進行動態(tài)化整合調度的處理環(huán)節(jié)[3]。需構建拓撲結構并導入調度機制，根據特性測定限值距離，如公式（1）所示：

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

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

1.2 多階物資物流配送調度優(yōu)化初始序列設定

采用多階調度結構，設計更靈活的配送模式。根據不同需求，將調度序列分為多個階段，實現多階物資物流配送調度優(yōu)化初始序列流程的設定，如圖1所示。

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

公式（3）中：表示配送調度匹配度；表示調度可控范圍；和分別表示基礎迭代次數和實際迭代次數；表示目標函數；表示轉換比。實現對配送調度匹配度的測算，判斷配送調度實際情況，獲取對應的數據和信息。

1.3 基于遺傳算法的任務調度優(yōu)化模型

將多階序列導入初始的模型中，通過遺傳算法，構建電力物資物流配送任務調度優(yōu)化模型。對物資供應商、轉置點和接收點三方進行需求分析，如圖2所示。

每個調度任務形成對應的線路，可結合需求調整，增加模型靈活性和穩(wěn)定性。結合遺傳算法，先測定初始距離，根據物資儲量變化[5]，設計調度優(yōu)化結構，如圖3所示。

利用設計的調度序列，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進行靈活調度，模型調度最優(yōu)解計算公式如下：

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

1.4 交叉核驗實現調度優(yōu)化處理

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

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

2 方法測試

2.1 測試準備

利用專業(yè)的設備及節(jié)點將當前的配送區(qū)域范圍之內的路段進行掃描，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，設置轉運速率為0.5h/t，配送調度的風險權重控制在0.6～0.9之間。設定配送中心的物資預置點與電力物資儲存量，如下表1所示。

將預置點設定為動態(tài)形式，根據電力物資物流的配送需求，構建循環(huán)性的配送測試條件，完成最終環(huán)境的設置。

2.2 測試過程及結果分析

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

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

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

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

結合表2，得出以下測試結論：針對選定的3個配送點，分析初始配送調度時間和實測配送調度時間，最終得出的調度時間優(yōu)化比均可以達到0.55以上，說明在遺傳算法的輔助下，設計的電力物資物流配送任務調度優(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，有效提升電網的整體安全性。

3 結語

對基于遺傳算法的電力物資物流配送任務調度優(yōu)化方法的設計與分析驗證。在進行電力物資物流配送調度處理的過程中，結合遺產算法自身的原則和特點，彌補初始調度方法存在的不足，以此來不斷增加任務調度模式的全局搜索能力強以及魯棒性等優(yōu)點，更好地適應復雜多變的配送環(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)的物流配送任務調度提供借鑒和參考。

參考文獻

[1]董威雄.電網企業(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].計算機工程與設計，2023，44（5）：1441-1450.

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