一种基于量子遗传模拟退火算法的仓储补货方法

专利主权项内容

1.一种基于量子遗传模拟退火算法的仓储补货方法，其特征在于，包括以下步骤：1)根据每种零部件的补货方式，计算整个供应链的产品销售收入和各项成本构成，进而得到计算整个供应链的总利润的利润函数；2)以整个供应链的总利润最大化为目标，建立供应链中的零部件补货策略优化的数学模型；3)根据建立的零部件补货策略优化的数学模型，采用量子遗传模拟退火算法计算各种补货方式共存下整个供应链的零部件补货策略；所述利润函数为：π＝SR-C-Cms其中，π表示总利润，SR表示制造商的销售收入，C表示ATO制造商的总成本，C表示零部件供应商的总成本；ms所述供应链中的零部件补货策略优化的数学模型为：Maxπm≥k≥0D≥Q≥0jjs.t.D≥r≥0jj其中，j＝k+1, k+2, ..., m，前k种零部件采用准时制补货方式进行补货，后m-k种零部件采用经济订货批量方式进行补货，第j种零部件的年期望需求量为D，第j种零部件的采购批量为Q，再订货点为r；jjj所述量子遗传模拟退火算法利用模拟退火算法能够概率性跳出局部最优的优点，将模拟退火的思想引入到量子遗传算法中，首先初始化一个种群Q(t), 种群中各染色体的基因均被初始化为/>一个染色体所表达的是其全部可能状态的叠加；S为该染色体的第k种状态，对于n种零部件的补货问题，其表示为一个长度为n的二进制串k(x, x, ..., x)，其中x的值为0或1，i＝1, 2, ..., n；然后通过对种群测量来获取一组确定的解其中/>为第t代种群中第j个解；所述/>是一个长度为n值为0或1的二进制串，其值根据量子比特概率/>或/>来确定，其过程是，产生一个0到1的随机数，如果随机数是大于/>或者/>那么测量值为1，否则为0；所述量子遗传模拟退火算法选择量子旋转门来对染色体进行调整，调整策略为：比较个体/>的当前测量值的适应度值Fit(x)与目标值的适应度值Fit(b)，若Fit(xi)＞Fit(bi)，则调整相应的量子比特位的几率幅对(αi, βi)往利于xi的方向发展，反之则往利于bi的方向发展。12ni