技术领域
[0001] 本
发明涉及建筑逆向物流选址技术领域，具体为一种装配式建筑逆向物流选址方法。
背景技术
[0002] 近年来，分布式生产优化研究已经成为热点领域，随着PC构件厂商的不断升级，加工工厂一般分布在不同地段或地域，也迫切要求开展分布式装配式建筑优化的相关研究，Naderi和Ruiz分析了分布式流
水车间调度问题(distributed permutationflow-shopscheduling problem，DPFSP)的模型，并给出了几种启发式规则，之后许多学者针对DPFSP开展相关研究，然而，只针对一般流水车间调度问题开展研究，尚缺乏针对实际约束的装配式建筑生产问题的研究，区别于正向物流，逆向物流通过建立从消费者到各级装配式建筑回收点的物流网络，实现资源回收或处理废弃物品，包括生产中的废品和副产品、
缺陷产品或维修退回产品，以及过期和不合格产品等，由于产品回收过程中，顾客需求的不确定性，回收渠道的复杂性，以及回收处理方式的多样性等特点，逆向物流比正向物流更复杂，逆向物流所面对的复杂问题中，选址问题是其核心问题，因而也得到了越来越多的国内外学者的关注和研究，人工蜂群
算法是一种新的
群体智能优化方法，由Karaboga等于2005年首次提出，主要应用于求解连续函数优化问题，潘全科等针对ABC方法应用到离散问题领域，提出了离散人工蜂群算法，并应用求解流水线调度，李俊青等则把离散ABC方法应用到求解多目标柔性作业车间调度问题、
铁水调度问题和带维修约束的柔性调度问题等领域，上述文献表明，ABC算法由于有效平衡了全局搜索和局部搜索能
力，可以有效应用于求解复杂调度问题。
[0003] 但是分布式装配式建筑生产优化存在诸多热点问题，如分布式生产项目调度、分布式配送优化、分布式装配生产工厂选择和分布式装配式建筑逆向物流等问题，有待深入开展研究，本文针对装配式建筑构件生产中的逆向物流问题开展模型建立，结合人工蜂群
优化算法，设计一种离散人工蜂群算法，并开展算法性能测试研究。
发明内容
[0004] (一)解决的技术问题
[0005] 针对
现有技术的不足，本发明提供了一种装配式建筑逆向物流选址方法，具备有效性和
稳定性等优点，解决了算法性能差的问题。
[0006] (二)技术方案
[0007] 为实现上述有效性和稳定性的目的，本发明提供如下技术方案：包括以下步骤：
[0008] 1)初始化实验参数，生产初始解集；
[0009] 2)创建装配式建筑回收点编码向量，循环为每个装配加工点随机选择一个装配式建筑回收点，并记录到该装配式建筑回收点对应的链表下，直到所有装配加工点均已选择完毕；
[0010] 3)创建装配式建筑回收中心编码向量，循环每个有装配加工点记录的装配式建筑回收点，随机为其分配一个装配式建筑回收中心，并记录到该装配式建筑回收中心对应的链表中；
[0011] 4)若终止条件满足，则结束算法，否则，执行步骤5-8；
[0012] 5)给当前解集中每个解分派雇佣蜂，执行挖掘搜索工作；
[0013] 6)分派跟随蜂，进一步挖掘更新后的解集；
[0014] 7)如果满足派出侦察蜂的条件，则随机选择一种侦察蜂策略，开展进一步强化搜索；
[0015] 8)返回步骤2。
[0016] (三)有益效果
[0017] 与现有技术相比，本发明提供了一种装配式建筑逆向物流选址方法，具备以下有益效果：该装配式建筑逆向物流选址方法，通过提出了一种有效的两阶段向量的编码结构，设计了性能良好的邻域结构，构建了新的雇佣蜂、跟随蜂和侦察蜂策略，通过现实生产实例和随机实例的测试，并与当前文献典型算法对比分析，验证了算法的有效性和稳定性，优化提出的混合算法，并应用算法求解装配式建筑逆向物流网络中多目标问题。
具体实施方式
[0018] 下面将结合本发明的
实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019] 一种装配式建筑逆向物流选址方法，包括以下步骤：
[0020] 1)初始化实验参数，生产初始解集；
[0021] 2)创建装配式建筑回收点编码向量，循环为每个装配加工点随机选择一个装配式建筑回收点，并记录到该装配式建筑回收点对应的链表下，直到所有装配加工点均已选择完毕；
[0022] 3)创建装配式建筑回收中心编码向量，循环每个有装配加工点记录的装配式建筑回收点，随机为其分配一个装配式建筑回收中心，并记录到该装配式建筑回收中心对应的链表中；
[0023] 4)若终止条件满足，则结束算法，否则，执行步骤5-8；
[0024] 5)给当前解集中每个解分派雇佣蜂，执行挖掘搜索工作；
[0025] 6)分派跟随蜂，进一步挖掘更新后的解集；
[0026] 7)如果满足派出侦察蜂的条件，则随机选择一种侦察蜂策略，开展进一步强化搜索；
[0027] 8)返回步骤2。
[0028] 实验例：
[0029] 以VC++6.0为开发环境，采用Intel Core i5 3.3GHZ、4GB RAM的PC机，实现了求解装配式建筑逆向物流网络选址问题的HDABC算法，算法参数设置如下：
[0030] 1)初始解集大小＝5；
[0031] 2)雇佣蜂数量＝5；
[0032] 3)跟随蜂数量＝5；
[0033] 4)侦查蜂数量＝1；
[0034] 5)侦察蜂派出时机：某个解超过10秒没有更新；
[0035] 6)局部搜索策略相关参数：雇佣蜂、跟随蜂循环次数Ti＝10，侦察蜂循环次数Ti＝50，邻域解集大小Tn＝10；
[0036] 结束条件：运行时间超过150秒。
[0037] 实验结果分析：某企业共有10个装配加工点，5个备选装配式建筑回收点和3个备选装配式建筑回收中心，每个装配式建筑回收点的年运营
费用为2万元，每个装配式建筑回收中心的运营费用为30万元，单位产品的日存储费用为10元，年工作日为250天，装配加工点人工费用为单位产品10元，每个装配式建筑回收点服务
覆盖半径为12.5km，装配加工区的单位产品惩罚成本为500元，装配式建筑回收中心的最大容量为1000，装配式建筑回收点的最大容量为200，规模效应因子参见文献6，其中参数e＝100，增加了装配式建筑回收点容量约束，去掉惩罚成本，回收产品从装配加工点运送到装配式建筑回收中心的运输费用。
[0038] 本发明的有益效果是：通过提出了一种有效的两阶段向量的编码结构，设计了性能良好的邻域结构，构建了新的雇佣蜂、跟随蜂和侦察蜂策略，通过现实生产实例和随机实例的测试，并与当前文献典型算法对比分析，验证了算法的有效性和稳定性，优化提出的混合算法，并应用算法求解装配式建筑逆向物流网络中多目标问题。
[0039] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、
修改、替换和变型，本发明的范围由所附
权利要求及其等同物限定。
