物流調度對提高供應鏈的有效管理至關重要。針對物流云服務模式中調度任務多、信息量大、需求廣的特點,提出了一種改進蝙蝠算法求解物流云服務調度問題的方案,其優(yōu)化目標為最小化調度時間和最大化資源利用率。根據(jù)設計的算法流程,首先基于工件升序排列(ranked order value,ROV)規(guī)則對蝙蝠個體進行重新編碼,接著調整初始化數(shù)據(jù)范圍來減少分配任務超載和資源閑置現(xiàn)象,并在迭代過程中增加約束條件來均衡…

        物流調度對提高供應鏈的有效管理至關重要。針對物流云服務模式中調度任務多、信息量大、需求廣的特點，提出了一種改進蝙蝠算法求解物流云服務調度問題的方案，其優(yōu)化目標為最小化調度時間和最大化資源利用率。根據(jù)設計的算法流程，首先基于工件升序排列（ranked order value，ROV）規(guī)則對蝙蝠個體進行重新編碼，接著調整初始化數(shù)據(jù)范圍來減少分配任務超載和資源閑置現(xiàn)象，并在迭代過程中增加約束條件來均衡任務量，最終實現(xiàn)了資源與任務的智能調度。通過和遺傳、粒子群以及基本蝙蝠算法的對比分析，體現(xiàn)了改進算法的優(yōu)越性。最后利用Witness對方案進行仿真，證明了改進蝙蝠算法在解決物流云服務任務調度中的有效性，同時擴展了蝙蝠算法的應用領域。 關鍵詞：物流云調度；改進蝙蝠算法；均衡任務；智能匹配；仿真模擬；優(yōu)越性源進行調度分配來滿足客戶的個性化物流需求。在這種情形下，如何快速的來實現(xiàn)物流資源與需求任務的動態(tài)組合、智能匹配和優(yōu)化調度就顯得尤為重要。

        國內外學者對物流調度的研究取得了一定的成果。近些年隨著人工智能和神經網(wǎng)絡技術的不斷發(fā)展，越來越多的智能優(yōu)化算法也被應用到物流調度優(yōu)化中。鄭小強[4]等提出了一種云遺傳算法來解決復雜維修物流任務的組織和調度；范志強[5]設計了一種模擬退火算法對多目標物流訂單分配模型進行求解；張衛(wèi)[6]等結合云模型和蟻群算法對制造服務調度問題制定了一種求解策略,來實現(xiàn)制造服務資源的優(yōu)化配置。蝙蝠算法(Bat Algorithm, BA)是新生的仿生智能算法，它通過模擬蝙蝠個體的捕食過程來搜索優(yōu)化問題的全局最優(yōu)解，具有搜索快速并且操作簡單的特點。本文基于物流云服務平臺強大的信息整合能力，采用改進蝙蝠算法(Improved Bat Algorithm, IBA)，對云服務平臺中的物流任務進行調度優(yōu)化。改進算法中，在種群初始化時，

        進入21世紀，客戶的個性化需求越來越多樣，不僅促使物流服務日新月異，更要求物流調度對市場變化具有較高的適應性和靈敏性，而物流調度的主要難點在于如何用最小的時間對需求不同、任務量大的物流服務進行快速合理的分配。近幾年來，在云計算、物聯(lián)網(wǎng)和供應鏈管理的綜合模式下,產生了一種面向供應鏈的物流服務新模式—物流云服務[1](Logistics Cloud Service, LCS)，該模式把物流資源虛擬化為云后集中存儲起來，對其整合形成對應的物流資源云，為客戶提供便捷、優(yōu)質的個性化物流服務。和以往的物流服務模式相比，物流云服務(LCS)更加注重物流服務的專業(yè)化和個性化[2]，通過構建按需供應、資源高度共享的物流服務平臺[3]，來實現(xiàn)全社會物流資源的分配和調度。基于這種模式，客戶希望快捷的享受到最適合的物流服務，而作為物流服務提供者也希望以最少的時間對物流資