CN107316208A - 一种共享汽车共享网点布局与选址模型 - Google Patents
一种共享汽车共享网点布局与选址模型 Download PDFInfo
- Publication number
- CN107316208A CN107316208A CN201710470541.4A CN201710470541A CN107316208A CN 107316208 A CN107316208 A CN 107316208A CN 201710470541 A CN201710470541 A CN 201710470541A CN 107316208 A CN107316208 A CN 107316208A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mrow
- msub
- mtr
- site
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种共享汽车共享网点布局与选址模型,它包括建立共享租赁汽车网点选址成本模型、建立基于网络效应的共享汽车租赁收益模型、建立边际成本与边际收益的目标函数模型、运用萤火虫算法仿真目标函数模型;能够解决具有强网络效应的网点布局问题,建立起以汽车共享为代表的改进萤火虫算法的网点选址模型。
Description
技术领域
本发明涉及一种共享汽车领域,特别是一种共享汽车共享网点布局与选址模型。
背景技术
移动互联时代的到来,拉近了人与人间的距离,使商业信息的传递速度更加快捷,消费者对消费信息的反馈亦更加迅速。商业模式也在这一浪潮中潜移默化的发生着改变。借助于互联网技术,视频共享、知识共享等共享服务形式正逐渐受到市场的热捧。共享经济已悄然地走进了我们的生活。车辆共享作为共享经济的代表,也正经历一场革命性的变革。各类企业都力图在“混局”中拔得头筹。梅赛德斯-奔驰母公司戴姆勒集团的Car2Go,上汽集团的EVCARD,力帆集团的盼达租车,乐视集团的“零派乐享”等,无不希望通过自身的努力取得市场先机。调研后发现,上述公司都以租赁平台为基础,手机APP为信息中介,伴以相关车辆空间实现车辆租赁,存在一定的技术共性。其竞争的焦点主要在租赁网络的构建方面。但目前学术界鲜有关于车辆共享租赁网点布局方面的研究,无法满足市场关于车辆共享网络布局方法的需求。
当前的大部分文献仅将网络规划作为一多约束条件下的投入成本最小化的弱网络效应问题,未将网络形成后的外部效应考虑在内,无法解决共享经济时代共享网点的强网络效应布点问题。
发明内容
有鉴于现有技术的上述缺陷,本发明的目的就是提供一种共享汽车共享网点布局与选址模型,能够解决具有强网络效应的网点布局问题,建立起以汽车共享为代表的改进萤火虫算法的网点选址模型。
本发明的目的是通过这样的技术方案实现的,一种共享汽车共享网点布局与选址模型,它包括有:所述模型步骤如下:
S01:建立共享租赁汽车网点选址成本模型;
S02:建立基于网络效应的共享汽车租赁收益模型;
S03:建立边际成本、边际收益的目标函数模型;
S04:运用萤火虫算法仿真步骤S03中的目标函数模型。
进一步,所述共享汽车共享网点布局与选址模型还包括商业网点选址问题;所述商业网点选址问题包括有单向网络、双向网络、非同类区域网点选址以及同类区域网点选址;
所述单向网络描述如下:假设某一区域有N个候选共享汽车租赁网点,要在这N个网点中选择n(n≤N)个网点建设使得满足一定需求D的利润最大;用G=(V,E)表示网络,其中V表示所有交换结点所组成的集合,V={1,2,...,N};E表示任意结点连接所成边的集合,E={lij|i,j=1,2,...,N},(i≠j);若结点i,j∈V连通且i、j之间不存在其他结点,则称连接i、j的边为链路(i、j),若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量相等时,即(i,j)=(j,i),(i,j),(j,i)∈E,则称该网络为单向网络;
所述双向网络描述如下:若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量不相等时,即(i,j)≠(j,i),(i,j),(j,i)∈E,则称该网络为双向网络;
所述非同类区域网点选址描述如下:假设对象区域被划分成M个分区,在这M个分区中为n个网点选址;用Z矩阵表示可行选点集,代表候选的租赁网点集合,当选择在某一分区的某一点建立网点时取其值为1,否则取值为0,即zir∈{0,1};假设各个分区的可建网点分别为:(n1,n2,...,nM),其分别代表第1分区到第M分区的可建网点数,其中n1+n2+...+nM=n,故可行选点集Z的数学表达如下所示:
其中,
设Q=[qrs]M×M为OD矩阵,其中qrs为分区r到分区s单位时间内的潜在市场容量;
其中qir为分区r内网点i的车辆租赁分布量;
Q=[qij]N×N; (3)
其中qij为网点i与网点j之间的车辆租赁分布量,其中i、j不在同一个分区;
则加入这些网点后,将公式(1)代入下式,可得对象区域的OD矩阵Q=[qrs]M×M中的元素为:
所述同类区域网点选址描述如下:所述同类区域选址是所述非同类区域选址的特殊情况,在理想条件下,容量与需求量相等,即drs=qrs,dir=qir,dij=qij;则得到同类区域网点选址。
进一步,步骤S01中所述的共享租赁汽车网点选址成本模型包括共享网络成本;所述共享网络成本计算如下:
建设网点需考虑车位租赁费用、车位改建费用等成本问题;设C矩阵为不同租赁网点的成本矩阵;
其中cir表示将网点i安放在r分区的总成本,
由于建设网点应与该网点成本相对应,当网点建设与网点成本不对应时,则该建设网点与成本是不兼容的,即对j,r,s当i≠j或r≠s时,zir·cjs=0,将公式(1)代入公式(5),可得整个对象区域建设这n个网点的总成本表示为:
进一步,步骤S01中所述的共享租赁汽车网点选址成本模型还包括单网点成本;所述单网点成本计算如下:
单个网点的成本为:
cir=C1(dir)·(1+σ)+C2(dir)+C3(dir)+A (7)
其中,A为技术支持成本(可理解为租赁平台建设费用平摊到单个网点的成本),C1(dir)表示共享汽车租赁网点的投入车辆的成本,是关于租赁规模的函数,而其租赁规模用需求量来表示,dir表示位于分区r的网点i的需求量;
车辆投入的成本为:
C1(dir)=α0+α1dir (8)
C2(dir)表示租赁网点的车位改建费用、车位租赁费用;其表达式为:
C2(dir)=α2dir (9)
其中α2为单个车位改建费用与单个车位租赁费用之和;
C3(dir)表示为汽车损耗维修费用、废弃汽车回收成本,租赁公司需对出租的汽车检查维修故障以确保使用者的安全,其成本公式为:
C3(dir)=λ·cp·dir+c0 (10)
其中,λ表示设施的故障率,cp表示平均修复成本,c0为废弃汽车的回收成本;
将(7)、(8)、(9)式代入(6)式,可得单个网点的成本公式为:
其中,表示随着汽车租赁单位需求量的增加所增加的成本量;表示网点建设前期所需投入的固定成本。
进一步,步骤S02中所述基于网络效应的共享汽车租赁收益模型建立如下:
假设各个分区是同质的,分区之间只有地理位置上的空间坐标差异,仅考虑不分区域的网点选择,由于租赁网络外部效应的存在,使得租赁网点的布局和其市场需求存在非线性关系,当网络中由n个网点组成时,则存在n(n-1)个潜在产品,加入第n+1个网点,通过给现有的连接加入新的互补的连接,增加了2n个潜在的新产品,其增加的市场容量及边际外部效应为:
由梅特卡夫法则得知网络的价值与该网络中的个体数的平方成正比,网络外部效应dadd表示总需求数量增加时商品总价值的增加量,故具有网络效应的产品的价值公式为:
P=α0-α1Q+α2Q2 (13)
其中,α0为直接网络效应产生的价值,也就是即使没有其他使用者,消费者也可以从消费产品或服务中得到的价值;-α1Q+α2Q2为间接网络效应产生的价值,即消费者从同其他使用者交往中得到的价值,故可得各个租赁网点的收益公式为:
进一步,步骤S03中所述的边际成本、边际收益的目标函数模型如下:
单个网点的利润函数为:
πi=Ri-Ci (15)
将(11)、(14)式代入(15)式,可得
整个租赁网点的利润是单个网点利润的垂直加总,故其表示式为:
在需求量一定的条件下考虑交通网络利润最大化的交通网点的选择,其中是下面规划问题的最优解,将(11)、(14)式代入(17)式,可得网络环境下租赁网点选址最优化问题的目标函数表达式为:
d=(d1,...,di,...,dn); (21)
进一步,步骤S04中所述萤火虫算法仿真步骤如下:
S041:初始化算法相关参数,设置萤火虫初始数目为最大迭代次数tmax,最大吸引度β0,光强吸收系数γ,步长因子α;把整体候选租赁点组合向量当成一个萤火虫个体;
S042:生成萤火虫初始解,其相应的目标函数值作为萤火虫的适应度值,适应度值越大说明萤火虫个体的亮度和吸引度越高,根据萤火虫位置计算目标函数值,确定个体荧光亮度;
S043:判断是否成立,若成立则进行S044,若不成立则输出结果;
S044:计算萤火虫个体的适应度值,若候选萤火虫个体适应度值大于当前萤火虫的适应度值,则替换当前萤火虫个体,实现萤火虫对较优个***置的移动;
S045:进行亮度方差识别,并调整算法参数,从而稳定优化算法全局寻优和局部搜索能力;
S046:N=N+1;
S047:判断是否满足终止条件即达到最大迭代次数,若不满足则继续重复S043到S045,若满足则进行S048;
S048:对萤火虫个体进行排序;
S049:输出全局极值点(maxπ)和最优个体值,即租赁网点选址的最大利润和选址点;算法结束。
进一步,所述萤火虫算法的内容如下:
Ⅰ)I为荧光亮度是网点自身的优越性衡量指标函数,用E表示地理便捷度,K表示租车快捷程度,R表示租车的性价比;
则某网点自身的亮度公式为:
I=α0+α1·D+α2·K+α3·R; (23)
该网点吸引到的客流量为:di=eI;
其中包括其它网点流入的客流量之和,即从网点i流入其它网点流入的客流量之和,即
萤火虫i对萤火虫j的相对亮度为:
其中,di既是萤火虫i的亮度,也是网点的需求量,需求量越大其自身亮度越大;为网点i与网点j的需求量变动值;γ为网点之间的挤出效应系数,反应租赁网点整体布局解的优越性随距离增加其挤出效应逐渐减弱,γ∈[0.01,100];
网点可扩展性方差为:
其中,Fi=di/∑di,表示单个租赁网点的局部影响因素;为平均聚集程度,表示租赁品牌整体影响因素;为整个网络的聚集程度;以方差来反映萤火虫种群的收敛程度,当越小时说明萤火虫位置越集中,算法迭代过程越接近于收敛,参数越接近终止值;当越大时说明萤火虫位置越分散,参数越接近起始值;
Ⅱ)萤火虫之间的吸引度为:
其中,β为吸引度,表示亮度大的萤火虫吸引亮度小的萤火虫移动的距离;β0为r=0的吸引力值;J(t)为第t次迭代的目标函数值;
将(25)式代入下式,得到α,γ的更新公式
将(20)式代入(26)式,得到β的更新公式
其中,α为步长因子,α∈(0,1],在α与γ的表达式当中,下标b表示起始,下标e表示终止,k为调节系数;
Ⅲ)萤火虫位置更新公式:
x(i+1)=x(i)+β(x(j)-x(i))+α·(rand-0.5) (30)
在每一次迭代过程中,每一只萤火虫的亮度和吸引力都会被重新计算;每一只萤火虫的亮度都会和其他的萤火虫进行比较,并且所有萤火虫的位置都会更新;经过足够多次的迭代之后,每一只萤火虫都聚集到搜索空间中的同一个点,也就是全局最优点。
由于采用了上述技术方案,本发明具有如下的优点:能够解决具有强网络效应的网点布局问题,综合考虑各网点布局的综合成本、商业外部效应及其在一定成本下所能容纳的需求量,建立起以汽车共享为代表的改进萤火虫算法的网点选址模型,结合模型特点构建方差参数调节的改良萤火虫算法,并用算例对模型进行验证。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下:
图1为本发明的工作原理框图。
图2为本发明的萤火虫算法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1:如图1和图2所示;一种共享汽车共享网点布局与选址模型,它包括有:模型步骤如下:
S01:建立共享租赁汽车网点选址成本模型;
S02:建立基于网络效应的共享汽车租赁收益模型;
S03:建立边际成本、边际收益的目标函数模型;
S04:运用萤火虫算法仿真步骤S03中的目标函数模型。
对于选址目标函数的建立,综合考虑各网点布局的综合成本、商业外部效应及其在一定成本下所能容纳的需求量。基于此,分别建立了选址成本模型、收益模型,最后考虑成本、收益两方面建立了相应的利润目标函数。
共享汽车共享网点布局与选址模型还包括商业网点选址问题;商业网点选址问题包括有单向网络、双向网络、非同类区域网点选址以及同类区域网点选址;
单向网络描述如下:假设某一区域有N个候选共享汽车租赁网点,要在这N个网点中选择n(n≤N)个网点建设使得满足一定需求D的利润最大;用G=(V,E)表示网络,其中V表示所有交换结点所组成的集合,V={1,2,...,N};E表示任意结点连接所成边的集合,E={lij|i,j=1,2,...,N},(i≠j);若结点i,j∈V连通且i、j之间不存在其他结点,则称连接i、j的边为链路(i、j),若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量相等时,即(i,j)=(j,i),(i,j),(j,i)∈E,则称该网络为单向网络;
双向网络描述如下:若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量不相等时,即(i,j)≠(j,i),(i,j),(j,i)∈E,则称该网络为双向网络;
非同类区域网点选址描述如下:假设对象区域被划分成M个分区,在这M个分区中为n个网点选址;用Z矩阵表示可行选点集,代表候选的租赁网点集合,当选择在某一分区的某一点建立网点时取其值为1,否则取值为0,即zir∈{0,1};假设各个分区的可建网点分别为:(n1,n2,...,nM),其分别代表第1分区到第M分区的可建网点数,其中n1+n2+...+nM=n,故可行选点集Z的数学表达如下所示:
其中,
设Q=[qrs]M×M为OD矩阵,其中qrs为分区r到分区s单位时间内的潜在市场容量;
其中qir为分区r内网点i的车辆租赁分布量;
Q=[qij]N×N; (3)
其中qij为网点i与网点j之间的车辆租赁分布量,其中i、j不在同一个分区;
则加入这些网点后,将公式(1)代入下式,可得对象区域的OD矩阵Q=[qrs]M×M中的元素为:
同类区域网点选址描述如下:同类区域选址是非同类区域选址的特殊情况,在理想条件下,容量与需求量相等,即drs=qrs,dir=qir,dij=qij;则得到同类区域网点选址。
对于共享汽车租赁网点选址成本的研究,由于不同租赁网点的成本是不同的,需要比较不同成本对候选网点进行筛选。
步骤S01中的共享租赁汽车网点选址成本模型包括共享网络成本;共享网络成本计算如下:
建设网点需考虑车位租赁费用、车位改建费用等成本问题;设C矩阵为不同租赁网点的成本矩阵;
其中cir表示将网点i安放在r分区的总成本,
由于建设网点应与该网点成本相对应,当网点建设与网点成本不对应时,则该建设网点与成本是不兼容的,即对j,r,s当i≠j或r≠s时,zir·cjs=0,将公式(1)代入公式(5),可得整个对象区域建设这n个网点的总成本表示为:
步骤S01中的共享租赁汽车网点选址成本模型还包括单网点成本;单网点成本计算如下:
单个网点的成本为:
cir=C1(dir)·(1+σ)+C2(dir)+C3(dir)+A (7)
其中,A为技术支持成本(可理解为租赁平台建设费用平摊到单个网点的成本),C1(dir)表示共享汽车租赁网点的投入车辆的成本,是关于租赁规模的函数,而其租赁规模用需求量来表示,dir表示位于分区r的网点i的需求量;
车辆投入的成本为:
C1(dir)=α0+α1dir (8)
C2(dir)表示租赁网点的车位改建费用、车位租赁费用;其表达式为:
C2(dir)=α2dir (9)
其中α2为单个车位改建费用与单个车位租赁费用之和;
C3(dir)表示为汽车损耗维修费用、废弃汽车回收成本,租赁公司需对出租的汽车检查维修故障以确保使用者的安全,其成本公式为:
C3(dir)=λ·cp·dir+c0 (10)
其中,λ表示设施的故障率,cp表示平均修复成本,c0为废弃汽车的回收成本;
将(7)、(8)、(9)式代入(6)式,可得单个网点的成本公式为:
其中,表示随着汽车租赁单位需求量的增加所增加的成本量;表示网点建设前期所需投入的固定成本。
步骤S02中基于网络效应的共享汽车租赁收益模型建立如下:
考虑到租赁网络效应的网络价值,使用者可从租赁网点布局所形成的网络中获得额外福利变化:随着租赁网点的增多,网点之间的互补性将给消费者带来额外效益。以车辆租赁为例,每增加一租赁网点,其租车、还车的便捷度将会随之增加;同时对共享车辆的需求也会增加。为了简化分析,假设各个分区是同质的,分区之间只有地理位置上的空间坐标差异,仅考虑不分区域的网点选择,由于租赁网络外部效应的存在,使得租赁网点的布局和其市场需求存在非线性关系,当网络中由n个网点组成时,则存在n(n-1)个潜在产品,加入第n+1个网点,通过给现有的连接加入新的互补的连接,增加了2n个潜在的新产品,其增加的市场容量及边际外部效应为:
由梅特卡夫法则得知网络的价值与该网络中的个体数的平方成正比,网络外部效应dadd表示总需求数量增加时商品总价值的增加量,故具有网络效应的产品的价值公式为:
P=α0-α1Q+α2Q2 (13)
其中,α0为直接网络效应产生的价值,也就是即使没有其他使用者,消费者也可以从消费产品或服务中得到的价值;-α1Q+α2Q2为间接网络效应产生的价值,即消费者从同其他使用者交往中得到的价值,故可得各个租赁网点的收益公式为:
步骤S03中的边际成本、边际收益的目标函数模型如下:
从汽车租赁层面上看,网络外部效应指随着汽车租赁数量的增加,汽车租赁的边际收益会增加。并且,从微观理论层面上,网络外部效应可以给企业带来一系列边际收益,但同样会带来一系列边际成本。因此企业应权衡其所获得的边际收益和边际成本的大小,合理地做出区位选择决策。
其单个网点的利润函数为:
πi=Ri-Ci (15)
将(11)、(14)式代入(15)式,可得
整个租赁网点的利润是单个网点利润的垂直加总,故其表示式为:
在需求量一定的条件下考虑交通网络利润最大化的交通网点的选择,其中是下面规划问题的最优解,将(11)、(14)式代入(17)式,可得网络环境下租赁网点选址最优化问题的目标函数表达式为:
d=(d1,...,di,...,dn); (21)
萤火虫算法介绍:通常对于函数π(z1,z2,...,zn),若点存在邻域δ[d*],使得对均有π(z*)≥π(z),则称z*为局部极大值点,对于有约束的极值问题通常采用迭代法,即给定初始估计的z(0)后,计算一系列z(k),(k=1,2,...),点列{z(k)}的极限z*就是π(z)的一个极值。随着计算机技术的进步,群智能优化算法具有操作简单,效率高、鲁棒性强等特点。FA萤火虫算法在应用时依赖于参数的选取,具有早熟收敛的劣势,易陷入局部最优解,考虑混沌理论具有随机性、遍历性和规律性等优点。
本申请将混沌理论与萤火虫算法相结合,通过计算种群萤火虫的亮度方差来衡量种群的敛散变化情况,对算法参数α,β,λ在迭代过程中进行混沌更新的方式得以改进,以解决FA算法前期搜索精度差、后期搜索易陷入局部最优的问题。
针对共享租赁网点选址模型,把区域内的候选网点随机分布在目标函数的定义空间内,将整体候选租赁点组合向量当做一个萤火虫的位置,再根据各网点的特征来计算相对应的萤火虫的亮度和吸引度。从而把对租赁网点位置的寻找比喻成萤火虫对捕食或配偶位置的寻找,最后根据具体的萤火虫算法步骤进行求解。
步骤S04中萤火虫算法仿真步骤如下:
S041:初始化算法相关参数,设置萤火虫初始数目为最大迭代次数tmax,最大吸引度β0,光强吸收系数γ,步长因子α;把整体候选租赁点组合向量当成一个萤火虫个体;
S042:生成萤火虫初始解,其相应的目标函数值作为萤火虫的适应度值,适应度值越大说明萤火虫个体的亮度和吸引度越高,根据萤火虫位置计算目标函数值,确定个体荧光亮度;
S043:判断是否成立,若成立则进行S044,若不成立则输出结果;
S044:计算萤火虫个体的适应度值,若候选萤火虫个体适应度值大于当前萤火虫的适应度值,则替换当前萤火虫个体,实现萤火虫对较优个***置的移动;
S045:进行亮度方差识别,并调整算法参数,从而稳定优化算法全局寻优和局部搜索能力;
S046:N=N+1;
S047:判断是否满足终止条件即达到最大迭代次数,若不满足则继续重复S043到S045,若满足则进行S048;
S048:对萤火虫个体进行排序;
S049:输出全局极值点(maxπ)和最优个体值,即租赁网点选址的最大利润和选址点;算法结束。
萤火虫算法内容:将整体候选租赁点组合向量当做一个萤火虫的位置,由于不同租赁网点的布局对市场需求的吸引是不同的,把受租赁网点影响的每个市场需求用吸引度表示出来,最终求出能够吸引最多的网络布局。
Ⅰ)I为荧光亮度是网点自身的优越性衡量指标函数,用E表示地理便捷度,K表示租车快捷程度,R表示租车的性价比;
则某网点自身的亮度公式为:
I=α0+α1·D+α2·K+α3·R; (23)
该网点吸引到的客流量为:di=eI;
其中包括其它网点流入的客流量之和,即从网点i流入其它网点流入的客流量之和,即。
萤火虫i对萤火虫j的相对亮度为:
其中,di既是萤火虫i的亮度,也是网点的需求量,需求量越大其自身亮度越大;为网点i与网点j的需求量变动值;γ为网点之间的挤出效应系数,反应租赁网点整体布局解的优越性随距离增加其挤出效应逐渐减弱,γ∈[0.01,100];
网点可扩展性方差为:
其中,Fi=di/∑di,表示单个租赁网点的局部影响因素;为平均聚集程度,表示租赁品牌整体影响因素;为整个网络的聚集程度。以方差来反映萤火虫种群的收敛程度,当越小时说明萤火虫位置越集中,算法迭代过程越接近于收敛,参数越接近终止值;当越大时说明萤火虫位置越分散,参数越接近起始值。
Ⅱ)萤火虫之间的吸引度为:
其中,β为吸引度,表示亮度大的萤火虫吸引亮度小的萤火虫移动的距离;β0为r=0的吸引力值;J(t)为第t次迭代的目标函数值;
将(25)式代入下式,得到α,γ的更新公式
将(20)式代入(26)式,得到β的更新公式
其中,α为步长因子,α∈(0,1],在α与γ的表达式当中,下标b表示起始,下标e表示终止,k为调节系数;
Ⅲ)萤火虫位置更新公式:
x(i+1)=x(i)+β(x(j)-x(i))+α·(rand-0.5) (30)
在每一次迭代过程中,每一只萤火虫的亮度和吸引力都会被重新计算;每一只萤火虫的亮度都会和其他的萤火虫进行比较,并且所有萤火虫的位置都会更新;经过足够多次的迭代之后,每一只萤火虫都聚集到搜索空间中的同一个点,也就是全局最优点。
本发明具有的有益效果:能够解决具有强网络效应的网点布局问题,综合考虑各网点布局的综合成本、商业外部效应及其在一定成本下所能容纳的需求量,建立起以汽车共享为代表的改进萤火虫算法的网点选址模型,结合模型特点构建方差参数调节的改良萤火虫算法,并用算例对模型进行验证。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种共享汽车共享网点布局与选址模型,其特征在于:所述模型步骤如下:
S01:建立共享租赁汽车网点选址成本模型;
S02:建立基于网络效应的共享汽车租赁收益模型;
S03:建立边际成本、边际收益的目标函数模型;
S04:运用萤火虫算法仿真步骤S03中的目标函数模型。
2.如权利要求1所述的共享汽车共享网点布局与选址模型,其特征在于:所述共享汽车共享网点布局与选址模型还包括商业网点选址问题;所述商业网点选址问题包括有单向网络、双向网络、非同类区域网点选址以及同类区域网点选址;
所述单向网络描述如下:假设某一区域有N个候选共享汽车租赁网点,要在这N个网点中选择n(n≤N)个网点建设使得满足一定需求D的利润最大;用G=(V,E)表示网络,其中V表示所有交换结点所组成的集合,V={1,2,...,N};E表示任意结点连接所成边的集合,E={lij|i,j=1,2,...,N},(i≠j);若结点i,j∈V连通且i、j之间不存在其他结点,则称连接i、j的边为链路(i、j),若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量相等时,即(i,j)=(j,i),(i,j),(j,i)∈E,则称该网络为单向网络;
所述双向网络描述如下:若对于任意两个网点i、j,从i结点到j结点的客流量与从j结点到i结点的客流量不相等时,即(i,j)≠(j,i),(i,j),(j,i)∈E,则称该网络为双向网络;
所述非同类区域网点选址描述如下:假设对象区域被划分成M个分区,在这M个分区中为n个网点选址;用Z矩阵表示可行选点集,代表候选的租赁网点集合,当选择在某一分区的某一点建立网点时取其值为1,否则取值为0,即zir∈{0,1};假设各个分区的可建网点分别为:(n1,n2,...,nM),其分别代表第1分区到第M分区的可建网点数,其中n1+n2+...+nM=n,故可行选点集Z的数学表达如下所示:
<mrow>
<mi>Z</mi>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,
设Q=[qrs]M×M为OD矩阵,其中qrs为分区r到分区s单位时间内的潜在市场容量;
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>Q</mi>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>q</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>q</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>q</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>q</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中qir为分区r内网点i的车辆租赁分布量;
Q=[qij]N×N; (3)
其中qij为网点i与网点j之间的车辆租赁分布量,其中i、j不在同一个分区;
则加入这些网点后,将公式(1)代入下式,可得对象区域的OD矩阵Q=[qrs]M×M中的元素为:
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>r</mi>
</msub>
</munderover>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>z</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
</mrow>
</msub>
<msub>
<mi>q</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>r</mi>
</msub>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<msub>
<mi>z</mi>
<mrow>
<mi>j</mi>
<mi>s</mi>
</mrow>
</msub>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
所述同类区域网点选址描述如下:所述同类区域选址是所述非同类区域选址的特殊情况,在理想条件下,容量与需求量相等,即drs=qrs,dir=qir,dij=qij;则得到同类区域网点选址。
3.如权利要求2所述的共享汽车共享网点布局与选址模型,其特征在于:步骤S01中所述的共享租赁汽车网点选址成本模型包括共享网络成本;所述共享网络成本计算如下:
建设网点需考虑车位租赁费用、车位改建费用等成本问题;设C矩阵为不同租赁网点的成本矩阵;
<mrow>
<mi>C</mi>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中cir表示将网点i安放在r分区的总成本,
由于建设网点应与该网点成本相对应,当网点建设与网点成本不对应时,则该建设网点与成本是不兼容的,即对当i≠j或r≠s时,zir·cjs=0,将公式(1)代入公式(5),可得整个对象区域建设这n个网点的总成本表示为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>C</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mi>Z</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>C</mi>
<mi>T</mi>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msubsup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
<mi>T</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>z</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>1</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mn>2</mn>
<mi>M</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>c</mi>
<mrow>
<mi>N</mi>
<mi>M</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>z</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>.</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
4.如权利要求3所述的共享汽车共享网点布局与选址模型,其特征在于:步骤S01中所述的共享租赁汽车网点选址成本模型还包括单网点成本;所述单网点成本计算如下:
单个网点的成本为:
cir=C1(dir)·(1+σ)+C2(dir)+C3(dir)+A (7)
其中,A为技术支持成本(可理解为租赁平台建设费用平摊到单个网点的成本),C1(dir)表示共享汽车租赁网点的投入车辆的成本,是关于租赁规模的函数,而其租赁规模用需求量来表示,dir表示位于分区r的网点i的需求量;
车辆投入的成本为:
C1(dir)=α0+α1dir (8)
C2(dir)表示租赁网点的车位改建费用、车位租赁费用;其表达式为:
C2(dir)=α2dir (9)
其中α2为单个车位改建费用与单个车位租赁费用之和;
C3(dir)表示为汽车损耗维修费用、废弃汽车回收成本,租赁公司需对出租的汽车检查维修故障以确保使用者的安全,其成本公式为:
C3(dir)=λ·cp·dir+c0 (10)
其中,λ表示设施的故障率,cp表示平均修复成本,c0为废弃汽车的回收成本;
将(7)、(8)、(9)式代入(6)式,可得单个网点的成本公式为:
其中,表示随着汽车租赁单位需求量的增加所增加的成本量;表示网点建设前期所需投入的固定成本。
5.如权利要求4所述的共享汽车共享网点布局与选址模型,其特征在于:步骤S02中所述基于网络效应的共享汽车租赁收益模型建立如下:
假设各个分区是同质的,分区之间只有地理位置上的空间坐标差异,仅考虑不分区域的网点选择,由于租赁网络外部效应的存在,使得租赁网点的布局和其市场需求存在非线性关系,当网络中由n个网点组成时,则存在n(n-1)个潜在产品,加入第n+1个网点,通过给现有的连接加入新的互补的连接,增加了2n个潜在的新产品,其增加的市场容量及边际外部效应为:
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>a</mi>
<mi>d</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
由梅特卡夫法则得知网络的价值与该网络中的个体数的平方成正比,网络外部效应dadd表示总需求数量增加时商品总价值的增加量,故具有网络效应的产品的价值公式为:
P=α0-α1Q+α2Q2 (13)
其中,α0为直接网络效应产生的价值,也就是即使没有其他使用者,消费者也可以从消费产品或服务中得到的价值;-α1Q+α2Q2为间接网络效应产生的价值,即消费者从同其他使用者交往中得到的价值,故可得各个租赁网点的收益公式为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>P</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mi>Q</mi>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<msup>
<mi>Q</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>.</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
6.如权利要求5所述的共享汽车共享网点布局与选址模型,其特征在于:步骤S03中所述的边际成本、边际收益的目标函数模型如下:
单个网点的利润函数为:
πi=Ri-Ci (15)
将(11)、(14)式代入(15)式,可得
整个租赁网点的利润是单个网点利润的垂直加总,故其表示式为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&pi;</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&pi;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>17</mn>
<mo>)</mo>
</mrow>
</mrow>
在需求量一定的条件下考虑交通网络利润最大化的交通网点的选择,其中是下面规划问题的最优解,将(11)、(14)式代入(17)式,可得网络环境下租赁网点选址最优化问题的目标函数表达式为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mi>&pi;</mi>
<mo>=</mo>
<mi>T</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>T</mi>
<mi>C</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&pi;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>18</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>n</mi>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>19</mn>
<mo>)</mo>
</mrow>
</mrow>
4
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>z</mi>
<mi>j</mi>
</msub>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>D</mi>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>20</mn>
<mo>)</mo>
</mrow>
</mrow>
d=(d1,...,di,...,dn); (21)
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>&Element;</mo>
<mi>V</mi>
<mo>,</mo>
<mi>V</mi>
<mo>=</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>}</mo>
<mo>.</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>22</mn>
<mo>)</mo>
</mrow>
</mrow>
7.如权利要求1所述的共享汽车共享网点布局与选址模型,其特征在于:步骤S04中所述萤火虫算法仿真步骤如下:
S041:初始化算法相关参数,设置萤火虫初始数目为最大迭代次数tmax,最大吸引度β0,光强吸收系数γ,步长因子α;把整体候选租赁点组合向量当成一个萤火虫个体;
S042:生成萤火虫初始解,其相应的目标函数值作为萤火虫的适应度值,适应度值越大说明萤火虫个体的亮度和吸引度越高,根据萤火虫位置计算目标函数值,确定个体荧光亮度;
S043:判断是否成立,若成立则进行S044,若不成立则输出结果;
S044:计算萤火虫个体的适应度值,若候选萤火虫个体适应度值大于当前萤火虫的适应度值,则替换当前萤火虫个体,实现萤火虫对较优个***置的移动;
S045:进行亮度方差识别,并调整算法参数,从而稳定优化算法全局寻优和局部搜索能力;
S046:N=N+1;
S047:判断是否满足终止条件即达到最大迭代次数,若不满足则继续重复S043到S045,若满足则进行S048;
S048:对萤火虫个体进行排序;
S049:输出全局极值点(maxπ)和最优个体值,即租赁网点选址的最大利润和选址点;算法结束。
8.如权利要求7所述的共享汽车共享网点布局与选址模型,其特征在于:所述萤火虫算法的内容如下:
Ⅰ)I为荧光亮度是网点自身的优越性衡量指标函数,用E表示地理便捷度,K表示租车快捷程度,R表示租车的性价比;
则某网点自身的亮度公式为:
I=α0+α1·D+α2·K+α3·R; (23)
该网点吸引到的客流量为:di=eI;
其中包括其它网点流入的客流量之和,即从网点i流入其它网点流入的客流量之和,即
萤火虫i对萤火虫j的相对亮度为:
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>24</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,di既是萤火虫i的亮度,也是网点的需求量,需求量越大其自身亮度越大;为网点i与网点j的需求量变动值;γ为网点之间的挤出效应系数,反应租赁网点整体布局解的优越性随距离增加其挤出效应逐渐减弱,γ∈[0.01,100];
网点可扩展性方差为:
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>F</mi>
<mi>arg</mi>
</msub>
</mrow>
<mi>F</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>25</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Fi=di/∑di,表示单个租赁网点的局部影响因素;为平均聚集程度,表示租赁品牌整体影响因素;为整个网络的聚集程度;以方差来反映萤火虫种群的收敛程度,当越小时说明萤火虫位置越集中,算法迭代过程越接近于收敛,参数越接近终止值;当越大时说明萤火虫位置越分散,参数越接近起始值;
Ⅱ)萤火虫之间的吸引度为:
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>&CenterDot;</mo>
<mi>j</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>26</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,β为吸引度,表示亮度大的萤火虫吸引亮度小的萤火虫移动的距离;β0为r=0的吸引力值;J(t)为第t次迭代的目标函数值;
将(25)式代入下式,得到α,γ的更新公式
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msubsup>
<mi>k&sigma;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>e</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>27</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&gamma;</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msubsup>
<mi>k&sigma;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&gamma;</mi>
<mi>e</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>28</mn>
<mo>)</mo>
</mrow>
</mrow>
将(20)式代入(26)式,得到β的更新公式
<mrow>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>&CenterDot;</mo>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>29</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,α为步长因子,α∈(0,1],在α与γ的表达式当中,下标b表示起始,下标e表示终止,k为调节系数;
Ⅲ)萤火虫位置更新公式:
x(i+1)=x(i)+β(x(j)-x(i))+α·(rand-0.5) (30)
在每一次迭代过程中,每一只萤火虫的亮度和吸引力都会被重新计算;每一只萤火虫的亮度都会和其他的萤火虫进行比较,并且所有萤火虫的位置都会更新;经过足够多次的迭代之后,每一只萤火虫都聚集到搜索空间中的同一个点,也就是全局最优点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710470541.4A CN107316208B (zh) | 2017-06-20 | 2017-06-20 | 一种共享汽车共享网点布局与选址模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710470541.4A CN107316208B (zh) | 2017-06-20 | 2017-06-20 | 一种共享汽车共享网点布局与选址模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316208A true CN107316208A (zh) | 2017-11-03 |
CN107316208B CN107316208B (zh) | 2021-05-07 |
Family
ID=60183734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710470541.4A Active CN107316208B (zh) | 2017-06-20 | 2017-06-20 | 一种共享汽车共享网点布局与选址模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316208B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509370A (zh) * | 2018-12-28 | 2019-03-22 | 西安艾润物联网技术服务有限责任公司 | 车位管理方法及装置 |
CN109543913A (zh) * | 2018-11-29 | 2019-03-29 | 北京首汽智行科技有限公司 | 一种固定网点优化方法及*** |
CN109584620A (zh) * | 2018-12-28 | 2019-04-05 | 西安艾润物联网技术服务有限责任公司 | 身份验证方法、装置及*** |
CN109816874A (zh) * | 2017-11-21 | 2019-05-28 | 丰田自动车株式会社 | 租赁费用设定装置、租赁费用设定方法及租赁费用设定*** |
CN110288263A (zh) * | 2019-07-03 | 2019-09-27 | 北京首汽智行科技有限公司 | 一种基于用车行为的共享汽车停车网点确定方法 |
CN110309436A (zh) * | 2019-06-13 | 2019-10-08 | 大连理工大学 | 一种考虑车主选择行为的汽车服务网络协同选址方法与*** |
CN110458589A (zh) * | 2019-02-01 | 2019-11-15 | 吉林大学 | 基于轨迹大数据的路侧式出租车停靠站选址优选方法 |
CN110472773A (zh) * | 2019-07-17 | 2019-11-19 | 武汉科技大学 | 基于萤火虫优化的共享单车调度方法、***、装置和介质 |
CN110675189A (zh) * | 2019-09-20 | 2020-01-10 | 东北大学 | 一种基于Wide&Deep模型和遗传算法的无人货架选址方法 |
CN110838003A (zh) * | 2019-10-31 | 2020-02-25 | 珠海市蜜蜂科技有限公司 | 共享办公的管理***、方法、设备及可读介质 |
CN111275296A (zh) * | 2020-01-14 | 2020-06-12 | 北京交通大学 | 一种基于轨迹数据的单向共享汽车***选址优化方法 |
CN111598516A (zh) * | 2020-05-20 | 2020-08-28 | 圆通速递有限公司 | 一种驿站选址方法和*** |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
CN113971329A (zh) * | 2021-09-22 | 2022-01-25 | 广州杰赛科技股份有限公司 | 一种模型化的摄像头的布局方法 |
CN115994664A (zh) * | 2023-01-04 | 2023-04-21 | 浙江中兴慧农信息科技有限公司 | 一种共享冷库模式的智能推荐的方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
CN103606067A (zh) * | 2013-12-09 | 2014-02-26 | 国家电网公司 | 一种用电信息采集***经济性的评估方法 |
JP5431385B2 (ja) * | 2011-02-15 | 2014-03-05 | 善午 後藤 | カーシェアリング管理システム |
CN104680352A (zh) * | 2015-03-17 | 2015-06-03 | 云南农业大学 | 一种生鲜农产品冷链物流***网点布局优化方法 |
CN106253328A (zh) * | 2016-08-05 | 2016-12-21 | 国网江西省电力公司电力科学研究院 | 一种对风电场并网点进行合理选址的分析方法 |
CN106779142A (zh) * | 2016-11-15 | 2017-05-31 | 中国电力科学研究院 | 一种售电主体合约电量优化方法及装置 |
CN106845839A (zh) * | 2017-01-23 | 2017-06-13 | 东南大学 | 一种岸电建设运营各方成本效益经济性分析方法 |
-
2017
- 2017-06-20 CN CN201710470541.4A patent/CN107316208B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814174A (zh) * | 2010-04-07 | 2010-08-25 | 北京交通大学 | 农资连锁经营物流配送中心选址优化方法 |
JP5431385B2 (ja) * | 2011-02-15 | 2014-03-05 | 善午 後藤 | カーシェアリング管理システム |
CN103606067A (zh) * | 2013-12-09 | 2014-02-26 | 国家电网公司 | 一种用电信息采集***经济性的评估方法 |
CN104680352A (zh) * | 2015-03-17 | 2015-06-03 | 云南农业大学 | 一种生鲜农产品冷链物流***网点布局优化方法 |
CN106253328A (zh) * | 2016-08-05 | 2016-12-21 | 国网江西省电力公司电力科学研究院 | 一种对风电场并网点进行合理选址的分析方法 |
CN106779142A (zh) * | 2016-11-15 | 2017-05-31 | 中国电力科学研究院 | 一种售电主体合约电量优化方法及装置 |
CN106845839A (zh) * | 2017-01-23 | 2017-06-13 | 东南大学 | 一种岸电建设运营各方成本效益经济性分析方法 |
Non-Patent Citations (1)
Title |
---|
王朝晖: "共享单车发展过程中的风险与保险", 《中国保险报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816874A (zh) * | 2017-11-21 | 2019-05-28 | 丰田自动车株式会社 | 租赁费用设定装置、租赁费用设定方法及租赁费用设定*** |
CN109816874B (zh) * | 2017-11-21 | 2021-12-28 | 丰田自动车株式会社 | 租赁费用设定装置、租赁费用设定方法及租赁费用设定*** |
CN109543913A (zh) * | 2018-11-29 | 2019-03-29 | 北京首汽智行科技有限公司 | 一种固定网点优化方法及*** |
CN109509370A (zh) * | 2018-12-28 | 2019-03-22 | 西安艾润物联网技术服务有限责任公司 | 车位管理方法及装置 |
CN109584620A (zh) * | 2018-12-28 | 2019-04-05 | 西安艾润物联网技术服务有限责任公司 | 身份验证方法、装置及*** |
CN110458589A (zh) * | 2019-02-01 | 2019-11-15 | 吉林大学 | 基于轨迹大数据的路侧式出租车停靠站选址优选方法 |
CN110458589B (zh) * | 2019-02-01 | 2023-02-10 | 吉林大学 | 基于轨迹大数据的路侧式出租车停靠站选址优选方法 |
CN110309436A (zh) * | 2019-06-13 | 2019-10-08 | 大连理工大学 | 一种考虑车主选择行为的汽车服务网络协同选址方法与*** |
CN110309436B (zh) * | 2019-06-13 | 2021-02-26 | 大连理工大学 | 考虑车主选择行为的汽车服务网络协同选址方法与*** |
CN110288263A (zh) * | 2019-07-03 | 2019-09-27 | 北京首汽智行科技有限公司 | 一种基于用车行为的共享汽车停车网点确定方法 |
CN110472773A (zh) * | 2019-07-17 | 2019-11-19 | 武汉科技大学 | 基于萤火虫优化的共享单车调度方法、***、装置和介质 |
CN110675189B (zh) * | 2019-09-20 | 2022-12-13 | 东北大学 | 一种基于Wide&Deep模型和遗传算法的无人货架选址方法 |
CN110675189A (zh) * | 2019-09-20 | 2020-01-10 | 东北大学 | 一种基于Wide&Deep模型和遗传算法的无人货架选址方法 |
CN110838003A (zh) * | 2019-10-31 | 2020-02-25 | 珠海市蜜蜂科技有限公司 | 共享办公的管理***、方法、设备及可读介质 |
CN110838003B (zh) * | 2019-10-31 | 2023-08-15 | 珠海市蜜蜂科技有限公司 | 共享办公的管理***、方法、设备及可读介质 |
CN111275296A (zh) * | 2020-01-14 | 2020-06-12 | 北京交通大学 | 一种基于轨迹数据的单向共享汽车***选址优化方法 |
CN111598516A (zh) * | 2020-05-20 | 2020-08-28 | 圆通速递有限公司 | 一种驿站选址方法和*** |
CN111598516B (zh) * | 2020-05-20 | 2023-08-22 | 圆通速递有限公司 | 一种驿站选址方法和*** |
CN113469416B (zh) * | 2021-06-08 | 2022-09-20 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
CN113469416A (zh) * | 2021-06-08 | 2021-10-01 | 哈尔滨工业大学 | 一种派件任务规划方法及设备 |
CN113971329A (zh) * | 2021-09-22 | 2022-01-25 | 广州杰赛科技股份有限公司 | 一种模型化的摄像头的布局方法 |
CN115994664A (zh) * | 2023-01-04 | 2023-04-21 | 浙江中兴慧农信息科技有限公司 | 一种共享冷库模式的智能推荐的方法、装置及设备 |
CN115994664B (zh) * | 2023-01-04 | 2023-08-08 | 浙江中兴慧农信息科技有限公司 | 一种共享冷库模式的智能推荐的方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107316208B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316208A (zh) | 一种共享汽车共享网点布局与选址模型 | |
Chitsaz et al. | Water scarcity management in arid regions based on an extended multiple criteria technique | |
Lee et al. | The analytic hierarchy process (AHP) approach for assessment of urban renewal proposals | |
Mirchi et al. | Synthesis of system dynamics tools for holistic conceptualization of water resources problems | |
Lee | Influence analysis of community resident support for sustainable tourism development | |
Shliselberg et al. | Motility as a policy objective | |
Trachanatzi et al. | A firefly algorithm for the environmental prize-collecting vehicle routing problem | |
Baldwin et al. | How scientific knowledge informs community understanding of groundwater | |
Abu Dabous et al. | Decision support method for multi‐criteria selection of bridge rehabilitation strategy | |
Krishankumar et al. | Double-hierarchy hesitant fuzzy linguistic term set-based decision framework for multi-attribute group decision-making | |
CN108921657A (zh) | 一种基于知识增强记忆网络的序列推荐方法 | |
Fu et al. | Modelling impacts of adverse weather conditions on activity–travel pattern scheduling in multi-modal transit networks | |
Hall et al. | Visualizing the workings of agent-based models: Diagrams as a tool for communication and knowledge acquisition | |
Motieyan et al. | A novel spatial index using spatial analyses and hierarchical fuzzy expert system for obtaining green TOD: a case study in Tehran city | |
Chen et al. | Allocation of short-term jobs to unemployed citizens amid the global economic downturn using genetic algorithm | |
Samui et al. | Comparison of different optimized machine learning algorithms for daily river flow forecasting | |
McAllister et al. | Desert networks: A conceptual model for the impact of scarce, variable and patchy resources | |
Vliet et al. | FCMs as a common base for linking participatory products and models | |
Pham Vu Hong et al. | Application of artificial intelligence algorithm to optimize the design of water distribution system | |
Shapira et al. | Combining analytical hierarchy process and agglomerative hierarchical clustering in search of expert consensus in green corridors development management | |
Acheampong et al. | Simulating the co-emergence of urban spatial structure and commute patterns in an African metropolis: A geospatial agent-based model | |
Teye et al. | A commodity-based production and distribution road freight model with application to urban and regional New South Wales | |
Xi et al. | Bounding the efficiency gain of differentiable road pricing for EVs and GVs to manage congestion and emissions | |
Azadeh et al. | An adaptive neural network-fuzzy linear regression approach for improved car ownership estimation and forecasting in complex and uncertain environments: the case of Iran | |
Gu et al. | Coupling systems thinking and geodesign processes in land-use modelling, design, and planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |