摘要：本文通過研究共享單車的授放以及調(diào)度優(yōu)化問題，使得調(diào)度以及投放單車的次數(shù)最少。經(jīng)過對單車調(diào)度以及投放情況進(jìn)行分析，探討了單車分布的影響。以鄒城市為倒，首先根據(jù)實際情況，對數(shù)據(jù)進(jìn)行了整理，通過BP神經(jīng)網(wǎng)絡(luò)對單車的初始量進(jìn)行預(yù)測，完成之后以期望調(diào)度次數(shù)最少為目標(biāo)，建立整數(shù)規(guī)劃模型，利用lingo進(jìn)行求解得出期望調(diào)度次數(shù)為4.3次。

　　關(guān)鍵詞：共享單車調(diào)度;神經(jīng)網(wǎng)絡(luò);整數(shù)規(guī)劃

　　一、數(shù)據(jù)處理

　　基于鄒城市的統(tǒng)計數(shù)據(jù)，將各時間段內(nèi)的第i區(qū)域到達(dá)第j區(qū)域的騎車人次匯總，得到每個區(qū)域一天中共享單車的分布情況。通過與該市騎行需求相對比，發(fā)現(xiàn)需求量大于提供量，結(jié)果如下表，所以需要對共享單車進(jìn)行調(diào)度。

　　二、BP神經(jīng)網(wǎng)絡(luò)

　　BP算法由數(shù)據(jù)流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構(gòu)成。正向傳播時，傳播方向為輸入層一隱含層一輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。若在輸出層得不到期望的輸出，則轉(zhuǎn)向誤差信號的反向傳播流程。通過這兩個過程的交替進(jìn)行，在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略，動態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達(dá)到最小值，從而完成信息提取和記憶過程。

　　(1)信號的前向傳播過程。設(shè)BP網(wǎng)絡(luò)的輸入層有n個節(jié)點，隱含層有q個節(jié)點，輸出層有m個節(jié)點，輸入層與隱含層之間的權(quán)值為vki，隱含層與輸出層之間的權(quán)值為wjk。隱含層的傳遞兩數(shù)為f0)，輸出層的傳遞函數(shù)為5()，則隱層節(jié)點的輸出將閾值寫入求和項中，至此BP網(wǎng)絡(luò)就完成了n維空間向量對m維空間的近似映射。(2)誤差的反向傳播：0定義誤差函數(shù)。輸入P個學(xué)習(xí)樣本，用.，來表示。②輸出層權(quán)值的變化。采用累計誤差BP算法調(diào)整，使全局誤差變小。③隱層權(quán)值的調(diào)整。具體過程不再介紹，可以參考文獻(xiàn)。

　　三、模型建立及求解

　　根據(jù)以上分析，建立整數(shù)規(guī)劃模型來優(yōu)化共享單車調(diào)度問題即有調(diào)度傾向度與調(diào)度值之積最大為目標(biāo)函數(shù)：max ExjDjo每個需要調(diào)度的區(qū)域的單車數(shù)目都要滿足期望的調(diào)度單車數(shù)目：Exij=Ni i=1，2，5每個不需要調(diào)度的區(qū)域中，所有多余的車輛均要全部調(diào)度：Exij=Mj j-1.2-.5綜上：Ni-15，15.3，13，1;Mij[3，5，8，5，16])

　　其中xj是區(qū)域到區(qū)域j共享單車的調(diào)度數(shù)量，Ni是區(qū)域i所能調(diào)出的所有共享單車數(shù)量，Mj是區(qū)域j所需要調(diào)入的所有共享單車的數(shù)量。Dij為調(diào)度傾向。由結(jié)果可以者m在0點-6點之間，區(qū)域3的共享單車應(yīng)該調(diào)出5輛給區(qū)域6：區(qū)域5的共享單車應(yīng)該調(diào)出3輛給區(qū)域14輛給區(qū)域2.8輛給區(qū)域8;區(qū)域7的共享單車應(yīng)該調(diào)出3輛給區(qū)域8;區(qū)域9的共享單車應(yīng)該調(diào)出8輛給區(qū)域4.5輛給區(qū)域8;區(qū)域10的共享單車應(yīng)該調(diào)出1輛給區(qū)域2。以上即為根據(jù)模型得出的最優(yōu)調(diào)度方案。即說明，在滿意度最優(yōu)的情況下，建立的整數(shù)規(guī)劃模型可以很好的解決增加車輛的問題。與計算結(jié)果進(jìn)行比較，證明了模型的正確性與合理性。

　　參考文獻(xiàn)：

　　[1]張婷，共享經(jīng)濟(jì)模式下共享單車管理策略研究小]現(xiàn)代營刊)，2017，(03)：30.

　　[2]劉亞楠.共享單車發(fā)展研究分析[]時代金融，2017，(08)：251+254.

　　基于BP神經(jīng)網(wǎng)絡(luò)的共享單車調(diào)度優(yōu)化相關(guān)推薦基于BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測