分区域多阶段生鲜农产品动态车辆路径优化方法技术

技术编号:19779251 阅读:14 留言:0更新日期:2018-12-15 11:38
本发明专利技术公开了一种分区域多阶段生鲜农产品动态车辆路径优化方法,包括以下步骤,获取数据;区域划分;时间段划分;新鲜度衰减函数设计,最小配送总成本数学模型;最小配送总成本数学模型算法设计;最小配送总成本数学模型求解;本发明专利技术有效的提高了配送效率和降低了配送总成本,具有较高的现实意义。

【技术实现步骤摘要】
分区域多阶段生鲜农产品动态车辆路径优化方法
本专利技术涉及生鲜农产品配送等领域,具体为一种分区域多阶段生鲜农产品动态车辆路径优化方法。
技术介绍
近年来,随着农业结构调整和居民消费水平的不断提高,人们对生鲜农产品的需求越来越高,在一定程度上加速了物流企业的发展,然而在配送过程中的损失仍然很严重。在2012年北京举行的中国现代农业投融资峰会上,据农业局有关专家讲述,我国农产品在运输配送过程中的损失惊人,其中粮食、蔬菜、水果在运输配送过程中的损失率分别为7%-11%、20%-25%、15%-20%。更直接来说,将会使我国损失近3000亿人民币,蔬菜水果每年有3.7万吨腐烂在运输配送过程中,可以供养2亿人的生活。反观发达国家,其粮食损失率基本低于3%,蔬菜和水果一般为1.7%,我国农产品高损失率的原因何在?其一是生鲜农产品具有易腐以及保质期短的特性,其二是订单的处理不当,即在配送过程中不能够及时将新订单加入配送路线或配送路线规划不合理延长在途时间,以至于不能及时送达订单而加剧其耗损。车辆路径问题(VehicleRoutingProblem,VRP)是运筹学和组合优化领域最经典的一类问题,自1959年Dantzig和Ramse首次提出后,国内外众多学者从不同角度对该问题进行了大量研究,并在求解算法、理论等方面取得丰富的研究成果。其中求解算法所取得的成果较为显著,Tan等人建立了VRP多目标优化模型,提出了混合Pareto最优混合遗传算法;Marinakis等人提出了一种基于战略层面和操作层面的两级遗传算法;Ding等人提出一种混合蚁群算法求解VRP,并通过调整信息素的方法引入灾难算子,以避免混合蚁群算法在搜索过程中形成局部最优;WillmerE等人提出了一种两相混合启发算法,并结合随机摄动算法来避免因给定的迭代次数所造成的局部最优;Clarke和Wright等人提出节约法、Gillett和Miller等人提出扫描法、Christofides等人提出组合优化、Fisher等人提出一般分配和节约算法求解VRP。在大数据环境下,车辆在配送过程中许多数据会发生改变,如订单需求数据、交通路况数据等,面对这些数据的改变,迫切需要快速反映,设计新的配送方案,即动态车辆路径问题(DynamicVehicleRroutingProblem,DVPR)。20世纪70年代Wilson人研究了DVRP中的dial-a-ride问题,使得DVRP受到广泛的关注,后来Powell、Psaraftis、Gendreau等对DVRP的特征进行研究,总结了DVRP的特点。Bertsimas等人研究了多车型有容量约束的DVRP和动态旅行商修理员问题,并提出了解决该问题的排队论模型;Zhu等人研究了配送时间变化的DVPR,设计了爬山算法;Angelelli等人提出了单决策多阶段动态车辆路径问题,并给出了Immedia、Delay、Smart3种策略;Kleywegt等人研究了当需求的地理分布符合一定几何特征时的动态车辆路径问题,提出基于动态规划思想的迭代求解阈值策略;Polacek等人设计出求解带时间窗的多车场动态车辆路径问题的变领域搜索算法;Gendreau等人提出一个基于排出链的领域搜索启发式算法来优化实时订单请求时变情景中的车辆路径;Hvattum等人提出的分枝与悔启发式算法求解动态随机VRP问题;Potvin等人考虑客户实时需求和动态行驶时间的动态车辆路径问题,比较不同的调度策略;Li等人提出了一种拉格朗日松弛插入算法安排其他配送车辆完成故障车辆尚未完成配送任务;Du等人提出车辆实时调度中采用2-Exchange改进法则用于配送路线内部的改进。这些研究成果极大地推动了VRP问题的发展进程,但是当面对大规模数据时,上述算法显得力不从心。算法的求解效率也会随着数据的增加而迅速地降低,主要根源在于随着求解问题规模的扩大,问题的求解状态空间也会不断膨胀。为了缩短问题的求解状态空间,本专利技术针对不同配送区域将配送周期划分为不同求解阶段,阶段的多少取决于区域内随机订单到配送中心的距离、已存在配送次数和配送量等因素。由于多阶段动态车辆路径比较复杂,目前只有较少数学者对其进行研究,AngelelliE等提出了一个短期路径策略;Wen等提出了一个滚动规划周期策略。关于配送区域的划分问题存在多种情况,其几何形状可能为不规则的方形、环形、条形等多种结果以及它们的组合。由于配送区域划分的复杂性,本专利技术根据Fcomp(x)、Cost(x)、degin等函数,将动态VRP问题转化为分区域多阶段的静态VRP问题。并以上海市生鲜农产品的配送为例,建立配送总成本最小数学模型,多阶段优化配送路线,并与其他三种策略进行比较,通过测试结果对比,更加充分地证明了分区域多阶段处理动态生鲜农产品车辆路径问题效果更好。
技术实现思路
本专利技术的目的是:提供一种分区域多阶段生鲜农产品动态车辆路径优化方法,以解决生鲜农产品动态车辆配送效率慢,成本高的问题。实现上述目的的技术方案是,一种分区域多阶段生鲜农产品动态车辆路径优化方法,其特征在于,包括以下步骤,S1)获取数据:包括车辆总数量、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本以及订单数据,所述订单数据包括初始订单数据和新增订单数据以及订单站点的位置;S2)划分区域:根据初始订单数据中订单站点的位置以及区域划分准则,对配送区域进行划分;S3)划分时间段:将工作周期划分为多个时间段,建立区域与时间段的关系;S4)设计新鲜度衰减函数:根据生鲜农产品的新鲜度值与时间的变化规律,建立关于时间呈指数形式的新鲜度函数;S5)生成最小配送总成本数学模型:根据订单数据、新鲜度衰减函数、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本生成最小配送总成本数学模型;S6)设计最小配送总成本数学模型求解算法:包括S611)根据所述订单站点的位置计算各订单站点的位置之间的最短路径;S612)以最小配送总成本数学模型为目标函数,建立目标函数的遗传算法的种群,并根据遗传算法规则对目标函数的种群进行处理;S7)最小配送总成本数学模型求解:根据约束条件,应用最小配送总成本数学模型求解算法设计的算法求得配送总成本,所述约束条件包括所选取的运输预设路径的总距离在车辆的最大行驶距离的范围内、单位车辆的农产品配送总数量在车辆容量的范围内、所需车辆数量在车辆总数量范围内。在步骤S2)中,根据紧度测度和期望配送成本进行区域划分:分区紧度:其中,Bn(x)表示解x中分区n的周长,B表示整个区域的周长,N表示分个区域的个数;期望配送成本:其中,dn表示车辆距离区域n中订单点最近的距离,In表示区域n中的订单数量,An表示区域n的面积,β2与订单数量相关的常数。在步骤S3)中,根据时间段紧度对不同区域划分不同的时间段,其中,分段距离函数及分段信息函数degin作为时间段紧度的两个指标;分段距离函数:分段信息函数:degin=g1×点i服务时间窗均值-g2×点i已存在配送量-g3×点i已存在配送次数其中,g0、g1、g2、g3是某一本文档来自技高网
...

【技术保护点】
1.一种分区域多阶段生鲜农产品动态车辆路径优化方法,其特征在于,包括以下步骤:S1)获取数据:包括车辆总数量、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本以及订单数据,所述订单数据包括初始订单数据和新增订单数据以及订单站点的位置;S2)划分区域:根据初始订单数据中订单站点的位置以及区域划分准则,对配送区域进行划分;S3)划分时间段:将工作周期划分为多个时间段,建立区域与时间段的关系;S4)设计新鲜度衰减函数:根据生鲜农产品的新鲜度值与时间的变化规律,建立关于时间呈指数形式的新鲜度函数;S5)生成最小配送总成本数学模型:根据订单数据、新鲜度衰减函数、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本生成最小配送总成本数学模型;S6)设计最小配送总成本数学模型求解算法:包括S611)根据所述订单站点的位置计算各订单站点的位置之间的最短路径;S612)以最小配送总成本数学模型为目标函数,建立目标函数的遗传算法的种群,并根据遗传算法规则对目标函数的种群进行处理;S7)最小配送总成本数学模型求解:根据约束条件,应用最小配送总成本数学模型求解算法设计的算法求得配送总成本,所述约束条件包括所选取的运输预设路径的总距离在车辆的最大行驶距离的范围内、单位车辆的农产品配送总数量在车辆容量的范围内、所需车辆数量在车辆总数量范围内。...

【技术特征摘要】
1.一种分区域多阶段生鲜农产品动态车辆路径优化方法,其特征在于,包括以下步骤:S1)获取数据:包括车辆总数量、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本以及订单数据,所述订单数据包括初始订单数据和新增订单数据以及订单站点的位置;S2)划分区域:根据初始订单数据中订单站点的位置以及区域划分准则,对配送区域进行划分;S3)划分时间段:将工作周期划分为多个时间段,建立区域与时间段的关系;S4)设计新鲜度衰减函数:根据生鲜农产品的新鲜度值与时间的变化规律,建立关于时间呈指数形式的新鲜度函数;S5)生成最小配送总成本数学模型:根据订单数据、新鲜度衰减函数、车辆容量、固定车速、车辆的最大行驶距离、各产品初始新鲜度值和到达新鲜度值不满足需求新鲜度值或低于新鲜度阈值所产生的单位惩罚成本生成最小配送总成本数学模型;S6)设计最小配送总成本数学模型求解算法:包括S611)根据所述订单站点的位置计算各订单站点的位置之间的最短路径;S612)以最小配送总成本数学模型为目标函数,建立目标函数的遗传算法的种群,并根据遗传算法规则对目标函数的种群进行处理;S7)最小配送总成本数学模型求解:根据约束条件,应用最小配送总成本数学模型求解算法设计的算法求得配送总成本,所述约束条件包括所选取的运输预设路径的总距离在车辆的最大行驶距离的范围内、单位车辆的农产品配送总数量在车辆容量的范围内、所需车辆数量在车辆总数量范围内。2.根据权利要求1所述的分区域多阶段生鲜农产品动态车辆路径优化方法,其特征在于,在步骤S2)中,根据紧度测度和期望配送成本进行区域划分:分区紧度:其中Bn(x)表示解x中分区n的周长,B表示整个区域的周长,N表示分个区域的个数;期望配送成本:其中,dn表示车辆距离区域n中订单点最近的距离,In表示区域n中的订单数量,An表示区域n的面积,β2与订单数量相关的常数。3.根据权利要求1所述的分区域多阶段生鲜农产品动态车辆路径优化方法,其特征在于,在步骤S3)中,根据时间段紧度对不同区域划分不同的时间段,其中,分段距离函数及分段信息函数degin作为时间段紧度的两个指标;分段距离函数:分段信息函数:degin=g1×点i服务时间窗均值-g2×点i已存在配送量-g3×点i已存在配送次数...

【专利技术属性】
技术研发人员:范体军杨霞程方正易建军顾春华刘金瑞
申请(专利权)人:华东理工大学
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1