本发明专利技术涉及一种基于改进布谷鸟算法的物流配送车辆路径优化方法，其特征在于包括以下步骤：步骤1：设置改进布谷鸟算法的参数；步骤2：初始化种群并计算适应度值；其中种群采用均匀分布函数随机产生size个nd维搜索空间范围为[1,carnumber]的寄生巢；适应度值的计算先采用2-opt算法局部优化每条线路中的路径，并采用分段罚函数法求解每条优化后线路的路径值的和作为该方案的适应度值；步骤3：执行寄生巢的levy游走操作；步骤4：执行寄生巢被发现操作；步骤5：执行寄生巢变异操作；步骤6：动态调整发现概率。本发明专利技术通过采用改进的布谷鸟算法与2-opt算法相结合运用到物流配送车辆路径问题的求解中，为解决物流车辆配送优化问题提供了一种新的可行且有效的解决方案，丰富了求解物流配送路径优化问题的方法。
【技术实现步骤摘要】
本专利技术涉及一种物流配送车辆路径优化方法，具体涉及一种基于改进布谷鸟算法 的物流配送车辆路径优化方法。
技术介绍
随着现代经济和网络技术的飞速发展，物流产业已经成为现代企业的"第三利润 源泉"。2011年中国的物流总费用高达8. 5万亿元，占⑶P的17. 8%。在物流的各个环节中， 运输配送成本占物流总成本的60%左右，过高的的物流成本，制约了国民经济的发展，同时 也削弱了企业的市场竞争力。物流配送车辆路径优化问题（VRP)，是物流配送优化中最关 键的一个环节。而物流配送车辆路径优化问题是一个典型的NP-hard问题，由DantZig和 Ramser在1959年提出，主要研究物流车辆配送过程中如何实现在满足客户需求以及其它 约束条件(如：车辆最大载荷，车辆最大形成距离等）下使得车辆配送的成本最优，如：路径 最短，费用最少等目标。该问题已经成为运筹学以及组合优化领域中的研究热点问题。 近年来，对物流车辆配送路径问题的研究主要集中在采用各种启发式算法来求 解。王铁君等通过结合混沌的遍历性和粒子群的快速性的优点，提出了一种用于求解物流 配送路径优化问题的混沌粒子群优化算法；官东等提出的改进遗传算法求解物流配送优化 问题的方法，从而提供了一条解决与之相关优化问题的有效途径；邬月春提出了将自适应 变异粒子群算法应用于物流配送路径问题优化的方法；王华东、李巍等提出一种粒子群算 法的物流配送路径优化方法。对物流配送优化问题的研究都停留在遗传算法、粒子群算法 以及蚁群算法等传统智群算法在物流配送优化问题的应用。然而在求解物流配送车辆路径 问题中，采用单一的算法往往易陷入局部最优值，造成优化精度低。布谷鸟算法由于采用的 是Levy搜寻方式，其实现简单、需要设置参数少、寻优精度和收敛速度上都要优于粒子群 算法和遗传算法。
技术实现思路
本专利技术所要解决的问题是采用一种基于改进布谷鸟算法实现物流配送车辆路径 优化问题的方法。其技术方案为： 一种基于布谷鸟算法的改进物流配送车辆路径问题的求解方法，包括下述步骤： 步骤1 :设置算法的参数，设置种群规模Size，服务客户的数量nd，当前求解问题所需 车辆数carnumber,设置车的载荷CarrayCarCan，寄生巢中鸟蛋的发现概率，算法搜索 空间范围，种群迭代次数Max_iter，迭代计数器N_iter=l ; 步骤2 :初始化种群并计算适应度值，采用均匀分布函数随机产生size个nd维搜索空间范 围为的寄生巢，记第i个寄生巢位置为，并对每个寄生巢用ceil函数进行取整（SP,以保证每个客户点由一辆 车进行服务，并计算其对应的适应度值； 步骤3 :执行寄生巢的levy游走操作，采用、Y; X;:十十Ltn:r U 更新方式产生新的寄生巢位置，并与执行levy游走前的位置进行比较，选择位置较好的寄 生巢保留到下一代。 步骤4 :执行寄生巢被发现操作，产生随机数若〖 >見，对该寄生巢进行扰动 产生新的寄生巢，并与扰动前对应的位置进行比较，保留位置较好的寄生巢。 步骤5 :执行寄生巢变异操作，采用\ (吣2、mg (i滷卜丨》..\对寄生巢进行变异 操作。 步骤6 :动态调整发现概率，采用动态调整寄生巢 被发现概率期中表示进行第t次迭代是的发现概率；分别为最大发 现概率和最小发现概率;为最大迭代次数;I为当前迭代次数。此方法确保在算法的初 期，由于个体离最优值的距离较远，需要较大的位置改变速率；在算法的后期，由于大多数 解聚集在最优位置周围，需要较小的位置改变速率。 步骤7 :保留每次搜索的最优位置及其适应度，判断搜索结果是否符合要求，若满 λΕ，则转至Step 8,否则转至Step 3. 步骤8 :输出最优寄生巢位置及其相应的适应度值，获得最优物流配送车辆路径方案。 进一步，适应度值的计算步骤如下： 步骤1 :由roadindex=unique (X)确定任意一个物流配送方案X所需要车辆，由 =size (roadindex)确定车辆数 car_index，设置适应度值= (3,当前 方案最优配送路径t〇tal_road ; 步骤2 :由subRout=find(Zx==roadindex(i))确定每辆车所服务的客户点，并形成当 前车辆按照配送编号大小所形成的一条配送路径subRout ; 步骤3 :对每条配送路径subRout采用2-opt算法进行优化，从而获得单辆车配送的最 优路径road,并记录此车辆配送路径顺序：total_road (subRout) =road; 步骤4 :计算当前车辆最优路径road所经历路径长度length ; 步骤5 :计算当前车辆最优路径road经过的客户需求量之和sum_q ; 步骤6 :采用分段罚函数法惩罚载荷超出当前车辆的最大载重，设惩罚量为：fp ; 步骤7 :计算当前车辆最优路径road的适应度值为： 步骤8:判断11 cai;jndei，若满足条件，则转至步骤2,否则转至步骤9; 步骤9:输出方案X的适应度值以及当前方案最优配送路径total_road. 本专利采用改进的布谷鸟算法规划车辆派送进行分组，然后采用2-opt算法对每条线 路进行优化以获得每组内的一条最优配送线路。 本专利为解决物流车辆配送优化问题提供了一种可行且有效的解决方案，丰富了 求解物流配送路径优化问题的方法。【附图说明】 图1为该算法求解物流配送车辆路径问题的流程图； 图2为求解每个一个物流配送方案对应适应度值的流程图。【具体实施方式】 下面通过附图和具体实例对本专利技术的技术方案作进一步地详细地阐述，但本发 明的保护范围并不限于此。 本实施例的基于改进布谷鸟算法的物流配送车辆路径问题求解的实现方法。请参 见图1，图1是该算法的流程示意图，包括以下步骤： ① 设置算法的参数。设置种群规模Size，服务客户的数量nd，当前求解问题所需车辆 数carnumber,设置车的载荷CarrayCarCan。在基本布谷鸟算法中寄生巢中鸟蛋被发现概 率通常被设置为一个常数，从而造成算法执行基本布谷鸟算法的寄生巢被发现操作时，不 管是处于较优位置还是较差位置的寄生巢都会以相同概率被替换，若值设置过小，则 在寻优过程中较差的解收敛较慢，若值设置过大，较优位置的解较难收敛于最优解， 因此本专利技术采用一种动态的发现机制：期中/5H 二（).95 ..二005，算法搜索空间范围，种群迭代次数 .〇從〈..............π.ι? Max_iter，迭代计数器t=l ; ② 初始化种群并计算适应度值。计算配送中心以及各个客户需求点之间运输代价，本 实例中以各个点之间距离为目标，其计算方式的伪代码如下： for i=l:nd for j=l:nd cost(i, j) =sqrt ((xy(i, l)-xy(j, 1)) ~2+(xy(i, 2)-xy(j, 2)) '2); end end 其中xy为各个点的坐标。 采用均勾分布函数随机产生size个nd维搜索空间范围为[I, ca当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于改进布谷鸟算法的物流配送车辆路径优化方法，其特征在于,包括以下步骤：求解步骤：步骤1：设置算法的参数,设置种群规模size，服务客户的数量nd，当前求解问题所需车辆数carnumber,设置车的载荷CarrayCarCan，寄生巢中鸟蛋的发现概率，算法搜索空间范围[1, carnumber]，种群迭代次数Max_iter，迭代计数器N_iter=1；步骤2：初始化种群并计算适应度值,采用均匀分布函数随机产生size个nd维搜索空间范围为[1, carnumber]的寄生巢，记第i个寄生巢位置为，并对每个寄生巢用ceil函数进行取整（即），以保证每个客户点由一辆车进行服务，并计算其对应的适应度值；步骤3：执行寄生巢的levy游走操作，采用更新方式产生新的寄生巢位置，并与执行levy游走前的位置进行比较，选择位置较好的寄生巢保留到下一代；步骤4：执行寄生巢被发现操作，产生随机数，若，对该寄生巢进行扰动产生新的寄生巢，并与扰动前对应的位置进行比较，保留位置较好的寄生巢；步骤5：执行寄生巢变异操作，采用对寄生巢进行变异操作；步骤6：动态调整发现概率，采用动态调整寄生巢被发现概率，期中表示进行第t次迭代是的发现概率；、分别为最大发现概率和最小发现概率；为最大迭代次数；为当前迭代次数；此方法确保在算法的初期，由于个体离最优值的距离较远，需要较大的位置改变速率；在算法的后期，由于大多数解聚集在最优位置周围，需要较小的位置改变速率；步骤 7：保留每次搜索的最优位置及其适应度，判断搜索结果是否符合要求，若满足，则转至Step 8，否则转至Step 3；步骤 8：输出最优寄生巢位置及其相应的适应度值，获得最优物流配送车辆路径方案。...
【技术特征摘要】
【专利技术属性】
技术研发人员：屈迟文，何伟，
申请(专利权)人：屈迟文，
类型：发明
国别省市：广西;45
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。