一种基于城市配送的智能优化调度方法技术

本发明专利技术涉及一种城市配送的智能优化调度方法，包括如下步骤：S1)采用OVRPTW调度模型，通过不同车辆对同一收货点的多次配送进行派车排单；S2)设定派车排单结算的优化目标：在最小化配送车辆数的基础上实现车辆总工作时长最短；S3)采用EHPBIL算法求解OVRPTW调度模型；S4)通过3维概率幅学习模型，实现车辆信息独立遗传；S5)通过基于学习模型的观测规则，实现十进制编码；S6)通过优质解信息累积实现算法搜索收敛，并通过最大最小化学习模型避免算法早熟。本发明专利技术能够协助调度人员派车排单，提高人工调度派车排单的效率和准确性，具有较强的鲁棒性和稳定性，可供中小型规模的城市物流配送企业使用。

【技术实现步骤摘要】

本专利技术涉及一种物流调度方法，尤其涉及一种基于城市配送的智能优化调度方法，属于物流管理范畴内的车辆优化调度

技术介绍
车辆路径问题(VehicleRoutingProblem,VRP)自1959年由Dantzig等提出以来，一直是应用数学、运筹学、计算机、管理科学等学科的研究热点。VRP问题一种离散变量的最优化问题(即组合优化问题，组合优化问题还包括加工调度问题、0-1背包问题、装箱问题、聚类问题等)，已被证明具有NP-hard属性。在求解VRP问题中，随着问题规模的增大，组合对象的数量增长极快，即使是中等规模的实例，其组合的规模也会到达不可思议的数量级(产生组合爆炸)。目前，尚无一种有效算法在可接受的时间量级内，精确求解大规模VRP问题，故对VRP问题及其求解方法的研究具有极高的学术价值；伴随现代物流的快速发展，物流作为精益供应链的重要环节，故对VRP问题的研究同时具有极高的经济价值。基于种群种群增量学习(Population-basedIncreasedLearning,PBIL)最初由Baluja.S.在1994年提出，并成功应用于求解旅行商问题和作业车间调度等多种组合优化问题，PBIL算法属于分布式估计算法(estimationofdistributionalgorithm,EDA)中最简单的一类(即各变量独立的EDA算法)，是求解VRP等组合优化问题的有效方法之一。PBIL集成了基于函数优化的遗传搜索和竞争学习两种策略，将进化过程视为学习过程，通过竞争学习所获取的知识——学习概率(LearningProbability)来指导后代的产生。这种概率是整个进化过程的信息积累，同遗传算法的双亲基因重组相比，用它指导产生的后代将会更优生，因此能获得较快的收敛速度和理想的计算结果，已在实际问题中得到应用。基于经典PBIL算法，本专利技术设计了一种有效的十进制编码的混合种群增量学习(EHPBIL)算法，用于求解本专利技术所提类型的城市配送问题。主要提出了一种3维概率幅的学习模型，设计一种基于学习模型的观测规则用于线路构建，改进了学习模型的自学习方式，使本专利技术方法具有较强的鲁棒性和稳定性，可供中小型规模的城市物流配送企业使用。
技术实现思路
本专利技术旨在协助调度人员派车排单，提高人工调度派车排单的效率和准确性，提出一种城市配送的智能优化调度方法。为实现上述目标，本专利技术的采用的技术方案是提供一种城市配送的智能优化调度方法，包括如下步骤：S1)采用OVRPTW调度模型，通过不同车辆对同一收货点的多次配送进行派车排单；S2)设定派车排单结算的优化目标：在最小化配送车辆数的基础上实现车辆总工作时长最短；S3)采用EHPBIL算法求解OVRPTW调度模型；S4)通过3维概率幅学习模型，实现车辆信息独立遗传；S5)通过基于学习模型的观测规则，实现十进制编码；S6)通过优质解信息累积实现算法搜索收敛，并通过最大最小化学习模型避免算法早熟。进一步地：所述步骤S1)的配送工作量以完成其最后一个收货点的收货任务为结束标识，所述OVRPTW调度模型对每辆车具有最大运载能力、每个收货点时间窗以及配送需求量进行如下约束限制：ai≤si≤bi(8)其中，N表示聚类结果集合，N∈{1,2,L,n本文档来自技高网...

【技术保护点】
一种城市配送的智能优化调度方法，其特征在于，包括如下步骤：S1)采用OVRPTW调度模型，通过不同车辆对同一收货点的多次配送进行派车排单；S2)设定派车排单结算的优化目标：在最小化配送车辆数的基础上实现车辆总工作时长最短；S3)采用EHPBIL算法求解OVRPTW调度模型；S4)通过3维概率幅学习模型，实现车辆信息独立遗传；S5)通过基于学习模型的观测规则，实现十进制编码；S6)通过优质解信息累积实现算法搜索收敛，并通过最大最小化学习模型避免算法早熟。

【技术特征摘要】
1.一种城市配送的智能优化调度方法，其特征在于，包括如下步骤：S1)采用OVRPTW调度模型，通过不同车辆对同一收货点的多次配送进行派车排单；S2)设定派车排单结算的优化目标：在最小化配送车辆数的基础上实现车辆总工作时长最短；S3)采用EHPBIL算法求解OVRPTW调度模型；S4)通过3维概率幅学习模型，实现车辆信息独立遗传；S5)通过基于学习模型的观测规则，实现十进制编码；S6)通过优质解信息累积实现算法搜...

【专利技术属性】
技术研发人员：曹高立，曹鹏，赵瑞彬，
申请(专利权)人：上海节点供应链管理有限公司，
类型：发明
国别省市：上海;31