一种车辆路径选择方法技术

本发明专利技术公开了一种车辆路径选择方法，首先随机选取K个地点作为初始站点；然后计算各个乘车地点到每个初始站点的距离；将乘车地点与其相距最近的初始站点划分为一簇；取每簇均值作为新站点；判断新站点与初始站点的距离是否小于等于阀值，若大于则重新计算距离，若不大于则将新站点作为选定站点；计算线路群中每条线路适应度和累计概率；保留适应度最高的线路到下一线路群，其他线路一定概率下变异生成新线路群；判断是否达到最大迭代次数，若没有达到则重新计算适应度和累计概率，若已经达到则进行解码，生成最优线路。本发明专利技术能够处理缺失值，对异常点进行检测和处理，并能对复杂且有重叠的轨迹进行切割。

【技术实现步骤摘要】
一种车辆路径选择方法
本专利技术属于信息
，特别涉及一种基于K-means聚类算法和遗传算法的车辆路径选择方法。
技术介绍
车辆路线问题(VRP)最早是由Dantzig和Ramser于1959年首次提出，它是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短、成本最小、耗费时间最少等目的。车辆路线问题自1959年提出以来，一直是网络优化问题中最基本的问题之一，由于其应用的广泛性和经济上的重大价值，一直受到国内外学者的广泛关注。车辆路线问题可以描述如下：设有一个场站，共有M辆货车，车辆容量为Q，有N位顾客，每位顾客有其需求量D。车辆从场站出发对客户进行配送服务最后返回场站，要求所有顾客都被配送，每位顾客一次配送完成，且不能违反车辆容量的限制，目的是所有车辆路线的总距离最小。车辆路线的实际问题包括配送中心配送、公共汽车路线制定、信件和报纸投递、航空和铁路时间表安排、工业废品收集等。K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它本文档来自技高网...

【技术保护点】
一种车辆路径选择方法，其特征在于，包括如下步骤：步骤一：事先约定变异概率p1、交叉概率p2及目标站点数目K。针对所采集到的所有乘车地点信息，从中随机选取K个地点作为初始站点；步骤二：计算各个乘车地点到每个初始站点的距离；步骤三：将乘车地点与其相距最近的初始站点划分为一簇；取每簇均值作为新站点；步骤四：计算新站点与初始站点的距离是否小于某一给定的阀值，若距离大于等于阀值，则返回步骤二，若距离小于阀值则进入步骤五；步骤五：将新站点作为选定站点；初始化线路群；步骤六：计算线路群中每条线路适应度和累计概率；步骤七：保留适应度最高的线路到下一线路群，其他线路一定概率下变异，生成新线路群；步骤八：判断是否...

【技术特征摘要】
1.一种车辆路径选择方法，其特征在于，包括如下步骤：步骤一：事先约定变异概率p1、交叉概率p2及目标站点数目K。针对所采集到的所有乘车地点信息，从中随机选取K个地点作为初始站点；步骤二：计算各个乘车地点到每个初始站点的距离；步骤三：将乘车地点与其相距最近的初始站点划分为一簇；取每簇均值作为新站点；步骤四：计算新站点与初始站点的距离是否小于某一给定的阀值，若距离大于等于阀值，则返回步骤二，若距离小于阀值则进入步骤五；步骤五：将新站点作为选定站点；初始化线路群；步骤六：计算线路群中每条线路适应度和累计概率；步骤七：保留适应度最高的线路到下一线路群，其他线路一定概率下变异，生成新线路群；步骤八：判断是否达到最大迭代次数，若已经达到最大迭代次数则进入步骤九，若没有达到最大迭代次数则进入步骤六；步骤九：将适应度最高的线路进行解码，生成最优线路。2.根据权利要求1所述的一种车辆路径选择方法，其特征在于：所述步骤二中所述各个乘车地点到每个初始站点的距离中的距离为地理距离，通过地图引起收集两地点所处地理位置及周边环...

【专利技术属性】
技术研发人员：叶枫，宋小萌，戴佩武，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32