The invention discloses a multi-objective particle swarm optimization algorithm for vehicle scheduling method and device based on, is used to solve the customer waiting time and delivery vehicles cost for the vehicle scheduling problem with the optimization objectives, including the vehicle scheduling method: a dual objective optimization model of vehicle cost and customer waiting time; encoding for each target the particle and encoding results; the double objective optimization model of each particle is calculated and calculated based on the results; according to the calculation results and the results of the encoding of each target particles in the optimization operation, get the optimization result; the optimization results of the decoding operation, to obtain the optimal objective vehicle route, according to the target vehicle scheduling and the optimal path. The technological scheme of the invention is applied to the vehicle scheduling of logistics centers by improving particle swarm optimization algorithm, helping logistics centers save vehicle costs, reduce customer waiting time, and provide users with better user experience.
【技术实现步骤摘要】
一种基于多目标粒子群优化算法的车辆调度方法与装置
本专利技术涉及物流领域,尤其涉及一种基于多目标粒子群优化算法的车辆调度方法与装置。
技术介绍
随着电子商务行业的发展,物流业已经成为了人们生活中非常重要的一个环节,在整个物流配送货物的过程中,有两个关键点。第一点是车辆装载问题(VehicleFillingProblem,VFP),也就是研究在货物装载的过程中使用什么装配方式能够相对节省时间并节省人力物力;另一个关键点是车辆路径问题(VehicleRoutingProblem,VRP),就是研究车辆配送环节中,哪一辆车送哪几个货物点能够达到效率最大化的问题。车辆路径问题又可以分为两部分,一种是根据路径的空间特性,譬如考虑运输成本最低的问题,称为车辆路径问题,另外一种是考虑时间特性的情况下,在有限的时间或规定的时间范围内求解车辆路径优化问题的,称为车辆调度问题。因此,目前亟需一种解决方案,以送货车辆运输成本与客户等待时间双优化目标问题的解决方案。
技术实现思路
本专利技术的主要目的在于公开一种基于多目标粒子群优化算法的车辆调度方法与装置,用于提出一种以送货车辆运输成本与客户等待时间双优化目标问题的解决方案。为达上述目的,根据本专利技术的一个方面,公开一种基于多目标粒子群优化算法的车辆调度方法,并采用如下技术方案:一种基于多目标粒子群优化算法的车辆调度方法包括:构建车辆成本与客户等待时间的双目标优化模型;对每个目标粒子进行编码并得到编码结果;基于所述双目标优化模型对每个目标粒子进行计算并得到计算结果;根据所述计算结果及所述编码结果对所述每个目标粒子进行寻优操作,得到 ...
【技术保护点】
一种基于多目标粒子群优化算法的车辆调度方法,其特征在于,包括:构建车辆成本与客户等待时间的双目标优化模型;对每个目标粒子进行编码并得到编码结果;基于所述双目标优化模型对每个目标粒子进行计算并得到计算结果;根据所述计算结果及所述编码结果对所述每个目标粒子进行寻优操作,得到寻优结果;对所述寻优结果进行解码操作,得到目标车辆的最优行驶路径,根据所述最优行驶路径对所述目标车辆进行调度。
【技术特征摘要】
1.一种基于多目标粒子群优化算法的车辆调度方法,其特征在于,包括:构建车辆成本与客户等待时间的双目标优化模型;对每个目标粒子进行编码并得到编码结果;基于所述双目标优化模型对每个目标粒子进行计算并得到计算结果;根据所述计算结果及所述编码结果对所述每个目标粒子进行寻优操作,得到寻优结果;对所述寻优结果进行解码操作,得到目标车辆的最优行驶路径,根据所述最优行驶路径对所述目标车辆进行调度。2.根据权利要求1所述的车辆调度方法,其特征在于,所述构建车辆成本与客户等待时间的双目标优化模型包括:设定目标物流中心有K辆车,给M个客户点配送货物,则所述双目标优化模型为:D0j=D0i+Dij(5-8)其中,表示车辆每公里成本,Ck表示第k辆车出车的固定成本,q表示每个客户点的货物量,g表示车辆载货量上线,v是速度;Dij是点i到点j的距离,D0j是点0到点j的距离;G是扣分函数,在一辆运输卡车按照方案的路线超载的情况下,就增加扣分项,将约束条件(5-3)转化为扣分项加入至所述扣分函数中。3.根据权利要求2所述的车辆调度方法,其特征在于,所述对每个目标粒子进行编码并得到编码结果包括:设有M个客户点,表示为:1、2、3…M,K辆车进行配送;第一行用x1表示车辆的序号;第二行x2表示车辆运送客户点的顺序;所述编码结果为所述第一行与所述第二行组成的实数矩阵。4.根据权利要求3所述的车辆调度方法,其特征在于,所述根据所述计算结果及所述编码结果对所述每个目标粒子进行寻优操作包括:将所述计算结果填入所述实数矩阵中;对x1进行取整操作后,得到每辆车对应的客户点;列出K辆车分别对应的客户点,得到每辆车的行驶路径。5.根据权利要求4所述的车辆调度方法,其特征在于,所述对所述寻优结果进行解码操作包括:将所述实数矩阵转化为一行数列;将车辆的行驶路径按照先后顺序排列,并在每一辆车行驶路径的后面加上该车辆的编号,得到每辆车的最优行驶路径。6.一...
【专利技术属性】
技术研发人员:徐文星,王万红,边卫斌,王琴,何骞,
申请(专利权)人:北京石油化工学院,
类型:发明
国别省市:北京,11
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。