基于混合量子算法的智慧车辆调度管理系统及其工作方法技术方案

本发明专利技术公开了一种基于混合量子算法的智慧车辆调度管理系统及其工作方法，本发明专利技术在使用了改进的量子算法和粒子群算法的基础上，根据优化变量的特征，将量子粒子群分成两个子相粒子群，提出了混合量子粒子群优化算法。本发明专利技术在深入研究禁忌搜索算法在求解此类问题优势和局限性的基础上，设计了结合精英量子均值和混沌扰动理论的量子进化算法。本发明专利技术在提出了将模拟退火算法与量子算法相结合的混合量子优化算法用于求解不确定需求车辆路径问题。给出了动态车辆路径问题模型的目标函数和约束条件。仿真分析结果表明本发明专利技术的方法提高了收敛速度和收敛可靠性，是一种解决不确定需求车辆路径问题的有效方法。

Intelligent vehicle scheduling management system based on hybrid quantum algorithm and its working method

The invention discloses a hybrid quantum algorithm intelligent vehicle scheduling management system and its working method based on the invention, based on the use of improved quantum algorithm and particle swarm optimization algorithm, according to the characteristics of the optimization variables, the quantum particle swarm is divided into two sub phase particle swarm, proposes a hybrid quantum particle swarm optimization algorithm. Based on the in-depth study of the advantages and limitations of tabu search algorithm in solving such problems, the quantum evolutionary algorithm combined with elitist quantum mean and chaos perturbation theory is designed. In this invention, a hybrid quantum optimization algorithm, which combines simulated annealing algorithm with quantum algorithm, is proposed to solve the problem of vehicle routing problem with uncertain demand. The objective function and constraint condition of the dynamic vehicle routing problem model are given. Simulation results show that the proposed method improves convergence speed and convergence reliability, and is an effective way to solve uncertain demand vehicle routing problem.

【技术实现步骤摘要】
基于混合量子算法的智慧车辆调度管理系统及其工作方法
本专利技术涉及一种智慧车辆调度管理系统的平台和方法，尤其是一种基于混合量子算法技术的智慧车辆调度系统的平台及方法，属于智能计算技术与互联网应用管理

技术介绍
随着世界经济的飞速发展和科学技术的快速进步，物流业已经逐渐发展成为国民经济的重要基础产业。车辆路径问题(VehicleRoutingProblem,VRP)作为运输配送系统的关键环节已成为引人注意的焦点问题之一，并成为运筹学领域的经典优化组合问题，也引起了网络分析、应用数学以及图论等领域专家的研究兴趣。虽然国内外学者已经从模型优化、搜索技术和求解方法等方面对VRP展开了众多探索性研究，并取得了丰硕的阶段性成果，但是VRP的求解仍存在一些问题：(1)对带时间窗不确定VRP，研究的模型数量不少，但研究点比较单一，实际问题中约束条件往往具有不确定性，综合考虑车辆、客户需求、路况信息等多种不确定因素的问题需要更深的研究。(2)对有同时集送货VRP，当问题规模较大时，已有方法的求解效率明显降低甚至停滞。主要原因是当问题规模增大时，解的状态空间也随之迅速膨胀。(3)现有算法解决的本文档来自技高网...

【技术保护点】
基于混合量子算法的智慧车辆调度管理系统，其特征在于：包括带时间窗不确定车辆调度模块、同时集送货车辆调度模块和动态车辆重调度模块；所述的带时间窗不确定车辆调度模块包括用户时间窗设置模块和不确定需求变化设置模块，用户时间窗设置模块针对用户提出的收货时间区间以及用户的重要等级来设置配送的优先级和设置初始方案；不确定需求变化设置模块针对配送需求的模糊不确定问题设置不同的配送方案；所述的同时集送货车辆调度模块包括送货需求调度模块和集货需求调度模块，送货需求调度模块对有同时集送货的配送情况设置合理的送货配送方案，集货需求调度模块对有同时集送货的配送情况设置合理的集货配送方案；所述的动态车辆重调度模块包括动...

【技术特征摘要】
1.基于混合量子算法的智慧车辆调度管理系统，其特征在于：包括带时间窗不确定车辆调度模块、同时集送货车辆调度模块和动态车辆重调度模块；所述的带时间窗不确定车辆调度模块包括用户时间窗设置模块和不确定需求变化设置模块，用户时间窗设置模块针对用户提出的收货时间区间以及用户的重要等级来设置配送的优先级和设置初始方案；不确定需求变化设置模块针对配送需求的模糊不确定问题设置不同的配送方案；所述的同时集送货车辆调度模块包括送货需求调度模块和集货需求调度模块，送货需求调度模块对有同时集送货的配送情况设置合理的送货配送方案，集货需求调度模块对有同时集送货的配送情况设置合理的集货配送方案；所述的动态车辆重调度模块包括动态变化设置模块和重调度操作模块，动态变化设置模块针对配送过程中可能出现的不同动态干扰因素进行分析以及设计相应的配送方案，调度操作模块主要对配送过程必须修改初始调度方案的情况进行实时重调度方案的生成和更新。2.基于混合量子算法的智慧车辆管理系统的工作方法，其特征在于：包括以下步骤：A：求解带时间窗不确定车辆调度问题为了避免在搜寻过程中量子粒子群陷入局部最优解，在原有粒子群的基础上创建两个子相量子粒子群；两个子相量子粒子群开始时在相反的方向以不同的速度进行局部寻优，而主相量子粒子群粒子速度的更新借助于当前被所有子相搜索到的全局最优点；实现的具体步骤如下：A1：对粒子群的规模、惯性权值、加速系数、压缩因子、所有粒子的初始位置和初始速度、允许的最大迭代次数、粒子群的子相数目以及每个子相的滚动优化结束指标和计数器进行初始化；所述的粒子群的规模为粒子群的粒子数目；A2：根据目标函数对每个粒子的初始适应值进行评价、对每个粒子的初始个体历史最优位置以及个体最优适应值进行保存，同时对初始全局历史最优位置以及最优适应值进行保存；A3：优化第i个子相粒子；A4：判断i是否超过粒子群相数，如果超过，则令i＝0，并转到步骤A5；否则，令i＝i+1，然后转到步骤A3；A5：如果适应值的误差已经达到设定的适应值误差限或者执行的迭代次数超过允许的最大迭代次数，则优化终止，同时对全局历史最优适应值和最优位置进行输出；否则，转到步骤A3，并继续优化；B：求解有同时集送货需求的车辆调度问题B1：生成初始解P(t)基于混沌理论生成初始解，假设用Popu表示种群规模，用Sum表示客户数量，用K表示配送车辆数目，则量子个体的编码长度表示成n(Sum+K-1)，按如下步骤进行初始化：B11：先生成Popu/10个初始解，然后根据二进制编码方法将其映射为量子个体，从而产生种子量子个体；B12：用混沌方法对剩余种群个体进行初始化；即初始化第i个量子个体具体的方法为：λ0＝1/Popu并根据下式：λi＝μλi-1(1-λi-1),λ0∈[0,1],μ≥4.计算λi，设αji＝λi，从而生成全部量子位的概率幅，并生成量子个体；B13：令i＝i+1后，转步骤B12，直至生成全部量子个体；B2：由初始解P(t)生成二进制解R(t)对初始解P(t)的每一个量子位的与[0，1]区间的随机数rj进行比较，如果那么该位的值为0，否则为1；B3：对R(t)进行解码和修正解码和修正分为2个阶段：检查是否有重复编码或越界编码阶段以及对解码后的线路进行修正和改进的阶段；在前一阶段，如果发现有编码重复或越界的情况，就对这一整数对应的二进制串每位的值进行重新确定，直至没有重复或越界的编码；后一阶段针对解码后出现的不可行解或弱可行解...

【专利技术属性】
技术研发人员：宁涛，房丽华，黄明，梁旭，焦璇，
申请(专利权)人：大连交通大学，
类型：发明
国别省市：辽宁,21