基于模因计算的动态车辆收发货路径规划方法及装置制造方法及图纸

本发明专利技术适用于路径规划技术领域，提供了一种基于模因计算的动态车辆收发货路径规划方法及装置，先进行编码初始化，然后对N条染色体进行路径修正，并进行遗传算法中的交叉和变异操作，根据预先建立的排序库按照排序优先的方式进行局部搜索优化；然后从N条优化后的新的染色体和N条原来的染色体中筛选出N条染色体作为待执行的N种路径规划方案；最后从N种路径规划方案中选择一种路径规划方案对其中的一个服务点进行服务，并在服务完之后，将该服务点从N条染色体中提取出来作为服务过的服务点，并判断是否服务完所有服务点，若没有，则返回修正步骤，直至所有的服务点都服务完；本发明专利技术提供的方法能够缩短距离和提高工作量，提高局部搜索能力。

【技术实现步骤摘要】
基于模因计算的动态车辆收发货路径规划方法及装置
本专利技术属于路径规划
，尤其涉及一种基于模因计算的动态车辆收发货路径规划方法及装置。
技术介绍
收发货问题(pickup-and-deliveryproblems，简称PDPs)是物流车辆路径规划问题(vehicleroutingproblem，简称VRP)的一种，解决PDPs的目的是找到一条最优路径，使得车辆在一定实际约束下收发货量最大。解决PDPs问题能够促进节能减排，缓解交通压力，为城市的可持续发展做出一定贡献。而大部分的PDPs都是使用的静态模型，也就是所有的信息都是事先可知且不变的。现实生活中，随着竞争压力的增大，和客户期望得到更好的服务等，这些要求都迫使物流公司进行改革，提高服务水平。现如今国内外电商蓬勃发展，产生了大量的包裹，此外，如外卖，限时送等服务产生了大量的动态需求，从这个发展趋势上看，优化配送方案很有必要，使得我们有着巨大的动力去研究动态收发货问题(dynamicpickup-and-deliveryproblems，简称DPDPs)。在动态物流问题中，如果出现突发事件，则可以实时的进行在规划路径，这类问题本文档来自技高网...

【技术保护点】
一种基于模因计算的动态车辆收发货路径规划方法，其特征在于，所述方法包括：步骤S1，将车辆出发前已知的服务点进行路径的编码初始化，得到N条原始的由行车路径组成的染色体；其中，染色体中的每一个节点代表一个服务点；步骤S2，利用预先建立的排序库对N条所述由行车路径组成的染色体进行路径修正，使得修正后的路径不超出所述车辆的最大车载容量，得到N条修正后的染色体；其中，所述预先建立的排序库包括所有已知的服务点的子排序库，所述子排序库包括每一个已知的服务点到其它任意一个服务点的适应值，所述适应值用于衡量路径长度和工作量两个目标；步骤S3，对N条所述修正后的染色体进行遗传算法中的交叉操作和变异操作，得到N条多...

【技术特征摘要】
1.一种基于模因计算的动态车辆收发货路径规划方法，其特征在于，所述方法包括：步骤S1，将车辆出发前已知的服务点进行路径的编码初始化，得到N条原始的由行车路径组成的染色体；其中，染色体中的每一个节点代表一个服务点；步骤S2，利用预先建立的排序库对N条所述由行车路径组成的染色体进行路径修正，使得修正后的路径不超出所述车辆的最大车载容量，得到N条修正后的染色体；其中，所述预先建立的排序库包括所有已知的服务点的子排序库，所述子排序库包括每一个已知的服务点到其它任意一个服务点的适应值，所述适应值用于衡量路径长度和工作量两个目标；步骤S3，对N条所述修正后的染色体进行遗传算法中的交叉操作和变异操作，得到N条多样化的子代染色体；步骤S4，根据预先建立的排序库按照排序优先的方式对N条所述子代染色体进行局部搜索优化，得到N条优化后的染色体；步骤S5，利用NSGA-II算法从N条所述修正后的染色体和N条所述优化后的染色体中筛选出N条符合帕雷托标准的染色体作为待执行的N种路径规划方案；步骤S6，利用预设的服务策略从N种所述路径规划方案中选择一种路径规划方案，并按照选择的所述路径规划方案对其中的一个服务点进行服务，并在服务完所述服务点之后，将所述服务点从N条染色体中提取出来作为服务过的服务点，并判断是否服务完所有服务点，若没有，则返回步骤S2。2.如权利要求1所述的动态车辆收发货路径规划方法，其特征在于，所述排序库的建立方法为：步骤A1，分别利用归一化公式对节点vi到其它任意一个节点vj的路径长度和工作量进行归一化处理，得到归一化后的路径长度和工作量，并利用适应值计算公式计算节点vi到其它任意一个节点vj的适应值Fit(i,j)，将计算得到的适应值Fit(i,j)以键值的形式(vj，Fit(i,j))保存在mapvi里，得到一个关于vi到其它任意节点的mapvi；所述归一化公式为：其中，x表示动态收发货问题DPDPs中的目标，所述目标包括路径长度和工作量，xmax为所述目标的最大值，y表示归一化后的值；所述适应值计算公式为：其中，Fit(i,j)表示第i个服务点与第j个服务点间的适应值，d(i,j)表示从服务点i到服务点j的路径长度，workloadj表示第j个服务点的工作量；其中，j取遍除i之外的所有值；步骤A2，将mapvi包含的Fit(i,j)按照值从小到大的方式进行排序，并存放到一个队列里，得到关于vi的子排序库；步骤A3，将关于vi的所述子排序库以键值的形式(vi，mapvi)存放到全局的map里，得到一个关于全部节点的排序库。3.如权利要求1所述的动态车辆收发货路径规划方法，其特征在于，所述步骤S3中，所述遗传算法中的交叉操作包括：步骤B1，从N条所述修正后的染色体中随机选中任意两条染色体m和n组成一组，共组成N/2组，将染色体m和n对比，并分别随机在染色体m和n中间相同的位置选取相同长度的染色体片段，记为m1和n1，染色体m和n未选取的染色体片段分别记为m2和n2；步骤B2，将染色体片段n1和染色体片段m1进行比较，从染色体片段n1里提取与染色体片段m1不同的节点n11；并将染色体片段n2和染色体片段m1进行比较，从染色体片段n2里提取与染色体片段m1重复的节点n21；步骤B3，利用提取的节点n11替换提取的节点n21，并利用提取的染色体片段m1替换染色体片段n1，得到染色体n对应的1条子代染色体；对染色体m进行相同的提取和替换操作，得到染色体m对应的1条子代染色体，共得到N条子代染色体；所述步骤S3中，所述遗传算法中的变异操作包括：对所述交叉操作得到的N条子代染色体中的每一条进行交换、插入、删除和反转的操作，得到N条多样化的子代染色体；其中，每条子代染色体执行所述交换、插入、删除和反转操作中的任一个操作的概率是1/4；其中，所述交换的操作为：从1条子代染色体里随机选择两个节点交换位置，所述插入的操作为：插入动态的节点到1条染色体里，所述删除的操作为：从1条染色体里删除一个节点，所述反转的操作为：在1条染色体里随机提取一小段染色体片段，进行反转操作。4.如权利要求1或2所述的动态车辆收发货路径规划方法，其特征在于，所述步骤S4具体为：在N条所述子代染色体中的每条子代染色体里随机寻找一个节点vi，然后在预先建立的排序库中找到关于节点vi的子排序库，然后在所述子排序库的队列里寻找排序在最前面的节点，并判断找到的所述节点是否存在在所述节点vi所在的子代染色体上，若存在，则将所述节点插入到所述节点vi的下一个节点，得到N条优化后的染色体。5.如权利要求1所述的动态车辆收发货路径规划方法，其特征在于，所述预设的服务策略包括：偏爱信息策略、超体积策略和KneePoint策略。6.一种基于模因计算的动态车辆收发货路径规划装置，其特征在于，包括：初始化模块，用于将车辆出发前已知的服务点进行路径的编码初始化...

【专利技术属性】
技术研发人员：朱泽轩，杨彦明，孙怡雯，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44