一种车辆路径优化的处理方法技术

本发明专利技术公开了一种车辆路径优化的处理方法，包括以下步骤：a、采集订单数量、网点数量、网点距离矩阵以及车辆信息；b、设定时间窗和/或线路模版是否开启；c、以订单数量、网点数量、网点距离矩阵、车辆信息、时间窗是否开启、线路模版是否开启作为约束条件，采用蚁群遗传融合算法迭代计算得出最优路径，并且更新网点信息素；本设计合理利用约束条件，蚁群遗传融合算法迭代计算后进行复制和变换，得出最短路径，并且结果性能指标较好。

A Processing Method for Vehicle Route Optimization

The invention discloses a processing method for vehicle routing optimization, which includes the following steps: a, acquisition order quantity, network number, network point distance matrix and vehicle information; b, setting time window and/or whether the line template is opened; c, taking order quantity, network number, network point distance matrix, vehicle information, whether the time window is opened or not, and whether the line template is opened as constraints. Firstly, ant colony genetic fusion algorithm is used to calculate the optimal path iteratively, and update the network pheromone. This design makes reasonable use of the constraints. After iteration, ant colony genetic fusion algorithm is copied and transformed to get the shortest path, and the result performance index is good.

【技术实现步骤摘要】
一种车辆路径优化的处理方法
本专利技术涉及一种车辆物流领域，特别是对车辆路径优化的处理方法。
技术介绍
国外最早研究物流路径规划问题大约在20世纪中页，两位数学家首先提出了关于汽车配送问题的模型，即VRP(VehicleRoutingProblem)模型。之后由于其物流范围越来越大，这个问题的实际应用价值也越来越高，所以研究的人也越来越多，各个领域的学者都参与其中。Bodin等人基于这些模型归纳出了解决这些模型的七大方法。基于G.B.Dantzig在1947年提出的线性规划思想，B.Jackowski等人1985年提出的隐式枚举算法和J.Culberson在1992年提出的迭代的贪心算法等精确算法成功解决小规模数据网点VRP，这类算法在网点数目不大的情况下能准确的求出当前条件下的最小路径的最优解。而当网点规模较大时，就不能再用精确算法了。1995年由Eberhart和Kennedy根据鸟群扑食中的协同合作方法研究出了粒子群算法，利用随机解迭代的方式来求出近似解。1999年，DonaldWaters和RonaldH.Ballou从路径的网络规划角度分析了物流配送中心的选址问题。Eiic本文档来自技高网...

【技术保护点】
1.一种车辆路径优化的处理方法，其特征在于,包括以下步骤：a、输入订单数量、网点数量、网点距离矩阵以及车辆信息；b、设定时间窗和/或线路模版是否开启；c、以订单数量、网点数量、网点距离矩阵、车辆信息、时间窗是否开启、线路模版是否开启作为约束条件，采用蚁群遗传融合算法迭代计算得出最优路径，并且更新网点信息素。

【技术特征摘要】
1.一种车辆路径优化的处理方法，其特征在于,包括以下步骤：a、输入订单数量、网点数量、网点距离矩阵以及车辆信息；b、设定时间窗和/或线路模版是否开启；c、以订单数量、网点数量、网点距离矩阵、车辆信息、时间窗是否开启、线路模版是否开启作为约束条件，采用蚁群遗传融合算法迭代计算得出最优路径，并且更新网点信息素。2.根据权利要求1所述的一种车辆路径优化的处理方法，其特征在于：还包括步骤d、将计算得出结果上传到云端服务器的数据库中。3.根据权利要求1所述的一种车辆路径优化的处理方法，其特征在于，所述步骤c中在未达到迭代上限值内进行迭代计算，包括以下步骤：c1、初始化蚁群和蚂蚁；c2、蚂蚁根据确定性探索策略或者随机性探索策略选择下一网点；c3、判断蚂蚁是否历遍所有网点，若是，则进入步骤c4，若否，则返回步骤c2；c4、获取历遍所有网点后的出的循环最优蚂蚁；c5、将循环最优蚂蚁与迭代过程中得出的全局最优蚂蚁进行复制交叉；c6、对全局最优蚂蚁进行交换变异和倒置变异；c7、判断全局最优蚂蚁是否迭代进化，若是，则进入步骤c8，若否则进入步骤c9；c8、将迭代进化得出的最优解替换原全局最优蚂蚁的网点信息，进入步骤c9；c9、更新网点信息素；c10、判断迭代次数是否超过迭代上限值，若是，则输出结果，若否，则返回步骤c2。4.根据权利要求1所述的一种车辆路径优化的处理方法，其特征在于：所述步骤c中根据订单数量、网点数量建立单车多路径模型或者多车多路径系统模型或者结合单车多路径模型和多车多路径系统模型的混合路径模型。5.根据权利要求4所述的一种车辆路径优化的处理方法，其特征在于：所述车辆信息包括车辆数量和/或车辆的体积和...

【专利技术属性】
技术研发人员：王雷冲，王武峰，徐宁，夏亮亮，王凯，汪意，薛晨煜，
申请(专利权)人：中山市武汉理工大学先进工程技术研究院，中山市灵湾新材料科技有限公司，
类型：发明
国别省市：广东,44