一种车辆调度优化方法技术

本发明专利技术公开了一种车辆调度优化方法，包括以下步骤：S1：获取车辆信息、配送中心信息和目的地信息，并生成约束条件；S2：根据约束条件将空载车辆分配至配送中心；所述约束条件为时间约束、车辆约束和需求约束、距离约束中的一种或多种的组合；S3：对分配的车辆进行配送线路设计。本发明专利技术一种车辆调度优化方法，通过先分配车辆，再进行线路规划的方式进行配送中心和目的地的车辆行驶规划，有效的降低了饲料企业的物流成本，提高了经济效益，同时利用算法优化饲料配送车辆调度问题，即在一定约束条件下：对车辆进行合理的调度，使运输费用最小，用户等到时间最优使得成本函数最优。

A Vehicle Scheduling Optimization Method

The invention discloses a vehicle scheduling optimization method, which comprises the following steps: S1: obtaining vehicle information, distribution center information and destination information, and generating constraints; S2: assigning no-load vehicles to distribution center according to constraints; the constraints are one or more combinations of time constraints, vehicle constraints and demand constraints, distance constraints; S3: pairing distribution; The vehicle carries on the distribution route design. The invention provides an optimization method for vehicle dispatching, which effectively reduces the logistics cost of feed enterprises and improves economic benefits by first distributing vehicles and then planning the route of distribution centers and destinations. At the same time, the algorithm is used to optimize the vehicle dispatching problem of feed distribution, that is, under certain constraints, reasonable vehicle dispatching is carried out to enable transportation. The minimum transmission cost and the optimal waiting time make the cost function optimal.

【技术实现步骤摘要】
一种车辆调度优化方法
本专利技术涉及计算机
，具体涉及一种车辆调度优化方法。
技术介绍
近几年来，随着我国社会经济的高速发展，人们的生活水平提高，对农副产品的需求量不断增加，使得养殖业得到了快速发展，与其紧密相连的饲料产业也蓬勃发展，知名的品牌饲料企业不断涌现。饲料企业作为畜牧业的重要组成部分，从饲料物流过程来看，包括生产饲料的原料由下往上和饲料成品由上往下的物流过程，也是一个由分散到集中和由集中到分散的物流过程。由于饲料自身的特殊性品种多，运输饲料配送的需求量大，大部分饲料不耐储存，养殖场卸货点分散、运输条件差以及到货时间弹性强，使得物流成本在全部成本中占有较大的比重，车辆调度问题是影响饲料企业物流成本的重要部分，现有的车辆调度技术已经无法满足降低饲料企业的物流成本，提高经济效益的要求。
技术实现思路
本专利技术所要解决的技术问题是由于饲料自身的特殊性品种多，运输饲料配送的需求量大，大部分饲料不耐储存，养殖场卸货点分散、运输条件差以及到货时间弹性强，使得物流成本在全部成本中占有较大的比重，车辆调度问题是影响饲料企业物流成本的重要部分，现有的车辆调度技术已经无法满足降低饲料企业的物流成本，提高经济效益的要求，目的在于提供一种车辆调度优化方法，解决上述问题。本专利技术通过下述技术方案实现：一种车辆调度优化方法，包括以下步骤：S1：获取车辆信息、配送中心信息和目的地信息，并生成约束条件；S2：根据约束条件将空载车辆分配至配送中心；所述约束条件为时间约束、车辆约束和需求约束、距离约束中的一种或多种的组合；S3：对分配的车辆进行配送线路设计。现有技术中，由于饲料自身的特殊性品种多，运输饲料配送的需求量大，大部分饲料不耐储存，养殖场卸货点分散、运输条件差以及到货时间弹性强，使得物流成本在全部成本中占有较大的比重，车辆调度问题是影响饲料企业物流成本的重要部分，现有的车辆调度技术已经无法满足降低饲料企业的物流成本，提高经济效益的要求。本专利技术应用时，先获取车辆信息、配送中心信息和目的地信息，并生成约束条件；这里所说的约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合，时间约束一般为货物送达时间、装卸货时间、空载时间等，车辆约束为车辆的类型、车辆的数量、车辆的载重等，需求约束为每个目的地所需饲料数量、种类等，距离约束为车辆的空车行驶距离、车辆总路程等；然后根据约束条件将空载车辆分配至配送中心，再然后对对分配的车辆进行配送线路设计，由于本专利技术针对的具体对象不同，所以选择的约束条件也与现有技术不同，虽然根据约束进行线路规划属于一种现有技术，但是本专利技术针对配送中心到各个目的地这种配送模式做出了创造性的贡献，对具体的约束条件进行限制，并且通过先分配车辆，再进行线路规划的方式进行配送中心和目的地的车辆行驶规划，有效的降低了饲料企业的物流成本，提高了经济效益，同时利用算法优化饲料配送车辆调度问题，即在一定约束条件下：对车辆进行合理的调度，使运输费用最小，用户等到时间最优使得成本函数最优。在车辆类型载重运费配送路径已经确定的条件下，结合运输货物和目的地卸货点的配送特点，考虑在时间约束的情况下，当目的地卸货点的需求量信息随时间发生变化时，对现有的配送线路进行实时调整优化，以降低配送成本，建立相应的配送车辆实时调度优化模型。进一步的，步骤S2包括以下子步骤：S21：对所有车辆进行编号；S22：根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆；S23：将闲置车辆安排至配送中心。本专利技术应用时，为了将闲置车辆匹配到配送中心，首先对所有车辆进行编号，然后根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆，一般来说每个配送中心需求的车辆不止一辆，所以需要均衡考虑配送中心的需求量和闲置车辆到配送中心的距离，再将闲置车辆安排至配送中心，这样既可以减少车辆的路程，也可以满足配送中心的需求，实现降低物流成本的目的。进一步的，步骤S22包括以下子步骤：根据下式得出配送中心对应的闲置车辆：式中，q为车辆数量，λ为调整系数，Gi为第i个配送中心需要配送的饲料数量，θ为装载每吨饲料所需要的时间，为第j辆车到i个配送点的配送距离。本专利技术应用时，可以通过上式将配送中心的需求量和闲置车辆到配送中心的距离整合起来，对i个分量进行优化排序，选取前k辆车安排到i各个配送中心，从中通过Argmin函数进行挑选，达到分配车辆的目的。进一步的，步骤S23包括以下子步骤：根据下式得出约束条件，并根据约束条件将闲置车辆安排至配送中心：式中，约束条件为P，为第j辆车到i个配送点的配送距离，Tj为第j辆车闲置的时间，α为距离参数，β为时间参数。本专利技术应用时，在此处可加上车辆空闲时间Tj去控制，尽量让车辆的空闲时间少一些，以提高车辆的利用率。进一步的，步骤S23包括以下子步骤：分配至配送中心的闲置车辆满足下式：式中，表示第j辆车的载重量；表示第i个配送中心需要配送一种饲料的量。本专利技术应用时，根据配送中心的一种饲料的配送要求进行车辆安排，同时考虑到每辆车距离配送中心的路线长短不同，因此到达时间不同不会造成拥堵问题，从而提高装货效率。进一步的，步骤S3包括以下子步骤：S31：随机产生路线，对每条路线进行车辆的搭配；S32：对路线进行基于遗传算法的优化迭代直至达到收敛标准；S33：随机选择路线，根据每个配送中心的实际需求和车辆情况分配车辆；S34：对总路线进行分割并得出目标函数，应用遗传算法进行迭代至最优解。本专利技术应用时，为了对路线进行合理分配，先随机产生路线，对每条路线进行车辆的搭配，然后对路线进行基于遗传算法的优化迭代直至达到收敛标准，再然后随机选择路线，根据每个配送中心的实际需求和车辆情况分配车辆，再然后对总路线进行分割并得出目标函数，应用遗传算法进行迭代至最优解，这样结合上文的车辆分配的过程就可以选择出最优的车辆，并配置最优的运输路线，从而达到降低物流成本的目的。进一步的，步骤S34包括以下子步骤：S341：根据运输车辆需要到的站点进行所需路径分析；S342：对所有路径进行最优解，选择最佳路径进行配送。本专利技术应用时，先根据运输车辆需要到的站点进行所需路径分析，车辆的行驶路径可以分为多个节点进行分析，然后对所有路径进行最优解，选择最佳路径进行配送，从而达到降低物流成本的目的。进一步的，步骤S342包括以下子步骤：得出总路线的长度；将车辆分配至总路径中相邻的多个目的地；对每个目的地的需求进行核算使得分配车辆满足目的地需求；进行行驶成本核算并选出最优路径；所述行驶成本包括车辆总路程、目的地等待时间和/或车辆空载路程。本专利技术应用时，为了达到更好的经济效果，需要对成本进行核算，因为不同的车辆的行驶载货成本都不尽相同，所以在考虑成本的基础上，进行路径优化可以有效的降低运行成本。进一步的，所述目的为养殖场。本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术一种车辆调度优化方法，通过先分配车辆，再进行线路规划的方式进行配送中心和目的地的车辆行驶规划，有效的降低了饲料企业的物流成本，提高了经济效益，同时利用算法优化饲料配送车辆调度问题，即在一定约束条件下：对车辆进行合理的调度，使运输费用最小，用户等到时本文档来自技高网...

【技术保护点】
1.一种车辆调度优化方法，其特征在于，包括以下步骤：S1：获取车辆信息、配送中心信息和目的地信息，并生成约束条件；S2：根据约束条件将空载车辆分配至配送中心；所述约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合；S3：对分配的车辆进行配送线路设计。

【技术特征摘要】
1.一种车辆调度优化方法，其特征在于，包括以下步骤：S1：获取车辆信息、配送中心信息和目的地信息，并生成约束条件；S2：根据约束条件将空载车辆分配至配送中心；所述约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合；S3：对分配的车辆进行配送线路设计。2.根据权利要求1所述的一种车辆调度优化方法，其特征在于，步骤S2包括以下子步骤：S21：对所有车辆进行编号；S22：根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆；S23：将闲置车辆安排至配送中心。3.根据权利要求2所述的一种车辆调度优化方法，其特征在于，步骤S22包括以下子步骤：根据下式得出配送中心对应的闲置车辆：式中，q为车辆数量，λ为调整系数，Gi为第i个配送中心需要配送的饲料数量，θ为装载每吨饲料所需要的时间，为第j辆车到i个配送点的配送距离。4.根据权利要求2所述的一种车辆调度优化方法，其特征在于，步骤S23包括以下子步骤：根据下式得出约束条件，并根据约束条件将闲置车辆安排至配送中心：式中，约束条件为P，为第j辆车到i个配送点的配送距离，Tj为第j辆车闲置的时间，α为距离参数，β为时间参数。5.根据权利要求2所述的一种车...

【专利技术属性】
技术研发人员：田艳梅，蒲皓，
申请(专利权)人：成都英孚克斯科技有限公司，
类型：发明
国别省市：四川,51