一种自动化集装箱码头车辆的路径规划方法技术

技术编号:23401005 阅读:72 留言:0更新日期:2020-02-22 13:10
本发明专利技术公开了一种自动化集装箱码头车辆的路径规划方法,将路径规划问题分解为主问题和子问题,并对主问题和子问题采用不同的算法求解,即主问题采用分支定价算法的框架,子问题采用遗传算法求解。本发明专利技术将分支定价算法与遗传算法结合起来,在保证解的质量的同时,有效提高了算法的效率,能够在较短的时间内得到问题的解。

A path planning method for automated container terminal vehicles

【技术实现步骤摘要】
一种自动化集装箱码头车辆的路径规划方法
本专利技术涉及路径规划领域,尤其涉及用精确算法求解大规模的自动化集装箱码头ASC路径问题。
技术介绍
自动化集装箱码头的自主无人跨运车(AutonomousStraddleCarrier,ASC)路径规划问题是一类复杂的组合优化问题,属于NP难问题,目前已经发展出许多变体问题,其中大规模带硬时间窗的自动化集装箱码头车辆路径问题不仅要求车辆必须在取/送货点指定的时间窗范围内完成任务,而且求解的规模大。对于大规模的复杂组合优化问题,目前已有的求解方法主要是精确算法和启发式算法,精确算法求得的解虽然是精确解,但求解难度很大,不一定能够在可接受的时间范围内得到最优解,因此在自动化集装箱码头的车辆路径规划上应用较少。分支定价算法是分支定界法与列生成法的结合,属于精确算法。对于小规模带硬时间窗的码头车辆路径问题能够在可接受的时间范围内找到最优解,但随着问题规模的增大会产生“组合爆炸”,此时分支定价算法很难得到问题的最优解;启发式算法可以快速求解得到许多大规模复杂组合优化问题的解,在自动化集装箱码头的车辆路径问题中应用广泛,但求得的解是近似解而不是最优解。
技术实现思路
本专利技术提出了一种自动化集装箱码头车辆的路径规划方法,基于“分而治之,算法互补”的思路提出了一种分支定价算法与遗传算法结合的算法,在分支定价算法的框架下求解主问题,采用遗传算法求解子问题,在保证解的质量的同时,有效提高了算法的效率。为了达到上述目的,本专利技术提供了一种自动化集装箱码头车辆的路径规划方法,将自动化集装箱码头车辆的路径规划问题分解为主问题和子问题,采用分支定价算法解算主问题,并采用双点交叉的遗传算法求解子问题。优选地,所述的一种自动化集装箱码头车辆的路径规划方法包括以下步骤:S1、根据码头车辆的路径规划问题建立数学模型,并将数学模型作为分支定界树的根节点;S2、初始化分支定界树的根节点,并建立带有节点编号的待分支节点的节点表;S3、根据节点编号依次提取待分支节点表中的节点,并将提取出的节点分解为主问题和子问题;S4、采用分支定价算法解算节点的主问题,并采用双点交叉的遗传算法求解子问题,得出该节点的优化解;S5、待分支节点表为空集且当前求解时间在多项式时间内不可解时,输出所有节点优化解中的最优解作为数学模型的最优解。优选地,所述的步骤S2包括以下步骤:S2.1、通过启发式算法解算数学模型,得到车辆的初始可行路径定为数学模型解的下界,同时设置数学模型解的上界为无穷大;S2.2、对分支定界树的根节点分支,建立待分支节点的节点表,并依据待分支节点的添加顺序依次给节点编号。优选地,采用Danzig-Wolf分解算法将码头车辆路径规划问题分解为主问题和子问题。优选地,所述的步骤S4包括以下步骤:S4.1、将主问题线性化,并通过启发式算法解算满足线性主问题的初始可行解,得到限制主问题;S4.2、通过数学求解器解算限制主问题,得到对偶变量;S4.3、采用双点交叉的遗传算法求解子问题,并代入对偶变量;S4.4、检验子问题的优化解是否小于0,若是,将子问题优化解小于0所对应的子问题的解设为该节点产生的新列,将产生的新列加入到限制主问题中,重复步骤S4.2-S4.4;若不是,则输出限制主问题的初始优化解;S4.5、判断限制主问题的初始优化解是否为整数,若是,则输出该节点的优化解,若不是,则对该节点分支,并采用分支定价算法分别解算该节点的分节点,选取分节点的初始优化解中的最优解做为该节点的优化解。优选地,采用遗传算法求解子问题包括以下步骤:对子问题的可行路径集中的客户点编码,并设置遗传算法的最大迭代次数和变异概率;将车辆的初始可行路径设为父代路径,计算父代路径的适应度值,并采用轮盘赌规则选择两个父代路径A、B;对父代路径A、B采用双点交叉产生子代1和子代2;子代1和子代2按照变异概率变异后得到子代A和子代B;判断遗传算法的迭代次数是否达到最大值,如是,则输出子问题的优化解,若不是,则重复上述步骤。优选地,适应度值函数为:式中,α为访问某个客户点优先级;父代个体i被选中的概率为:fi是父代路径i的适应度值,是所有父代路径适应度值之和。本专利技术采用分支定价算法混合遗传算法求解自动化集装箱码头车辆路径规划问题,对原问题分解得到的主问题采用分支定价算法的框架,并对子问题采用遗传算法求解,将分支定价算法与遗传算法结合起来,能够有效提高算法的求解速度,使算法效率更高,此外,采用遗传算法求解子问题降低了子问题的求解难度,缩短了求解所需时间,有效提高了算法的效率,能够在较短的时间内得到问题的解。附图说明图1为本专利技术实施例提供的一种解决自动化集装箱码头车辆路径规划问题的流程图;图2为本专利技术实施例提供的遗传算法求解子问题的流程图;图3为本专利技术实施例提供的双点交叉产生子代的原理图。具体实施方式以下结合附图和具体实施例对本专利技术提出的一种自动化集装箱码头车辆的路径规划方法作进一步详细说明。根据下面说明和权利要求书,本专利技术的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比率,仅用以方便、明晰地辅助说明本专利技术实施例的目的。如图1所示,为本专利技术提供的一种自动化集装箱码头车辆的路径规划方法,包括以下步骤:S1、根据码头车辆路径规划问题建立数学模型,并将数学模型作为分支定界树的根节点;具体地,码头ASC路径规划问题为带硬时间窗的码头路径规划问题,有向图G=(C,A)表示码头ASC路径网络,其中,A表示弧段集合,C={0,1,2,…,n,n+1},表示为客户集,节点0和n+1表示车场,其他表示n个客户的顶点集合记为N。每个客户i(i∈N)具有特定的需求di、相应的服务时间si和时间窗[ai,bi],其中ai和bi分别是客户的最早开始服务时间和最晚开始服务时间,ASC车辆可以在客户i的最早服务时间ai之前到达,但是需要等待到最早服务时间ai才能开始服务,而且车辆必须在最晚服务时间bi之前到达,否则这条路径不可行,sik定义为车辆k在客户点i处开始服务的时间;车场的时间窗为[a0,b0],即车辆执行完任务后最晚的返回时间是b0;每辆车属于一个由V辆同类型车辆组成的车队,每辆车的最大载重量为q,Cij表示车辆由i点行驶到j点的距离,若车辆k由i点行驶到j点,则xijk=1,否则为0。在不考虑码头ASC发生拥堵的情况下,客户点的服务类型为仅取货或送货,每个客户点的需求量、在该点服务的时间及车场及待服务客户的坐标位置均事先给定,且每个客户点只能被访问一次、每辆车只能服务于一条路径,每个客户点的访问必须在规定的时间窗内完成,车场只有一个,并且所有车辆从车场出发并在规定的时间窗内返回车场。根据所描述的码头ASC路径规划问题所建立的数学模型如下:<本文档来自技高网...

【技术保护点】
1.一种自动化集装箱码头车辆的路径规划方法,其特征在于,将自动化集装箱码头车辆的路径规划问题分解为主问题和子问题,采用分支定价算法解算主问题,并采用双点交叉的遗传算法求解子问题。/n

【技术特征摘要】
1.一种自动化集装箱码头车辆的路径规划方法,其特征在于,将自动化集装箱码头车辆的路径规划问题分解为主问题和子问题,采用分支定价算法解算主问题,并采用双点交叉的遗传算法求解子问题。


2.如权利要求1所述的一种自动化集装箱码头车辆的路径规划方法,其特征在于,包括以下步骤:
S1、根据码头车辆的路径规划问题建立数学模型,并将数学模型作为分支定界树的根节点;
S2、初始化分支定界树的根节点,并建立带有节点编号的待分支节点的节点表;
S3、根据节点编号依次提取待分支节点表中的节点,并将提取出的节点分解为主问题和子问题;
S4、采用分支定价算法解算节点的主问题,并采用双点交叉的遗传算法求解子问题,得出该节点的优化解;
S5、待分支节点表为空集且当前求解时间在多项式时间内不可解时,输出所有节点优化解中的最优解作为数学模型的最优解。


3.如权利要求2所述一种自动化集装箱码头车辆的路径规划方法,其特征在于,所述的步骤S2包括以下步骤:
S2.1、通过启发式算法解算数学模型,得到车辆的初始可行路径定为数学模型解的下界,同时设置数学模型解的上界为无穷大;
S2.2、对分支定界树的根节点分支,建立待分支节点的节点表,并依据待分支节点的添加顺序依次给节点编号。


4.如权利要求2所述一种自动化集装箱码头车辆的路径规划方法,其特征在于,采用Danzig-Wolf分解算法将码头车辆路径规划问题分解为主问题和子问题。


5.如权利要求2所述一种自动化集装箱码头车辆的路径规划方法,其特征在于,所述的步骤S4包括以下步骤:
S4.1、将...

【专利技术属性】
技术研发人员:周红朱瑾王佳卜人杰郭昆仑沈磊
申请(专利权)人:上海海事大学
类型:发明
国别省市:上海;31

网友询问留言 已有0条评论
  • 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。

1