一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法技术

一种基于模糊C均值‑模拟退火算法减小总成本的运输路径优化方法属于路径优化技术领域；现有技术会使配送车的行驶路径变长和增加成本；包括根据待配送目标的数量、需求数据以及配送的范围确定所需要配送站的数量；根据待配送目标与配送站的距离，运用模糊C均值算法，进行初始的聚类即为配送站的数量；对于与配送站距离大于SumD，以及与配送站连线间的方向夹角小于45°的目标划分为将待配送目标，将其他的目标保持初始的分配，即确定的目标；运用模拟退火算法进行搜索配送的路径，计算出最短的配送路线，即初始配送路线；通过动态调整将待配送目标的所属配送站，再次优化配送路线，保持最短的配送距离，节约配送车辆，减小配送总成本。

A transportation path optimization method based on fuzzy c-means simulated annealing algorithm to reduce the total cost

【技术实现步骤摘要】
一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法
本专利技术属于路径优化
，尤其涉及一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法。
技术介绍
运输路径优化即要拜访n个待配送目标，每个目标只能经过一次，规划出较短的路径，而且最后要回到原来出发地，可以归结为TSP问题。在实际运输过程中，由于配送车容量等其他方面的限制，实际问题并不能用TSP问题的模型求解。目前已经有很多方法能够解决路径优化问题。早年的优化算法主要集中在精确算法，如分枝定界法，动态规划法以及中心树算法，但受求解模型的约束，在实际应用中更偏重于构造应用更为广泛的启发式算法来求解此类问题。启发式算法也由上世纪的节约算法，插入法等发展到人工智能的禁忌搜索算法、遗传算法等。由于待配送目标的位置是随机分布的且配送需求各不相同，配送目标数量和需求的多变性使得多配送目标的路径规划问题更加复杂。对于这种分布式结构，如果采用随机配送方式，不仅会使配送车的行驶路径变长也会增加配送车数量，因而造成总成本的增加。专利
技术实现思路
本本文档来自技高网...

【技术保护点】
1.一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法，其特征在于，包括以下步骤：/n步骤a、根据待配送目标的数量、需求数据以及配送的范围确定所需要配送站的数量；/n步骤b、根据待配送目标与配送站的距离，运用模糊C均值算法，经行初始的聚类，聚类的数量即为配送站的数量；/n步骤c、在初始的聚类的基础上，对于与配送站距离大于SumD，以及与配送站连线间的方向夹角小于45°的目标划分为将待配送目标，将其他的目标保持初始的分配，即确定的目标；/n步骤d、运用模拟退火算法进行搜索配送的路径，计算出最短的配送路线，即初始配送路线；/n步骤e、在初始配送路线的基础上，通过动态调整将待配送目标的所属...

【技术特征摘要】
1.一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法，其特征在于，包括以下步骤：
步骤a、根据待配送目标的数量、需求数据以及配送的范围确定所需要配送站的数量；
步骤b、根据待配送目标与配送站的距离，运用模糊C均值算法，经行初始的聚类，聚类的数量即为配送站的数量；
步骤c、在初始的聚类的基础上，对于与配送站距离大于SumD，以及与配送站连线间的方向夹角小于45°的目标划分为将待配送目标，将其他的目标保持初始的分配，即确定的目标；
步骤d、运用模拟退火算法进行搜索配送的路径，计算出最短的配送路线，即初始配送路线；
步骤e、在初始配送路线的基础上，通过动态调整将待配送目标的所属配送站，再次优化配送路线，保持了最短的配送距离，同时节约了配送车辆，达到了优化配送总成本的目的。


2.根据权利要求1所述一种基于模糊C均值-模拟退火算法减小总成本的运输路径优化方法，其特征在于，所述步骤b具体方法包括以下步骤：
步骤b1、根据路径优化问题，确定此类问题的约束条件；
步骤b2、确定路径优化问题总成本的组成部分；
步骤b3、确定每部分的成本的简化模型；
步骤b4、根据约束条件，构造多用户随机需求的分配路径优化问题的目标函数。


3.根据权利要求1所述一种基于模糊C均值-模拟退火算法减小总成本...

【专利技术属性】
技术研发人员：吴立刚，孙光辉，刘健行，于忠良，万龙，
申请(专利权)人：哈工汇智深圳科技有限公司，
类型：发明
国别省市：广东;44