基于货物载重与软时间窗限制的车辆配送路径优化方法技术

本发明专利技术请求保护一种基于货物载重与软时间窗限制的车辆配送路径优化方法，在现有电动车辆路径优化的基础上，重点考虑车辆载重量对电池能耗的影响，还考虑了软时间窗约束，建立配送成本(出车成本、司机成本、充电成本、惩罚时间窗成本)最小化为目标的电动车辆路径优化模型，然后采用遗传算法进行求解，获取配送路径优化方案。本发明专利技术建立了电动车辆基于能耗的充电成本函数；建立了电动车辆的软时间窗惩罚成本函数；且能够根据实际情况中客户货物重量、充电需求等制定配送路线，从而达到配送成本最小。

Vehicle distribution route optimization method based on load and soft time window constraints

【技术实现步骤摘要】
基于货物载重与软时间窗限制的车辆配送路径优化方法
本专利技术属于物流配送领域，同时属于计算机应用领域、复杂函数优化
，具体涉及一种基于货物载重与软时间窗限制的电动车辆配送路径优化方法。
技术介绍
近年来，随着经济的快速发展，用户的消费水平和采购需求日益提高，物流活动急剧增加。然而，物流车辆的能源消耗和碳排放等产生一系列的环境污染问题也随之出现，如何应用新技术、新工艺和新材料减少物流活动的负面影响已成为现代物流业发展中的一个重要问题。电动汽车以其低消耗、低排放、低污染特点成为解决这一问题的有效途径之一，为此，国家先后出台了一系列政策法规来推进电动汽车产业及其配套服务设施的发展，京东与阿里巴巴等物流行业领跑者也在大力实施车辆的电动化。与传统的燃油车辆相比，电动车辆的行驶路程较短，需要在配送过程中不定期前往充电站充电，由于现阶段充电设施相对较少，往往会出现电动汽车绕行前往充电站的情况，从而影响到正常的物流配送过程，延长了配送车辆在途时间，降低了物流服务质量。因此，如何合理的优化电动汽车配送路径，成为了亟待解决的重要问题。电动车辆路径问题，由车辆路径问题拓展而来。近年来，针对电动汽车配送问题的研究大多数聚焦于充电技术和充电站位置问题，基于电动物流车的路径优化问题研究成果还比较少。现有的电动车辆路径规划研究主要是考虑电池电量和最优充电路径等约束条件，通过考虑不同影响因素(低碳、续驶里程、时间窗等)来构建模型。目前电动物流配送路径优化模型主要考虑了低碳、续驶里程、充电策略等约束条件，在电能消耗上仅考虑了运输距离对车辆电能消耗的影响，虽近期少有考虑了电动车辆所在位置等其他因素对电能消耗的影响，但尚未考虑货物载重量对电动汽车电能的消耗影响，这会导致车辆行驶时的实际耗电量与理论存在偏差，出现车辆中途电量耗尽的情况，进而影响到电动车辆配送路径的科学性。物流配送中也采用电动汽车为各个客户点进行配送服务，每个客户点都有配送时间的限制。如果配送中不能在时间窗内到达客户点将接受一定的惩罚。物流配送中充电成本、惩罚成本、出车成本和司机成本构成的总成本最小，需要对配送中也的车辆行驶路径进行科学合理的规划。本专利技术对所研究的问题进行了深入分析，在一定基本假设的前提下，构建了问题所对应的数学模型。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种能够根据实际情况中客户货物重量、充电需求等制定配送路线，从而达到配送成本最小的方法。本专利技术的技术方案如下：一种基于货物载重与软时间窗限制的车辆配送路径优化方法，其包括以下步骤：步骤1、获取电动车辆行程约束、货物载重以及时间约束的实际情况，构建以配送成本最小化的改进电动车辆路径优化模型，所述配送成本包括出车成本、司机成本、充电成本、惩罚时间窗成本，所述改进电动车辆路径优化模型的目标函数中引入了引入能量消耗公式，将软时间窗和车辆载重量对电池能耗的影响加入能量消耗中，并对改进电动车辆路径优化模型的目标函数设定约束条件；步骤2、采用自然数编码的方式进行遗传算法编码方案的设计，由于遗传算法的编码方案不能完全反映模型的约束条件，本文将其与目标函数融合成算法的适应度函数，并且为了改善算法进化后期的寻优能力，本文采用新的改进交叉算子，在交叉操作中尽可能的保留优秀的父代子路径信息，将父代染色体中优秀子路径保留并遗传到子代染色体中。求解步骤1所述的改进电动车辆路径优化模型的目标函数，获取最优配送路径。进一步的，步骤1所述的改进电动车辆的配送路径优化目标模型的目标函数为表示出车成本C1，表示司机成本C2，表示充电成本C3，PC(i)表示惩罚时间窗成本C4；Z表示车辆配送总成本。其中，式中V为所有节点的集合,V＝O∪C∪F∪O'，它由客户集C、充电站集合F、配送中心O和虚拟配送中心O'共同组成。K＝{1,2,...,k}表示电动汽车集合。C1、C2、C3、C4分别表示车辆使用成本、司机成本、充电成本、惩罚成本；C0、Cl、Ce表示单位车辆使用成本、单位行驶成本、单位电量电价；sik:电动车辆k在客户节点i的服务时间，Sik:电动车辆k在充电节点i的服务时间；lij:节点节点i到节点j之间的距离，Sik:电动车辆k在充电节点i的服务时间；Tik:电动车辆k到达节点i的时刻；Tiearly、Tidelay表示客户i的标准最早、最晚服务时间；mij表示节点i到节点j上电动车辆消耗的能量；xijk：0-1变量，xijk为1表示电动车辆k到达节点i直接行使至j点，否则为0；yik：0-1变量，yik为1表示电动车辆k到达节点i进行充电，否则为0。目标函数中充电成本等于补偿电动物流车的电池消耗能量所发生的成本，也就是将货物载重引入，重点考虑车辆载重量对电池能耗的影响；能量消耗公式：mij＝(αij(ω+fij)lij+βvij2lij)/ef代入其中，αij＝a+gsinθij+gCrcosθij是特定常数，β＝0.5CdAρ表示车辆特定常数，ef表示发动机效率，fij表示电动车辆k在节点i与节点j上的载重；vij表示电动车辆在节点i与节点j的配送速度；ω表示车辆整备重量(tons)，a表示加速度(m/s2)，g表示引力常数(m/s2)，θ表示道路角度，A表示车辆的正面面积(m2)，ρ表示空气密度(kg/m3)，Cr表示滚动阻力系数，Cd表示轧制阻力系数。得到充电成本函数的表达式如下：目标函数还考虑了软时间窗约束，假设每辆电动车辆都有一个送货时间窗[Tiearly,Tidelay]，当车辆在该时间窗送货，则不须支付任何惩罚成本，车辆如果早到或者晚到，会产生一定的惩罚时间成本，惩罚时间成本的大小与早到或者晚到客户点时间的长短呈线性关系，得到惩罚成本函数为：可表示成其中，Ca表示早到的单位时间成本、Cb表示晚到的单位时间成本，Tiearly、Tidelay表示客户i的标准最早、最晚服务时间。进一步的，所述改进电动车辆路径优化模型的目标函数设定约束条件如下：以上约束条件中：式(1)(2)表示确保每个预约客户都能被访问到；式(3)表示流量守恒准则，电动车到达某节点后一定会离开；式(4)(5)表示电动车从配送中心出发，完成任务后返回配送中心；式(6)表示配送任务的电动车数量应小于等于配送中心电动车总数量；式(7)表示电动车离开配送中心时的载重量；式(8)表示电动车离开配送中心时的载重量小于额定载重量；式(9)(10)表示在访问节点i到节点j时剩余电池的消耗应减少mij；式(11)表示下一个访问节点j的时间计算公式；式(12)表示电动车在每个节点的剩余电量大于0；式(13)(14)表示yik、xijk的0-1变量；各公式中的变量和参数符本文档来自技高网...

【技术保护点】
1.一种基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，包括以下步骤：/n步骤1、获取电动车辆行程约束、货物载重以及时间约束的实际情况，构建以配送成本最小化的改进电动车辆路径优化模型，所述配送成本包括出车成本、司机成本、充电成本、惩罚时间窗成本，所述改进电动车辆路径优化模型的目标函数中引入了引入能量消耗公式，将软时间窗和车辆载重量对电池能耗的影响加入能量消耗中，并对改进电动车辆路径优化模型的目标函数设定约束条件；/n步骤2、采用自然数编码的方式进行遗传算法编码方案的设计，由于遗传算法的编码方案不能完全反映模型的约束条件，本文将其与目标函数融合成算法的适应度函数，并且为了改善算法进化后期的寻优能力，本文采用新的改进交叉算子，在交叉操作中尽可能的保留优秀的父代子路径信息，将父代染色体中优秀子路径保留并遗传到子代染色体中。利用改进的遗传算法求解步骤1所述的改进电动车辆路径优化模型的目标函数，获取最优配送路径。/n

【技术特征摘要】
1.一种基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，包括以下步骤：
步骤1、获取电动车辆行程约束、货物载重以及时间约束的实际情况，构建以配送成本最小化的改进电动车辆路径优化模型，所述配送成本包括出车成本、司机成本、充电成本、惩罚时间窗成本，所述改进电动车辆路径优化模型的目标函数中引入了引入能量消耗公式，将软时间窗和车辆载重量对电池能耗的影响加入能量消耗中，并对改进电动车辆路径优化模型的目标函数设定约束条件；
步骤2、采用自然数编码的方式进行遗传算法编码方案的设计，由于遗传算法的编码方案不能完全反映模型的约束条件，本文将其与目标函数融合成算法的适应度函数，并且为了改善算法进化后期的寻优能力，本文采用新的改进交叉算子，在交叉操作中尽可能的保留优秀的父代子路径信息，将父代染色体中优秀子路径保留并遗传到子代染色体中。利用改进的遗传算法求解步骤1所述的改进电动车辆路径优化模型的目标函数，获取最优配送路径。


2.根据权利要求1所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，步骤1所述的改进电动车辆的配送路径优化目标模型的目标函数为




表示出车成本C1，表示司机成本C2，表示充电成本C3，PC(i)表示惩罚时间窗成本C4；Z表示车辆配送总成本。
其中，式中V为所有节点的集合,V＝O∪C∪F∪O'，它由客户集C、充电站集合F、配送中心O和虚拟配送中心O'共同组成。K＝{1,2,...,k}表示电动汽车集合。C1、C2、C3、C4分别表示车辆使用成本、司机成本、充电成本、惩罚成本；C0、Cl、Ce表示单位车辆使用成本、单位行驶成本、单位电量电价；sik:电动车辆k在客户节点i的服务时间，Sik:电动车辆k在充电节点i的服务时间；lij:节点节点i到节点j之间的距离，Sik:电动车辆k在充电节点i的服务时间；
Tik:电动车辆k到达节点i的时刻；Tiearly、Tidelay表示客户i的标准最早、最晚服务时间；mij表示节点i到节点j上电动车辆消耗的能量；xijk：0-1变量，xijk为1表示电动车辆k到达节点i直接行使至j点，否则为0；yik：0-1变量，yik为1表示电动车辆k到达节点i进行充电，否则为0。
目标函数中充电成本等于补偿电动物流车的电池消耗能量所发生的成本，也就是将货物载重引入，重点考虑车辆载重量对电池能耗的影响；
能量消耗公式：mij＝(αij(ω+fij)lij+βvij2lij)/ef代入
其中，αij＝a+gsinθij+gCrcosθij是特定常数，β＝0.5CdAρ表示车辆特定常数，ef表示发动机效率，fij表示电动车辆k在节点i与节点j上的载重；vij表示电动车辆在节点i与节点j的配送速度；ω表示车辆整备重量(tons)，a表示加速度(m/s2)，g表示引力常数(m/s2)，θ表示道路角度，A表示车辆的正面面积(m2)，ρ表示空气密度(kg/m3)，Cr表示滚动阻力系数，Cd表示轧制阻力系数；
得到充电成本函数的表达式如下：



目标函数还考虑了软时间窗约束，假设每辆电动车辆都有一个送货时间窗[Tiearly,Tidelay]，当车辆在该时间窗送货，则不须支付任何惩罚成本，车辆如果早到或者晚到，会产生一定的惩罚时间成本，惩罚时间成本的大小与早到或者晚到客户点时间的长短呈线性关系，得到惩罚成本函数为：



可表示成



其中，Ca表示早到的单位时间成本、Cb表示晚到的单位时间成本，Tiearly、Tidelay表示客户i的标准最早、最晚服务时间。


3.根据权利要求2所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，所述改进电动车辆路径优化模型的目标函数设定约束条件如下：























<...

【专利技术属性】
技术研发人员：樊自甫，丁惠琳，邢少伟，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50