【技术实现步骤摘要】
多车场车辆路径规划方法、装置、计算机设备及存储介质
本专利技术涉及路径规划
,尤其涉及一种多车场车辆路径规划方法、装置、计算机设备及存储介质。
技术介绍
随着电子商务的蓬勃发展,物流产业的重要性越来越凸显。现代物流综合了信息、运输、仓储、库存等多种活动,运用计算机技术科学地进行物流调度仍是物流及运输产业发展的关键。对于各大物流企业,其所面临的最重要的问题之一就是如何制定科学的运输路线以高效的满足客户的配送需求,因此车辆路径的规划对整个物流系统的运输成本和效率都有极其重要的影响。随着物流运输规模的日益加大以及配送要求的不断提高,已经无法通过现有的路径规划方法在多配送中心分布的情况下进行最优路径规划。
技术实现思路
本专利技术实施例提供了一种多车场车辆路径规划方法、装置、计算机设备及存储介质,旨在解决现有技术中在多配送中心分布在不同区域的情况下,无法快速且准确的进行最优路径规划的问题。第一方面,本专利技术实施例提供了一种多车场车辆路径规划方法,其包括:判断是否接收到客户端发送的路径规划请求;若接收到客户端发送的路径规划请求,获取与所述路径规划请求对应的输入数据和约束条件;其中,与所述路径规划请求对应的输入数据包括当前用户数量、当前用户数量对应的每一用户的货物容量、当前用户数量对应的每一用户的当前用户位置信息;调用预先存储的车辆路径规划多目标优化模型,以所述输入数据为所述车辆路径规划多目标优化模型的输入,并根据所述约束条件和对所述车辆路径规划多目标优化模型进
【技术保护点】
1.一种多车场车辆路径规划方法,其特征在于,包括:/n判断是否接收到客户端发送的路径规划请求;/n若接收到客户端发送的路径规划请求,获取与所述路径规划请求对应的输入数据和约束条件;其中,与所述路径规划请求对应的输入数据包括当前用户数量、当前用户数量对应的每一用户的货物容量、当前用户数量对应的每一用户的当前用户位置信息;/n调用预先存储的车辆路径规划多目标优化模型,以所述输入数据为所述车辆路径规划多目标优化模型的输入,并根据所述约束条件和对所述车辆路径规划多目标优化模型进行超多目标的进化求解,得到路径最优解集;以及/n将所述路径最优解集发送至客户端。/n
【技术特征摘要】
1.一种多车场车辆路径规划方法,其特征在于,包括:
判断是否接收到客户端发送的路径规划请求;
若接收到客户端发送的路径规划请求,获取与所述路径规划请求对应的输入数据和约束条件;其中,与所述路径规划请求对应的输入数据包括当前用户数量、当前用户数量对应的每一用户的货物容量、当前用户数量对应的每一用户的当前用户位置信息;
调用预先存储的车辆路径规划多目标优化模型,以所述输入数据为所述车辆路径规划多目标优化模型的输入,并根据所述约束条件和对所述车辆路径规划多目标优化模型进行超多目标的进化求解,得到路径最优解集;以及
将所述路径最优解集发送至客户端。
2.根据权利要求1所述的多车场车辆路径规划方法,其特征在于,所述车辆路径规划多目标优化模型包括5个优化目标函数,分别记为调度车辆数量优化目标函数minf1(x)、所有车辆总配送持续时间优化目标函数minf2(x)、所有车辆总行驶距离优化目标函数minf3(x)、单个车辆最大容量差优化目标函数minf4(x)、客户等待时间优化目标函数minf5(x);
其中,所述车辆路径规划多目标优化模型中预先设置有R个车场、每一车场有K辆车辆,每一车辆的总货物容量为Q且最大服务总时间为T;R、S、K和Q的取值为正整数;与所述路径规划请求对应的输入数据中包括的当前用户数量记为P;当前用户数量P对应的P个客户节点分别记为节点1至节点P,R个车场对应的车场节点分别记为节点P+1至节点P+R;
Kr表示第r个车场的实际使用车辆数;rk表示第r个车场的k编号的车辆;dij表示第i个节点到第j个节点之间的距离,表示第r个车场的k编号的车辆从第i节点运动第j个节点的行驶时间,si表示第i节点对应的服务时间,sj表示第j节点对应的服务时间,pi表示第i节点对应的第i个客户的货物容量,表示第r个车场的k编号的车辆从第i节点运动第j个节点的路径访问状态,表示第r个车场的k编号的车辆从第i节点运动第j个节点的客户被服务状态。
3.根据权利要求2所述的多车场车辆路径规划方法,其特征在于,所述以所述输入数据为所述车辆路径规划多目标优化模型的输入,并根据所述约束条件和对所述车辆路径规划多目标优化模型进行超多目标的进化求解,得到路径最优解集,得到路径最优解集,包括:
根据所述约束条件随机生成初始多目标种群;其中,所述初始多目标种群中包括多个个体,每一个体对应所述车辆路径规划多目标优化模型的一个路径输出解,所述初始多目标种群中包括多个个体的总个数记为种群大小N;
获取当前迭代代数,判断所述当前迭代代数是否达到预设的最大迭代代数;
若所述当前迭代代数未达到所述最大迭代代数,获取所述初始多目标种群中的理想个体和最差个体;其中,所述理想个体输入至所述车辆路径规划多目标优化模型得到的目标值为初始多目标种群中每个个体对应的目标值中最小目标值,所述最差个体输入至所述车辆路径规划多目标优化模型得到的目标值为初始多目标种群中每个个体对应的目标值中最大目标值;
对所述初始多目标种群进行模拟二进制交叉和多项式变异,得到与所述初始多目标种群有相同个体总个数的子种群;
将所述初始多目标种群与所述子种群进行合并,得到混合种群;
将所述混合种群中的个体进行非支配排序,得到非支配解集及多层解集;其中,所述非支配解集记为Q1,所述多层解集中包括多个解集子集且分别记为Q2至QL,其中Q1至QL的并集为所述混合种群,Q1至QL中任意两个集合的交集为空集,Q1≥Q2≥Q3≥……≥QL;
在所述非支配解集、及多层解集中多个解集子集依序合并从而获取多个集合直至个体的总个数超出所述种群大小N,以组成存档集合;
根据所述理想个体、所述最差个体将所述存档集合中每一个个体进行归一化处理,得到归一化存档集合;其中,所述归一化存档集合中与所述非支配解集对应的归一化个体集合记为归一化非支配解集;
根据所述归一化非支配解集估计获取帕累托前沿的形状,及帕累托前沿的形状对应的超曲面;
将所述归一化存档集合中每一个体映射至所述超曲面上,以得到映射集合;其中,所述归一化存档集合中每一个体均对应所述超曲面上的一个映射点,以组成所述映射集合,所述映射集合中对应的映射点的个数记为Lmax;
调用预先存储的目标点适应值算法,获取所述映射集合中每一映射点...
【专利技术属性】
技术研发人员:于琪嫄,刘松柏,林秋镇,陈剑勇,
申请(专利权)人:深圳大学,
类型:发明
国别省市:广东;44
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。