多车场车辆路径规划方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了多车场车辆路径规划方法、装置、计算机设备及存储介质，调用预先存储的车辆路径规划多目标优化模型，以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；将所述路径最优解集发送至客户端，在超多目标的进化求解的过程中充分考虑了种群的收敛和多样性，实现了种群形状的有效预测，实现了基于输入数据和约束条件快速且准确的获取车辆路径规划多目标优化模型的路径最优解集。

Method, device, computer equipment and storage medium of vehicle path planning in multi depots

【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。第二方面，本专利技术实施例提供了一种多车场车辆路径规划装置，其包括用于执行上述第一方面所述的多车场车辆路径规划方法的单元。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的多车场车辆路径规划方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的多车场车辆路径规划方法。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，调用预先存储的车辆路径规划多目标优化模型，以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；将所述路径最优解集发送至客户端，在超多目标的进化求解的过程中充分考虑了种群的收敛和多样性，实现了种群形状的有效预测，实现了基于输入数据和约束条件快速且准确的获取车辆路径规划多目标优化模型的路径最优解集。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的多车场车辆路径规划方法的应用场景示意图；图2为本专利技术实施例提供的多车场车辆路径规划方法的流程示意图；图3为本专利技术实施例提供的多车场车辆路径规划方法的子流程示意图；图4为本专利技术实施例提供的多车场车辆路径规划方法的另一子流程示意图；图5为本专利技术实施例提供的多车场车辆路径规划装置的示意性框图；图6为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1和图2，图1为本专利技术实施例提供的多车场车辆路径规划方法的应用场景示意图；图2为本专利技术实施例提供的多车场车辆路径规划方法的流程示意图，该多车场车辆路径规划方法应用于服务器中，该方法通过安装于服务器中的应用软件进行执行。如图2所示，该方法包括步骤S110～S140。S110、判断是否接收到客户端发送的路径规划请求。为了更清楚的理解本申请的技术方案，下面对所涉及到的终端进行介绍。本申请是在服务器的角度描述技术方案。第一是客户端，客户端可以理解为用户终端，用户终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备，用户终端发送路径规划请求至服务器。第二是服务器，服务器接收客户端发送的路径规划请求，根据与所述路径规划请求对应的输入数据和约束条件，及调用预先存储的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。服务器中得到所述路径最优解集后发送至客户端。在本实施例中，通过服务器检测是否接收到客户端发送的路径规划请求，当服务器接收到客户端发送的路径规划请求时则执行后续的步骤S120，当服务器未接收到客户端发送的路径规划请求时则等待预设的延迟时间后再次执行步骤S110。S120、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。在本实施例中，若服务器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。由于服务器中已经预先存储了车辆路径规划多目标优化模型，后续根据所述输入数据和约束条件即可进行求解，从而得到路径最优解集。S130、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。在本实施例中，服务器中存储的车辆路径规划多目标优化模型，是一种多车场多车辆的路径规划多目标优化模型，通过对该车辆路径规划多目标优化模型进行求解，使得优化目标都尽可能达到满足的路径调度规划方案。...

【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