一种有限充电设施条件下的电动物流车路径规划方法技术

本发明专利技术公开了一种有限充电设施条件下的电动物流车路径规划方法，包括以下步骤：S1.给定物流配单位的物流配送系统及配送要求；S2.根据新能源物流车的路径和选址，建立新能源汽车物流配送模型并给出目标函数；S3.在新能源汽车物流配送模型中进一步模拟实际问题，对不同的约束条件对目标函数进行限定；S4.给定车辆数目和客户数目，生成满足约束条件的所有初始配送方案，并基于目标函数选址最优配送方案，实现充电桩选址的物流车路径规划。本发明专利技术充分考虑了新能源物流车里程限制、容量限制、时间窗约束和设施建设与采购成本，从候选地址中选择出最合理的新能源物流车的充电桩位置，防止里程限制造成的运输距离过短从而影响整体物流企业配送范围的情况。

A path planning method of electric logistics vehicle with limited charging facilities

【技术实现步骤摘要】
一种有限充电设施条件下的电动物流车路径规划方法
本专利技术涉及新能源电动汽车，特别是涉及一种有限充电设施条件下的电动物流车路径规划方法。
技术介绍
遗传算法(GA)是一种仿照大自然自然选择过程的算法。遗传算法的理念最开始被BagleyJ.D于1967年所提出。在之后的发展中，于密歇根大学任教的J.H.Holland在1975年开始对遗传算法的整体系统理论进行了系统研究。这类启发式算法适用于优化类问题和搜索类问题，并给出有效且准确的解决方案。遗传算法(GA)的简要思路即通过模拟基因传递遗传特性。在该方法中，问题的解被作为模型的染色体。遗传算法(GA)模拟自然中的种群的进化过程。首先，生成初始种群，并计算初始种群中各个单体的适应度数值，并根据适应度数值来确定被选择的概率。之后将根据概率选择当前物种中的单体，最后对选出来的单体进行交叉、变异等流程来产生下一代种群，种群经过几代迭代后基本达到(或接近最优)结果。新能源物流车选址路径模型问题包含了充电设施选址还有路径决策优化这两个NP问题。因此在用启发式算法对此类问题进行求解时，随着需要决策的数量的增加、问题规模变大，在搜索最优解的计算量过于庞大导致很难在规定的时间内得到最优解。针对该类复杂的非线性组合优化模型；但是目前新能源物流车选址路径时一般使用一次遗传算法，虽然理论上可使用，但随着基础数据即基础充电桩点位与配送点位增多时，程序迭代次数将呈几何倍变慢，且未必会出现在规定迭代数间出现收敛解。经典遗传算法使用的单点交叉，效率低，极有可能造成陷入局部最优解；并且只能做到统一时间窗的车辆调度与充电桩选址，而不能做到更贴近实际的灵活时间窗，导致若时间窗敏感可能造成大量的时间窗惩罚。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种有限充电设施条件下的电动物流车路径规划方法，充分考虑了新能源物流车里程限制、容量限制、时间窗约束和设施建设与采购成本，从候选地址中选择出最合理的新能源物流车的充电桩位置，防止里程限制造成的运输距离过短从而影响整体物流企业配送范围的情况。本专利技术的目的是通过以下技术方案来实现的：一种有限充电设施条件下的电动物流车路径规划方法，包括以下步骤：S1.给定物流配单位的物流配送系统及配送要求：设物流配送单位为统一车型的新能源物流车，所有新能源物流车设定为纯电动物流车；新能源物流车从配送中心出发，为其路径上的客户点进行货物配送，完成任务之后返回配送中心；每辆车能够服务多个需求点的任务，每辆车受到载重和电量限制，新能源物流车在配送中心以及充电桩设置点进行充电；物流配送公司希望通过充电桩选址和物流路径的合理规划来降低所需要付出的总成本，相应的提高公司利润。S2.根据新能源物流车的路径和选址，建立新能源汽车物流配送模型并给出目标函数：S201.对于物流配送系统中涉及的参数进行定义：C为顾客服务点集合，下标为c；Q为充电站候选地址集合，下标为q；E为配送中心，表示为{O}；V为所有顶点集合，V＝C+Q+E；Z为新能源物流车集合，下标为z；U为新能源物流车装载容量；S为电池总电量；CBZ为新能源物流车z的购买成本；Fq为充电站q的建设成本；r为新能源物流车单位路程的运输成本；dij为从节点i到j之间的里程距离；tij为新能源物流车从i到j的里程距离；a为单位里程消耗的电能；mi为节点i的需求量；Uiz为新能源物流车z离开节点i时的剩余电量；Piz为新能源物流车z在节点i的时间窗惩罚成本；Ei为节点i的最早到达时间；Li为节点i的最晚到达时间；CF1为早到的单位时间惩罚成本；CF2为晚到的单位时间惩罚成本；xijz在有电动物流车z由i到j这条路线则为1，否则为0；yq在q处设有充电桩则为1，未设有则为0；PC0为从配送中心出发的时间；piz1为新能源物理车z到达i点的剩余电量；piz2为新能源物流车z离开i点时电量；Tiz为新能源物流车z到达i的时间；Siz为新能源物流车z在i点服务时长；S202.用最直观的各成本费用加和作为总成本为目标函数优化目标，并考虑物流配送最特别的时间惩罚机制，即到达需求点的时间延误或过早的情况，其间客户损失要由企业承担的考虑时间窗的目标函数，即：S3.在新能源汽车物流配送模型中进一步模拟实际问题，对不同的约束条件对目标函数进行限定：第一、来去新能源物流车流量的平衡，即每个新能源物流车来到某节点和离开该节点的次数相等：第二、每个需求点能够且仅能被服务一次：第三、每个需求点的需求总量不能够比新能源物流车理论最大载货量大：第四、新能源物流车的电量和运输距离的关系：若新能源物流车z在从i节点到j节点，那其在J节点的车内电量是等于新能源物流车z的i点电量和其由i到j的运输距离中的消耗电量；否则，该约束松弛；第五、新能源物流车离开配送中心或充电桩时的电量为满：第六、新能源物流车在需求点等待时，电量不会消耗：第七、新能源物流车的电量保证其能够到达任意节点：第八、时间窗的约束：新能源物流车z由i到j的时间为其到达i的时间加上i节点的消耗时间和i、j之间的运输距离通过物流运输所消耗的时间；否则，该约束松弛；Tiz+(tij+Siz)xijz-M(1-xijz)≤Tjz≤Tiz+(tij+Siz)xijz+M(1-xijz)第九、时间惩罚函数，包括提前到和晚于标准时间的时间窗惩罚：第十、定义两个决策变量为0-1变量：S4.给定车辆数目和客户数目，生成满足约束条件的所有初始配送方案，并基于目标函数选址最优配送方案，实现充电桩选址的物流车路径规划。所述初始配送方案包括物流车的初始路径和该路径上的充电桩选址所述步骤S4包括以下步骤：S401.给定车辆数目和客户数目，生成满足约束条件的所有初始配送方案；A1、设将n个客户分配给m辆物流车进行配送，每个客户对应于一个需求点；A2、生成初始路径：生成客户点全排列，然后随机生成配送中心点位插入到客户点序列中，并生成所有满足约束条件的初始路径规划方案；A3、对每个初始路径规划方案按照约束条件插入充电桩，以完成充电桩选址，得到所有满足约束条件的初始配送方案；每一个初始配送方案均包括一个初始路径规划方案和该方案对应的充电桩选址。S402.利用遗传算法生成初始种群，初始种群中每一个基因代表一个初始配送方案；S403.通过遗传算法不断更新种群中的基因；S404.在每次更新得到的新一代种群中，对包含每一个基因，按照变邻域搜索算法求解最优出发时间：对每一个基因按照变邻域搜索算法求解最优出发时间的过程如下：B1、在该基因包含的路径和充电桩选址方案下，随机产生初始发车时间解，并定义m个邻域，每个邻域均包含理论最早发车点与理论最晚发车点，其中，第k个邻域记为Nk，k＝1,2,3,...,m；所述初始发车时间解中包含每一辆本文档来自技高网...

【技术保护点】
1.一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：包括以下步骤：/nS1.给定物流配单位的物流配送系统及配送要求；/nS2.根据新能源物流车的路径和选址，建立新能源汽车物流配送模型并给出目标函数；/nS3.在新能源汽车物流配送模型中进一步模拟实际问题，对不同的约束条件对目标函数进行限定；/nS4.给定车辆数目和客户数目，生成满足约束条件的所有初始配送方案，并基于目标函数选址最优配送方案，实现充电桩选址的物流车路径规划。/n

【技术特征摘要】
1.一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：包括以下步骤：
S1.给定物流配单位的物流配送系统及配送要求；
S2.根据新能源物流车的路径和选址，建立新能源汽车物流配送模型并给出目标函数；
S3.在新能源汽车物流配送模型中进一步模拟实际问题，对不同的约束条件对目标函数进行限定；
S4.给定车辆数目和客户数目，生成满足约束条件的所有初始配送方案，并基于目标函数选址最优配送方案，实现充电桩选址的物流车路径规划。


2.根据权利要求1所述的一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：所述初始配送方案包括物流车的初始路径和该路径上的充电桩选址。


3.根据权利要求1所述的一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：所述步骤S1中给定的物流配单位的物流配送系统及配送要求包括：
设物流配送单位为统一车型的新能源物流车，所有新能源物流车设定为纯电动物流车；新能源物流车从配送中心出发，为其路径上的客户点进行货物配送，完成任务之后返回配送中心；每辆车能够服务多个需求点的任务，每辆车受到载重和电量限制，新能源物流车在配送中心以及充电桩设置点进行充电；物流配送公司希望通过充电桩选址和物流路径的合理规划来降低所需要付出的总成本，相应的提高公司利润。


4.根据权利要求1所述的一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：所述步骤S2包括：
S201.对于物流配送系统中涉及的参数进行定义：
C为顾客服务点集合，下标为c；Q为充电站候选地址集合，下标为q；E为配送中心，表示为{O}；V为所有顶点集合，V＝C+Q+E；Z为新能源物流车集合，下标为z；U为新能源物流车装载容量；S为电池总电量；CBZ为新能源物流车z的购买成本；Fq为充电站q的建设成本；r为新能源物流车单位路程的运输成本；dij为从节点i到j之间的里程距离；tij为新能源物流车从i到j的里程距离；a为单位里程消耗的电能；mi为节点i的需求量；Uiz为新能源物流车z离开节点i时的剩余电量；Piz为新能源物流车z在节点i的时间窗惩罚成本；Ei为节点i的最早到达时间；Li为节点i的最晚到达时间；CF1为早到的单位时间惩罚成本；CF2为晚到的单位时间惩罚成本；xijz在有电动物流车z由i到j这条路线则为1，否则为0；yq在q处设有充电桩则为1，未设有则为0；PC0为从配送中心出发的时间；为新能源物理车z到达i点的剩余电量；为新能源物流车z离开i点时电量；Tiz为新能源物流车z到达i的时间；Siz为新能源物流车z在i点服务时长；
S202.用最直观的各成本费用加和作为总成本为目标函数优化目标，并考虑物流配送最特别的时间惩罚机制，即到达需求点的时间延误或过早的情况，其间客户损失要由企业承担的考虑时间窗的目标函数，即：





5.根据权利要求1所述的一种有限充电设施条件下的电动物流车路径规划方法，其特征在于：所述步骤S3中的约束条件包括：
第一、来去新能源物流车流量的平衡，即每个新能源物流车来到某节点和离开该节点的次数相等：



第二、每个需求点能够且仅能被服务一次：



第三、每个需求点的需求总量不能够比新能源物流车理论最大载货量大：



第四、新能源物流车的电量和运输距离的关系：若新能源物流车z在从i节点到j节点，那其在J节点的车内电量是等于新能源物流车z的i点电量和其由i到j的运输距离中的消耗电量；否则，该约束松弛；






第五、新能源物流车离开配送中心或充电桩时的电量为满：



第六、新能源物流车在需求点等待时，电量不会消耗...

【专利技术属性】
技术研发人员：唐立，付振永，卿三东，张祖耀，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51