一种车辆路径规划方法及系统技术方案

本发明专利技术属于车辆路径规划技术领域，公开了一种车辆路径规划方法及系统，通过初始化N个随机路径作为抗体放入抗体候选集，计算每条车辆路径的距离作为每个抗体与抗原之间的亲和力，初始化标记每个抗体；选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，同时更新标记；对发生变异的抗体重新标记；对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体，对抗体候选集中的抗体进行更新抗体标记；当抗体满足抗体遗忘阈值时，进行遗忘；当满足评估函数调用次数时终止计算，得到最优的车辆路径。本发明专利技术通过替换过程，对抗体集中的抗体进行群体标记和更新，从而达到提高算法收敛速度和收敛稳定性的效果。

A vehicle path planning method and system

【技术实现步骤摘要】
一种车辆路径规划方法及系统
本专利技术属于车辆路径规划
，尤其涉及一种车辆路径规划方法及系统。
技术介绍
目前，克隆选择算法是一种受生物免疫系统克隆选择原理启发而设计的新型智能优化算法；Ag(antigen)抗原：本专利技术特指车辆路径规划问题需求；Ab(antibody)抗体：本专利技术特指各个城市路径排序序列；遗忘机制(Forgettingmechanism)：遗忘是一种信息丢失的现象，在特定的环境下，信息的丢失是有意义的。车辆路径规划问题(VehicleRoutingProblem，VRP)最早是由Dantzig和Ramser于1959年首次提出，它是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短、成本最小、耗费时间最少等目的。由于该问题的可行解是所有顶点的全排列，随着顶点数的增加，会产生组合爆炸，它是一个NP完全问题。由于其在交通运输、电路板线路设计以及物流配送等领域内有着广泛的应用，国内外学者对其进行了大量的研究。综合过去有关车辆路线问题的求解方法，可以分为精确算法(exactalgorithm)与启发式解法(heuristics)，其中精密算法有分支界限法、分支切割法、集合涵盖法等；启发式解法有节约法、模拟退火法、确定性退火法、禁忌搜寻法、基因算法、神经网络、蚂蚁殖民算法等。但是，随着问题规模的增大，精确算法将变得无能为力，因此，在后来的研究中，现有技术重点使用近似算法或启发式算法。目前主要的车辆路径规划问题中求解最短路径问题的解决方法及其缺陷如下：1.模拟退火算法：收敛速度慢，执行时间长，参数依赖较大；2.遗传算法：易陷入局部早熟，收敛性能差，由连续问题归纳到组合问题求解，使得精度受到很大的影响；3.克隆选择算法：属于进化算法簇，收敛速度过快，容易陷入局部最优；克隆选择算法在求解车辆路径规划问题中存在两个问题：一是存在中间抗体不能及时被淘汰影响算法效率，二是在保证抗体多样性时新生成的抗体存在竞争力不足的问题。4.蚁群算法：计算开销过大，求解效率不高。通过上述分析，现有技术存在的问题及缺陷为：现有车辆路径规划方法结果不准确，精度低，效率不高且耗费时间长。如在物流车辆路径规划系统中使用模拟退火作为核心算法求解车辆规划路径时，由于该方法收敛速度慢，使用者需要等待很久才能得到解，对使用者不友好且系统效率低。再如用遗传算法或原始克隆选择算法作为物流车辆路径规划系统的核心算法时，由于这类方法易陷入局部早熟，往往得到的结果不是最优路径，导致在实际物流配送中多耗费了人力物力，降低了物流配送效率。解决以上问题及缺陷的难度为：在保证方法收敛速度较快的条件下，提高方法运算结果的准确性。让使用者既不需要等待太久的时间，又可以得到较好的物流车辆路径规划结果。即在保证时间效率的前提下提高物流车辆路径规划的质量。解决以上问题及缺陷的意义为：提高方法的收敛速度和稳定性，增强方法的求解能力。使得求解物流车辆配送路径的系统性能得到提高，让使用者能够更快的得到更有效的配送路径，在需求相同的情况下让车辆走最少的距离，提高物流配送效率，节省人力物力。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种车辆路径规划方法及系统。本专利技术是这样实现的，将车辆路径规划方法应用于物流车辆路径规划系统中作为核心算法，为该系统提供车辆路径规划功能。该核心算法包括：通过初始化N个随机路径作为抗体放入抗体候选集，计算每条车辆路径的距离作为每个抗体与抗原之间的亲和力，初始化标记每个抗体；选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，同时更新标记；对发生变异的抗体重新标记；对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体，对抗体候选集中的抗体进行更新抗体标记；当抗体满足抗体遗忘阈值时，进行遗忘；当满足评估函数调用次数时终止计算，得到最优的车辆路径。进一步，所述车辆路径规划方法包括以下步骤：步骤一，获取城市相关数目以及坐标数据，初始化N个抗体放入抗体候选集，计算每个抗体与抗原之间的亲和力，初始化标记；步骤二，对计算得到抗原与抗体的亲和力进行排序，选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，并对克隆的抗体更新标记；步骤三，对克隆的抗体进行变异操作，并对克隆的抗体更新标记；步骤四，对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体放入抗体候选集，对这N个抗体的存活时间值加1；步骤五，判断抗体是否满足抗体遗忘阈值，若满足，则执行遗忘操作；若不满足，则转向步骤六；步骤六，判断算法是否满足评估函数调用次数，若满足，则输出最优路径、最优路径图以及最优路径距离；若不满足，则返回步骤二。进一步，步骤一中，所述抗体与抗原之间的亲和力计算公式如下：其中，citysize为车辆要经过的总城市数，xj、yj为城市j的经纬度，abi为抗体。步骤一中的初始化标记具体过程为对每个抗体赋予初始存活时间值1和抗体竞争属性值1。进一步，步骤二中，所述克隆包括：对抗体abi克隆的数量满足下式：其中，a和b均为常数，且a>0，max_clone为最大克隆数。步骤二中的更新标记具体过程为对被克隆的抗体竞争属性值加1。进一步，步骤三中，所述变异包括：亲和力越高的抗体变异的概率越小，利用变异算子进行变异；所述变异算子为：其中，operator(σ,abi)是对抗体abi中某城市与间隔σ个的邻居城市进行交叉变异，σ根据抗体亲和力的大小进行取值。步骤三中的更新标记具体过程为对产生变异的抗体赋予初始存活时间值1和抗体竞争属性值1。进一步，步骤五中，所述遗忘包括：遗忘判断，根据抗体的当前标记状态计算抗体的遗忘程度，并与遗忘阈值进行比较，当抗体满足遗忘判断条件时，替换为新抗体；获取当前算法迭代次数gen，对新抗体进行gen轮克隆变异操作；对操作后选出的成熟抗体进行抗体初始化标记，并判断是否满足评估函数调用次数，当满足时输出最短路径和该路径的总长度，否则返回步骤二。进一步，步骤五中，所述遗忘公式为：其中popsize为抗体候选集种群大小，abnew是从解空间中随机产生的新抗体，pre(·)为抗体预处理过程，c为遗忘阈值。计算抗体的遗忘程度其中，iteration(abi)表示抗体abi在候选抗体集中参与迭代的轮数，即存活时间值，strength(abi)表示抗体abi在当前迭代抗体候选集中的竞争属性值。本专利技术另一目的在于提供一种利用车辆路径规划系统包括：抗体与抗原亲和力获取模块，用于获取城市相关数目以及坐标数据，初始化抗体候选集，计算每个抗体与抗原之间的亲和力，并对每个抗体初始化标记；克隆操作模块，用于对计算得到抗原与抗体的亲和力进行排序，选择亲和力最本文档来自技高网...

【技术保护点】
1.一种车辆路径规划方法，其特征在于，所述车辆路径规划方法包括：初始化N个随机路径作为抗体放入抗体候选集，计算每条车辆路径的距离作为每个抗体与抗原之间的亲和力，初始化标记每个抗体；选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，同时更新标记；对发生变异的抗体重新标记；/n对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体，对抗体候选集中的抗体进行更新抗体标记；当抗体满足抗体遗忘阈值时，进行遗忘；当满足评估函数调用次数时终止计算，得到最优的车辆路径。/n

【技术特征摘要】
1.一种车辆路径规划方法，其特征在于，所述车辆路径规划方法包括：初始化N个随机路径作为抗体放入抗体候选集，计算每条车辆路径的距离作为每个抗体与抗原之间的亲和力，初始化标记每个抗体；选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，同时更新标记；对发生变异的抗体重新标记；
对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体，对抗体候选集中的抗体进行更新抗体标记；当抗体满足抗体遗忘阈值时，进行遗忘；当满足评估函数调用次数时终止计算，得到最优的车辆路径。


2.如权利要求1所述车辆路径规划方法，其特征在于，所述车辆路径规划方法包括以下步骤：
步骤一，获取城市相关数目以及坐标数据，初始化N个抗体放入抗体候选集，计算每个抗体与抗原之间的亲和力，初始化标记；
步骤二，对计算得到抗原与抗体的亲和力进行排序，选择亲和力最高的前n个抗体，对每个抗体进行克隆操作，并对克隆的抗体更新标记；
步骤三，对克隆的抗体进行变异操作，并对克隆的抗体更新标记；
步骤四，对变异后的抗体进行重新计算亲和力，选择出与抗原之间亲和力最高的N个抗体放入抗体候选集，对这N个抗体的存活时间值加1；
步骤五，判断抗体是否满足抗体遗忘阈值，若满足，则执行遗忘操作；若不满足，则转向步骤六；
步骤六，判断算法是否满足评估函数调用次数，若满足，则输出最优路径、最优路径图以及最优路径距离；若不满足，则返回步骤二。


3.如权利要求2所述车辆路径规划方法，其特征在于，步骤一中，所述抗体与抗原之间的亲和力计算公式如下：



其中，citysize为车辆要经过的总城市数，xj、yj为城市j的经纬度，abi为抗体。
步骤一中的初始化标记具体过程为对每个抗体赋予初始存活时间值1和抗体竞争属性值1。


4.如权利要求2所述车辆路径规划方法，其特征在于，步骤二中，所述克隆包括：
对抗体abi克隆的数量满足下式：



其中，a和b均为常数，且a>0，max_clone为最大克隆数。
步骤二中的更新标记具体过程为对被克隆的抗体竞争属性值加1。


5.如权利要求2所述车辆路径规划方法，其特征在于，步骤三中，所述变异包括：
亲和力越高的抗体变异的概率越小，利用变异算子进行变异；
所述变异算子为：



其中，operator(σ,abi)是对抗体abi中某...

【专利技术属性】
技术研发人员：杨超，陈炳秋，夏雨微，闻海洋，贾琳，程镇，
申请(专利权)人：湖北大学，
类型：发明
国别省市：湖北;42