一种改进的解决带约束车辆路径问题的方法技术

本发明专利技术提供一种改进的解决带约束车辆路径问题的方法，涉及控制和系统工程技术领域。本发明专利技术对已有的灰狼算法进行改进，通过引入集合的方法，重新定义距离判断公式和位置更新公式，然后重新对问题的解进行构造，与现有技术相比，能够较好地弥补原始灰狼算法求解精度的不足，收敛速度更快，精确度更高，能有效避免算法陷入局部最优，实现配送总成本最小化和顾客满意度最大化。

【技术实现步骤摘要】
一种改进的解决带约束车辆路径问题的方法
本专利技术涉及控制和系统工程
，尤其涉及一种改进的解决带约束车辆路径问题的方法。
技术介绍
车辆路径问题(VRP)一般定义为，对有需要的装货点和卸货点，组织合乎实际的行车线路，使车辆有序地通过它们，在满足所要求的约束条件(如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等)下，达到问题的目标(如路程最短、费用最少、时间尽量少、使用车辆数尽量少等)。组合优化是优化领域的一个重要分支，其中车辆路径问题(VRP)是一类典型的组合优化问题。该问题最初是由Dantzig等在1959年提出的，目的是构造最短的车辆行驶路径来实现运输成本的最小化。目前，用于求解此类车辆路径问题的方法较多，经典的方法有割平面法、分支定界法、动态规划方法等。由于该问题是一个NP难题(非多项式算法难题)，因此，多种启发式算法不断地在求解中应用，如粒子群算法、遗传算法、蚁群算法、禁忌搜索算法等智能优化算法。然而，对于这些算法来说，这些算法的收敛速度慢，精确度比较差，并且比较容易陷入局部最优。原始的灰狼本文档来自技高网...

【技术保护点】
1.一种改进的解决带约束车辆路径问题的方法，其特征在于：包括以下步骤：/n步骤1：建立适应于带容量约束的车辆路径问题的数据集，数据集包括配送中心与客户信息，所述客户信息包括客户编号、客户坐标以及客户需求量；/n步骤2：建立路径网络图，对灰狼算法和路径问题数据集进行初始化；/n设置向图G＝(V,E)为配送网络，其中V＝(0,1,2,…N)为节点的集合，节点0为物流配送中心；V/{0}为客户节点；E＝{{i,j}|i,j邻接，i∈V,j∈V,i≠j}表示为配送路段集合；K表示配送中心拥有配送车辆数量，车辆k∈[0,K]，分别记为1,2,3…K，N为节点数，包括N-1个客户点和一个配送中心，i,j表...

【技术特征摘要】
1.一种改进的解决带约束车辆路径问题的方法，其特征在于：包括以下步骤：
步骤1：建立适应于带容量约束的车辆路径问题的数据集，数据集包括配送中心与客户信息，所述客户信息包括客户编号、客户坐标以及客户需求量；
步骤2：建立路径网络图，对灰狼算法和路径问题数据集进行初始化；
设置向图G＝(V,E)为配送网络，其中V＝(0,1,2,…N)为节点的集合，节点0为物流配送中心；V/{0}为客户节点；E＝{{i,j}|i,j邻接，i∈V,j∈V,i≠j}表示为配送路段集合；K表示配送中心拥有配送车辆数量，车辆k∈[0,K]，分别记为1,2,3…K，N为节点数，包括N-1个客户点和一个配送中心，i,j表示客户，且i≠j；
步骤3：通过基于总路径长度最短和客户时间满意度最高的带容量约束的车辆路径问题的数学模型计算各个灰狼的适应度的值，并进行适应度值从高到低排序，确定前三匹优质狼的位置；
步骤4：进行灰狼算法的距离计算，如下式所示；



其中，t表示当前迭代的次数，表示猎物与灰狼的距离，表示猎物的位置，即算法运行中的最优解，表示灰狼l的位置，即为算法运行中的候选解，Dl表示第l匹狼与当前猎物的距离，是系数向量；
步骤5：通过位置更新公式，进行灰狼算法的速度的更新；



系数向量和具体的计算公式如下所示：






其中，在迭代过程中从2到0线性递减，为[0,1]区间内的两个随机数；
步骤6：通过灰狼位置解的重新构造公式完成解的迭代；
所述灰狼位置解的重新构造公式如下所示：



其中，Xl(t+1)表示灰狼Omega下一时刻的位置，表示最好的优质狼的位置，表示次好优质狼的位置，表示第三好优质狼的位置，E代表全体边集，E＝{{i,j}|i,j邻接，i∈V,j∈V,i≠j}表示为配送路段集合；
步骤7：判断是否已经达到最大的迭代次数，如果没有达到最大的迭代的次数，则返回步骤3继续进行计算；
步骤8：达到了最大迭代次数之后，此时获得的最优解即是配送路径的最短总长度和客户对送达时间的最优满意度。
...

【专利技术属性】
技术研发人员：叶剑须，原慧琳，冯宠，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13