一种基于进化多目标多任务优化的路径规划方法技术

本发明专利技术提供了一种基于进化多目标多任务优化的车辆路径规划方法，将车辆路径规划的每一个目标函数作为一个单独的任务，并利用多任务优化中的种群构造、信息迁移、子代生成、种群更新等操作对多个任务同时进行求解；采用多任务优化与多目标优化交替进行的两阶段策略，当满足设定的切换条件时，将多任务优化过程切换到多目标优化过程，通过多目标优化的种群构造、子代生成、种群更新、外部存档更新等操作优化非占优解集；采用基于精英保留的种群重构策略，当满足设定的重构条件时，只保留部分精英解，其余规划方案通过基于高斯游走的方式重新生成并加入到种群中。本发明专利技术提出的方法，解决了相似问题的优化信息在求解过程中不能有效地进行交流和协作的问题，实现了相似问题的信息共享，提升VRP的求解性能。

【技术实现步骤摘要】
一种基于进化多目标多任务优化的路径规划方法
本专利技术涉及路径规划领域，特别是指一种基于进化多目标多任务优化的路径规划方法。
技术介绍
车辆路径问题(Vehicleroutingproblem,VRP)是现代物流服务中优化的关键环节，也是物流服务中服务成本耗费最多的环节，是开展现代电子商务活动不可缺少的支持部分。另一方面，现实世界中的邮政投递问题、飞机航班调度、铁路车辆编组、码头调运、水运船舶调运、公共汽车调度、电力调度、居家养老中的医疗资源调度等问题都可以抽象为VRP。目前，对车辆路径问题的研究大部分集中在将其抽象成一个单目标或者多目标模型，然后利用单目标或者多目标优化方法进行求解。在对车辆路径问题研究中，普遍是对目标进行单独求解，还存在相似问题的优化信息在求解过程中不能有效地进行交流和协作，限制了算法的求解效率。
技术实现思路
本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种基于进化多目标多任务优化的路径规划方法，采用了进化多任务优化的求解范式，解决了相似问题的优化信息在求解过程中不能有效地进行交流和协本文档来自技高网...

【技术保护点】
1.一种基于进化多目标多任务优化的路径规划方法，具体包括如下步骤：/nS1：种群初始化：采用基于随机排列的编码方式产生初始序列集合，然后对集合中的每一个序列采用构造方法生成规划方案，按照目标函数进行评估，并将所有规划方案加入到初始种群中，用于更新外部存档，其中所述目标函数：/n

【技术特征摘要】
1.一种基于进化多目标多任务优化的路径规划方法，具体包括如下步骤：
S1：种群初始化：采用基于随机排列的编码方式产生初始序列集合，然后对集合中的每一个序列采用构造方法生成规划方案，按照目标函数进行评估，并将所有规划方案加入到初始种群中，用于更新外部存档，其中所述目标函数：



f2(s)＝maxk＝1,..,Mc(rk)
其中，M表示规划方案s包含的车辆路径数目，rk表示第k条车辆路径，c(rk)表示第k条车辆路径的行驶距离，f1(s)和f2(s)分别表示路径规划方案s的车辆行驶总距离和最长车辆路径长度。
S2：进化多任务优化：依次进行多任务种群构造、多任务信息迁移、多任务子代生成和多任务种群更新及外部存档更新；
S3：两阶段切换：如果外部存档发生更新，则进入步骤S4，执行多目标优化阶段；否则，返回步骤S2，继续执行多任务优化阶段。
S4：进化多目标优化:依次进行多目标种群构造、多目标子代生成和多目标种群更新及外部存档更新；
S5：判断是否执行重构：外部存档不发生变化的代数大于设置的阀值，则进入步骤S6，执行种群重构操作；否则，进入步骤S7。
S6：种群重构：根据非支配排序方法和拥挤距离的方法，得到最优种群，并采用基于高斯游走的方式组成新的种群。
S7：判断算法是否结束：迭代的次数达到设定的迭代次数最大值，输出外部存档中所有的规划方案，算法结束；否则，返回步骤S2。


2.根据权利要求1所述的一种基于进化多目标多任务优化的路径规划方法，所述步骤S2中进化多任务优化：依次进行多任务种群构造、多任务信息迁移、多任务子代生成和多任务种群更新及外部存档更新，具体包括：
S21：多任务种群构造：对于初始种群所有规划...

【专利技术属性】
技术研发人员：蔡奕侨，傅顺开，曾省明，刘弘钊，
申请(专利权)人：蓝海福建信息科技有限公司，
类型：发明
国别省市：福建;35