一种基于多种群协同进化的车辆路径优化方法技术

一种基于多种群协同进化的车辆路径优化方法，首先，创建研究区域的网络数据集，获取研究对象点之间的距离成本矩阵；然后客户点进行自然数编码，并完成多种群的初始化；对种群中的染色体进行交叉、变异操作，再进行每个子种群间的染色体替换，实现多种群的协同进化，重复交叉、变异和协同进化选择操作，直到满足迭代的终止条件；最终，输出种群中适应度最高的染色体，完成解码操作后，即可得到车辆调度的最优路径方案。本发明专利技术提供一种更加贴合实际应用的基于多种群协同进化的车辆路径优化方法。

【技术实现步骤摘要】
一种基于多种群协同进化的车辆路径优化方法
本专利技术涉及GIS技术、物流配送、计算智能、计算机应用领域，尤其涉及的是一种基于多种群协同进化的车辆路径优化方法。
技术介绍
随着互联网科技的不断发展，供给侧结构深化改革的不断推进，物流产业已成为推动我国经济发展与提高居民生活水平的重要动力源泉。自2014年起我国开始实施《物流业发展中长期规划(2014-2020)》以来，要求提高物流业信息化与智能化水平，并将电子商务物流工程、物流信息平台工程、物流新技术开发应用工程等列为主要工程，将积极推动物流国际发展列为重要任务，我国物流业各项工作取得积极新成效。而物流行业中的车辆路径问题是制约物流行业发展的一个关键要素，其研究也受到人们的广泛关注。企业通过制定合理的配送路径方案，对运输车辆进行优化调度，可以很好的提高配送效率，有效减少车辆的空载率和行驶距离，降低运输成本，加快响应客户的速度从而提高客户服务质量，提高企业的核心竞争力。车辆路径问题是运输组织优化中的核心问题之一，它通过对车辆的运输路线方案进行优化，在满足实际需求的前提下，以最小化的运输成本与本文档来自技高网...

【技术保护点】
1.一种基于多种群协同进化的车辆路径优化方法，其特征在于，所述车辆路径优化方法包括以下步骤：/n1)以所有配送车辆的总成本最小为目标建立如下目标函数：

【技术特征摘要】
1.一种基于多种群协同进化的车辆路径优化方法，其特征在于，所述车辆路径优化方法包括以下步骤：
1)以所有配送车辆的总成本最小为目标建立如下目标函数：其中C为配送车辆单位距离的运输成本，K为配送车辆数目，V为所有客户点的集合，为决策变量，取值为0或1，当配送车辆k从客户点i到j时取值为1，否则为0，dij表示客户点i与j之间的真实道路距离，约束条件为：只有一个配送中心，所有的配送车辆均以配送中心为起点和终点，已知每个客户点的需求量且均小于车辆的最大承载量Q，每辆车可以配送多个客户点，但是每个客户点只能由单个车辆配送；
2)设置参数：单位距离的运输成本C，客户点数目N，车辆最大载重量Q，客户点的需求量列表T，交叉概率集合PC＝{pc1,pc2L,pcM}，变异概率集合PM＝{pm1,pm2,L,pmM}，子种群个数为M，每个子种群中个体数量均为NP，迭代次数G；
3)将目标区域的地理信息地图导入ArcMap平台，完成目标区域的道路矢量化以及地理配准操作，构建目标区域的网络数据集，在网络数据集中新建点特征图层来表征配送中心和客户点地理位置；
4)创建配送中心和客户点之间的距离成本分析模型，获取配送中心以及客户点之间基于路网可达性的距离成本矩阵D，其中其中，矩阵中对角线元素d00,d01,L,dNN值为0，d0j表示配送中心0到客户点j的真实道路距离，di0表示客户点i返回配送中心0的真实道路距离，dij表示客户点i到客户点j之间的真实道路距离，i,j∈V且i≠j；
5)确定所需的配送车辆数量其中qi表示第i个客户点的货物需求量，α为[0,1]的随机约束因子，表示向下取整；
6)编码：采用自然数的编码方式，将客户点编码为1,2,3,L,N，0表示配送中心；
7)多种群初始化：将客户点的自然数编码随机排列，生成一条初始染色体，重复操作NP次，形成子种群P1,重复上述操作，生成M个大小均为NP的多种群集合P＝{P1,P2,K,PM}；
8)交叉操作，过程如下：
8.1)从多种群集合P中取出子种群Pi，以子种群Pi为研究对象，再从Pi随机不重复地选...

【专利技术属性】
技术研发人员：张贵军，陈驰，武楚雄，杨涛，侯铭桦，刘俊，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33