考虑众包和自配送协同情形的路径优化方法和系统技术方案

本发明专利技术提供一种考虑众包和自配送协同情形的路径优化方法和系统，涉及物流配送技术领域。本发明专利技术基于物流配送过程的运输成本、自配送成本、众包成本构建目标函数，然后对目标函数最小化以确定自配送的配送路线和众包配送的需求点，接着利用改进后的变邻域搜索算法与差分进化算法结合的混合算法进行寻优，获得最优的目标函数值f

【技术实现步骤摘要】
考虑众包和自配送协同情形的路径优化方法和系统


[0001]本专利技术涉及物流配送
，具体涉及一种考虑众包和自配送协同情形的路径优化方法和系统。

技术介绍

[0002]电商行业的迅速发展，不仅要满足用户对于物品质量方面的需求，还对物流配送的质量也提出了新的要求。物流配送如果不合理，不仅会造成配送点货物堆积、放置混乱等问题，严重的甚至会造成用户体验下降从而退货。然而，在物流配送时，选择何种配送方式(众包配送还是自配送)，何时取货或送货，如何满足特殊需求点对配送时间的要求，以及选择何种车型进行物流配送，都将影响到物流配送的质量。
[0003]目前，对于物流配送的研究主要集中在研究带时间窗的同时取送货一体的多车型路径问题，或者研究将物流进行众包给众包平台以实现物流企业效益增长等问题。然而，这些研究仅片面考虑了物流配送影响因素中的部分因素，有的在考虑车辆的取送货问题时并未考虑众包问题，在考虑了众包问题时，又无法同时考虑取送货一体、时间限制和车辆的限制等问题；另外，现有求解优化问题的算法存在着容易陷入局部最优、求解速度慢等问题。
[0004]由此可见，现有技术存在无法在考虑多方面影响因素时对物流配送进行优化的问题。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种考虑众包和自配送协同情形的路径优化方法和系统，解决了现有技术存在无法在考虑多方面影响因素时对物流配送进行优化的问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]第一方面，本专利技术首先提出了一种考虑众包和自配送协同情形的路径优化方法，所述方法包括：
[0010]S1、基于车辆数M和物流配送需求点I获取n个个体x1,x2,...,x
n
，并生成初始种群Π＝(x1,x2,...,x
n
)；
[0011]S2、设定变邻域搜索算法的最大迭代次数t
max
，初始迭代次数t＝1，并初始化R＝0，shaking(k)操作中初始值k＝1，设置车辆的最大载重量Q1，Q2，和电动汽车最大的行驶距离L
max
，燃油车和电动汽车的成本参数c1，c2，众包配送和自配送的配货成本参数a1，a2，b1，b2；
[0012]S3、计算初始种群Π中每个个体的目标函数f的值，并获取最小的目标函数值f
min
以及f
min
对应的个体x
min
；
[0013]S4、判断t≤t
max
是否成立，若不成立，则进行S10，否则进行S5；
[0014]S5、判断k≤3是否成立，若不成立，则令k＝1，并对x1进行shaking(k)操作得到x
′1，
否则直接对x1进行shaking(k)操作得到x
′1，并令t＝t+1，判断R≤3是否成立，若成立则进行S6；若不成立，则进行S8；
[0015]S6、对x
′1进行localsearch操作得到x
″1，进行S7；
[0016]S7、判断f(x
″1)＜f(x1)是否成立，若成立，则将x
″1赋值给x1，并更新种群Π以及f
min
和x
min
，否则令k＝k+1，R＝R+1，返回S4；
[0017]S8、利用差分进化算法对x
′1进行操作得到x
″1，并计算f(x
″1)；
[0018]S9、判断f(x
″1)＜f(x1)是否成立，若成立，则用x1随机替换x2，...，x
n
中任意个体的值，并将x
″1赋值给x1，并更新种群Π以及f
min
和x
min
，否则令k＝k+1，R＝0并返回S4；
[0019]S10、算法执行结束并输出最优的目标函数值f
min
及其对应的x
min
。
[0020]优选的，所述S1包括：
[0021]选定车辆数M和物流配送需求点I；
[0022]随机对需求点I进行编码排序，并将M
‑
1个0随机插入序列中获取n个个体记为x1,x2,...,x
n
，将这n个个体组成初始种群Π＝(x1,x2,...,x
n
)。
[0023]优选的，所述目标函数f可用如下公式表示：
[0024]f＝C1+C2+C3[0025][0026][0027][0028][0029][0030]所述目标函数f的约束条件为：
[0031][0032][0033]Q
′
i
＞0,i∈I
[0034]Q
′
i
‑
X
j
+X
′
j
＝Q
′
i
[0035]t
i
＜max(t
i
)
[0036][0037][0038][0039](T
1im
+T
2ik
)
×
Y
i1
+Y
i2
＝1,i∈I,m∈M
[0040](T
1im
+T
2ik
)
×
Y
i1
≤1,i∈I,k∈K
[0041]y
0jk
＝y
i0k
,i∈I,j∈I,k∈K
[0042]其中，f表示物流配送过程中的总成本；C1表示自配送的需求点的配送成本；C2表示自配送货物的运输成本；C3表示众包配送货物的众包成本；表示需求点i中自配送需求点的配送成本；表示需求点i的众包配送成本；车辆的最大载重量Q1，Q2；电动汽车最大的行驶距离L
max
，燃油车和电动汽车的成本参数c1，c2，众包配送和自配送的配送货成本参数分别为a1，a2，b1，b2；d
ij
表示客户点之间的距离以及配送中心与顾客点之间的距离；Q
′
i
表示车辆为顾客i提供完服务之后的剩余容量；Y
i1
，Y
i2
，T
1im
，T
2ik
，y
ijm
，y
ijk
均为决策变量，Y
i1
＝1表示客户点i由配送中心自配送，否则Y
i1
＝0；Y
i2
＝1表示客户点i由众包配送，否则，Y
i2
＝0；T
1im
＝1表示客户点i由燃油车m自配送，否则T
1im
＝0；T
2ik
＝1表示客户点i由电动车k自配送，否则T
2ik
...

【技术保护点】

【技术特征摘要】
1.一种考虑众包和自配送协同情形的路径优化方法，其特征在于，所述方法包括：S1、基于车辆数M和物流配送需求点I获取n个个体x1,x2,...,x
n
，并生成初始种群П＝(x1,x2,...,x
n
)；S2、设定变邻域搜索算法的最大迭代次数t
max
，初始迭代次数t＝1，并初始化R＝0，shaking(k)操作中初始值k＝1，设置车辆的最大载重量Q1，Q2，和电动汽车最大的行驶距离L
max
，燃油车和电动汽车的成本参数c1，c2，众包配送和自配送的配货成本参数a1，a2，b1，b2；S3、计算初始种群П中每个个体的目标函数f的值，并获取最小的目标函数值f
min
以及f
min
对应的个体x
min
；S4、判断t≤t
max
是否成立，若不成立，则进行S10，否则进行S5；S5、判断k≤3是否成立，若不成立，则令k＝1，并对x1进行shaking(k)操作得到x
′1，否则直接对x1进行shaking(k)操作得到x
′1，并令t＝t+1，判断R≤3是否成立，若成立则进行S6；若不成立，则进行S8；S6、对x
′1进行local search操作得到x
″1，进行S7；S7、判断f(x
″1)＜f(x1)是否成立，若成立，则将x
″1赋值给x1，并更新种群∏以及f
min
和x
min
，否则令k＝k+1，R＝R+1，返回S4；S8、利用差分进化算法对x
′1进行操作得到x
″1，并计算f(x
″1)；S9、判断f(x
″1)＜f(x1)是否成立，若成立，则用x1随机替换x2，...，x
n
中任意个体的值，并将x
″1赋值给x1，并更新种群∏以及f
min
和x
min
，否则令k＝k+1，R＝0并返回S4；S10、算法执行结束并输出最优的目标函数值f
min
及其对应的x
min
。2.如权利要求1所述的方法，其特征在于，所述S1包括：选定车辆数M和物流配送需求点I；随机对需求点I进行编码排序，并将M
‑
1个0随机插入序列中获取n个个体记为x1,x2,...,x
n
，将这n个个体组成初始种群∏＝(x1,x2,...,x
n
)。3.如权利要求1所述的方法，其特征在于，所述目标函数f可用如下公式表示：f＝C1+C2+C
33333
所述目标函数f的约束条件为：
Q
′
i
＞0,i∈IQ
′
i
‑
X
j
+X
′
j
＝Q
′
i
t
i
＜max(t
i
)))(T
1im
+T
2ik
)
×
Y
i1
+Y
i2
＝1,i∈I,m∈M(T
1im
+T
2ik
)
×
Y
i1
≤1,i∈I,k∈Ky
0jk
＝y
i0k
,i∈I,j∈I,k∈K其中，f表示物流配送过程中的总成本；C1表示自配送的需求点的配送成本；C2表示自配送货物的运输成本；C3表示众包配送货物的众包成本；表示需求点i中自配送需求点的配送成本；表示需求点i的众包配送成本；车辆的最大载重量Q1，Q2；电动汽车最大的行驶距离L
max
，燃油车和电动汽车的成本参数c1，c2，众包配送和自配送的配送货成本参数分别为a1，a2，b1，b2；d
ij
表示客户点之间的距离以及配送中心与顾客点之间的距离；Q
′
i
表示车辆为顾客i提供完服务之后的剩余容量；Y
i1
，Y
i2
，T
1im
，T
2ik
，y
ijm
，y
ijk
均为决策变量，Y
i1
＝1表示客户点i由配送中心自配送，否则Y
i1
＝0；Y
i2
＝1表示客户点i由众包配送，否则，Y
i2
＝0；T
1im
＝1表示客户点i由燃油车m自配送，否则T
1im
＝0；T
2ik
＝1表示客户点i由电动车k自配送，否则T
2ik
＝0；y
ijm
＝1表示i到j自配送时存在燃油车m经过点i至j，否则y
ijm
＝0；y
ijk
＝1表示i到j自配送是存在电动汽车k经过点i至j时，否则y
ijk
＝0；y
0jm
＝y
0jm
,i∈I,j∈I,m∈M表示燃油车m从配送中心出发，最终要回到配送中心；y
0jm
＝y
0jm
表示燃油车m从配送中心出发最终要回到配送中心；y
0jk
＝y
i0k
表示电动汽车k从配送中心出发最终要回到配送中心。4.如权利要求1所述的方法，其特征在于，所述S5中shaking(k)操作包括：当k＝1时，shaking(1)操作表示对x1进行第一种邻域操作得到x
′1；所述第一种邻域操作表示：随意交换同一辆车的两个需求点且不交换众包配送的两个点；当k＝2时，shaking(2)操作表示对x1进行第二种邻域操作得到x
′1；所述第二种邻域操作表示：随意交换不同辆车的两个需求点且不交换众包配送的两个点；当k＝3时，shaking(3)操作表示对x1进行第三种邻域操作得到x
′1；所述第三种邻域操作表示：随意取出一个需求点i，将其插到第j位，且不能将众包配送的点插到两个众包配送的点之间。5.如权利要求1所述的方法，其特征在于，所述S6中对x
′1进行local search操作得到x
″1包括，步骤1：输入local search操作的最大迭代次数y
max
以及初始化y＝0,l＝1；步骤2：判断y≤y
max
是否成立，若成立则进行步骤3，此时y＝y+1；否则进行步骤6；步骤3：判断l≤3是否成立，若成立则进行步骤4，否则令l＝1，返回步骤2；
步骤4：对x
′1进行local search操作，得到x
″1和f(x
″1)；步骤5：判断f(x
″1)≤f(x
′1)是否成立，若成立，则将x
″1赋值给x
′1,且令l＝1，否则令l＝l+1；返回步骤2；步骤6：流程结束，并输出x
″1和f(x
″1)的值。6.一种考虑众包和自配送协同情形的路径优化系统，其特征在于，所述系统包括：处理模块，用于执行以下步骤：S1、基于车辆数M和物流配送需求点I获取n个个体x1...

【专利技术属性】
技术研发人员：范雯娟，周琪琦，兰绍雯，邵凯宁，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：