基于基因择优策略SA-GA的外卖员送餐路径规划系统技术方案

基于基因择优策略的SA‑GA的外卖员送餐路径规划系统，用于解决外卖配送过程中配送时间长、配送超时的问题。本发明专利技术的实施包含以下步骤：对外卖员送餐过程中的基本条件进行假设；结合基本假设定义了一系列参变量，对最低运输成本的送餐路径进行建模，建立目标方程和约束方程确定最优送餐路径规划模型；对遗传算法加入基因择优策略和模拟退火机制进行改进，得到基于基因择优策略的模拟退火遗传算法，利用该算法对上述问题进行求解。本发明专利技术提出一种基于基因择优策略的模拟退火遗传算法，并将其用于外卖员送餐路径的规划上，在尽量避免配送超时的同时减少了配送时长。

【技术实现步骤摘要】
基于基因择优策略SA-GA的外卖员送餐路径规划系统
本专利技术涉及一种基于基因择优策略SA-GA的外卖员送餐路径规划系统，属于物流配送领域。
技术介绍
当今的快生活节奏已经成为了许多年轻人的主流生活方式，随之应运而生了许多的产业，其中外卖行业具有举足轻重的地位。但随之而来面临的问题是，外卖员和客户之间常常因为送货速度慢、订单超时产生一些纠纷，因此如何能够让外卖员快速有效的送货，给到令客户满意的服务，成为了外卖行业的竞争点。传统外卖送货人员如何能够在有限的时间内对外卖进行分配、节约劳动成本根据的是送货人员的经验，往往会出现送餐超时、走冤枉路等问题。
技术实现思路
本专利技术提出一种基于基因择优策略SA-GA的外卖员送餐路径规划系统，SA-GA即为模拟退火遗传算法，目的在于综合考虑送餐效率和顾客满意度等多种因素，为外卖员提供可行的送餐路径方案。本专利技术提供了一种基于基因择优策略的模拟退火遗传算法，在原本遗传算法的交叉过程中引入基因择优策略，并结合了模拟退火的更新解的机制。从而在兼顾算法收敛性和快速性的前提下提高了解的质量。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于基因择优策略SA-GA的外卖员送餐路径规划系统，包括以下步骤：步骤1：对外卖员送餐过程中的基本条件进行假设；(1)物品流向为单向，即纯送货。(2)仅由一个配送中心，且外卖员从配送中心出发，最终回到配送中心。(3)配送中心和客户点的位置坐标已知。(4)每个客户点有且仅被访问一次。(5)每个客户都有一个最晚服务时刻li，到达客户的时刻最好早于该时刻。(6)各道路均匀通畅，不存在交通拥堵等特殊情况。步骤2：结合基本假设定义了一系列参变量，对最低运输成本的送餐路径进行建模，建立目标方程和约束方程确定最优送餐路径规划模型；参变量定义：N：外卖员需服务的客户总数目；i，j，k：单个客户，i，j＝(0，1，…，N)，i，j＝0表示配送原点；cij：从客户i到j的运输距离，其中i≠j；α：运输单位距离的成本；li：客户i允许的最晚服务时刻；si：到达客户i的时刻，s0＝0；tij：从客户i行驶到客户j用的时间，其中i≠j；fi：完成客户i任务所需的服务时间；p：延误单位时间成本；以配送总成本最小化为目标函数，建立外卖员送餐路径规划问题的数学模型如下：xij∈{0，1}，i，j∈{1，2，...，N}(6)Pi(si)＝pmax(si-li，0)(7)上述数学模型各式的说明如下：目标函数(1)表示最小化配送总成本。由两部分组成：外卖员行驶距离成本、配送时间延误的惩罚成本。约束条件(2)表示外卖员从配送中心出发并最终返回配送中心。约束条件(3)表示每个客户点恰好被访问一次。约束条件(4)表示外卖员到达某客户点后，必须离开该客户点。约束条件(5)表示外卖员从客户i到客户j的时间约束。约束条件(6)表示整数化约束，限定了xij只能取0或1。约束条件(7)表示配送时间延误的惩罚成本函数表达式。步骤3：对遗传算法加入基因择优策略和模拟退火机制进行改进，得到基于基因择优策略的模拟退火遗传算法，利用该算法对上述问题进行求解。算法实现步骤如下：(I)设置遗传算法的控制参数，对可行的配送路线进行序数编码；(II)标记进化代数gen＝0，随机产生包含popsize个个体的初始种群P(0)；(III)计算种群每个个体i的适应度fi，并将个体按其适应度由大到小排序；(IV)挑选出种群中适应度最高的个体A为优选个体，对剩余popsize-1个个体进行轮盘赌选择，选择出的popsize-1个个体与优选个体A共同作为子代种群X；(V)对子代种群X进行倒位变异、类部分匹配交叉交叉操作；在交叉操作中，提出基因择优策略，利用种群X中的优选个体A以一定概率与其余个体j进行类PMX交叉操作，交叉产生的两个子代个体j1和j2计算其适应度和选择适应度高的个体替换个体j，即(VI)计算子代种群X中每个个体j的适应度fj，并将个体按其适应度由大到小排序；(VII)采用模拟退火策略，父代种群中的每个个体i都以一定概率P被子代种群X中的对应位个体j替换，如图1是父代位置3的个体被替换的示意图，概率P的表达式为：T(gen+1)＝λT(gen)(9)式中初始温度T(0)应该设的足够大，退火速率λ是小于1的正数。从上式我们可以看到，如果子代个体适应度大于父代，那么父代个体被子代对应位个体替换；如果子代个体适应度小于父代，此时算法不会立刻将子代抛弃，而是进行概率替换操作：首先在[0，1]区间内产生一个均匀分布的伪随机数ε，如果ε＜P，则接受替换；否则拒绝替换；其中概率P由适应度的变化量和温度T决定，这个值是随代数gen的增大而减小的；(VIII)经过模拟退火算法更新后的父代作为种群P(gen+1)；(IX)更新进化代数gen自加一；(X)若进化代数gen达到预设最大进化代数，则终止进化迭代；否则转(III)；(XI)最终代种群中适应度最高的个体即为问题的最优解，将该个体解码后即为外卖员的最优送餐路径。本专利技术有如下优点：本专利技术在建模中不仅考虑了配送时间成本的因素，还加入了如果超出用户要求的配送时间后的惩罚成本，更加符合实际情况，建模更加准确。在算法设计方面，在原本遗传算法的交叉过程中引入基因择优策略，并结合了模拟退火的更新解的机制，形成新的基于基因择优策略的模拟退火遗传算法，在兼顾算法收敛性和快速性的前提下提高了解的质量。本专利技术设计合理，能够在尽量满足用户要求的送餐时间的基础上实现较短时间的外卖配送，外卖员接单后，系统会根据接单量和客户位置为外卖员规划出最优配送路径，提高了外卖员的送餐效率，缩短送餐时间。附图说明图1是模拟退火策略父代个体更新示意图。图2是基于基因择优策略的模拟退火遗传算法流程图。具体实施方式实施例：一种基于基因择优策略的SA-GA的外卖员送餐路径规划系统，包括以下步骤：步骤1：对外卖员送餐过程中的基本条件进行假设；(1)物品流向为单向，即纯送货。(2)仅由一个配送中心，且外卖员从配送中心出发，最终回到配送中心。(3)配送中心和客户点的位置坐标已知。(4)每个客户点有且仅被访问一次。(5)每个客户都有一个最晚服务时刻li，到达客户的时刻最好早于该时刻。(6)各道路均匀通畅，不存在交通拥堵等特殊情况。步骤2：结合基本假设定义了一系列参变量，对最低运输成本的送餐路径进行建模，建立目标方程和约束方程确定最优送餐路径规划模型；参变量定义：...

【技术保护点】
1.基于基因择优策略SA-GA的外卖员送餐路径规划系统，其特征是包括以下步骤：/n步骤一：对外卖员送餐过程中的基本条件进行假设；/n(1)物品流向为单向，即纯送货；/n(2)仅由一个配送中心，且外卖员从配送中心出发，最终回到配送中心；/n(3)配送中心和客户点的位置坐标已知；/n(4)每个客户点有且仅被访问一次；/n(5)每个客户都有一个最晚服务时刻l

【技术特征摘要】
1.基于基因择优策略SA-GA的外卖员送餐路径规划系统，其特征是包括以下步骤：
步骤一：对外卖员送餐过程中的基本条件进行假设；
(1)物品流向为单向，即纯送货；
(2)仅由一个配送中心，且外卖员从配送中心出发，最终回到配送中心；
(3)配送中心和客户点的位置坐标已知；
(4)每个客户点有且仅被访问一次；
(5)每个客户都有一个最晚服务时刻li，到达客户的时刻最好早于该时刻；
(6)各道路均匀通畅，不存在交通拥堵等特殊情况；
步骤二：结合基本假设定义了一系列参变量，对最低运输成本的送餐路径进行建模，建立目标方程和约束方程确定最优送餐路径规划模型；
参变量定义：
N：外卖员需服务的客户总数目；
i，j，k：分别为客户个体，i，j＝(0，1，…，N)，i，j＝0表示配送原点；
cij：从客户个体i到客户个体j的运输距离，其中i≠j；
α：运输单位距离的成本；
li：客户个体i允许的最晚服务时刻；
si：到达客户个体i的时刻，s0＝0；
tij：从客户个体i行驶到客户个体j用的时间，其中i≠j；
fi：完成客户个体i任务所需的服务时间；
p：延误单位时间成本；



以配送总成本最小化为目标函数，建立外卖员送餐路径规划问题的数学模型如下：
最小化配送总成本：



外卖员从配送中心出发并最终返回配送中心：



每个客户点恰好被访问一次：



外卖员到达某客户点后，必须离开该客户点：



外卖员从客户个体i到客户个体j的时间约束：



整数化约束，限定了xij只能取0或1：
xij∈{0，1}，i，j∈{1，2，…，N}(6)
配送时间延误的惩罚成本：
Pi(si)＝pmax(si-li，0)(7)
步骤三：对遗传算法加入基因择优策略和模拟退火机制进行改进，得到基于基因择优策略的模拟退火遗传算法，利用基于基因择优策略的模拟退火遗传算法对上述问题进行求解。
<...

【专利技术属性】
技术研发人员：韩晓霞，郭浩天，褚俊文，张岩，余来华，赵晓宁，刘思婷，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14