【技术实现步骤摘要】
一种在环境约束下的车辆路径智能搜索方法
本专利技术涉及一种车辆路径智能搜索方法,具体涉及一种在环境约束下的车辆路径智能搜索方法,属于人工智能车辆路径规划领域。
技术介绍
车辆路线问题,最早由Dantzig和Ramser于1959年首次提出,是指一定数量的客户,各自有不同数量的货物需求,配送中心向客户提供货物,由一个车队负责提供货物,组织适当的行车路线,更好地满足客户需求。这是经典的VRP问题描述,这一普遍存在于生活中的问题,在各种实际场景中却是要复杂的多。例如:网购物流配送、外卖订单配送、司机运送旅客、军事中部队的执行任务等。在各种实际的场景中,会出现各种条件的制约以及意外情况的发生,使问题变得异常复杂。例如:物流配送中不仅要考虑最快速度配送到多个地点,还需考虑每个地点配送的先后次序、车辆的载货情况、燃料剩余情况、订单转寄及退回等该场景出现的复杂情景。根据调查发现,在物流配送系统中,在基本车辆路线问题基础上,车辆路线问题在学术研究和实际应用上产生了许多不同的延伸和变化形态,包括时窗限制车辆路线问题、多车种车辆路线问题、车辆多次使用的车辆路线问题、考虑收集的车辆路线问题、随机需求车辆路线问题等。在解决方法上,综合以往有关车辆路线问题求解方法,可分为精确算法与启发式解法,其中,精确算法包括分支限界法、分支切割法、集合涵盖法等;启发式解法包括节约法、模拟退火法、确定性退火法、禁忌搜索法、基因算法、神经网络、蚂蚁算法等。1995年,Fisher曾将求解车辆路线问题方法分为三个阶段。第一阶段是1960年到197 ...
【技术保护点】
1.一种在环境约束下的车辆路径智能搜索方法,其特征在于,包括以下步骤:/n本方法基于以下约束条件:/n(1)所有车辆均在零时刻从原点出发,依次到达N个目标点;车辆不区分类型,被认为都是相同的;/n(2)每个目标点都必须到达一次且仅能到达一次;每个目标点都需执行某项任务,每项任务都需要花费时间;/n(3)二维平面上构建的地图是确定的、栅格化的,每个1×1的小格为最小单元;路径的规划及各类地形、天气的设置由多个单元格组成;/n(4)车辆遇到极端复杂地形或极端天气难以通行,需绕行,包括高山、湖泊池堰、河流沟渠及大雾;/n车辆遇到较复杂地形或不良天气,需减速通过,包括沙漠、丘陵、雨雪;/n(5)一个车辆允许被分配给多个目标点,无数量限制;/n(6)车辆在到达某个目标点并且完成其任务时,立刻前往下一目标点;/n(7)不考虑车辆损毁、车辆相撞;/n首先定义如下索引:/nC:目标点索引(C=1,2,...,N);/nN:顶点索引(N=C∪{0});/nK:车辆索引(K=1,2,...,k);/nG:河流、山地、大雾位置索引(G=g
【技术特征摘要】
1.一种在环境约束下的车辆路径智能搜索方法,其特征在于,包括以下步骤:
本方法基于以下约束条件:
(1)所有车辆均在零时刻从原点出发,依次到达N个目标点;车辆不区分类型,被认为都是相同的;
(2)每个目标点都必须到达一次且仅能到达一次;每个目标点都需执行某项任务,每项任务都需要花费时间;
(3)二维平面上构建的地图是确定的、栅格化的,每个1×1的小格为最小单元;路径的规划及各类地形、天气的设置由多个单元格组成;
(4)车辆遇到极端复杂地形或极端天气难以通行,需绕行,包括高山、湖泊池堰、河流沟渠及大雾;
车辆遇到较复杂地形或不良天气,需减速通过,包括沙漠、丘陵、雨雪;
(5)一个车辆允许被分配给多个目标点,无数量限制;
(6)车辆在到达某个目标点并且完成其任务时,立刻前往下一目标点;
(7)不考虑车辆损毁、车辆相撞;
首先定义如下索引:
C:目标点索引(C=1,2,...,N);
N:顶点索引(N=C∪{0});
K:车辆索引(K=1,2,...,k);
G:河流、山地、大雾位置索引(G=g1,...,gm);
H:沙漠、雨雪位置索引(H=h1,...,hm′);
定义如下变量:
tij:i∈C,j∈C,目标点i到目标点j行车所需时间;
tai:i∈C,目标点i的任务所需执行时间;
是否将目标点i派给车辆k;
从目标点i到目标点j的路线是否被车辆k选择;
sik:车辆k到达目标点i的时间;
vxy:车辆在位置(x,y)的速度;
定义决策变量:
目标量描述如下:
其中,表示车辆k到达目标点i的时间的最大值,为最小化最后一个目标点任务的完成时间;
步骤1:利用广度优先搜索,计算原点和各个目标点、每两个点之间的地图距离;
对于目标点i和目标点j之间距离相同的多个路径,采用距离/速度计算出所用时间,对时间进行排序,取时间最短的路径;
在计算目标点i到目标点j所用时间时,对于每个目标点i所需执行的任务所需时间tai,直接加入到路径i-j所需时间中,一并计算;
步骤2:采用聚类算法,令k为车辆数目,将N个目标点按行车时间分为k组,每个组根据行车时间均得到组内质心,使得分组后所有目标点到组内质心的行车时间总和达到最小;
步骤3:进行路径搜索,采用与聚类算法结合的萤火虫算法实现,具体如下:
步骤3.1:设置算法初始化参数:
首先,将各路径荧光素浓度初始化,根据下式对各路径的荧光素浓度值进行混沌初始化:
y(t+1)=μy(t)[(1-y(t)](6)
其中,y(t)为混沌变量;μ为控制参数,μ∈[0,4];当μ=4,0≤y(t)≤1时,Logistics映射处于完全混沌状态;
然后,将式(1)引入路径荧光素浓度更新式,作为混沌初始荧光素浓度值;各路径荧光素浓度更新值如下式:
lij(t)=(1-ρ)lij(t-1)+γ/fa(t)(7)
其中,lij(t)为第t次迭代中客户从目标点i到目标点j路径上的荧光素浓度值;lij(t-1)表示第t-1次迭代中客户从目标点i到目标点j路径上的荧光素浓度值;fa(t)为萤火虫个体α对应的目标函数值,如式(1)所示,由于总用时越短越优,选取目标函数的倒数;ρ为荧光素挥发系数,ρ∈[0,1];γ为荧光素强度增强系数,γ∈[0,1];
步骤3.2:将所有萤火虫放置在...
【专利技术属性】
技术研发人员:李冬妮,陈晓东,王子凡,黄攀,杜凌岩,
申请(专利权)人:北京理工大学,北京机电工程研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。