模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法技术

本发明专利技术提供一种模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法，包括：确定速度时间依赖函数，并结合速度函数推导车辆能耗计算模型；基于模糊可信性理论建立模糊机会约束规划模型；制定重调度策略，对预优化路径服务失败的客户及后续客户重新制定配送计划；采用混沌映射生成初始种群，在遗传算法基础上嵌入三种邻域结构，并引入自适应邻域搜索次数策略，设计混沌遗传变邻域算法求解所建立模型，从而获得最终的优化方案。本发明专利技术对客户需求的模糊性、配送区域路网速度连续变化以及车辆速度、载重、道路坡度等对油耗影响进行比较充分的考虑，更贴近配送生产活动的实际，拓展与深化了车辆路径问题研究。化了车辆路径问题研究。化了车辆路径问题研究。

【技术实现步骤摘要】
模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法


[0001]本专利技术涉及路径优化领域，特别涉及模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法。

技术介绍

[0002]车辆路径问题的优化算法主要分为精确求解算法和智能算法。精确求解算法能够准确地找出全局最优的解，例如迪杰斯特拉算法。但是随着算例的规模增加，算法的运行时间会急剧增加，不适合解决大规模的问题。而智能算法通过交叉变异和局部搜索等操作将解推向更优的区域，最终得到人们可以接受的解。同时，智能算法不受搜索空间限制性假设的约束，能够从离散的多极值的高纬问题中以很高的概率找到全局最优解。另外，智能算法的终止条件往往是运行代数或者评估次数，这些都是人们设定的，所以运行时间是人们可以接受的。因此，智能算法十分适用于车辆路径问题的设计和优化。
[0003]实际应用中，由于多数车辆运行需求的不可获知性，给路径规划的智能优化带来了巨大的问题。目前针对模糊需求车辆路径问题的研究多基于求解算法的创新和服务失败后返回策略的研究，忽视了高峰时段、突发事件等因素对交通状况的影响；此外，所建立数学模型的目标函数多为最小化配送距离，未考虑配送过程中油耗成本及车辆速度、车辆载重、道路坡度等对油耗的影响，也不能符合节能环保的使用需求。
[0004]此外，现有时间依赖型车辆路径问题的研究多以阶梯段函数表示全天道路速度变化情况，忽视了车辆行驶速度平稳变化，且基本都视客户的需求是已知的、确定的，没有考虑现实生活中客户的需求的模糊性和不确定性。

技术实现思路

[0005]根据上述提出的现有方法未考虑配送过程中油耗成本及车辆速度、车辆载重、道路坡度等对油耗的影响，导致不能符合节能需求的技术问题，而提供一种模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法。本专利技术对客户需求的模糊性、配送区域路网速度连续变化以及车辆速度、载重、道路坡度等对油耗影响进行比较充分的考虑，更贴近配送生产活动的实际，拓展与深化了车辆路径问题研究。
[0006]本专利技术采用的技术手段如下：
[0007]一种模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法，包括：
[0008]确定速度时间依赖函数，并结合速度函数推导车辆能耗计算模型；
[0009]基于模糊可信性理论建立模糊机会约束规划模型；
[0010]制定重调度策略，对预优化路径服务失败的客户及后续客户重新制定配送计划；
[0011]采用混沌映射生成初始种群，在遗传算法基础上嵌入三种邻域结构，并引入自适应邻域搜索次数策略，设计混沌遗传变邻域算法求解所建立模型，从而获得最终的优化方案。
[0012]进一步地，所述确定速度时间依赖函数，并结合速度函数推出车辆能耗计算方法，
包括：
[0013]将一天中道路速度连续变化情况用多个三角函数关系式近似表示，从而构建速度时间依赖函数；
[0014]应用包含道路坡度修正因子和车辆载重修正因子的MEET模型，结合所述速度时间依赖函数计算车辆燃油消耗量。
[0015]进一步地，所述基于模糊可信性理论建立模糊机会约束规划模型，包括：
[0016]以总配送成本最小化为目标建立模糊需求下带时间窗的时间依赖型绿色车辆路径问题优化模型，其中总配送成本为车辆燃油成本、车辆派遣成本、时间窗惩罚成本之和；
[0017]构建模糊需求下带时间窗的时间依赖型绿色车辆路径问题优化模型的约束条件，所述约束条件包括：模糊容量机会约束、可支配车辆数约束、进出平衡约束、路径连接约束、消除子回路约束、车辆持续配送时长约束以及决策变量属性约束。
[0018]进一步地，所述制定重调度策略，对预优化路径服务失败的客户及后续客户重新制定配送计划，包括：当车辆未能满足客户需求造成路径失败或通过预判断不对客户进行服务时，车辆返回配送中心，统计所有路线的失败点及失败点后续客户，根据最近邻法求解原理，重新设计配货路线生成第二阶段重优化路径。
[0019]较现有技术相比，本专利技术具有以下优点：
[0020]1、本专利技术公开的优化方法对客户需求的模糊性、配送区域路网速度连续变化以及车辆速度、载重、道路坡度等对油耗影响进行比较充分的考虑，更贴近配送生产活动的实际，拓展与深化了车辆路径问题研究。
[0021]2、本专利技术设计混沌遗传变邻域搜索算法，利用Logistic混沌映射生成初始解，保证了初始解的多样性，引入自适应邻域搜索次数策略能够平衡算法进化所需的深度，提高了算法跳出局部最优的能力。
[0022]基于上述理由本专利技术可在路径优化领域广泛推广。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本专利技术模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法流程图。
[0025]图2为实施例中车辆行驶速度全天变化趋势图。
[0026]图3为实施例中不同失败点重优化策略对比图。
[0027]图4为实施例中顺序交叉操作示意图。
[0028]图5为实施例中邻域结构示意图。
[0029]图6为实施例中配送路网示意图。
[0030]图7为实施例中车辆速度时间依赖函数示意图。
[0031]图8为实施例中算法迭代过程图(α＝0.4)。
[0032]图9为实施例中预优化配送路径图(α＝0.8)。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0035]本专利技术提供了一种模糊需求下带时间窗的时间依赖型绿色车辆路径问题建模及优化方法，如图1所示，包括以下步骤：
[0036]S1、确定速度时间依赖函数，并结合速度函数推出车辆能耗计算方法。
[0037]具体来说，将一天中道路速度连续变化情况用多个三角函数关系式近似表示，速度(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法，其特征在于，包括：确定速度时间依赖函数，并结合速度函数推导车辆能耗计算模型；基于模糊可信性理论建立模糊机会约束规划模型；制定重调度策略，对预优化路径服务失败的客户及后续客户重新制定配送计划；采用混沌映射生成初始种群，在遗传算法基础上嵌入三种邻域结构，并引入自适应邻域搜索次数策略，设计混沌遗传变邻域算法求解所建立模型，从而获得最终的优化方案。2.根据权利要求1所述的模糊需求下带时间窗的时间依赖型绿色车辆路径优化方法，其特征在于，所述确定速度时间依赖函数，并结合速度函数推出车辆能耗计算方法，包括：将一天中道路速度连续变化情况用多个三角函数关系式近似表示，从而构建速度时间依赖函数；应用包含道路坡度修正因子和车辆载重修正因子的MEET模型，结合所述速度时间依赖函数计算车辆燃油消耗量。3.根据权利要求1或2所述的模糊需求下带时间窗的时间依赖型绿色车...

【专利技术属性】
技术研发人员：范厚明，张跃光，田攀俊，岳丽君，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：