一种基于多目标烟花算法的物流车辆低碳路线规划方法技术

本发明专利技术公开了一种基于多目标烟花算法的物流车辆低碳路线规划方法，(1)问题信息读取，包括配送中心坐标、各个客户点坐标和问题规模；(2)初始化算法参数；(3)生成初始烟花种群，计算目标值，并建立外部档案；(4)采用部分映射爆炸算子生成爆炸火花；(5)采用调整子回路任务的混合变异算子对烟花种群进行变异操作；(6)采用目标驱动的启发式扩展搜索队爆炸火花和变异火花中的非支配个体实施操作；(7)更新烟花种群和外部档案；(8)选择策略选择烟花种群。(9)判断是否达到终止条件，若达到，则终止迭代，输出可行解集。本发明专利技术具有搜索速度快，搜索能力强，规划路线碳排放量少的优点。规划路线碳排放量少的优点。规划路线碳排放量少的优点。

【技术实现步骤摘要】
一种基于多目标烟花算法的物流车辆低碳路线规划方法


[0001]本专利技术涉及路径规划
，具体而言涉及一种基于多目标烟花算法的物流车辆低碳路线规划方法。

技术介绍

[0002]路线规划问题属于NP难题，随着问题规模的增加，精确算法无法在有效时间获得满足要求的解，为此，学者们提出了元启发式算法。烟花算法是由北大谭营教授在2010年首次提出的一种元启发式算法。烟花算法受到烟花在夜空中爆炸产生火花并照亮周围区域这一自然现象的启发，将烟花看作最优化问题解空间中的一个可行解，烟花爆炸产生一定数量火花的过程即为其搜索邻域的过程。由于烟花算法具有瞬时性、简单性、涌现性、分布并行性、多样性等特点，目前已成功应用于蛋白质网络功能模块检测、极限学习机(ELM)分类、多区域电力系统调度等问题的求解。区域增强型多目标烟花算法是传统多目标烟花算法的改进版本，改进策略如下：首先，为了增强烟花个体间的信息交互，提高搜索效率，设计了部分映射爆炸算子；其次，为了增加种群的多样性，使算法能及时跳出局部最优，设计了调整子回路任务的变异算子；最后，为了提高算法的求解精度和Pareto最优前沿的分布宽广度，设计了目标驱动的启发式扩展搜索算子。传统多目标烟花算法求解物流车辆低碳路线规划未利用问题特征，搜索极为盲目，收敛速度较慢，且传统多目标烟花算法具有易陷入局部最优，求解精度低等不足，综上，提出一种具有较好的收敛性和多样性且可扩展性高的路线规划方法极为必要。
[0003]为了响应国家可持续发展战略的号召，物流企业在提升经济效益的同时也开始关注物流活动过程中的环境效益，“绿色物流”这一概念应运而生。目前，物流对环境的影响主要体现为二氧化碳等温室气体排放量的增加，污染了大气环境，加速了全球变暖和气候破坏问题。运输是物流活动的主要组成部分和核心环节。若将所有运输载体均视为车辆，则物流运输可看作车辆路径问题。为了响应全球可持续发展的号召，减少二氧化碳等温室气体的排放量，提高大气环境质量，本专利技术将物流运输问题与环境问题相结合，以降低能源消耗，减少CO2排放，缓解温室效应。

技术实现思路

[0004]本专利技术目的在于提供一种基于多目标烟花算法的物流车辆低碳路线规划方法，能够极大地提高算法的收敛速度，具有较强的跳出局部最优的能力，从而快速规划出一组方案，该方案规划的路线使得物流车辆在运输过程中产生的碳排放量少且配送耗时较短。
[0005]为达成上述目的，结合图1，本专利技术提出一种基于多目标烟花算法的物流车辆低碳路线规划方法，包括以下步骤：
[0006]S1，读取问题输入的信息，定义优化目标，设定约束条件：
[0007]所述问题输入的信息包括车辆需要访问的客户点数量n和具体坐标信息、燃油排放参数、耗油量、客户所需的物品重量以及车辆的自重；
[0008]所述优化目标为所规划路线中所有车辆的总碳排放量和子回路最长耗时最小；
[0009]所述约束条件包括：
[0010](1)每个客户必须被服务且仅被服务一次；
[0011](6)对于每个被服务的客户点，一定会有一辆车从某个地点行驶到该客户点，并从该客户点离开；
[0012](7)保证每辆车的行驶路线中没有子回路；
[0013](8)车辆装载货物不能超过车辆最大容量；
[0014](9)配送中心出发的车辆数不能超过可用车辆数，且车辆从配送中心出发最终回到该处；
[0015]S2，初始化区域增强型多目标烟花算法参数：
[0016]设置区域增强型多目标烟花算法的烟花种群POP大小为N、最大评价次数为Eva
max
、可用车数量K、决策变量维数为n、目标个数为m、建立外部档案archive,并将烟花种群放入外部档案,设置评价次数计数器Eva＝0；
[0017]S3，生成初始烟花种群，并计算两个优化目标值：
[0018]采用整数编码，随机生成N个个体，每个个体表示车辆前往客户点送货的顺序：
[0019]X＝{x1,x2,
…
,x
n
}
[0020]其中，x
i
(i＝1,2,
…
,n)表示被服务客户点的标号计算每个个体的目标向量；
[0021]S4，采用部分映射爆炸算子产生爆炸火花种群EPOP：
[0022]每个烟花根据4种不同的爆炸半径通过部分映射交叉操作产生8个爆炸火花：
[0023]S5，调整子回路任务的混合变异算子对烟花种群进行变异操作生成变异火花种群GPOP：
[0024]将每个烟花按以下两种变异方式对子回路任务进行调整：一种是改变配送中心位置的子回路长度变异算子，另一种是交换烟花编码中随机两点的子回路负载变异算子，生成变异火花种群GPOP；
[0025]S6，目标驱动的启发式扩展搜索：
[0026]将EPOP∪GPOP中的非支配解加入NDS，分别利用各优化目标包含的启发信息，对当前爆炸火花和变异火花中的非支配解集进行目标驱动的启发式扩展搜索，得到扩展搜索火花群体SPOP；
[0027]S7，更新烟花种群和外部档案：
[0028]根据Pareto支配概念，使用NDS和SPOP更新烟花种群POP，根据ε支配概念，使用NDS和SPOP更新外部档案archive，若超过外部档案的最大规模L
max
，则从archive中依次删除拥挤距离最小的个体，在archive和POP中分别随机选择N/2的个体组成下一代烟花群体；若archive中个体数量小于N/2，则用POP中的个体补充；在选出的烟花种群中随机选择一个个体，将与其相似度高于80％的个体进行随机长度的循环移位操作；
[0029]S8，选择策略：
[0030]通过协同选择策略选择烟花种群；
[0031]S9，终止准则判断：
[0032]若Eva>Eva
max
则终止迭代，输出可行解集；否则，Eva相应增加，转步骤S4。
[0033]作为其中的一种优选例，步骤S1中，所述读取问题输入的信息，定义优化目标，设
定约束条件的过程包括以下步骤：
[0034]设客户的平面坐标信息{(A
x1
,A
y1
),(A
x2
,A
y2
),
…
,(A
xn
,A
yn
)}，问题的规模表示访问客户的数量n，则不同客户间距离为欧式距离计算公式，其定义为：
[0035][0036]其中，d
ij
表示客户i与客户j之间的距离；
[0037]定义优化目标一为物流车辆在规划路线中的碳排放量，其定义为：
[0038][0039]定义优化目标二为子回路最长耗时，其定义为：
[0040][0041][0042][0043]其中，目标一为最小化所有车辆的总碳排放量，目标二为最小化子回路最长耗时；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标烟花算法的物流车辆低碳路线规划方法，其特征在于，包括以下步骤：S1，读取问题输入的信息，定义优化目标，设定约束条件：所述问题输入的信息包括车辆需要访问的客户点数量n和具体坐标信息、燃油排放参数、耗油量、客户所需的物品重量以及车辆的自重；所述优化目标为所规划路线中所有车辆的总碳排放量和子回路最长耗时最小；所述约束条件包括：(1)每个客户必须被服务且仅被服务一次；(2)对于每个被服务的客户点，一定会有一辆车从某个地点行驶到该客户点，并从该客户点离开；(3)保证每辆车的行驶路线中没有子回路；(4)车辆装载货物不能超过车辆最大容量；(5)配送中心出发的车辆数不能超过可用车辆数，且车辆从配送中心出发最终回到该处；S2，初始化区域增强型多目标烟花算法参数：设置区域增强型多目标烟花算法的烟花种群POP大小为N、最大评价次数为Eva
max
、可用车数量K、决策变量维数为n、目标个数为m、建立外部档案archive,并将烟花种群放入外部档案,设置评价次数计数器Eva＝0；S3，生成初始烟花种群，并计算两个优化目标值：采用整数编码，随机生成N个个体，每个个体表示车辆前往客户点送货的顺序：X＝{x1,x2,
…
,x
n
}其中，x
i
(i＝1,2,
…
,n)表示被服务客户点的标号计算每个个体的目标向量；S4，采用部分映射爆炸算子产生爆炸火花种群EPOP：每个烟花根据4种不同的爆炸半径通过部分映射交叉操作产生8个爆炸火花：S5，调整子回路任务的混合变异算子对烟花种群进行变异操作生成变异火花种群GPOP：将每个烟花按以下两种变异方式对子回路任务进行调整：一种是改变配送中心位置的子回路长度变异算子，另一种是交换烟花编码中随机两点的子回路负载变异算子，生成变异火花种群GPOP；S6，目标驱动的启发式扩展搜索：将EPOP∪GPOP中的非支配解加入NDS，分别利用各优化目标包含的启发信息，对当前爆炸火花和变异火花中的非支配解集进行目标驱动的启发式扩展搜索，得到扩展搜索火花群体SPOP；S7，更新烟花种群和外部档案：根据Pareto支配概念，使用NDS和SPOP更新烟花种群POP，根据ε支配概念，使用NDS和SPOP更新外部档案archive，若超过外部档案的最大规模L
max
，则从archive中依次删除拥挤距离最小的个体，在archive和POP中分别随机选择N/2的个体组成下一代烟花群体；若archive中个体数量小于N/2，则用POP中的个体补充；在选出的烟花种群中随机选择一个个体，将与其相似度高于80％的个体进行随机长度的循环移位操作；
S8，选择策略：通过协同选择策略选择烟花种群；S9，终止准则判断：若Eva>Eva
max
则终止迭代，输出可行解集；否则，Eva相应增加，转步骤S4。2.根据权利要求1所述的一种基于多目标烟花算法的物流车辆低碳路线规划方法，其特征在于，步骤S1中，所述读取问题输入的信息，定义优化目标，设定约束条件的过程包括以下步骤：设客户的平面坐标信息{(A
x1
,A
y1
),(A
x2
,A
y2
),
…
,(A
xn
,A
yn
)}，问题的规模表示访问客户的数量n，则不同客户间距离为欧式距离计算公式，其定义为：其中，d
ij
表示客户i与客户j之间的距离；定义优化目标一为物流车辆在规划路线中的碳排放量，其定义为：定义优化目标二为子回路最长耗时，其定义为：定义优化目标二为子回路最长耗时，其定义为：定义优化目标二为子回路最长耗时，其定义为：其中，目标一为最小化所有车辆的总碳排放量，目标二为最小化子回路最长耗时；计算某路段碳排放量时同时考虑行驶距离d
ij
、速度v
ij
、自重w、载重l
ij
和路面状况对车辆耗油量的影响，通过燃油排放参数FE与耗油量的乘积获得车辆在该路段行驶产生的碳排放量；a为车辆行驶加速度；g为重力加速度常量；θ
ij
为从客户i到客户这一路段的路面坡度；C
r
为滚动阻力系数；C
d
为牵引力系数；A为车辆正面表面积；ρ表示空气密度；d
ij
表示客户i与客户j之间的距离；定义约束条件包括以下五个：(1)每个客户必须被服务且仅被服务一次，即：(2)表示每个客户点被服务时，一定会有一辆车从某个地点行驶到该客户点，并从该客户点离开...

【专利技术属性】
技术研发人员：申晓宁，游璇，葛忠佩，王玉芳，潘红丽，徐继勇，姚铖滨，许笛，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：