一种瓶装液化气车辆配送路径优化方法技术

一种瓶装液化气车辆配送路径优化方法，涉及车辆路径优化技术领域，结合车辆运输的实际情况，根据液化气的运输特点，建立与实际问题更加贴切的带时间窗的车辆路径问题的多目标数学模型，针对液化气的特殊性，对模型约束进行限定，将目标进行细化，在对影响液化气配送路径的各类影响因素和确定原则进行分析后选取最小化风险、最小化成本和最小化车辆冗余三个目标，并用混合协同进化优化算法求解。本发明专利技术有益效果：使得液化气运输车辆规避运输风险，减小事故发生的概率，减少液化气运输事故发生的概率，帮助承运企业解决低风险、低成本地完成运输任务的关键难题，使得液化气配送更具安全化、经济化和高效化。经济化和高效化。经济化和高效化。

【技术实现步骤摘要】
一种瓶装液化气车辆配送路径优化方法


[0001]本专利技术属于车辆路径优化
，具体涉及一种瓶装液化气车辆配送路径优化方法。

技术介绍

[0002]目前，液化气公司的运输配送，多是采用传统的方法，根据驾驶人员的经验，人为的选择路线，不但运输成本高，并且常常因为路线规划不合理造成液化气不能及时到达，极大地降低了服务质量。而且，液化气配送属于危险材料运输，具有易燃性、易爆性等危险特性，一旦其运输过程中有事故发生，往往会带来较严重的人员伤亡及财产损失。对于承运企业而言，风险与成本是需要兼顾的两个重要因素。因此，根据多目标车辆路径问题(MOVRP)，研究并设计有效的优化方法，调度运输车队低风险、低成本地完成运输任务是承运企业需要解决的关键难题。
[0003]多目标车辆路径问题(MOVRP)是一项经典组合优化问题，属于NP
‑
Hard问题，精确算法不能在有限时间内给出最优解，且随着规模的增大求解难度呈指数级增加。为了有效满足液化气企业对客户的配送需求，可以使用多目标进化优化算法在有限时间内给出相对较优解。但是，液化气的配送路径需要满足客户时间窗和最大车辆载荷两种严格约束，使得问题模型的可行域较小，一般的多目标进化算法往往会表现出较差的收敛性和多样性。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种瓶装液化气车辆配送路径优化方法，解决现有瓶装液化气车辆配送过程中的路径优化问题。
[0005]本专利技术为解决上述技术问题所采用的技术方案是：一种瓶装液化气车辆配送路径优化方法，包括：步骤一、根据液化气配送车辆路径问题的描述，建立数学模型：定义完整图G＝(N,A)，N＝{0,1,2,
…
,n}为配送中心和客户点集，A＝{arc(i,j)|i,j∈N,i≠j}是路径的集合，节点0为配送中心节点，C为不包含配送中心节点0的客户点集，已知每个客户点i的位置,其需求量及配送时间窗要求分别为g
i
和[Ta
i
,Tb
i
]，配送中心最多用K辆车从配送中心到达所有的客户点，每辆车从配送中心出发，最后返回到配送中心，每辆车的最大载货量为Q，T
ik
为车辆k到客户i的时刻，w
ik
为车辆k在客户i的等待时间，A＝{arc(i,j)|i,j∈N,i≠j}是边的集合，定义d
ij
为arc(i,j)的距离，即客户点i到客户点j的距离，且d
ij
＝d
ji
，t
ij
为客户点i到客户点j的运输时间，车辆k从客户i到客户j的实时装载量为al
ijk
，路径事故率为p
ij
以及与其相关的暴露人口为液化气配送共包含三个目标，风险低、成本低以及车辆冗余度低，建立目标函数如下：
决策变量：决策变量：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：其中k是运输液化气的车辆，C
V
是单辆运输车的发车成本，C
L
是单位路程燃油成本，C
T
是驾驶员单位时间费用，D
ij
表示客户i到客户j路段的实际距离或运输时间；约束(4)表示每个客户点只有一辆车为其服务；约束(5)表示每位客户被访问一次，并返回到配送中心；约束(6)表示每辆车出发时最多只能访问一位客户；约束(7)表示每辆车到达时最多只能配送一位客户；约束(8)表示车辆载货量约束；约束(9)表示确保车辆到达某客户节点完成配送后，必须离开该客户前往下一个客户；约束(10)表示车辆服务某客户后所减少的载重必须等于该客户的需求；约束(11)表示车辆到达客户的时间；约束(12)对每个客户施加硬时间窗约束，虽然要求车辆必须在客户时间窗内开始配送，但允许较早到达的车辆等待客户
时间窗的开始。
[0006]步骤二、对上述模型进行求解，得出的最优解即为最优路线。
[0007]本专利技术所述对步骤一中的模型进行求解的方法为：(1)使F1表示步骤一中的模型，F2表示步骤一中除去(3)、(11)和(12)的模型；(2)编码；步骤2.1、设置参数：客户点数目N，车辆最大载重量Q，客户点的需求量列表T，交叉概率PC，变异概率PM，种群规模NP，迭代次数G；步骤2.2、编码：采用整数编码的形式对染色体进行编码，用数字0表示配送中心，1,2,3,
…
,N表示客户点，则配送路径可以编码为(0,1,2,3,0,4,5,6,7,0,
…
,N,0)；(3)初始化种群P1和P2：步骤3.1、分别使用前向插入启发式算法构造F1和F2的两个可行个体；步骤3.2、在步骤3.1中个体的邻域内选择部分个体，同随机产生的其他个体一起形成规模均为初始种群P1和P2；(4)基于序列交叉操作：步骤4.1、分别从子代种群Off1和Off2中选择一个染色体作为父代染色体，记为chrom1和chrom2，产生一个在[0,1]区间的随机数r'，若r'<PC，进行步骤4.2
‑
步骤4.6的交叉操作，否则直接保留这两条染色体至下一代；步骤4.2、分别从父代染色体chrom1和chrom2中随机选择一条路径，记为L1和L2；步骤4.3、从每条路径中随机选取一个断点，记为Node1和Node2；步骤4.4、将L1中Node1之前的部分与L2中Node2之后的部分链接为一条新的路径，如果出现两个重复的客户，删除其中一个，并检查该条新路径是否满足约束，若满足约束，则进行步骤4.5，如不满足则返回步骤4.3，若返回步骤4.3次数达到L1与L2中客户数的乘积，则放弃交叉进行步骤(5)；步骤4.5、将步骤4.4中新路径添加到chrom1中，如果有客户在新路径中出现一次，在其他旧路径中出现一次，则删除旧路径中的重复客户；步骤4.6、如果L1中后半部分有客户没有被分配路径，则将该客户插入到chrom1中其他路径的可行插入位置，如果没有可行插入位置，则放弃交叉进行步骤(5)，如果全部可行，则chrom1更新为chrom1'，可以通过颠倒父母角色来生成第二个后代chrom2'；(5)变异操作：在Off1和Off2分别产生一个在[0,1]区间的随机数r”，若r”<PM，随机选择染色体中的两个客户点编码，进行位置互换；否则，直接保留当前染色体至下一代；遍历完所有染色体更新子代种群Off1和Off2；(6)从更新后的Off2中选择能够解决原始液化气配送问题即满足时间窗约束的可行解形成Off2_feasible；(7)种群合并：合并种群P1，Off2_feasible和更新后的子代种群Off1成为新的P1；合并种群P2，更新后的子代种群Off本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瓶装液化气车辆配送路径优化方法，其特征在于，包括：步骤一、根据液化气配送车辆路径问题的描述，建立数学模型：定义完整图G＝(N,A)，N＝{0,1,2,
…
,n}为配送中心和客户点集，A＝{arc(i,j)|i,j∈N,i≠j}是路径的集合，节点0为配送中心节点，C为不包含配送中心节点0的客户点集，已知每个客户点i的位置,其需求量及配送时间窗要求分别为g
i
和[Ta
i
,Tb
i
]，配送中心最多用K辆车从配送中心到达所有的客户点，每辆车从配送中心出发，最后返回到配送中心，每辆车的最大载货量为Q，T
ik
为车辆k到客户i的时刻，w
ik
为车辆k在客户i的等待时间，A＝{arc(i,j)|i,j∈N,i≠j}是边的集合，定义d
ij
为arc(i,j)的距离，即客户点i到客户点j的距离，且d
ij
＝d
ji
，t
ij
为客户点i到客户点j的运输时间，车辆k从客户i到客户j的实时装载量为al
ijk
，路径事故率为p
ij
以及与其相关的暴露人口为液化气配送共包含三个目标，风险低、成本低以及车辆冗余度低，建立目标函数如下：本低以及车辆冗余度低，建立目标函数如下：本低以及车辆冗余度低，建立目标函数如下：决策变量：决策变量：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：该问题的可行解必须满足的约束条件有：
其中k是运输液化气的车辆，C
V
是单辆运输车的发车成本，C
L
是单位路程燃油成本，C
T
是驾驶员单位时间费用，D
ij
表示客户i到客户j路段的实际距离或运输时间；约束(4)表示每个客户点只有一辆车为其服务；约束(5)表示每位客户被访问一次，并返回到配送中心；约束(6)表示每辆车出发时最多只能访问一位客户；约束(7)表示每辆车到达时最多只能配送一位客户；约束(8)表示车辆载货量约束；约束(9)表示确保车辆到达某客户节点完成配送后，必须离开该客户前往下一个客户；约束(10)表示车辆服务某客户后所减少的载重必须等于该客户的需求；约束(11)表示车辆到达客户的时间；约束(12)对每个客户施加硬时间窗约束，虽然要求车辆必须在客户时间窗内开始配送，但允许较早到达的车辆等待客户时间窗的开始；步骤二、利用混合协同进化优化方法对上述模型进行求解，得出的最优解即为最优路线。2.根据权利要求1所述的一种瓶装液化气车辆配送路径优化方法,其特征在于，所述步骤二中利用混合协同进化优化方法对步骤一中的模型进行求解的方法为：(1)使F1表示步骤一中的模型，F2表示步骤一中除去(3)、(11)和(12)的模型；(2)编码；步骤2.1、设置参数：客户点数目N，车辆最大载重量Q，客户点的需求量列表T，交叉概率PC，变异概率PM，种群规模NP，迭代次数G；步骤2.2、编码：采用整数编码的形式对染色体进行编码，用数字0表示配送中心，1,2,3,
…
,N表示客户点，则配送路径可以编码为(0,1,2,3,0,4,5,6,7,0,
…
,N,0)；(3)初始化种群P1和P2：步骤3.1、分别使用前向插入启发式算法构造F1和F2的两个可行个体；步骤3.2、在步骤3.1中个体的邻域内选择部分个体，同随机产生的其他个体一起形成规模均为初始种群P1和P...

【专利技术属性】
技术研发人员：吴庆涛，贾新宇，谢萍，冀治航，王琳，刘牧华，张明川，朱军龙，邢玲，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：