基于去噪自编码器的协同进化算法的车辆任务配送方法技术

本发明专利技术公开了一种基于去噪自编码器的协同进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并包括：1、建立车辆配送任务模型f

【技术实现步骤摘要】
基于去噪自编码器的协同进化算法的车辆任务配送方法


[0001]本专利技术属于车辆路径优化领域，尤其涉及一种基于去噪自编码器的协同进化算法的车辆任务配送方法。

技术介绍

[0002]伴随着互联网经济迅猛发展，电子商务逐步走入人们生活，网购已经成为人们生活重要组成部分。快递服务业“最后一公里”不仅与消费者网购满意度相关，还占据物流总花费的50％以上；此外，随着劳动法逐步完善和人们对美好生活的追求，额外延长工作时间为人们所排斥。因此，如何优化物流运输路径，使之路径最短，同时使得运送货物的司机劳动强度一致，这成为各大物流公司亟待解决的难题。
[0003]在车辆路径问题的场景中，假设仓库中存放一批运输容量、大小型号规模等方面相同的车辆，它们要为区域内的所有配送任务点提供服务；每一个配送任务点只能被一辆车服务，且不可重复，但车辆可以在容量满足的前提下访问多个配送任务点；在满足所有配送任务点需求的条件下，不仅要给出多目标最优车辆访问路径，而且要使这些车辆之间运载量均衡。
[0004]在传统方法解决车辆路径问题时，仅考虑总车辆路径最短这一目标，而忽略了更为现实的工作量不平衡问题，该问题有助于车辆司机后续工作时更好服务客户。现有的技术仅优化单个目标，或者将两目标通过加权的方式转化为单目标问题，不仅增加运算负担，而且最终无法得到同时满足路径距离最短和车辆装载量均衡的目标，从而降低配送效率。

技术实现思路

[0005]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于去噪自编码器的协同进化算法的车辆任务配送方法，以期能同时对车辆运输配送路线、各车辆装载量方差进行优化，满足行驶距离最短和车辆装载量均衡的需求，从而能提高配送效率。
[0006]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0007]本专利技术一种基于去噪自编码器的协同进化算法的车辆任务配送方法的特点是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并按照如下步骤进行：
[0008]S1、建立车辆配送任务模型f
origin
和车辆配送任务辅助模型f
help
；
[0009]S1.1、获取车辆配送任务的相关数据，包括：配送仓库点和配送任务点的地理位置分布、任务点数、任务需求量、车辆最大运载量；
[0010]S1.2、利用式(1)和式(2)分别构建车辆配送任务模型f
origin
的目标函数：
[0011][0012][0013]式(1)中，F1为总行驶路径的长度，c
ij
表示第i个配送任务点和第j个配送任务点之
间的距离，i,j∈[0,N]；当i＝0时，c
0j
表示从仓库点到第j个配送任务点的距离，当j＝0时，c
i0
表示从第i个配送任务点到仓库点的距离，x
ij
表示第i个配送任务点和第j个配送任务点之间是否存在路径，若x
ij
＝1，则表示存在路径，若x
ij
＝0，则表示不存在路径；
[0014]式(2)中，F2为车辆装载量方差，M为当前使用的车辆总数，d
m
表示第m个车辆装载总量，表示车辆平均装载量；
[0015]S1.3、利用式(3)
‑
式(9)构建车辆配送任务模型f
origin
的约束条件：
[0016][0017][0018][0019][0020][0021][0022][0023]式(3)表示每一个配送任务点只能由一辆车驶入；
[0024]式(4)表示每一个配送任务点只能由一辆车驶出；
[0025]式(5)表示驶入仓库点的车辆数目最多为K；K表示允许使用的车辆最大数量；
[0026]式(6)表示驶出仓库点的车辆数目最多为K；
[0027]式(7)表示环路径消除约束等式；其中，u
i
表示车辆服务第i个配送任务点后的装载量；u
j
表示车辆服务第j个配送任务点后的装载量；D表示车辆统一的最大装载量；q
i
表示第i个配送任务点的需求量；q
j
表示第j个配送任务点的需求量；
[0028]式(8)表示服务第i个配送任务点后车辆的总容量应小于最大装载量D；
[0029]式(9)表示变量x
ij
只能取值1或0。
[0030]S1.4、构建以式(1)为目标函数，以式(3)、式(4)、式(7)为约束条件的车辆配送任务辅助模型f
help
；
[0031]S2、分别根据车辆配送任务模型f
origin
和车辆配送任务辅助模型f
help
构建主种群分配方案和辅助种群分配方案：
[0032]令主种群和辅助种群中每个个体的染色体编码序列表示N个配送任务点的车辆访问顺序，其中，0代表仓库点，种群规模为P；
[0033]随机初始化主种群和辅助种群中的每个个体，并相应作为初始主种群分配方案和初始辅助种群分配方案；
[0034]S3、设置所述去噪自编码器模型DAE中神经元的个数为N；以初始辅助种群分配方案为所述去噪自编码器模型DAE的输入，以初始主种群分配方案为所述去噪自编码器模型DAE的标签，对所述去噪自编码器模型DAE进行训练，得到辅助种群与主种群的初始映射关
系模型；
[0035]S4、定义当前迭代次数为t，初始化t＝1，将初始辅助种群分配方案和初始主种群分配方案分别作为第t代辅助车辆配送方案和第t代主车辆配送方案；将初始映射关系模型作为第t代映射关系模型；
[0036]S5、基于第t代主车辆配送方案，采用遗传算法对于第t代辅助车辆配送方案进行求解，得到第t+1代辅助车辆配送方案，采用模型与遗传算法对第t代主车辆配送方案进行求解，得到第t+1代主车辆配送方案，以第t+1代辅助车辆配送方案为所述去噪自编码器模型DAE的输入，以第t+1代主车辆配送方案为所述去噪自编码器模型DAE的标签，对所述去噪自编码器模型DAE进行训练，并将训练后映射关系模型作为第t+1代映射关系模型；
[0037]S6、将t+1赋值给t后，判断当前迭代次数t是否达到最大迭代次数T
max
，若是，输出第T
max
代车辆配送方案并作为最优车辆配送方案；否则，执行步骤S5。
[0038]本专利技术所述的车辆任务配送方法的特点也在于，步骤S5中的第t+1代辅助车辆配送方案是按如下过程获得：
[0039]S5.1a、从第t代辅助车辆配送方案中使用锦标赛选择两个个体作为第t代辅助父代；再对第t代辅助父代采用OX交叉后得到第t代辅助子代，再利用局部搜索算子对第t代辅助子代进行改进，得到改进后的第t代辅助子代并存入第t+1代临时辅助车辆配送方案中；
[0040]S5.2a、从按车辆配送任务模型f
origin
中选择一个目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去噪自编码器的协同进化算法的车辆任务配送方法，其特征是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并按照如下步骤进行：S1、建立车辆配送任务模型f
origin
和车辆配送任务辅助模型f
help
；S1.1、获取车辆配送任务的相关数据，包括：配送仓库点和配送任务点的地理位置分布、任务点数、任务需求量、车辆最大运载量；S1.2、利用式(1)和式(2)分别构建车辆配送任务模型f
origin
的目标函数：的目标函数：式(1)中，F1为总行驶路径的长度，c
ij
表示第i个配送任务点和第j个配送任务点之间的距离，i,j∈[0,N]；当i＝0时，c
0j
表示从仓库点到第j个配送任务点的距离，当j＝0时，c
i0
表示从第i个配送任务点到仓库点的距离，x
ij
表示第i个配送任务点和第j个配送任务点之间是否存在路径，若x
ij
＝1，则表示存在路径，若x
ij
＝0，则表示不存在路径；式(2)中，F2为车辆装载量方差，M为当前使用的车辆总数，d
m
表示第m个车辆装载总量，表示车辆平均装载量；S1.3、利用式(3)
‑
式(9)构建车辆配送任务模型f
origin
的约束条件：的约束条件：的约束条件：的约束条件：的约束条件：的约束条件：的约束条件：式(3)表示每一个配送任务点只能由一辆车驶入；式(4)表示每一个配送任务点只能由一辆车驶出；式(5)表示驶入仓库点的车辆数目最多为K；K表示允许使用的车辆最大数量；式(6)表示驶出仓库点的车辆数目最多为K；式(7)表示环路径消除约束等式；其中，u
i
表示车辆服务第i个配送任务点后的装载量；u
j
表示车辆服务第j个配送任务点后的装载量；D表示车辆统一的最大装载量；q
i
表示第i个配送任务点的需求量；q
j
表示第j个配送任务点的需求量；式(8)表示服务第i个配送任务点后车辆的总容量应小于最大装载量D；
式(9)表示变量x
ij
只能取值1或0；S1.4、构建以式(1)为目标函数，以式(3)、式(4)、式(7)为约束条件的车辆配送任务辅助模型f
help
；S2、分别根据车辆配送任务模型f
origin
和车辆配送任务辅助模型f
help
构建主种群分配方案和辅助种群分配方案：令主种群和辅助种群中每个个体的染色体编码序列表示N个配送任务点的车辆访问顺序，其中，0代表仓库点，种群规模为P；随机初始化主种群和辅助种群中的每个个体，并相应作为初始主种群分配方案和初始辅助种群分配方案；S3、设置所述去噪自编码器模型DAE中神经元的个数为N；以初始辅助种群分配方案为所述去噪自编码器模型DAE的输入，以初始主种群分配方案为所述去噪自编码器模型DAE的标签，对所述去噪自编码器模型DAE进行训练，得到辅助种群与主种群的初始映射关系模型；S4、定义当前迭代次数为t，初始化t＝1，将初始辅助种群分配方案和初始主种群分配...

【专利技术属性】
技术研发人员：王朝，孙继业，江浩，张兴义，
申请(专利权)人：安徽大学，
类型：发明
国别省市：