应用于求解电动货车集散货路径规划的方法及装置制造方法及图纸

本发明专利技术涉及一种应用于求解电动货车集散货路径规划的方法，该方法包括输入车场数据、需求节点数据、充电站节点数据以及电动货车数据；以最小化总时间为目标，将所有的需求节点插入进车场到车场的路径中，生成包含有若干条路径的初始解，设置最大迭代次数，令当前解x

【技术实现步骤摘要】
应用于求解电动货车集散货路径规划的方法及装置


[0001]本专利技术涉及电动货车路径规划
，尤其是指一种应用于求解电动货车集散货路径规划的方法及装置。

技术介绍

[0002]传统的化石能源车辆越来越受到限制，越来越多的城市物流选择电动货车作为运输工具。但是电动货车有限的电池容量和有限的续航导致其在路径规划时不能像传统货车那样灵活访问各个取送货点。因此如何解决电动货车的路径规划问题成为运输行业研究的重点。
[0003]目前已经有很多方法可以用来解决车辆路径规划问题，比如邻域搜索、禁忌搜索、遗传算法以及蚁群算法等等。这些方法虽然可以解决传统车辆路径规划问题，但是它们并不能解决电动货车路径规划问题。因为在电动货车路径规划中，当主体对象切换为电动货车时，电动车存在电量有限需要访问充电站的情况，其访问充电站需要花费一定的时间进行充电，不能够像传统车辆访问加油站加油的时间可以几乎不计，并且充电站的出现使得车辆的访问目的地可能在顾客点和充电站之间切换，并且充电站的访问次数不像顾客点那样确定，同时拥有取货和送货需求的顾客点最多被访问两次，而充电站理论上可以访问无限次，因此现有技术中解决传统货车路径规划问题的方法不能应用于电动货车领域。
[0004]Ropke和Pisinger[1]于2006年提出自适应大邻域搜索算法应用于求解一般车辆的集散货路径规划问题；Keskin和[2]于2016年改进自适应大邻域搜索算法，应用于求解带时间窗的电动车路径规划问题；Kancharla和Ramadurai[3]于2020年进一步改进自适应大邻域搜索算法，应用于求解考虑非线性充电和载货量耗电的电动车路径规划问题。上述方案[2]和方案[3]中虽然对象为电动货车，但是每条路径中的充电站插入数量有限，且方案没有考虑到同时集散货的情况，某些算子不能适应同时取货和送货的机制，以及多次插入充电站的机制，而且方案在求解时没有考虑等待时间，导致其求解精度较低。因此，迫切需要提供一种应用于求解电动货车集散货路径规划的方法来克服现有技术存在的缺陷。
[0005][1]Stefan Ropke and David Pisinger.(2006).An Adaptive Large Neighborhood Search Heuristic for the Pickup and Delivery Problem with Time Windows.Transportation Science,vol.40,no.4,455
‑
472.
[0006][2]Merve Keskin and B
ü
lent(2016).Partial recharge strategies for the electric vehicle routing problem with time windows.Transportation Research Part C:Emerging Technologies,vol.65,111
‑
127.
[0007][3]Surendra Reddy Kancharla and Gitakrishnan Ramadurai.(2020).Electric vehicle routing problem with non
‑
linear charging and load
‑
dependent discharging.Expert Systems with Applications,vol.160,113714.

技术实现思路

[0008]为此，本专利技术所要解决的技术问题在于克服现有技术存在的问题，提出一种应用于求解电动货车集散货路径规划的方法及装置，其针对同时集散货机制和多次插入充电站机制设计了相应的求解算子和流程，以达到提升求解质量的目标。
[0009]为解决上述技术问题，本专利技术提供一种应用于求解电动货车集散货路径规划的方法，包括以下步骤：
[0010]S1：输入车场数据、需求节点数据、充电站节点数据以及电动货车数据；
[0011]S2：以最小化总时间为目标，将所有的需求节点插入进车场到车场的路径中，生成包含有若干条路径的初始解，设置最大迭代次数，令当前解x
c
为初始解，对当前解x
c
进行迭代；
[0012]S3：若当前迭代次数i能够被Nsr整除，则转到S4，否则转到S5，其中Nsr表示执行移除充电站操作的迭代次数；
[0013]S4：根据充电站移除算子概率分布从充电站移除算子集合中选择充电站移除算子，并执行充电站移除操作，得到破损解x
d1
，使用充电站插入算子集合中的贪婪插入算子对破损解x
d1
进行修复，得到x
n1
，并转到S8；
[0014]S5：若当前迭代次数i能够被Nrr
′
整除，则转到S6，否则转到S7，其中Nrr
′
表示执行移除路径操作的迭代次数；
[0015]S6；根据路径移除算子概率分布从路径移除算子集合中选择路径移除算子，并执行路径移除操作，得到破损解x
d2
，根据需求插入算子概率分布从需求插入算子集合中选择需求插入算子，并对破损解x
d2
进行需求插入操作，得到x
n2
，并转到S8，其中所述需求插入算子包括等待时间插入算子，其用于将需求节点插入总成本最少位置；
[0016]S7：根据需求移除算子概率分布选择需求移除算子集合中的需求移除算子，并执行需求移除操作，得到破损解x
d3
，根据需求插入算子概率分布从需求插入算子集合中选择需求插入算子，并对破损解x
d3
进行需求插入操作，得到x
n3
，并转到S8，所述需求移除算子包括shaw移除算子和等待时间移除算子，shaw移除算子用于移除相似度高的需求，等待时间移除算子用于移除等待时间长的需求；
[0017]S8：将x
n1
或x
n2
或x
n3
赋给新解x
n
，对x
n
进行评分，根据评分结果给予移除算子或插入算子相应的分数，使用模拟退化算法判断是否接受新解x
n
，若判断结果为是，则将x
n
赋给x
c
，否则x
c
维持不变；
[0018]S9：若当前迭代次数i能够被Npsr整除，则转到S10，否则转到S11，其中Npsr表示更新充电站移除算子概率分布的迭代次数；
[0019]S10：根据充电站移除算子集合中各个算子的累计得分更新充电站移除算子概率分布，并清空得分，转到S13；
[0020]S11：若当前迭代次数i能够被Nprr
′
整除，则转到S12，否则转到S13，其中Nprr
′本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于求解电动货车集散货路径规划的方法，其特征在于，包括以下步骤：S1：输入车场数据、需求节点数据、充电站节点数据以及电动货车数据；S2：以最小化总时间为目标，将所有的需求节点插入进车场到车场的路径中，生成包含有若干条路径的初始解，设置最大迭代次数，令当前解x
c
为初始解，对当前解x
c
进行迭代；S3：若当前迭代次数i能够被Nsr整除，则转到S4，否则转到S5，其中Nsr表示执行移除充电站操作的迭代次数；S4：根据充电站移除算子概率分布从充电站移除算子集合中选择充电站移除算子，并执行充电站移除操作，得到破损解x
d1
，使用充电站插入算子集合中的贪婪插入算子对破损解x
d1
进行修复，得到x
n1
，并转到S8；S5：若当前迭代次数i能够被Nrr
′
整除，则转到S6，否则转到S7，其中Nrr
′
表示执行移除路径操作的迭代次数；S6：根据路径移除算子概率分布从路径移除算子集合中选择路径移除算子，并执行路径移除操作，得到破损解x
d2
，根据需求插入算子概率分布从需求插入算子集合中选择需求插入算子，并对破损解x
d2
进行需求插入操作，得到x
n2
，并转到S8，其中所述需求插入算子包括等待时间插入算子，其用于将需求节点插入总成本最少位置；S7：根据需求移除算子概率分布选择需求移除算子集合中的需求移除算子，并执行需求移除操作，得到破损解x
d3
，根据需求插入算子概率分布从需求插入算子集合中选择需求插入算子，并对破损解x
d3
进行需求插入操作，得到x
n3
，并转到S8，所述需求移除算子包括shaw移除算子和等待时间移除算子，shaw移除算子用于移除相似度高的需求，等待时间移除算子用于移除等待时间长的需求；S8：将x
n1
或x
n2
或x
n3
赋给新解x
n
，对x
n
进行评分，根据评分结果给予移除算子或插入算子相应的分数，使用模拟退化算法判断是否接受新解x
n
，若判断结果为是，则将x
n
赋给x
c
，否则x
c
维持不变；S9：若当前迭代次数i能够被Npsr整除，则转到S10，否则转到S11，其中Npsr表示更新充电站移除算子概率分布的迭代次数；S10：根据充电站移除算子集合中各个算子的累计得分更新充电站移除算子概率分布，并清空得分，转到S13；S11：若当前迭代次数i能够被Nprr
′
整除，则转到S12，否则转到S13，其中Nprr
′
表示更新路径移除算子概率分布的迭代次数；S12：根据路径移除算子集合中各个算子的累计得分更新路径移除算子概率分布，并清空得分，转到S13；S13：若当前迭代次数i能够被Nprr整除，则转到S14，否则转到S15；S14：根据需求移除算子集合和需求插入算子集合中各算子的累计得分分别更新需求移除算子概率分布和需求插入算子概率分布，并清空得分；S15：i
←
i+1，并返回S2。2.根据权利要求1所述的应用于求解电动货车集散货路径规划的方法，其特征在于，在S2中，生成包含有若干条路径的初始解的方法包括：S2.1：生成车场到车场的路径；S2.2：依次在路径中以增加时间最短为条件插入需求节点，当电量不足时插入充电站
节点，直至无法插入节点时重新生成新的路径，在所有的需求节点均被插入时即生成初始解，初始解中包含有若干条路径。3.根据权利要求1所述的应用于求解电动货车集散货路径规划的方法，其特征在于，在S4中，贪婪插入算子流程如下：定义充电站编号＝{1，2，3，...，CS}；最大递归深度D：预先设定插入充电站的数量上限；可行路径集合：用来存储暂时路径容器。步骤1：d
←
1，输入D、CS，转步骤2；步骤2：输入可行路径Route、位置数据Rank，令i
←
Rank，j
←
1，转步骤3。步骤3：找到在Route中首次出现电池水平为负数的位置p，转步骤4；步骤4...

【专利技术属性】
技术研发人员：成明，张成浩，谢刚，黎怡彤，王馨恬，王静妍，郑锴，
申请(专利权)人：苏州大学，
类型：发明
国别省市：