基于遗传优化算法的泡排剂运输车辆路径规划方法技术

本发明专利技术公开了一种基于遗传优化算法的泡排剂运输车辆路径规划方法，首先收集气井信息和车辆信息；对所有气井和运输车辆编号；再生成个体和初始种群的生成并进行适应度计算；按照适应度从大到小排序，选择前50％的个体保留到下一代；在留下的个体中随机选取一个进行变异操作，并将产生的新个体插入到种群中，直到种群恢复初始种群大小；重复若干次直至输出车辆调度计划。采用本发明专利技术的显著效果是能够随着生产数据的变化，实时精准的提供发车时间、行车路线及所需载重，降低运输成本的同时提升运输效率。输效率。输效率。

【技术实现步骤摘要】
基于遗传优化算法的泡排剂运输车辆路径规划方法


[0001]本专利技术涉及气井生产智能化解决方案，具体涉及智能算法解决气井运输车辆的路径规划方法。

技术介绍

[0002]气井在生产一段时间后，在井底会产生积液，目前提高天然气井开采效率的排水采气方法的工艺主要有：泡沫排水采气、柱塞排水采气、间歇开采排水采气等。目前气田多数所使用的排水采气工艺为泡沫排水采气，造成各个气井对泡排剂需求成为必然；气田众多气井之间路径较为复杂，泡排剂供应站需要组织人员、车辆进行运输，而如何规划调度运输车辆路线成为亟需解决的问题。目前车辆的规划调度是依靠工人的经验进行的，但人为经验要依赖于历史生产数据，劳动强度较大，很难实现长时间的连续计量，数据实时性差，且有可能存在人为虚报和经验偏差的问题；并且，人为经验无法根据气井对泡排剂需求的动态变化，及时更新车辆运输路线。

技术实现思路

[0003]本专利技术提供一种基于遗传优化算法的泡排剂运输车辆路径规划方法，其较好的解决以上问题，达到精准投放泡排剂量同时提升运输效率，降低运输成本，采用的主要技术方案如下
[0004]步骤一、收集气井信息和车辆信息；
[0005]步骤二、对所有气井依次编号为1
‑
n，所有运输车辆编号为1
‑
m；
[0006]步骤三、个体生成，具体为：
[0007]随机生成1
‑
n的全排列，在排列中随机插入m
‑
1个0；
[0008]步骤四、初始种群的生成；r/>[0009]按照根据步骤三的方法，随机生成500个个体作为初始种群；
[0010]步骤五、适应度计算；
[0011]根据以下公式
①
计算个体适应度score；
[0012]score＝
‑
(w
t
×
t+w
s
×
s+w
n
×
n+w
f
×
(nm))，
ꢀꢀ
公式
①
[0013]公式
①
中：
[0014]t为当次配送总时间，即当次参与配送的所有车辆的运行时间之和；
[0015]w
t
为当次配送总时间的权重；
[0016]s为当次配送总路程，即当次参与配送的所有车辆的运行路程之和；
[0017]w
s
为当次配送总路程的权重；
[0018]n为参与当次配送的车辆总数；
[0019]w
n
为参与当次配送的车辆总数的权重
[0020]nm为参与当次配送的车辆总成本；
[0021]w
f
为参与当次配送的车辆总成本的权重；
[0022]步骤六、按步骤五的方法计算每个个体的适应度，按照适应度从大到小排序，选择前50％的个体保留到下一代；
[0023]步骤七、在留下的个体中随机选取一个进行变异操作，并将产生的新个体插入到种群中，直到种群恢复初始种群大小；
[0024]步骤八、重复执行步骤五
‑
步骤七若干次；
[0025]步骤九、输出车辆调度计划。
附图说明
[0026]图1为某气田的气井分布示意图。
具体实施方式
[0027]以下结合实施例和附图对本专利技术作进一步说明。
[0028]实施例：
[0029]一种基于遗传优化算法的泡排剂运输车辆路径规划方法，按以下步骤进行：
[0030]步骤一、收集气井信息和车辆信息；
[0031]所述气井信息包括每口气井的位置坐标、每个气井的泡排剂需求量、每口气井之间可达路径距离、每口气井到泡排剂供应站点里程数据、每口气井要求投放泡排剂的时刻；所述运输车辆信息包括每辆车的最大载重量、续航里程、最大服务时长；
[0032]步骤二、对所有气井依次编号为1
‑
n，所有运输车辆编号为1
‑
m；
[0033]步骤三、个体生成，具体为：
[0034]随机生成1
‑
n的全排列，在排列中随机插入m
‑
1个0；
[0035]步骤四、初始种群的生成；
[0036]按照根据步骤三的方法，随机生成500个个体作为初始种群；
[0037]步骤五、适应度计算；
[0038]根据以下公式
①
计算个体适应度score；
[0039]score＝
‑
(w
t
×
t+w
s
×
s+w
n
×
n+w
f
×
(nm))，
ꢀꢀ
公式
①
[0040]公式
①
中：
[0041]t为当次配送总时间，即当次参与配送的所有车辆的运行时间之和；
[0042]w
t
为当次配送总时间的权重；
[0043]s为当次配送总路程，即当次参与配送的所有车辆的运行路程之和；
[0044]w
s
为当次配送总路程的权重；
[0045]n为参与当次配送的车辆总数；
[0046]w
n
为参与当次配送的车辆总数的权重
[0047]nm为参与当次配送的车辆总成本；
[0048]w
f
为参与当次配送的车辆总成本的权重；
[0049]步骤六、按步骤五的方法计算每个个体的适应度，按照适应度从大到小排序，选择前50％的个体保留到下一代；
[0050]步骤七、在留下的个体中随机选取一个进行变异操作，并将产生的新个体插入到种群中，直到种群恢复初始种群大小；
[0051]变异操作的方法为：随机选定个体数组中的两个元素，并交换两个元素的值；
[0052]若变异后的个体不合法，则变异失败，撤销变异操作；
[0053]若变异后的个体合法，则变异成功，保留变异操作；
[0054]步骤八、重复执行步骤五
‑
步骤七3000次；
[0055]步骤九、输出车辆调度计划；
[0056]所述步骤九中，所述车辆调度计划包括执行运输任务的车号及其装载量和行车路线；还包括执行运输任务的每辆车的发车时间Start_T，按照公式
④
计算；
[0057][0058]公式
④
中：
[0059]TY_time为在井场要求投放泡排剂的时刻；
[0060]为每辆车总行驶里程；
[0061]avg_V为车辆平均速度；
[0062]sum_load为车载泡排剂的量；
[0063]tf_sd为车辆投放速度。
[0064]以下结合实际生产，对本案的方法进行进一步说明：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传优化算法的泡排剂运输车辆路径规划方法，其特征在于按以下步骤进行：步骤一、收集气井信息和车辆信息；步骤二、对所有气井依次编号为1
‑
n，所有运输车辆编号为1
‑
m；步骤三、个体生成，具体为：随机生成1
‑
n的全排列，在排列中随机插入m
‑
1个0；步骤四、初始种群的生成；按照根据步骤三的方法，随机生成500个个体作为初始种群；步骤五、适应度计算；根据以下公式
①
计算个体适应度score；score＝
‑
(w
t
×
t+w
s
×
s+w
n
×
n+w
f
×
(nm))， 公式
①
公式
①
中：t为当次配送总时间，即当次参与配送的所有车辆的运行时间之和；w
t
为当次配送总时间的权重；s为当次配送总路程，即当次参与配送的所有车辆的运行路程之和；w
s
为当次配送总路程的权重；n为参与当次配送的车辆总数；w
n
为参与当次配送的车辆总数的权重nm为参与当次配送的车辆总成本；w
f
为参与当次配送的车辆总成本的权重；步骤六、按步骤五的方法计算每个个体的适应度，按照适应度从大到小排序，选择前50...

【专利技术属性】
技术研发人员：周建峰，李晓芳，朱运周，崔文豪，刘凯，田小凯，
申请(专利权)人：海默潘多拉数据科技深圳有限公司，
类型：发明
国别省市：