一种结合无人机配送的多目标车辆路径优化方法技术

本发明专利技术公开了一种结合无人机配送的多目标车辆路径优化方法，包括：基于最小化总能源消耗、最小化总配送成本和最小化总配送时间建立车辆路径优化模型；利用扩展型非支配排序遗传算法求解所述车辆路径优化模型。针对带有无人机配送的车辆路径问题，提出了一种兼顾环境影响和经济效益的多目标优化模型。为了满足实际应用场景的需要，无人机最大飞行续航时间是根据其负载率动态调节的。提出了扩展型非支配排序遗传算法，嵌入一种新的编码和解码方法来表示无人机和卡车的多条可行路径，并集成多个交叉和变异算子以加快算法收敛，此外还采用多向局部搜索策略以增强解决方案的多样性。向局部搜索策略以增强解决方案的多样性。向局部搜索策略以增强解决方案的多样性。

【技术实现步骤摘要】
一种结合无人机配送的多目标车辆路径优化方法


[0001]本专利技术属于路径优化
，具体涉及一种结合无人机配送的多目标车辆路径优化方法。

技术介绍

[0002]由于运输是物流的核心环节，所以物流供应商在配送过程中不仅要考虑经济效益，也要考虑环境影响。为实现环境效益，物流供应商试图寻求对环境负面影响小的配送方案。这类问题及相应变体被称为绿色车辆路径问题。部分研究考虑使用电动汽车替代内燃汽车为顾客配送商品。尽管电动汽车几乎不对环境产生影响，但因其行驶里程短，须在配送沿途中访问充电站以防止配送失败。充电设施匮乏阻碍了电动汽车在全球范围内的普及。另一部分研究则考虑减少车辆在配送过程中的总能源消耗或总碳排放。通常，车辆的碳排放受其能源消耗量影响，后者又与行驶距离、商品装载量等因素有关。因此，总能源消耗或总碳排放量最小的配送方案，其行驶距离不一定是最短的。
[0003]另外为提升经济效益，物流供应商一直在努力寻求利用新兴技术来提高其配送效率，从而增强其自身竞争力。例如，近年无人机作为一种很有发展前景的商品配送手段被广泛使用。无人机能自主执行任务，意味着配送过程中所需支付的劳动力成本较少，因此单位配送成本相对低廉。通常，无人机需要与地面卡车协作，以弥补其飞行续航时间短和载重能力弱的缺点，进而发挥出配送速度快和配送成本低的优势。卡车与无人机混合配送模型与传统卡车配送模型相比，不仅减少了整体配送时间，也降低了整体配送成本。最小化配送完成时间或配送成本通常是卡车与无人机混合配送模型的主要优化目标。然而，目前的混合配送模型无法兼顾配送方案的环境效益和经济效益。

技术实现思路

[0004]本专利技术的目的在于提供一种结合无人机配送的多目标车辆路径优化方法，高效地获得高质量的非支配解决方案。
[0005]为实现上述目的，本专利技术所采取的技术方案为：
[0006]一种结合无人机配送的多目标车辆路径优化方法，所述结合无人机配送的多目标车辆路径优化方法，包括：
[0007]步骤1、基于最小化总能源消耗、最小化总配送成本和最小化总配送时间建立车辆路径优化模型；
[0008]步骤2、利用扩展型非支配排序遗传算法求解所述车辆路径优化模型，包括：
[0009]步骤2.1、初始化获得所述车辆路径优化模型的当前解作为种群F，并采用巨型路线编码表示所述当前解；
[0010]步骤2.2、对种群F执行快速非支配排序；
[0011]步骤2.3、对种群F执行交叉和变异算子得到子代集合O；
[0012]步骤2.4、对种群F中的第一层帕累托前沿执行多方向局部搜索策略得到集合G；
[0013]步骤2.5、将子代集合O和集合G合并至种群F中，并对种群F执行快速非支配排序，根据拥挤距离更新种群F；
[0014]步骤2.6、判断是否满足终止条件，若满足终止条件则输出种群F中第一层帕累托前沿作为最优的车辆路径优化方案；否则返回步骤2.3继续执行。
[0015]以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
[0016]作为优选，所述基于最小化总能源消耗、最小化总配送成本和最小化总配送时间建立车辆路径优化模型，包括：
[0017]步骤1
‑
1、建立优化目标：
[0018]用于最小化总能源消耗的环境目标f1如下：
[0019][0020]式中，V为搭载无人机的卡车集合，v为集合V中的第v辆卡车，N0为所有顾客节点和卡车离开时的0号仓库节点的集合，i为集合N0中的第i个节点， N
+
为所有顾客节点和卡车返回时的n+1号仓库节点的集合，p为集合N
+
中的第 p个节点，n为顾客节点的数量，且0号仓库节点和n+1号仓库节点的位置相同，为卡车从节点i到节点p的曼哈顿距离，为卸货状态下卡车v从节点i到节点p时的总重量，为二值变量，若卡车v为从节点i行驶到节点p则值为1，否则值为0；
[0021]用于最小化总配送成本和最小化总配送时间的经济目标f2和f3如下：
[0022][0023][0024]式中，C
T
为卡车单位距离的行驶成本，k为集合N
+
中的第k个节点，N为所有顾客节点的集合，j为集合N中的第j个节点，C
D
为无人机单位距离的飞行成本，为无人机从节点i到节点j的欧式距离，为无人机从节点j到节点k 的欧式距离，为二值变量，若搭载在卡车v上的无人机在节点i发射，在节点j服务顾客，并在节点k收回，则值为1；否则值为0，为二值变量，若卡车v为从0号仓库节点行驶到节点p则值为1，否则值为0，C
B
为一辆卡车与其搭载的无人机的基础使用费用，为卡车v到达n+1号仓库节点的时间；
[0025]步骤1
‑
2、建立约束条件：
[0026](1)确保所有顾客都由卡车或无人机服务：
[0027][0028]式中，为二值变量，若卡车v为从节点i行驶到节点j则值为1，否则值为0；
[0029](2)确保每辆卡车最多离开和返回仓库一次：
[0030][0031][0032]式中，为二值变量，若卡车v为从节点i行驶到n+1号仓库节点则值为1，否则值为0；
[0033](3)禁止卡车直接从仓库移动到仓库：
[0034][0035]式中，为二值变量，若卡车v为从0号仓库节点行驶到n+1号仓库节点则值为1，否则值为0；
[0036](4)确保每架无人机在顾客和仓库节点处最多被发射或收回一次：
[0037][0038][0039](5)确保每架无人机在飞行过程中的负载不超过其负载能力：
[0040][0041]式中，q
j
为节点j的货物需求，Q
D
为无人机的负载能力；
[0042](6)确保每辆卡车在配送过程中不超过其负载能力：
[0043][0044]式中，Q
T
为卡车的负载能力；
[0045](7)确保如果无人机在节点i发射，在节点k收回，则卡车也必须经过这两个节点：
[0046][0047]式中，为二值变量，若搭载在卡车v上的无人机在节点q发射，在节点 j服务顾客，并在节点k收回，则值为1；否则值为0，为二值变量，若卡车v为从节点h行驶到节点q则值为1，否则值为0，为二值变量，若卡车v为从节点l行驶到节点k则值为1，否则值为0；
[0048](8)确保卡车的配送顺序与无人机的配送顺序一致：
[0049][0050]式中，为节点k在卡车v路线中的访问顺序，为节点q在卡车v路线中的访问顺序，M为预设正数；
[0051](9)确保每辆卡车与其搭载的无人机在发射和回收节点处到达时间是同步的：
[0052][0053][0054][0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合无人机配送的多目标车辆路径优化方法，其特征在于，所述结合无人机配送的多目标车辆路径优化方法，包括：步骤1、基于最小化总能源消耗、最小化总配送成本和最小化总配送时间建立车辆路径优化模型；步骤2、利用扩展型非支配排序遗传算法求解所述车辆路径优化模型，包括：步骤2.1、初始化获得所述车辆路径优化模型的当前解作为种群F，并采用巨型路线编码表示所述当前解；步骤2.2、对种群F执行快速非支配排序；步骤2.3、对种群F执行交叉和变异算子得到子代集合O；步骤2.4、对种群F中的第一层帕累托前沿执行多方向局部搜索策略得到集合G；步骤2.5、将子代集合O和集合G合并至种群F中，并对种群F执行快速非支配排序，根据拥挤距离更新种群F；步骤2.6、判断是否满足终止条件，若满足终止条件则输出种群F中第一层帕累托前沿作为最优的车辆路径优化方案；否则返回步骤2.3继续执行。2.如权利要求1所述的结合无人机配送的多目标车辆路径优化方法，其特征在于，所述基于最小化总能源消耗、最小化总配送成本和最小化总配送时间建立车辆路径优化模型，包括：步骤1
‑
1、建立优化目标：用于最小化总能源消耗的环境目标f1如下：式中，V为搭载无人机的卡车集合，v为集合V中的第v辆卡车，N0为所有顾客节点和卡车离开时的0号仓库节点的集合，i为集合N0中的第i个节点，N
+
为所有顾客节点和卡车返回时的n+1号仓库节点的集合，p为集合N
+
中的第p个节点，n为顾客节点的数量，且0号仓库节点和n+1号仓库节点的位置相同，为卡车从节点i到节点p的曼哈顿距离，为卸货状态下卡车v从节点i到节点p时的总重量，为二值变量，若卡车v为从节点i行驶到节点p则值为1，否则值为0；用于最小化总配送成本和最小化总配送时间的经济目标f2和f3如下：如下：式中，C
T
为卡车单位距离的行驶成本，k为集合N
+
中的第k个节点，N为所有顾客节点的集合，j为集合N中的第j个节点，C
D
为无人机单位距离的飞行成本，为无人机从节点i到节点j的欧式距离，为无人机从节点j到节点k的欧式距离，为二值变量，若搭载在卡车v上的无人机在节点i发射，在节点j服务顾客，并在节点k收回，则值为1；否则值为0，
为二值变量，若卡车v为从0号仓库节点行驶到节点p则值为1，否则值为0，C
B
为一辆卡车与其搭载的无人机的基础使用费用，为卡车v到达n+1号仓库节点的时间；步骤1
‑
2、建立约束条件：(1)确保所有顾客都由卡车或无人机服务：式中，为二值变量，若卡车v为从节点i行驶到节点j则值为1，否则值为0；(2)确保每辆卡车最多离开和返回仓库一次：(2)确保每辆卡车最多离开和返回仓库一次：式中，为二值变量，若卡车v为从节点i行驶到n+1号仓库节点则值为1，否则值为0；(3)禁止卡车直接从仓库移动到仓库：式中，为二值变量，若卡车v为从0号仓库节点行驶到n+1号仓库节点则值为1，否则值为0；(4)确保每架无人机在顾客和仓库节点处最多被发射或收回一次：(4)确保每架无人机在顾客和仓库节点处最多被发射或收回一次：(5)确保每架无人机在飞行过程中的负载不超过其负载能力：式中，q
j
为节点j的货物需求，Q
D
为无人机的负载能力；(6)确保每辆卡车在配送过程中不超过其负载能力：式中，Q
T
为卡车的负载能力；(7)确保如果无人机在节点i发射，在节点k收回，则卡车也必须经过这两个节点：
式中，为二值变量，若搭载在卡车v上的无人机在节点q发射，在节点j服务顾客，并在节点k收回，则值为1；否则值为0，为二值变量，若卡车v为从节点h行驶到节点q则值为1，否则值为0，为二值变量，若卡车v为从节点l行驶到节点k则值为1，否则值为...

【专利技术属性】
技术研发人员：张帅，刘思亮，张文宇，
申请(专利权)人：浙江财经大学，
类型：发明
国别省市：