基于可行区域拓扑学习的约束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可行区域拓扑学习的约束进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点和M个无差别车辆所组成的配送环境中，并包括：1、建立车辆配送任务模型；2、基于可行区域拓扑学习的思想，利用约束多目标优化算法求解任务问题模型，进化过程中对历史种群信息进行收集选择并训练生长神经气体网络模型，利用训练的学习模型辅助生成后代解；3、进化时迭代优化当前种群，直到满足停止条件；4、输出给定任务下的最优配送方案。本发明专利技术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，从而达到提高配送效率的目的。的。的。

【技术实现步骤摘要】
基于可行区域拓扑学习的约束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，尤其涉及一种基于可行区域拓扑学习的约束进化算法的车辆任务配送方法。

技术介绍

[0002]近几年，物流行业发展迅速，外卖和快速行业的物流成本巨大且关系到客户的满意度；此外，人们对生活质量的要求越来越高，配送时间的延长是不能被接收的。美团、饿了么、快递等各大电商平台都需要一个合理的车辆路径规划方案来降低企业成本，提高配送效率。如何优化物流运输路径，通过路径最短来降低运输成本，同时如何优化车辆装载量，车辆路径规划问题也因此成为亟待解决的难题。
[0003]车辆路径问题是一个NP问题，目前存在许多求解车辆路径问题的相关算法，如精确算法、启发式算法、进化算法等。随着问题规模的增大，会出现组合爆炸的现象，精确算法依赖于人工设计的初始解和局部搜索算子，在求解相对复杂的CVRP问题上，容易陷入局部最优。进化算法作为启发式算法的一种，具有良好的全局搜索能力，但已有算法的收敛速度较慢，效率较低。
[0004]现实应用场景中的车辆路径问题往往需要考虑车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可行区域拓扑学习的约束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个配送任务点和M个无差别车辆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：S1.1、获取车辆配送任务的相关数据，包括：仓库点和配送任务点的地理位置分布、配送任务点数、配送任务的需求量、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的目标函数：S1.2、利用式(1)和式(2)分别构建车辆配送任务模型的目标函数：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为所使用的车辆总数，d
m
表示第m个车辆装载总量，d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的约束条件：式(9)构建车辆配送任务模型的约束条件：式(9)构建车辆配送任务模型的约束条件：式(9)构建车辆配送任务模型的约束条件：式(9)构建车辆配送任务模型的约束条件：式(9)构建车辆配送任务模型的约束条件：式(9)构建车辆配送任务模型的约束条件：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表示仓库点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；S2、根据车辆配送任务模型构建初始种群分配方案：S2.1、令种群规模为P，种群中每个个体的染色体编码序列表示配送任务点的车辆访问顺序，令每个个体表示一种车辆配送方案；S2.2、随机初始化种群中的个体，并得到初始种群记为S＝{S1,S2,...,S
p
,...S
P
}；S
p
表示第p个个体；p∈[1,P]；S2.3、计算种群中每个个体的目标函数值和可行性，其中，第p个个体S
p
的目标函数值为F
1p
和分别表示第p个个体S
p
的总行驶路径长度和车辆装载量方差；利用式(10)计算第p个个体S
p
的约束违反度CV(S
p
)，用于衡量可行性，若CV(S
p
)≤0，则第p个个体S
p
具有可行性；否则，表示第p个个体S
p
不具有可行性；式(10)中，V(m)表示第m个车辆服务的需求点集合；表示第p个个体在第j个配送任务点的需求量；S3、基于可行区域拓扑学习的约束进化算法求解车辆配送任务模型：S3.1、参数初始化：S3.1.1、定义进化算法的种群最大迭代次数为T
max
，定义当前迭代次数为t，训练数据存档的大小为2P，生长神经气体网络模型中的神经元节点的个数为P，设置选择概率为δ；S3.1.2、将所述初始种群记为第t代种群，并作为第t代训练数据存档；S3.1.3、随机初始化第t代生长神经气体网络中的P个神经元节点；S3.2、执行循环：S3.2.1、初始化t＝1；S3.2.2、计算第t代训练数据存档中个体的可行性；并将第t代的训练数据存档作为输入，将第t代训练数据存档中个体的可行性作为标签，从而对...

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