【技术实现步骤摘要】
一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法
[0001]本专利技术涉及绿色物流
，具体是一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法。
技术介绍
[0002]能源危机、环境污染以及温室效应等问题的日益严重,对物流运输行业提出了更高的节能减排要求；运输行业不仅是能源消耗较大的产业，而且是碳排放大户,国际能源署(IEA)发布的报告显示，交通运输行业为全球第二大碳排放部门，碳排量占比达25％，而交通运输领域碳排放重点在于公路运输，其产生的碳排放在交通运输领域中占比高达85％以上。因此，在此背景下，研究绿色物流运输具有非常重要的理论和现实意义。
[0003]随着物流行业的不断发展，配送规模、市场的不断扩大，最基本的单车场和单车型的传统车辆路径问题已经变得不太适合现实的情形，多个配送中心联合运输以及采用不同的车型进行配送在现实生活中更加常见，多车场多车型的配送方案，能够使得配送更加灵活合理，避免了单车型或者单车场的局限；绿色物流中多车场多车...
【技术保护点】
【技术特征摘要】
1.一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法，其特征在于，包括以下步骤：S1、GVRPTW
‑
MDHV模型的建立：基于速度和载重的油耗和碳排放量计算车辆行驶过程中的油耗和碳排放量；再以车辆油耗成本、碳排放成本、固定发车成本、车辆租用费用、车辆人力成本和时间窗惩罚成本之和作为配送总成本的目标函数，构建GVRPTW
‑
MDHV模型，并对GVRPTW
‑
MDHV模型设置约束条件，通过GVRPTW
‑
MDHV模型对配送总成本进行优化，寻求最低配送总成本；S2、染色体的编码与解码：以车辆和顾客点为个体，采用实数编码方式对个体进行编码，得到染色体，其中，长度为需要配送的顾客点总数；实数的整数部分表示为顾客点服务的车辆编号，实数的小数部分用来排序，其排序结果为车辆的配送路线，即实现染色体解码，其中，每个实数构成一个基因，基因在染色体中的序号对应顾客点序号；S3、基于K
‑
means聚类方法和改进差分进化算法的优化：通过K
‑
means聚类方法对每个车场和顾客点进行匹配；对种群规模进行初始化，并构造成初始路径；再构建可行解，并根据适应度函数计算出适应度值；再通过选择、交叉、变异操作形成新的种群，再进行迭代，输出最优解，从而实现车辆的最优调动，最大可能地降低油耗和碳排放量。2.根据权利要求1所述的一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法，其特征在于，所述S1步骤中采用CMEM模型计算油耗量和碳排放量所提取的车辆特征参数包括车重、速度、加速度、坡度，以及发动机排气量，并由发动机功率模块、速度模块和重量模块三个模块构成。3.根据权利要求2所述的一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法，其特征在于，所述S1步骤中基于速度和载重的油耗和碳排放量计算方法如下：采用综合模式排放模型（comprehensive modal emission model，CMEM）计算车辆行驶过程中的油耗和碳排放量；根据CMEM模型的计算公式，得到车场中车型为的第辆车在路段上产生的油耗量为：上式（1）中，、和分别表示车型为的车辆发动机模块、速度模块和重量模块的系数；由于车辆的碳排放量与油耗量成正比，再得到车辆的碳排放量计算公式为：上式（2）中，为燃油排放参数。4.根据权利要求1所述的一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方法，其特征在于，所述S1步骤中GVRPTW
‑
MDHV模型的约束条件如下：（1）车辆从车场出发，配送完货物之后返回到原车场；（2）每个顾客有且仅有一辆车为其服务；（3）进入客户点服务的车辆必须离开客户点；（4）车辆不能从车场到车场；（5）车辆应该在客户的服务窗口时间内到达；（6）车场中每种类型的车辆数有限；（7）车辆容量总的数量有限。5.根据权利要求1所述的一种基于环境与成本兼顾视角下的GVRPTW
‑
MDHV优化调度方
法，其特征在于，所述S1步骤中目标函数的计算公式如下：法，其特征在于，所述S1步骤中目标函数的计算公式如下：法，其特征在于，所述S1步骤中目标函数的计算公式如下：法，其特征在于，所述S1步骤中目标函数的计算公式如下：法，其特征在于，所述S1步骤中目标函数的计算公式如下：法，其特征在于，所述S1步骤中目标函数的计算公式如下：综上，配送总成本Z的计算如下：上式（3）～（9）中，表示车辆油耗成本；表示碳排放成本；表示固定发车成本；表示车辆租用费用；表示车辆人力成本；表示车辆早到或晚到的惩罚成本，表示配送总成本；其中，表示配送网络，其中，为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。