一种成品油二次配送车辆的路径优化算法、系统、设备技术方案

本发明专利技术涉及成品油车辆路径规划技术领域，具体的涉及一种成品油二次配送车辆的路径优化算法、系统、设备，路径优化算法包括如下步骤：问题分析，通过业务场景，明确成品油配送网络构成，将成品油输送调度等价转换为成品油输送最佳路径，将成品油运输路径成本建模成运筹优化模型；初始数据处理，确定计划配送量；生成初始解，在随机生成的车辆顺序下，形成计划初始解；进化操作，对随机生成的车辆顺序进行选择、交叉以及变异，确定车辆的初始配送路径；路径确定，对进化后的车辆初始配送路径进行解码，计算个体适应度，判断染色体是否具有更小的适应度。通过基于遗传算法的成品油二次配送车辆调度算法，将原来的问题等价为一个求解最佳路径的问题。佳路径的问题。佳路径的问题。

【技术实现步骤摘要】
一种成品油二次配送车辆的路径优化算法、系统、设备


[0001]本专利技术涉及成品油车辆路径规划
，具体的涉及一种成品油二次配送车辆的路径优化算法、系统、设备。

技术介绍

[0002]随着我国经济社会的快速发展，物流作为企业经济活动中不可或缺的一环，其重要性日益增加。石油石化企业面对如此多变而竞争激烈的市场环境，为保持其多年形成的市场占有率和较高的利润率，改善自身企业管理模式、降低企业物流运作成本显得更加重要。而作为石油石化企业供应链的终端部分，成品油二次物流配送就是一个很好的突破口，通过改善这一物流环节，可以大大降低企业的物流配送成本，从根本上提高企业的核心竞争力。虽然企业现有的成品油二次物流配送各有特点，但都存在着大量短板，比如物流配送车辆配置不合理、物流调度严重滞后等，都对企业的发展造成了严重的障碍。成品油配送问题最早由Brown和Graves于1981年提出，建立了整数规划模型，用于求解油罐车运输问题。该模型以运输费用最小化为目标，每辆油罐车一次只能前往一个加油站。在后续研究中，Brown等提出了在交易运行信息系统中利用整数规划的方法，并以罚款最低为目标函数，求解430辆油罐车对120个加油站的配送问题。Uzar和
Ç
atay研究单油库多车型成品油配送问题，针对滚动时域阈值启发式算法的两种变体——使用距离优先级和使用到期日优先级进行分析，为BP公司业务提供决策支持。
[0003]成品油物流可以根据其配送起始点的不同划分为一次配送和二次配送。其中成品油二次配送是油品配送网络的末端环节，直接为居民消费、经济运行提供能源保障。油品销售公司的配送中心需要科学预测并协调油库间的供应协作关系，确定需求节点的配送量和配送时间，在尽可能保障加油站正常运营的基础上，进行合理车辆调配和路径规划，以构建起高效有序的油品配送网络。这对保障油品销售业务正常运转、节约油品配送网络物流成本、提升单位油品盈利能力具有重要意义。
[0004]然而成品油配送的研究内容广泛，且目前的研究大多只考虑了同一车型和单一油品的配送优化，较少考虑多车型条件及多种类油品组合对配送计划的影响，而实际上客户需求的油品种类多样。
[0005]现有的成品油在二次配送过程中容易受到气候、节假日、交通情况以及油价变动等外界因素的影响，导致出现送货不及时、加油站断油等情形。虽然企业现有的成品油二次物流配送各有特点，但都存在着大量短板，比如物流配送车辆配置不合理、物流调度严重滞后等，都对企业的发展造成了严重的障碍。因此综合考虑各影响因素，制定成本更低、更合理的成品油二次配送计划十分必要。
[0006]现有研究发现，目前解决规模较大的车辆路径问题主要使用启发式算法，但是在启发式算法中，针对成品油在二次配送过程中容易受到气候、节假日、交通情况以及油价变动等外界因素的影响，导致出现送货不及时、加油站断油等情形的问题并没有有效的解决，因此，基于问题特点，本专利技术采用遗传算法编码，在进行路径规划的过程中，考虑了多油品
的组合调度以及油库油站的时间窗约束，对大规模车辆路径问题进行求解用以解决现有的启发式算法中存在的问题，并使得遗传算法编码能够运用到实际中去，帮助企业在成品油二次调度中制定出合理的计划方案。

技术实现思路

[0007]针对现有技术中存在的问题，本专利技术的目的在于：提供一种基于遗传算法的多车型、多油站、多车仓、多油库组合等复杂条件下油品配送调度规划算法，在实际生产应用中使用提出的算法在达到一定的迭代次数后，算法收敛。
[0008]为实现上述目的，本专利技术采取的技术方案是：一种成品油二次配送车辆的路径优化算法，其特征在于，包括如下步骤：步骤一：问题分析，通过业务场景，明确成品油配送网络构成，将成品油输送调度等价转换为成品油输送最佳路径，将成品油运输路径成本建模成运筹优化模型；步骤二：初始数据处理，通过加油站历史数据、库存数据、运输数据计算加油站的库销比，确定计划配送量；步骤三：生成初始解，通过使用遗传算法，在随机生成的车辆顺序下，根据库销比，对有成品油紧急需求的加油站进行优先配送，形成计划初始解；步骤四：进化操作，利用染色体模式对随机生成的车辆顺序进行选择、交叉以及变异，寻找到最优可行解，确定车辆的初始配送路径；步骤五：路径确定，对进化后的车辆初始配送路径进行解码，计算个体适应度，判断染色体是否具有更小的适应度，选择是否更换进化的染色体，当进化次数达到设定的超参数时，停止进化迭代。
[0009]上述的成品油二次配送车辆的路径优化算法，在所述步骤一中，所述业务场景包括多油库、多油站、多车仓、多车型，所述步骤一包括：步骤1
‑
1：明确成品油配送网络包括M个油库、N个加油站及K辆油罐车，网络节点，其中；步骤1
‑
2：所述油罐车每天从始发油库出发，结束一天工作后返回始发油库，每辆油罐车拥有的车仓数不同，用代表油罐车K的车仓，用表示所有油品种类的集合，加油站n中装有油品P的油罐集合为；步骤1
‑
3：将求解车辆最佳路径的问题等价为考虑正在配送的车辆在油库的提油时间和加油站的卸油时间、稳油时间内，在满足趟次限制的情况下的车辆调度问题，将成品油运输路径成本建模成运筹优化模型。
[0010]上述的成品油二次配送车辆的路径优化算法，所述步骤二包括：步骤2
‑
1：采集加油站历史销售数据和库存数据，车辆数据，油库数据，并就历史加油站的销售数据预测未来三天的加油站油品销量；步骤2
‑
2：计算库销比，所述库销比为库存与销量的比率，用来衡量库存水平；步骤2
‑
3：确定计划配送量，即求加油站需求；步骤2
‑
4：将需求按库销比由小到大排序，库销比越小，配送任务的优先级越高。
[0011]上述的成品油二次配送车辆的路径优化算法，所述步骤三包括：
步骤3
‑
1：定义sizepop为种群数量，maxgen为最大迭代次数，pcross为交叉概率，pmutation为变异概率；步骤3
‑
2：设置上述参数，并采用自然数编码，设计层数不定的多层编码结构，生成随机排列的车辆序列；步骤3
‑
3：设所有车辆的最大仓数为a，最大趟次为c，车辆数为K，编码结构的长度计算公式为：；步骤3
‑
4：按照随机车辆编码生成的车辆顺序进行配送，针对一辆车，筛选其可以配送的加油站，并寻找有配送需求的站点，将需求按照库销比排序，确定配送的优先级；步骤3
‑
5：车辆满载配送，将需求量与仓容比较，若需求量小于仓容则向仓容圆整，若需求量大于仓容则先整仓配送，剩余需求放回需求表，下次取出时再重复以上操作；步骤3
‑
6：选择能装入各仓的库销比最小的需求，其余操作同步骤3
‑
5；步骤3
‑
7: 每一趟任务安排完成之后计算运行时间，如果车辆运输时间超出工作时间，则不再为该车辆分配工作任务。
[0012]上述的成品油本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种成品油二次配送车辆的路径优化算法，其特征在于，包括如下步骤：步骤一：问题分析，通过业务场景，明确成品油配送网络构成，将成品油输送调度等价转换为成品油输送最佳路径，将成品油运输路径成本建模成运筹优化模型；步骤二：初始数据处理，通过加油站历史数据、库存数据、运输数据计算加油站的库销比，确定计划配送量；步骤三：生成初始解，通过使用遗传算法，在随机生成的车辆顺序下，根据库销比，对有成品油紧急需求的加油站进行优先配送，形成计划初始解；步骤四：进化操作，利用染色体模式对随机生成的车辆顺序进行选择、交叉以及变异，寻找到最优可行解，确定车辆的初始配送路径；步骤五：路径确定，对进化后的车辆初始配送路径进行解码，计算个体适应度，判断染色体是否具有更小的适应度，选择是否更换进化的染色体，当进化次数达到设定的超参数时，停止进化迭代。2.根据权利要求1所述的成品油二次配送车辆的路径优化算法，其特征是，在所述步骤一中，所述业务场景包括多油库、多油站、多车仓、多车型，所述步骤一包括：步骤1
‑
1：明确成品油配送网络包括M个油库、N个加油站及K辆油罐车，网络节点，其中；步骤1
‑
2：所述油罐车每天从始发油库出发，结束一天工作后返回始发油库，每辆油罐车拥有的车仓数不同，用代表油罐车K的车仓，用表示所有油品种类的集合，加油站n中装有油品P的油罐集合为；步骤1
‑
3：将求解车辆最佳路径的问题等价为考虑正在配送的车辆在油库的提油时间和加油站的卸油时间、稳油时间内，在满足趟次限制的情况下的车辆调度问题，将成品油运输路径成本建模成运筹优化模型。3.根据权利要求1所述的成品油二次配送车辆的路径优化算法，其特征是，所述步骤二包括：步骤2
‑
1：采集加油站历史销售数据和库存数据，车辆数据，油库数据，并就历史加油站的销售数据预测未来三天的加油站油品销量；步骤2
‑
2：计算库销比，所述库销比为库存与销量的比率，用来衡量库存水平；步骤2
‑
3：确定计划配送量，即求加油站需求；步骤2
‑
4：将需求按库销比由小到大排序，库销比越小，配送任务的优先级越高。4.根据权利要求3所述的成品油二次配送车辆的路径优化算法，其特征是，所述步骤三包括：步骤3
‑
1：定义sizepop为种群数量，maxgen为最大迭代次数，pcross为交叉概率，pmutation为变异概率；步骤3
‑
2：设置上述参数，并采用自然数编码，设计层数不定的多层编码结构，生成随机排列的车辆序列；步骤3
‑
3：设所有车辆的最大仓数为a，最大趟次为c，车辆数为K，编码结构的长度计算公式为：；
步骤3
‑
4：按照随机车辆编码生成的车辆顺序进行配送，针对一辆车，筛选其可以配送的加油站，并寻找有配送需求的站点，将需求按照库销比排...

【专利技术属性】
技术研发人员：徐小峰，林鑫，陈志昂，张宇，吴香璠，齐鹏，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：