一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法技术

本发明专利技术提供了一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，能够有效实现客户货物需求量不确定且可分批运输条件下的车辆路径优化，提高运输效率。本发明专利技术提供的方法针对车辆路径规划问题，充分考虑实际生活中客户真实货物需求量不确定且允许对客户需求分批运输的情况，建立相对应的随机机会约束规划模型，采用结合变邻域搜索和禁忌搜索的混合启发式算法，通过预优化和重调度两个阶段对行车路线不断优化，从而快速高效地得到理想的车辆路径方案，达到提高运输效率、降低运输成本的目的。本方法具有良好的实时性、可拓展性和鲁棒性，为需求不确定且可拆分的车辆路径问题的求解提供了有效的解决方法。径问题的求解提供了有效的解决方法。径问题的求解提供了有效的解决方法。

【技术实现步骤摘要】
一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法


[0001]本专利技术属于车辆路径优化
，具体涉及一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法。

技术介绍

[0002]车辆路径问题(VRP)是指合理安排车辆行车路线，将货物从配送中心运输到多个客户点，使得客户的需求得到满足，并能在一定的约束下，达到路程最短、成本最小、耗费时间最少等优化目标。
[0003]VRP是组合优化和运筹学领域的经典NP
‑
hard问题，在与车辆调度、路径规划有关的方方面面有着极其广泛的应用。随着对VRP研究的深入，研究者们考虑到允许对客户需求进行拆分运输的情况，提出了需求可拆分的车辆路径问题(SDVRP)，并针对SDVRP提出了相应的精确算法及启发式算法。精确算法能够准确地找出全局最优的解，但受限于随着客户点规模的扩大而急剧增加的运行时间，仅适合于解决小规模NP
‑
hard问题。启发式算法则可通过交叉变异和局部搜索等操作反复迭代，将解推向更优的区域，快速高效地找到人们可以接受的解。因此，启发式算法十分适用于车辆路径问题的设计和优化，已成为SDVRP求解的主要研究方向。
[0004]目前大多数关于SDVRP的研究都是在客户点需求已知、确定的条件下进行的，而对客户点需求不确定的情况考虑较少。但在实际的配送情境中，客户点的真实需求量往往是不确定的，具有一定的随机性。这就意味着，在实际的车辆配送过程中可能会出现服务失败的客户点。这种情况下，求解SDVRP的传统方法将不再适用。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，充分考虑了实际生活中允许对客户需求分批运输且客户真实需求量不确定的情况，通过预优化和重调度两个阶段对行车路线不断优化，能够快速高效地得到理想配送方案，从而提高运输效率，降低运输成本。
[0006]实现本专利技术的技术方案如下：
[0007]一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，包括如下步骤：
[0008]步骤1、根据待解决的需求不确定且可拆分的车辆路径问题，以最小化路径成本为优化目标，建立随机机会约束规划模型；
[0009]步骤2、设计结合变邻域搜索算法和禁忌搜索算法的混合启发式算法对步骤1建立的随机机会约束规划模型进行求解，得到预优化阶段方案；
[0010]步骤3、首先制定重调度策略，然后对步骤2得到的预优化阶段方案进行仿真模拟，在仿真模拟过程中可能会出现失败点，当出现失败点时，对出现的失败点以后的客户点及
路线使用制定的重调度策略优化车辆重调度路径，得到最终优化方案，当没有出现失败点时，按照步骤2中得到的预优化阶段方案最为最终优化方案。
[0011]所述的步骤2中，混合启发式算法的具体步骤如下：
[0012]步骤2.1、初始化禁忌表，确定禁忌长度，确定禁忌规则；
[0013]步骤2.2、选择最优插入算法构建初始种群，并根据构建的初始种群产生初始解，将产生的初始解记录为当前最优解；
[0014]步骤2.3、基于当前最优解，通过变邻域搜索算法生成若干候选解；
[0015]步骤2.4、从服务路线距离是否最短和是否能够进一步优化两方面从步骤2.3所产生的候选解中选择最优候选解；
[0016]步骤2.5、判断步骤2.4选择的最优候选解是否优于当前最优解，若是，选择最优候选解进入步骤2.6，否则根据步骤2.3中所产生的候选解的禁忌情况，从未被禁忌的候选解中重新选择最优候选解进入步骤2.6；
[0017]步骤2.6、使用步骤2.5得到的最优候选解更新当前最优解，并更新步骤2.1中初始化后的禁忌表；
[0018]步骤2.7、重复步骤2.3
‑
步骤2.6直至满足迭代次数满足要求，输出预优化阶段方案；
[0019]所述的步骤3中，使用制定的重调度策略优化车辆重调度路径的方法为：
[0020]步骤3.1、记录已抵达的客服点的实际作业需求时间；
[0021]步骤3.2、确认待重调度客户点集合，由出现失败点时所有未被完全服务的客户点组成；若重调度客户点集合为空集，说明作业车辆己按预优化路径完成所有客户点的服务，无须执行重调度策略的后续内容；否则继续以下操作；
[0022]步骤3.3、根据当前已完成的客户点服务情况，重复步骤1
‑
步骤2，即使用混合启发式算法重新设计作业车辆服务路线，生成重优化阶段路径；
[0023]所述的步骤1中，需求不确定且可拆分的车辆路径问题为：
[0024]有完备有向图G＝(P,E)，其中所有点集合P＝{0}∪P
t
，0为基站，客户点集合P
t
＝{1，2，
…
，n)；边集合E＝{(i，j)|i,j∈P)}，p
ij
为节点i和j之间的路径，c
ij
为节点i和j之间的路径成本，仅与两点间路径长度相关；可用作业车辆集合V＝{1，2，
…
，m}，车辆的最大作业时间为T；t
i
是客户点i所需的服务时间；决策变量x
ijk
表示车辆k是否直接从点i到达点j，是为l，否为0；y
ik
表示车辆k服务客户点i(i∈P
t
)的作业时间，其中，作业车数量)的作业时间，其中，作业车数量Roundup(
·
)表示向上取整；
[0025]所述的步骤1中，最小化路径成本仅与各点间路径长度有关，表示为：
[0026]min D＝∑
i∈P
∑
j∈P
∑
k∈V
c
ij
·
x
ijk (1)
[0027]所述的步骤1中，建立的随机机会约束规划模型的约束条件包括：
[0028][0029][0030][0031][0032][0033][0034][0035][0036][0037][0038][0039]其中，式(2)为客户点与作业车辆间的随机容量机会约束，保证预优化阶段车辆路径中客户点随机需求量之和不超过T的概率大于预设的置信度水平α；式(3)表示客户点处的车流量守恒，即到达一个客户点的车辆和离开该点的车辆相同；式(4)表示作业车辆路径始末均为基站；式(5)表示每个客户点至少被服务一次；式(6)表示每个客户点需求均被满足；式(7)表示每辆作业车实际作业时间不超过最大值；式(8)为标准支路消除约束，其中S
k
为作业车k服务路径上的客户点集合；式(9)表示当且仅当作业车经过时，才能服务客户点；式(10)表示相同客户点之间无路径连通；式(11)为决策变量属性；式(12)表示作业车在每一客户点作业时间需小于等于最大作业时间；
[0040]所述的步骤1中，随机机会约束规划模型的客户点与作业车辆间的随机容量机会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，其特征在于包括如下步骤：步骤1、根据待解决的需求不确定且可拆分的车辆路径问题，以最小化路径成本为优化目标，建立随机机会约束规划模型；步骤2、对步骤1建立的随机机会约束规划模型进行求解，得到预优化阶段方案；步骤3、首先制定重调度策略，然后对步骤2得到的预优化阶段方案进行仿真模拟，在仿真模拟过程中可能会出现失败点，当出现失败点时，对出现的失败点以后的客户点及路线使用制定的重调度策略优化车辆重调度路径，得到最终优化方案，当没有出现失败点时，按照步骤2中得到的预优化阶段方案最为最终优化方案。2.根据权利要求1所述的一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，其特征在于：所述的步骤2中，使用结合变邻域搜索算法和禁忌搜索算法的混合启发式算法对随机机会约束规划模型进行求解。3.根据权利要求2所述的一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，其特征在于：混合启发式算法的具体步骤如下：步骤2.1、初始化禁忌表，确定禁忌长度，确定禁忌规则；步骤2.2、选择最优插入算法构建初始种群，并根据构建的初始种群产生初始解，将产生的初始解记录为当前最优解；步骤2.3、基于当前最优解，通过变邻域搜索算法生成若干候选解；步骤2.4、从服务路线距离是否最短和是否能够进一步优化两方面从步骤2.3所产生的候选解中选择最优候选解；步骤2.5、判断步骤2.4选择的最优候选解是否优于当前最优解，若是，选择最优候选解进入步骤2.6，否则根据步骤2.3中所产生的候选解的禁忌情况，从未被禁忌的候选解中重新选择最优候选解进入步骤2.6；步骤2.6、使用步骤2.5得到的最优候选解更新当前最优解，并更新步骤2.1中初始化后的禁忌表；步骤2.7、重复步骤2.3
‑
步骤2.6直至满足迭代次数满足要求，输出预优化阶段方案。4.根据权利要求3所述的一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，其特征在于：所述的步骤2.3中，变邻域搜索算法中顺序参与的邻域优化算子包括重置算子、点交换算子和边交换算子。5.根据权利要求4所述的一种求解需求不确定且可拆分的车辆路径问题的两阶段启发式方法，其特征在于：所述的重置算子为：选择某路径中m个连续客户点插入到随机路径的随机位置中；所述的点交换算子为：随机选择两个客户点进行单点交换；所述的边交换算子为：随机选择两点，对两点之间的路径进行逆序化处理后再放回原来位置。6.根据权利要求1所述的一种求解需求不确定且可拆分的车辆路径问题的两阶段启发
式方法，其特征在于：所述的步骤1中，需求不确定且可拆分的车辆路径问题为：有完备有向图G＝(P,E)，其中所有点集合P＝{0}∪P
t
，0为基站，客户点集合P
t
＝{1，2，
…
，n)；边集合E＝{(i，j)|i,j∈P)}，p
ij
为节点i和j之间的路径，c
ij

【专利技术属性】
技术研发人员：张佳，董启辰，曹志强，辛斌，陈杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：