【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 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
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
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:
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。