一种基于改进NSGA-Ⅱ算法的车辆调度优化方法技术

本发明专利技术涉及车辆任务调度技术领域，公开了一种基于改进NSGA

【技术实现步骤摘要】
一种基于改进NSGA
‑Ⅱ
算法的车辆调度优化方法


[0001]本专利技术涉及车辆任务调度
，具体涉及一种基于改进NSGA
‑Ⅱ
算法的车辆调度优化方法。

技术介绍

[0002]车辆调度问题(Vehicle scheduling problem,VSP)涉及车辆任务分配和调度路径规划问题,是车辆协同作业的核心。车辆运输的发展离不开对车辆调度问题的研究，二者的目的都在于制定科学合理的行车路线，使得作业车辆在完成运输任务时达到诸如行车路径最短、运营成本最低、时效性最强等目标。园区通常需要进行库房与车间、车间与车间、库房与库房之间的货物运输，运输作业节点多且分散。由于某些物品的存放和保存具有一定的特殊性，出于安全考虑，许多库房以及生产车间分布在不同的地方，而每个节点都会有运输需求，这就使得厂内运输作业涉及的范围比较广。
[0003]传统车辆调度主要通过人工对园区内的车辆进行调度管理，所以调度任务的合理性受限于管理人员的能力，容易出现对物品转运车辆的筛选派单存在效率低、匹配度差等问题，而且若是布设车辆过少，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进NSGA
‑Ⅱ
算法的车辆调度优化方法,其特征在于，包括以下步骤：步骤1：获取车辆定位数据及任务订单数据；步骤2：基于步骤1获取的车辆定位数据与任务订单数据，由任务完成所获得的收益、行驶过程的功耗成本和未能完成任务的惩罚组成适应度函数：F＝∑
e∈E
∑
i∈V
∑
j∈V,j≠i
(I
i
Y
ie
‑
Cd
ij
)X
ije
‑
∑
e∈E
∑
i∈V
Pu其中，I
i
表示完成第任务节点的任务所能获得的收益；Y
ie
代表0
‑
1变量，任务节点i由车辆e完成，Y
ie
＝1，否则Y
ie
＝0；C表示单位行驶里程下的油耗；d
ij
表示节点i到j的距离；X
ije
代表0
‑
1变量，当车辆e从任务节点i到任务节点j时，X
ije
＝1，否则X
ije
＝0；Pu表示车辆在任务约束的时间窗内未能完成任务所产生的相应的惩罚成本，随着车辆到达任务节点的时间越晚，惩罚成本越大；步骤3：构建基于改进遗传算法的车辆调度优化模型，所述车辆调度优化模型在遗传算法进行种群选择时，使用多策略选择方法根据个体适应度的评估从中选择优胜个体、淘汰劣质个体，当种群发展超过限制规模时发生种群竞争，通过计算拥挤度和拥挤度比较算子引入快速非支配排序算法进一步筛选种群；步骤4：利用车辆调度优化模型进行车辆调度。2.根据权利要求1所述的基于改进NSGA
‑Ⅱ
算法的车辆调度优化方法,其特征在于，在构建基于改进遗传算法的车辆调度优化模型时，对车辆任务调度的车辆定位数据及任务订单数据进行编码，具体如下：选用整数进行编码，由n个任务组成的任务空间网络需要m辆车辆执行装卸搬运，形成一条由m+n+1个基因组构成的染色体，n个整数代表任务序号，m+1个0表示任务组的分界，{0,i1,i2，...，i
e
,0,i
m
，...，i
n
,0...0.,i
p
...i
q
,0}，i
e
表示某个任务组内的第e个任务，0表示车辆保管处。3.根据权利要求2所述的基于改进NSGA
‑Ⅱ
算法的车辆调度优化方法,其特征在于，在构建基于改进遗传算法的车辆调度优化模型时，初始化种群，基因编码采用双染色体编码，分别是任务染色体编码和车辆染色体编码，根据步骤1获取到的车辆定位数据及任务订单数据产生n个任务，并在开始与结束处插入0，表示车辆由车辆保管处出发，最后又返回车辆保管处；车辆任务调度模型带有时间窗约束,需要计算任务i
i
的完成时间T
i
,如果T
i
在时间窗[ST
i
,LT
i
]内，则将0插入到第i
i
个任务与第i
i+1
个任务之间，不满足时间窗的话，则向前或者向后移动一个任务再计算插入。4.根据权利要求1所述的基于改进NSGA
...

【专利技术属性】
技术研发人员：张青春，张洪源，文张源，蒋方呈，张明超，马濠濠，张恩浦，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：