一种电动车无人机协同模式下带时间窗的路径优化方法技术

本发明专利技术公开了一种电动车无人机协同模式下带时间窗的路径优化方法，构建了基于混合整数规划法的数学优化模型，该模型允许无人机与电动车协同配送商品，通过发挥无人机配送的优势来降低总成本。在此基础上，提出了一种拓展型ALNS算法进行求解，设计了一种构造启发式算法以快速生成EVRPTW

【技术实现步骤摘要】
一种电动车无人机协同模式下带时间窗的路径优化方法


[0001]本申请属于车辆路径规划
，尤其涉及一种电动车无人机协同模式下带时间窗的路径优化方法。

技术介绍

[0002]近年来，为了实现碳中和的战略目标，物流企业大力发展绿色低碳的物流配送体系，电动车逐渐成为物流企业的主流选择。然而，受电池容量限制，电动车在配送时需要关注剩余电量，并通过访问充电站来完成配送任务(即需要行驶额外的充电路线)，导致配送成本增大和配送效率降低。对物流企业而言，采用电动车配送不仅要规划途中的充电路线，还要确保商品配送的及时性，导致求解带时间窗的电动车辆路径优化问题变得困难。
[0003]与此同时，无人机具有配送成本低、路线灵活、部署方便等优点，被物流企业视为经济高效的配送工具。然而，由于存在飞行续航时间短、载重能力弱等缺点，无人机配送离不开载机平台提供的发射回收、商品装载、电池更换等服务支撑。因此，无人机需要与其他配送工具协同配送商品才能高效低成本地完成配送任务。
[0004]电动车与无人机协同配送既顺应了绿色低碳的物流发展趋势，又能显著降低配送成本。然而，现有关于电动车与无人机协同配送的研究较为匮乏。

技术实现思路

[0005]本申请的目的是提供一种电动车无人机协同模式下带时间窗的路径优化方法，以实现无人机与电动车协同配送商品，通过发挥无人机配送的优势来降低总成本。
[0006]为了实现上述目的，本申请技术方案如下：
[0007]一种电动车无人机协同模式下带时间窗的路径优化方法，包括：<br/>[0008]构建总配送成本最小的电动车无人机协同模式下带时间窗的路径优化数学模型，所述总配送成本包括电动车的派遣成本、行驶成本以及无人机的行驶成本；
[0009]确定数学模型解的编码策略，构造启发式算法生成初始解；
[0010]随机选择一种破坏算子移除当前解中的至少一个顾客节点；
[0011]对当前解执行充电站移除规则；
[0012]随机选择一种修复算子，将顾客节点重新插入当前解中，以生成新解，顾客节点重新插入当前解的过程中，修复算子将自动执行充电站插入规则，以保证当前解的电量可行性；
[0013]执行模拟退火准则更新当前解；
[0014]周期更新算子使用权重；
[0015]判断是否满足终止条件，如果是则输出最优解，否则返回继续迭代求解。
[0016]可选的，所述数学模型解的编码策略，包括：
[0017]解由电动车路线和无人机路线构成；
[0018]电动车路线包括每一辆电动车的配送路线，无人机路线包括每一架无人机的配送
路线。
[0019]可选的，所述构造启发式算法生成初始解，包括：
[0020]输入顾客集合C，并初始化无人机路线集合D
route
和未被配送的顾客集合L为空集；
[0021]对于集合C中的每个顾客c，执行以下操作：判断顾客c的商品需求量是否小于无人机载重量并且c是否位于无人机配送范围内，如果是，将路线[0,c,0]以数组形式存入D
routes
；否则将顾客c添加到未被配送的顾客集合L；
[0022]初始化电动车路线E
routes
为空集；
[0023]将L中的顾客按时间窗的结束时间升序排序；
[0024]重复执行以下操作，直到L为空集：取出L中的第一个顾客l，并按照预设的构造规则将l存入E
routes
；
[0025]将无人机路线集合D
routes
和电动车路线E
routes
组合成初始可行解x，并输出初始可行解x。
[0026]可选的，所述构造规则，包括：
[0027]如果电动车路线不包含数组，则创建一条新路线[0,l,0]并以数组的形式储存。
[0028]可选的，所述构造规则，包括：
[0029]如果电动车路线包含数组，则生成顾客l的插入位置；
[0030]筛选出顾客l可行的插入位置；
[0031]将顾客l插入具有最小成本增量的位置。
[0032]可选的，所述充电站移除规则，包括：
[0033]如果电动车路线出现了两个相邻充电站，则随机移除其中一个充电站；
[0034]如果电动车路线不存在顾客节点并且只包含了充电站，则移除路线上的所有充电站并删除该路线。
[0035]可选的，所述充电站插入规则，包括：
[0036]找到电动车首次出现电量耗尽的节点，通过尝试插入充电站枚举出所有充电站在该节点前各个位置上的插入动作；
[0037]判断每一个插入动作执行后，整条路线是否同时满足电量、容量和时间窗约束，若满足约束则将其保留并计算相应的成本增量；
[0038]执行具有最小成本增量的插入动作。
[0039]可选的，所述周期更新算子使用权重，包括：
[0040]当本次迭代周期完成后，按如下公式更新下次周期中算子的使用权重：
[0041][0042]ω
i
和ω
i
′
分别为算子i在本次周期和下一次周期的使用权重，r为权重遗忘系数，θ
i
为算子i在本次周期中的累计使用次数，π
i
为算子i在本次周期中的累计得分。
[0043]本申请提出的一种电动车无人机协同模式下带时间窗的路径优化方法，构建了基于混合整数规划法的数学优化模型。该模型允许无人机与电动车协同配送商品，通过发挥无人机配送的优势来降低总成本。在此基础上，提出了一种拓展型ALNS算法进行求解，设计了一种构造启发式算法以快速生成EVRPTW
‑
D问题的高质量解，并将其作为拓展型ALNS算法的初始解。同时，增加了充电站的插入与移除规则以保证拓展型ALNS算法生成的解能满足
电量约束，还设计了最短路移除算子以加快算法收敛。在小规模算例上，通过与Gurobi的求解结果进行对比，验证了数学优化模型与拓展型ALNS算法的有效性。在大规模算例上，通过与原始ALNS算法进行对比，进一步验证了拓展型ALNS算法的有效性。
附图说明
[0044]图1为电动车无人机协同配送模式示意图。
[0045]图2为本申请实施例扩展型ALNS算法流程图。
[0046]图3为本申请实施例数学模型解的编码策略示意图。
[0047]图4为本申请实施例构造规则示意图。
[0048]图5为本申请实施例充电站移除规则示意图。
[0049]图6为本申请实施例充电站插入规则示意图。
具体实施方式
[0050]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0051]本申请在现有电动车物流配送体系中引入无人机配送，针对电动车
‑...

【技术保护点】

【技术特征摘要】
1.一种电动车无人机协同模式下带时间窗的路径优化方法，其特征在于，所述电动车无人机协同模式下带时间窗的路径优化方法，包括：构建总配送成本最小的电动车无人机协同模式下带时间窗的路径优化数学模型，所述总配送成本包括电动车的派遣成本、行驶成本以及无人机的行驶成本；确定数学模型解的编码策略，构造启发式算法生成初始解；随机选择一种破坏算子移除当前解中的至少一个顾客节点；对当前解执行充电站移除规则；随机选择一种修复算子，将顾客节点重新插入当前解中，以生成新解，顾客节点重新插入当前解的过程中，修复算子将自动执行充电站插入规则，以保证当前解的电量可行性；执行模拟退火准则更新当前解；周期更新算子使用权重；判断是否满足终止条件，如果是则输出最优解，否则返回继续迭代求解。2.根据权利要求1所述的电动车无人机协同模式下带时间窗的路径优化方法，其特征在于，所述数学模型解的编码策略，包括：解由电动车路线和无人机路线构成；电动车路线包括每一辆电动车的配送路线，无人机路线包括每一架无人机的配送路线。3.根据权利要求1所述的电动车无人机协同模式下带时间窗的路径优化方法，其特征在于，所述构造启发式算法生成初始解，包括：输入顾客集合C，并初始化无人机路线集合D
route
和未被配送的顾客集合L为空集；对于集合C中的每个顾客c，执行以下操作：判断顾客c的商品需求量是否小于无人机载重量并且c是否位于无人机配送范围内，如果是，将路线[0,c,0]以数组形式存入D
routes
；否则将顾客c添加到未被配送的顾客集合L；初始化电动车路线E
routes
为空集；将L中的顾客按时间窗的结束时间升序排序；重复执行以下操作，直到L为空集：取出L中的第一个顾客l，并按照预设的构造规则将l存入E
routes
；将无人机路线集合D

【专利技术属性】
技术研发人员：李海光，刘思亮，查丽，张帅，张文宇，
申请(专利权)人：芜湖达成储运有限公司，
类型：发明
国别省市：