一种基于遗传算法的车辆配送路径优化方法技术

一种基于遗传算法的车辆配送路径优化方法，属于物流配送方案设计技术领域，该方法以配送总成本最小为目标函数，以客户需求量

【技术实现步骤摘要】
一种基于遗传算法的车辆配送路径优化方法


[0001]本专利技术涉及物流配送方案设计
，尤其是一种基于遗传算法的车辆配送路径优化方法
。

技术介绍

[0002]当前，物流正处于快速发展的生命周期，物流行业的快速发展，各种产品的生产和销售都出现了区域性的集聚，使得人们对物品的采购方式由以往的大量低频向小量高频转变
。
由于市场需求量和品质需求的日益增长，物流中存在的不足也逐渐显现，特别是当前国内的物流基础设施建设和信息化程度还有很多欠缺，产品配送工作环境繁杂，既有货运点多产品受损，路径网络繁杂，又有配送网点分布散乱，使得产品物流体系必然需要面对配送路径及配送时间的科学设计等难题
。
而且市场对各种产品的选择性
、
多元性
、
绿色性
、
新鲜度等方面需求的增涨
。
因此，充分利用现代物流技术进行农产品物流优化具有重要意义
。
现有的物流配送路径浪费严重，成本高且无法满足客户需求
。
专利技术内容
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于遗传算法的车辆配送路径优化方法，其特征在于：该方法以配送总成本最小为目标函数，以客户需求量
、
服务时间窗及车辆最大装载量为约束，包括以下步骤：
S1
：解决实际的车辆配送路径优化问题，需要对其进行编码，其中染色体的长度等于客户点数目和配送车辆最大使用数目，染色体的每个基因代表一个客户点或配送车辆的编号；在一个染色体中，一个编号只出现一次，不会重复出现；若
N
为客户点总数，
K
为配送车辆最大使用数目，则染色体长度记为
N+K
‑1，染色体结构表示为
(1,2,3,
…
,N,N+1,
…
,N+K
‑
1)
；
S2
：选择初始种群规模，种群规模设置在
30
‑
200
之间，在所有的配送点中随机选择节点，满足特定条件下连接形成一条子路径，在连接过程中，如果这条线路所运送的货物超过了最大的载重，或者配送时间超出了客户所能接受的服务时间窗，那么就终止这条线路的连接，并启动其他线路的连接；在满足各客户需求量
、
服务时间窗以及车辆最大装载量的约束下，将距离最短的路径作为问题的初始解；
S3
：构造车辆路径优化的目标函数及适应度函数，该方法的目标函数为：其中
c
ij
是表示从节点
i
到节点
j
的运输成本，旨在最小化总行程和最小化服务覆盖范围的车辆使用数目需求；在下一次迭代中染色体的适应度值越大，被选择的可能性越大，每个染色体都可以被解码为适应度函数中出现变量的已知值，因此对于每一条染色体，都要评估目标函数，计算各个解决方案的路径成本和需求覆盖率，以检测解决方案相对于其他解决方案的优势，每个解决方案的路径成本是行驶的总距离，覆盖需求定义为满足总需求的车辆使用数目，以上可知目标函数越小表示所得解决方案越好，为保证在选取过程中保持良好的性能，以目标函数的倒数作为适应度函数
,
适应度函数表示为：
S4
：计算个体适应度值，采用排序分组选择方法对个体进行排序和交叉；
S5
：改善种群进化多样性，对个体进行变异操作；
S6
：为进一步提高路径优化方法的质量，加入具有破坏和修复思想的局部搜索操作，相关的破坏操作是选择一组具有高度相关性的若干客户进行移除，移除若干个客户后，再使用修复操作将移除的客户重新插入到使车辆行驶总路径增加最少的位置，并且再插入的位置还需满足车辆最大装载量和服务时间窗的约束；修复操作过程中，先找到满足约束条件的位置，计算插入位置使增加值最小的位置即为最佳插入位置，再计算所有移除客户插入最佳位置后目标增加值，将增加值最大的客户作为第一个插入，重复进行上述过程直至移除客户全部重新插入车辆配送路径中；
S7
：输出最终车辆配送路径方案
。2.
根据权利要求1所述的基于遗传算法的车辆配送路径优化方法，其特征在于：所述
S1
包括如下步骤：
(1)
计算融合任意两个路径节省的里程值
s(i
，
j)
，
i
是与仓库和客户相关的索引，位于第一个节点为仓库的边缘
(i
＝
1,2,
…
,n)
的开头；
j
是与边缘末端的仓库和客户相关的索引
(j
＝
1,2,
…
,n)
；即
s(i
，
j)
＝
L
i0
+L
0j
‑
L
ji
，其中
L
i0
为客户
i
到配送中心的距离，
L
0j
为客户
j
到
配送中心的距离，
L
ji
为客户
i
到客户
j
的距离；使
S
＝
{s(i
，
j)|s(i
...

【专利技术属性】
技术研发人员：王吉权，娄凡凡，宋豪豪，张攀利，李健汀，杨靖楠，贝金玲，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：