System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及车辆调度问题,具体涉及一种基于遗传算法的智慧场站车辆调度方法及系统。
技术介绍
1、车辆调度是指有效地安排和管理车辆的使用,以满足运输需求并提高运输效率。车辆调度具有多种类型,目前最常见的技术研究集中在车辆调度问题(vehiclescheduling problem,vsp)和车辆路径问题(vehicle routing problem,vrp)两个方面,前者主要集中于物流货物运输过程中对于运力车辆的管理和考虑时间要求安排的调度,使之在使用车辆计划、货物需求和运输过程中经济成本最低;后者主要集中于车辆运输过程中根据空间位置安排线路的路径规划问题,合理安排最优的配送路线使得配送过程更加高效。
2、车辆调度问题是物流运输系统的核心环节,对车辆调度问题的研究具有非常重要的意义。车辆调度问题属于np问题,在求解方法上基本分为精确算法和启发式算法两大类。精确算法是一种最终能够得到最优解的算法,运用精确算法求解过程中计算量会随着问题规模的增大呈现指数型增长,在实际的应用范围比较有限,一般适合解决小规模的车辆调度问题,精确算法有如下几种:分支定界法、割平面法、网络流算法、动态规划法等。在解决实际问题应用中,更多的采用启发式算法,启发式算法是相对于最优化算法提出的,可以定义为一个基于直观或经验构造的算法,在可接受的花费(指计算时间和空间)下给出待解决优化问题实例的可行解,遗传算法、粒子群算法、蚁群算法、禁忌搜素、模拟退火都属于启发式算法。
3、但是,现有的车辆调度问题中货场、堆场管理人员没办法及时了解运输任务的
技术实现思路
1、为此,本申请提供一种基于遗传算法的智慧场站车辆调度方法及系统,以解决现有技术存在的车辆调度问题货场、堆场管理人员没办法及时了解运输任务的完成情况以及成本高的问题。
2、为了实现上述目的,本申请提供如下技术方案:
3、第一方面,一种基于遗传算法的智慧场站车辆调度方法,包括:
4、步骤1:接收车辆司机进出配送中心的装卸货预约请求;
5、步骤2:根据所述装卸货预约请求生成预约码;
6、步骤3:根据配送中心的配送目标建立车辆调度问题模型;所述配送目标为配送车辆的载重量与公里数最少以及运输过程中综合费用最低;
7、所述车辆调度问题模型的目标函数为:
8、
9、其中,n表示客户需求点的个数;cij表示从需求点i到需求点j的运输成本费用;xijk表示决策标量,即车辆k从需求点i行驶到需求点j;m为车辆数;
10、步骤4:根据遗传算法求解所述目标函数的最优可行解;
11、步骤5:根据所述预约码和所述最优可行解对车辆进行调度。
12、作为优选,所述步骤3中,车辆数m为:
13、
14、其中,[]表示对括号内数据取整;qi表示需求点i的货物需求量;q表示车辆的装载重量;表示装车情况复杂性程度及约束条件限制。
15、作为优选,所述车辆调度问题模型的约束条件包括:
16、
17、
18、
19、
20、
21、xijk(xijk-1)=0 (6)
22、yik(yik-1)=0 (7)
23、其中,0表示车场;式(1)表示车辆k装载的任务量不能超过车辆的载重量;式(2)表示任务i只能由一辆车完成;式(3)表示由配送中心发出m辆车;式(4)和式(5)表示两个决策标量xijk和yik之间的关系;式(6)和式(7)为0~1的变量约束;
24、决策标量xijk为:
25、
26、决策标量yik为:
27、
28、作为优选,所述步骤4中所述遗传算法在进行自然选择操作时采用比例选择和精华模型相结合的选择策略。
29、作为优选,所述比例选择和精华模型相结合的选择策略具体为:将每代种群中的n个染色体按fh值排序,将值最大的染色体复制一个进入下一代种群,下一代种群中剩余的n-1个染色体用轮盘选择法产生,最后将种群代数加一。
30、作为优选,所述步骤4中所述遗传算法在交叉操作时具体为:
31、假设染色体a和染色体b的长度为n,基因码由0和1组成;
32、在[1,m]范围内随机生成两个自然数r1和r2,其中,m为染色体长度;
33、在染色体a中确定r1和r2对应的基因码是否为0;
34、如果r1和r2对应染色体a中的基因码为0,则不进行移动,直接继续下一步;否则,向左或向右移动到最近的0;
35、将选中的子串移动到临时串的首位,其他基因码依次后移;
36、在染色体b中删除与选中子串相同的基因码,得到需要保留的其他基因码的顺序;
37、按照这个顺序,从左到右替代临时串中非选中的基因码,得到后代a';
38、同理,根据剩余的基因码顺序,替代染色体b中的基因码,得到后代b'。
39、作为优选,所述步骤4中所述遗传算法在变异操作时采用逆转变异操作。
40、第二方面,一种基于遗传算法的智慧场站车辆调度系统,包括:
41、装卸货预约请求接收模块,用于接收车辆司机进出配送中心的装卸货预约请求;
42、预约码生成模块,用于根据所述装卸货预约请求生成预约码;
43、车辆调度问题模型构建模块,用于根据配送中心的配送目标建立车辆调度问题模型;所述配送目标为配送车辆的载重量与公里数最少以及运输过程中综合费用最低;
44、所述车辆调度问题模型的目标函数为:
45、
46、其中,n表示客户需求点的个数;cij表示从需求点i到需求点j的运输成本费用;xijk表示决策标量,即车辆k从需求点i行驶到需求点j;m为车辆数;
47、计算模块,用于根据遗传算法求解所述目标函数的最优可行解;
48、调度模块,用于根据所述预约码和所述最优可行解对车辆进行调度。
49、第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现基于遗传算法的智慧场站车辆调度方法的步骤。
50、第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于遗传算法的智慧场站车辆调度方法的步骤。
51、相比现有技术,本申请至少具有以下有益效果:
52、本申请提供了一种基于遗传算法的智慧场站车辆调度方法及系统,通过接收车辆司机进出配送中心的装卸货预约请求;根据装卸货预约请求生成预约码;根据配送中心的配送目标建立车辆调度问题模型;配送目标为配送车辆的载重量与公里数最少以及运输过程中综合费用本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的智慧场站车辆调度方法,其特征在于,包括:
2.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤3中,车辆数m为:
3.根据权利要求2所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述车辆调度问题模型的约束条件包括:
4.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤4中所述遗传算法在进行自然选择操作时采用比例选择和精华模型相结合的选择策略。
5.根据权利要求4所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述比例选择和精华模型相结合的选择策略具体为:将每代种群中的n个染色体按fh值排序,将值最大的染色体复制一个进入下一代种群,下一代种群中剩余的n-1个染色体用轮盘选择法产生,最后将种群代数加一。
6.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤4中所述遗传算法在交叉操作时具体为:
7.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤4中所述遗传算法在变异操
8.一种基于遗传算法的智慧场站车辆调度系统,其特征在于,包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于遗传算法的智慧场站车辆调度方法,其特征在于,包括:
2.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤3中,车辆数m为:
3.根据权利要求2所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述车辆调度问题模型的约束条件包括:
4.根据权利要求1所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述步骤4中所述遗传算法在进行自然选择操作时采用比例选择和精华模型相结合的选择策略。
5.根据权利要求4所述的基于遗传算法的智慧场站车辆调度方法,其特征在于,所述比例选择和精华模型相结合的选择策略具体为:将每代种群中的n个染色体按fh值排序,将值最大的染色体复制一个进入下一代种群,下一代种群中剩余的n-1个染色...
【专利技术属性】
技术研发人员:王瑞,张炎民,张柘,黄天欢,
申请(专利权)人:中交智运有限公司,
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。