本发明专利技术公开了一种基于集成学习的带时间窗车辆配送任务的路径规划方法，应用于由单个仓库、N个具有配送时间限制的任务节点和K辆具有容量限制的无差别车辆所构成的车辆配送任务中，并包括：1建立车辆配送任务模型；2随机初始化生成满足约束条件的路径规划方案初始种群；3采用三类解搜索算子生成在收敛性、多样性、可行性方面各具优势的种群；4在各具优势的种群间进行匹配和学习，生成新的路径规划方案；5通过环境选择策略更新当前种群与全局最优路径规划方案；6若达到终止条件，则输出全局最优路径规划方案；否则返回步骤3执行。本发明专利技术能结合不同搜索算子的优势，并据此寻找到满足约束的低行驶距离路径规划方案，从而提高配送效率。
1、近几年，物流行业发展迅速，外卖和快速行业的物流成本巨大且关系到客户的满意度；此外，人们对生活质量的要求越来越高，配送时间的延长是不能被接收的。美团、饿了么、快递等各大电商平台都需要一个合理的车辆路径规划方案来降低企业成本，提高配送效率。如何优化物流运输路径，通过路径最短来降低运输成本，同时如何优化车辆装载量，车辆路径规划问题也因此成为亟待解决的难题。
2、车辆路径问题是一个np问题，目前存在许多求解车辆路径问题的相关算法，如精确算法、启发式算法、进化算法等。随着问题规模的增大，会出现组合爆炸的现象，精确算法依赖于人工设计的初始解和局部搜索算子，在求解相对复杂的容量约束车辆路径问题上，容易陷入局部最优。进化算法作为启发式算法的一种，具有良好的全局搜索能力，但已有算法的收敛速度较慢，效率较低。
3、现实应用场景中的车辆路径问题往往需要考虑车辆容量以及服务时间等多重因素的影响，这些复杂约束的存在使得问题的求解更加困难。在优化过程中如何有效处理这些约束对优化结果有着至关重要的影响，因此对于车辆路径问题中约束处理技术的研究具有重要的理论和实际价值。而目前已有的进化算法在解决车辆路径问题时大多忽略对约束的处理，采用面向可行性或者罚函数的方法进行直接优化。这些处理方法不仅无法对可行域进行充分探索，致使整个车辆运输配送的效率降低，而且在面对复杂约束问题的求解时甚至无法搜索到满足约束的可行解。
/>技术实现思路
1、本专利技术为了解决上述现有技术存在的不足之处，提出一种基于集成学习的带时间窗车辆配送任务的路径规划方法，以期能够根据给定的车辆配送任务，在寻找满足时间窗约束和容量约束的路径规划方案的同时尽可能最小化行驶总距离和使用车辆数，从而能减少运输距离和运输成本，并能提高物流运输效率和效益。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于集成学习的带时间窗车辆配送任务的路径规划方法的特点在于，是应用于由单个仓库、n个具有配送时间限制的配送客户节点和k辆具有容量限制的无差别车辆所构成的车辆配送任务中，并按照如下步骤进行：
4、步骤1、建立车辆配送任务模型：
5、步骤1.1、定义由一个仓库节点v0和n个配送客户节点构成的节点集合v＝{vi,i＝0,1,2,…,n}，其中，vi表示第i个节点；
6、定义路径集合e＝{eij|i,j＝0,1,2,…,n}，eij表示第i个节点vi到第j个节点vj的路径；
7、步骤1.2、利用式(1)和式(2)构建车辆路径规划模型的第一目标函数f1和第二目标函数f2：
8、f1＝mink (1)
9、
10、式(1)中，k表示车辆数目；
11、式(2)中，n表示配送客户节点的数量，dij表示第i个节点vi到第j个节点vj的距离，aijk表示第k辆车是否经过第i个节点vi到第j个节点vj之间的路径，若经过，则令aijk＝1，否则，令aijk＝0；
12、步骤1.3、利用式(3)-式(9)构建车辆路径规划模型的约束条件：
13、
14、
15、
16、
17、
18、tj＝ti+wi+si+tij i,j∈{0,1,2,…,n} (8)
19、ei≤ti+wi≤li, i∈{0,1,…,n} (9)
20、式(3)-式(9)中，q表示每辆车的最大装载容量，qi表示第i个节点vi的需求量，ti表示车辆到达第i个节点vi的时间，wi表示车辆在第i个节点vi的等待时间，si表示第i个节点vi所需服务的时间，tij表示车辆从第i个节点vi到节点vj的行驶时间，ei和li为第i个节点vi的服务时间窗口的上、下限；
21、步骤2、随机初始化生成满足约束条件的初始种群：
22、步骤2.1、定义并初始化当前迭代次数t＝0，设置最大迭代次数为tmax；
23、步骤2.2、随机生成p个满足约束条件的路径规划方案并分别作为第t代种群中的p个个体其中，表示第t代种群st中的第p个个体，且每个个体是由多辆车的运输路径所组成的路径规划方案，每条运输路径均是从仓库节点v0出发并经过多个配送客户节点后回到仓库节点v0而形成的节点序列；
24、步骤2.3、根据式(1)和式(2)计算第t代种群st中第p个个体的第一目标值和第二目标值
25、步骤2.4、根据第t代种群st中每个个体的两个目标值，计算第t代种群st中每个个体的非支配排名和拥挤距离；
26、步骤2.5、根据非支配排名和拥挤距离，选取第t代种群st中2个pareto最优个体并分别赋值给第一目标值最优的个体xb,f1和第二目标值最优的个体xb,f2，从而构成全局最优路径规划方案集合sbest＝{xb,f1,xb,f2}；
27、步骤2.6、根据第t代种群st中每个个体的非支配排名，利用二元锦标赛选择机制选出排名较好的一个个体作为一个父代个体，从而构建由p个父代个体组成的第t代交配池；
28、步骤3、基于第t代种群st，采用三类解搜索算子生成在多样性、收敛性、可行性方面各具优势的三个种群pop1t、pop2t、pop3t：
29、步骤3.1、从第t代交配池中依次选取两个父代个体，并执行无约束的sbx交叉和多项式变异算子操作，生成第t代的两个子代个体，从而得到第t代的p个子代个体并构成具有多样性优势的第t代不可行种群pop1t：
30、步骤3.2、从第t代交配池依次选取两个父代个体，并执行针对带时间窗车辆路径问题的改进交叉算子和移除重插入变异算子，生成满足时间窗和容量约束的第t代的两个子代个体，从而得到第t代的p个子代个体并构成具有多样性优势的第t代可行种群pop2t；
31、步骤3.3、对第t代种群st中每个个体执行带约束的局部解搜索算子，从而得到p个子代个体并构成具有收敛性优势的第t代可行种群pop3t；
32、步骤4、基于集成学习的思想，在具有不同优势的三个种群间进行匹配和学习，生成更具优势的路径规划新方案：
33、步骤4.1、第t代不可行种群pop1t和第t代可行种群pop2t间的匹配和学习：
34、步骤4.1.1、利用式(10)计算pop1t中第p个子代个体与pop2t中第q个子代个体间的距离从而得到第p个子代个体与pop2t中每个子代个体间的距离；
35、
36、式(10)中，表示第p个子代个体的邻接矩阵；
37、步骤4.1.2、若t<tmax×δ，则根据距离的排序，从pop2t中随机选择距离较近的前δ1个子代个体中的一个子代个体，作为与pop1t中第p个子代个体匹配的子代个体，记为否则本文档来自技高网...
【技术保护点】
1.一种基于集成学习的带时间窗车辆配送任务的路径规划方法，其特征在于，是应用于由单个仓库、N个具有配送时间限制的配送客户节点和K辆具有容量限制的无差别车辆所构成的车辆配送任务中，并按照如下步骤进行：
2.根据权利要求1所述的基于集成学习的带时间窗车辆配送任务的路径规划方法，其特征在于，所述步骤3.2包括：
3.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1或2所述路径规划方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
4.一种计算机可读存储介质，计算机可读存储介质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运行时执行权利要求1或2所述路径规划方法的步骤。
【技术特征摘要】
1.一种基于集成学习的带时间窗车辆配送任务的路径规划方法，其特征在于，是应用于由单个仓库、n个具有配送时间限制的配送客户节点和k辆具有容量限制的无差别车辆所构成的车辆配送任务中，并按照如下步骤进行：
2.根据权利要求1所述的基于集成学习的带时间窗车辆配送任务的路径规划方法，其特征在于，所述步骤3.2包括：
3...
【专利技术属性】
技术研发人员：江浩，夏钰童，张兴义，王朝，项小书，
申请(专利权)人：安徽大学，
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。