【技术实现步骤摘要】
本专利技术涉及基于能耗最优的电车路径优化领域，特别是涉及一种山区路径搜索方法，本专利技术还涉及一种山区路径搜索装置和设备。
技术介绍
1、电车路径优化的研究为物流配送行业提供指导，不仅降低企业运输成本和提高客户满意度，而且节约电车能耗响应环保理念。为了解决诸多存在的电车路径优化问题，现有技术试图对其进行多方位研究。例如：在设计基于三维能耗模型的非线性函数来分析三维空间电车能耗问题，但是其不能将实际坡度情况纳入计算反而一律将坡度设置为0，算出结果不代表实际能耗；在路径规划中用到的启发式遗传算法，其路径搜索效果差，不足以得到更合理实用的路径搜索结果；在能耗最优的路径优化研究中，基本是设计二维能耗公式，忽略电车运输过程中海拔差异大造成的能耗误差。
2、可见，海拔差异大造成的能耗误差在电车路径优化中不容忽视，同时需要弥补启发式遗传算法的路径搜索效果差的缺陷。因此，研究山区三维电车能耗公式、调节启发式遗传算法的交叉环节动作和调节启发式遗传算法的变异环节动作进而得出适用于山区环境的最优路径搜索结果具有重要的价值和意义。因此，如何提供一种解决上述技术问题的方案是本领域技术人员要解决的问题。
技术实现思路
1、本专利技术的目的是提供一种山区路径搜索方法，可以用山区三维电车能耗公式计算得到基于能耗最优的路径优化目标函数值，根据目标函数值和自适应交叉概率，调节启发式遗传算法的交叉环节动作，根据客户节点之间的相关性，将部分客户节点进行“移除-重插入”操作，调节启发式遗传算法的变异环节动作，进
2、为了解决上述技术问题，本专利技术提供了一种山区路径搜索方法，包括：
3、根据所述电车运输总能耗、所述单位能耗成本、所述额定车载重量和所述惩罚因子计算得到所述基于能耗最优的路径优化目标函数值；
4、根据所述目标函数值和所述自适应交叉概率公式，调节启发式遗传算法的交叉环节动作，同时根据所述相关性公式，将部分客户节点进行移除操作并加入移除序列；
5、根据所述移除序列中的客户节点信息，所述能耗增量最小的插入点信息，进行客户节点的重插入操作，调节启发式遗传算法的变异环节动作，更新路径，进而得出适用于山区环境的最优路径搜索结果。
6、优选地，所述根据电车运输总能耗、所述单位能耗成本、所述额定车载重量和所述惩罚因子计算得到所述基于能耗最优的路径优化目标函数值具体为：
7、将所述优化的电车综合总能耗、所述单位能耗成本、所述额定车载能力限制和所述惩罚因子，累加计算得到所述基于能耗最优的路径优化目标函数值。
8、优选地，所述根据山区三维电车能耗公式计算得到电车运输总能耗具体为(单位是焦耳)：
9、
10、
11、其中，fair是空气阻力；ff是旋转摩擦力；fmg是坡道阻力；emg是重力势能；v是电车平均速度；m是电车空载质量；a是电车正面面积；a是电动汽车加速度；ρair表示空气密度；cair表示空气阻力系数；cr表示旋转摩擦力；g是重力加速度；α表示道路坡度；q是载货质量。
12、优选地，所述目标函数值和所述自适应交叉概率公式，调节启发式遗传算法的交叉环节动作具体为：
13、将所述目标函数值取倒数得到个体适应度，用所述自适应交叉概率公式，调节所述启发式遗传算法的交叉环节动作。在所述个体适应度小于种群平均适应度时，采用所述最大交叉概率；随着所述个体适应度逐渐增大至种群平均适应度，所述交叉概率逐渐减小，最终以最小交叉概率进行交叉。
14、优选地，所述自适应交叉概率公式具体为：
15、
16、p(fi)＝p2,fi＜favg
17、
18、其中，p是自适应交叉概率，p∈[p1,p2]；p1是最小交叉概率；p2是最大交叉概率；fi是个体适应度；favg是种群平均适应度；fmax是最大适应度。
19、优选地，根据所述相关性公式，将部分客户节点进行移除操作并加入所述移除序列具体为：
20、用随机数的方式在所述所有客户节点中选取一个客户节点，作为第一个被移除的对象并加入移除序列。以当前选取的客户节点为目标，依次计算其与所有剩余客户节点的相关性，将相关性值排列，选取与之相关性最大的客户节点，作为第二个被移除的客户节点并加入移除序列。再从序列中随机选取一个客户节点计算其与剩余客户节点的相关性，选择与之相关性最大的客户节点作为第三个被移除的节点并加入移除序列。以此类推，直至达到计划移除的客户节点数，得到所述被破坏的路径。
21、优选地，所述根据相关性公式计算客户节点之间的相关性具体为：
22、rij＝1/(cij+vij)
23、cij＝dij/dmax
24、其中，cij为两点的距离标准化；dij为两点之间的距离；dmax为所有节点之间的的两点最远距离。若两节点在同一条路线，则vij为0，反之则为1。
25、优选地，所述移除序列中的客户节点信息，所述能耗增量最小的插入点信息，进行客户节点的重插入操作，调节启发式遗传算法的变异环节动作具体为：
26、选取所述变异环节移除序列中的客户节点，计算路径中各个插入点产生的能耗增量，以能耗增量最小的插入点作为该客户节点重插入路径中，更新路径。以此类推，计算并更新移除序列中其余重插入的客户节点，最终得到完整的更新路径。
27、为解决上述技术问题，本专利技术还提供了一种山区路径搜索的装置，包括：
28、第一计算模块，用于根据所述山区三维电车能耗公式计算得到所述基于能耗最优的路径优化目标函数值；
29、第二计算模块，用于根据所述目标函数值和所述自适应交叉概率公式，调节所述启发式遗传算法的交叉环节动作；
30、第三计算模块，用于根据所述客户间的相关性公式，将部分客户节点进行所述移除操作并加入所述移除序列，直至达到所述计划移除的客户节点数；
31、第四计算模块，用于根据所述移除序列中各个客户节点重插入的能耗增量，进行所述客户节点的重插入操作，调节所述启发式遗传算法的变异环节动作，最终得到完整的更新路径。
32、为解决上述技术问题，本专利技术还提供了一种山区路径搜索的设备，包括：
33、存储器，用于存储计算机程序、设备输入输出的信息；
34、处理器，用于执行所述计算机程序时实现如上述的
技术实现思路
。
35、为解决上述技术问题，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机本文档来自技高网...
【技术保护点】
1.一种山区路径搜索方法，其特征在于，包括：
2.根据权利要求1所述的山区路径搜索方法，其特征在于，所述根据电车运输总能耗、所述单位能耗成本、所述额定车载重量和所述惩罚因子计算得到所述基于能耗最优的路径优化目标函数值具体为：
3.根据权利要求2所述的山区路径搜索方法，其特征在于，所述根据山区三维电车能耗公式计算得到电车运输总能耗具体为(单位是焦耳)：
4.根据权利要求1所述的山区路径搜索方法，其特征在于，所述目标函数值和所述自适应交叉概率公式，调节启发式遗传算法的交叉环节动作具体为：
5.根据权利要求4所述的山区路径搜索方法，其特征在于，所述自适应交叉概率公式具体为：
6.根据权利要求1所述的山区路径搜索方法，其特征在于，根据所述相关性公式，将部分客户节点进行移除操作并加入所述移除序列具体为：
7.根据权利要求6所述的山区路径搜索方法，其特征在于，所述根据相关性公式计算客户节点之间的相关性具体为：
8.根据权利要求1所述的山区路径搜索方法，其特征在于，所述移除序列中的客户节点信息，所述能耗增量最小
9.一种山区路径搜索装置，其特征在于，包括：
10.一种山区路径搜索设备，其特征在于，包括：
...【技术特征摘要】
1.一种山区路径搜索方法，其特征在于，包括：
2.根据权利要求1所述的山区路径搜索方法，其特征在于，所述根据电车运输总能耗、所述单位能耗成本、所述额定车载重量和所述惩罚因子计算得到所述基于能耗最优的路径优化目标函数值具体为：
3.根据权利要求2所述的山区路径搜索方法，其特征在于，所述根据山区三维电车能耗公式计算得到电车运输总能耗具体为(单位是焦耳)：
4.根据权利要求1所述的山区路径搜索方法，其特征在于，所述目标函数值和所述自适应交叉概率公式，调节启发式遗传算法的交叉环节动作具体为：
5.根据权利要求4所述的山区路径搜索方法，其特征在于，所述...
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。