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】
本专利技术涉及物流配送,特别涉及一种送货车辆能源容量不同的带时间窗的车辆路径规划方法。
技术介绍
1、随着区域经济和全球经济发展不断趋于一体化,物流行业已经成为经济社会发展过程中不可忽略的重要因素。降低物流成本已经成为我国制造业快速向前发展的探索点。针对车辆运输效率过低的问题,寻找有效的优化方法,对于制造业降低物流成本具有现实意义
2、随着经济的不断发展,现阶段形成了由燃油车辆与电动车辆共同服务的物流运输系统,针对该系统的研究将有利于节能减排的推进与经济效益的提升。
3、基于以上背景,优化物流降低制造业的成本、减少二氧化碳排放从而实现制造业的绿色发展已成为业界关注和研究的重点。因此通过研究混合能源编队的物流车辆运输路径来实现制造业低成本、绿色化。
技术实现思路
1、针对配送系统中燃油车辆与电动车辆协同配送的情况,本专利技术提供了一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,在考虑客户的服务时间窗和满意度的同时,针对配送车辆动力来源与载货量不同的情况,设计了更为合理的不定长染色体编码模式,通过小生境遗传算法求解,从而提供可供选择的优秀配送方案,最大程度地实现城市物流配送的经济化、效率化和绿色化。
2、本专利技术是通过以下技术手段实现上述技术目的的。
3、一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,包括以下步骤:
4、步骤1:获取待服务顾客的配送信息;
5、步骤2:充分考虑电车油车构成的混合配送车
6、步骤3:基于小生境算法构筑遗传算法,快速高效地求取帕累托前沿解集,并将其解码为直接可行的配送方案,提供可供选择的服务策略和行驶路线。;
7、待服务顾客的配送信息包括客户所在的地理位置、所要求的配送时间和配送量。
8、软性时间窗约束下的混合车队车辆路径问题约束规划模型如下:
9、目标函数1为
10、其中,代表着车辆的碳排放量,代表着车辆的能源使用成本。v代表着所有位置的集合,包括仓库、充电站和客户。c代表着所有车辆的集合,包括电车和油车。pk代表着车辆k的单位距离的碳排放量,λk代表着车辆k的单位距离的燃油费或电费。dij代表着位置i到位置j的距离,而代表着车辆k是否要从位置i行驶到位置j。
11、目标函数2为
12、其中,代表着客户的满意度,其满意度函数如下所示:
13、
14、其中,代表着车辆k到达位置i的时间,ai与bi分别代表客户i的所能接受的最早配送时间和最晚配送时间。
15、
16、
17、
18、
19、
20、
21、
22、
23、
24、
25、
26、公式(4)代表着每个客户都将被服务一次,其中vc是客户位置的集合。公式(5)代表着电车有可能去充电站充电,由于现有的电车电池技术已经有了较大的发展,此处假设每个电车从位置i到位置j最多充一次电,是所有充电站的虚拟复制的集合,ce是所有电车的集合。公式(6)是出度入度的限制,要求车辆在每个位置都应该出度和入度一致。公式(7)代表着快递车辆的载货量会在服务完客户后减少相应的份额,代表着车辆k在到达位置i时的载货量,代表着车辆k的最大容量限制。公式(8)代表着车辆的载货量不能是负数且不能超载。公式(9)代表着电车k在行驶后应当消耗相应的电量,代表着电车k在到达位置i时的剩余电量,rb代表着电车行驶单位距离时消耗的电量,qb代表着电车的最大电池容量。公式(10)代表着电车从仓库出来时,电量应当是充满的,即仓库也拥有充电的功能。公式(11)代表着电车的电量应当不为负且不超过电池电量上限。公式(12)代表着决策变量的定义。公式(13)代表着车辆在路程中行驶时的时间消耗,代表着车辆k到达位置i时的时间点,vk代表着车辆k的速度,m代表着某一大数。公式(14)代表着车辆去充电站充电时的时间消耗,g代表着电车在充电站的充电速率。
27、步骤4-1:初始化算法的各项参数,包括小生境种群规模t、交叉概率pc、变异概率pm、循环次数it、精英保留层数fe,锦标赛算法选取规模ft;
28、步骤4-2:对染色体进行编码,并初始化遗传算法的种群;
29、由于所述的带时间窗的车辆路径问题的模型中的送货车辆能源类型、载货量都不相同,故而不同于传统固定长度的编码形式,通过部分长度可变的染色体编码形式将能够适应于异种送货车辆。染色体将有两部分组成,分别是长度可变的车队编码部分和长度不变的客户编码部分。长度可变的车队编码部分由电动车辆e与燃油车辆o组成,对于车队编码部分来说,只有每种车辆的数量是有意义的,车辆的排序不具有意义。长度不变的客户编码部分由客户编号直接构成,客户的顺序将影响送货车辆的任务分配和客户顺序。染色体的两部分在编码后进行运算的过程中,不可交叉混合,是同属于一染色体但是单独计算的两部分。只有在解码时染色体的两部分才会进行交叉以解析出所代表的配送方案。
30、由于染色体的两部分在繁殖时是分开的,故而不能使用传统的整体随机生成的方法而是两个部分采用不同的初始化方法。定长的客户编码部分将使用传统的随机生成的方法,随机的排列客户以生成编码序列。而长度可变的部分则借助遍历的思想,来尽可能地包含所有的车队排列情况。首先计算在只使用油车的情况下,运送总订单量所需要的最小车辆数量n。接下来在构筑车队编码的过程中,令油车的数量从0到n产生n+1个不同的初始编队,然后将各个编队中未被满足的订单量分配给必需的电车,从而构成n+1个不同的车队编码。
31、同一种类(即油车与电车的数量一致)的车队编码将被归于同一小生境内,故而小生境的数量即n+1种车队编码的数量。令小生境内的种群规模为t,则总体的种群规模为t(n+1)。每个小生境内的染色体车队编码部分是同一种类的,客户编码部分则因是随机生成的而均不一致。
32、步骤4-2:对染色体进行解码,并计算其适应度;
33、在初始种群生成完毕后,将根据权利要求3中的模型计算各个染色体所对应的两个目标函数值,从而判断其优劣性。在计算之前,需要对编码后的染色体进行解码,将其还原成具有可阅读性的配送方案。
34、在解码时,需要将车队编码中的车辆,按顺序插入到客户编码中,并为电动车辆挑选合理的充电站以保证正常的配送。首先将车队编码中的第一个车辆,插入到客户编码中的第一个客户的前面,如果该车辆能够服务该客户,便将该客户分配给该车辆,且将该车辆移动到该客户后边,重复该步骤直到该车辆无法服务下一个客户,即该快递车辆的载货量不足。然后将下一个车辆插入到未被服务的客户之前,即上一个快递车辆的后方,重复上述步骤,直到完成所有客户的分配。在车辆插入完毕后,将要为客户提供服本文档来自技高网...
【技术保护点】
1.一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,所述步骤1中待服务顾客的配送信息包括客户所在的地理位置、所要求的配送时间和配送量。
3.根据权利要求1所述的一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,所述步骤2的软性时间窗约束下的混合车队车辆路径问题约束规划模型如下:
4.根据权利要求3所述的一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,借助基于小生境算法的遗传算法求解所建立的模型,以得出可供选择的配送方案,具体包括以下步骤:
5.根据权利要求4所述的送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于所述步骤4-5所述的针对不定长染色体的交叉和变异操作,具体操作步骤如下:
【技术特征摘要】
1.一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,所述步骤1中待服务顾客的配送信息包括客户所在的地理位置、所要求的配送时间和配送量。
3.根据权利要求1所述的一种送货车辆能源容量不同的带时间窗的车辆路径规划方法,其特征在于,所述步骤2的软性时间窗约束下的...
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。