【技术实现步骤摘要】
本申请涉及物资调度，尤其涉及充电设施物资集群协同调度方法。
技术介绍
1、随着我国电动汽车行业的蓬勃发展及其全面普及，充电桩作为电动汽车的关键配套基础设施，亦实现了显著的增长。在此背景下，充电设施领域中物资的集群协同调度显得尤为关键，其高效实施对于确保作业的连续性与运营成本的降低发挥着决定性作用。
2、现行的调度方法，如基于规则的调度及启发式算法(包括模拟退火算法、遗传算法等)，在处理大规模调度任务时面临效率低下、适应性不足及环境变化响应迟缓等重大挑战。尽管这些算法在路径规划方面已有所优化，但在多重场景约束条件下，尤其是充电需求和设施限制方面，其计算效率与调度优化之间的平衡依然受限，难以有效应对充电约束、动态调整及多维优化目标。
技术实现思路
1、为解决或部分解决相关技术中存在的问题，本申请提供一种充电设施物资集群协同调度方法，该充电设施物资集群协同调度方法，能够采用混合整数规划模型与vicsek模型约束条件的结合，通过ipso-nsga-ii算法进行求解，得到目标充电设施物资集群协同调度方案；混合整数规划模型通过精确数学表达处理复杂调度问题，提供目标初始方案，通过vicsek模型增强系统的动态调整能力，适应实际场景变化；ipso-nsga-ii算法结合粒子群算法和改进遗传算法的优势，提高路线规划效率和准确性，降低冲突和重复的可能性，增强系统的鲁棒性，提升调度效率，为充电设施物资集群协同调度提供高效、成本效益的新解决方案。
2、本申请第一方面提供一种充电设施
3、获取充电设施调度物资信息，构建规划物资调度车辆初始混合整数规划模型；
4、通过vicsek模型进行动态调整，将卡车视为自驱动粒子来代替群体中的个体，模拟卡车行驶方向的周边实时环境，实现时间效率和成本效益的平衡；
5、通过ipso-nsga-ii算法对动态调整后的混合整数规划模型进行求解，得到目标充电设施物资集群协同调度方案；其中，ipso-nsga-ii算法将ipso粒子群算法和快速非支配排序遗传算法采用分层技术加以融合；求解过程将ipso粒子群算法中的惯性因子采用自适应调整策略进行更新,形成新的改进粒子群算法,在快速非支配排序遗传算法中,针对运输卡车和充电桩收货点采用不同的交叉方式,增加解的多样性；将快速非支配排序遗传算法得到的最优解的个体替换到ipso粒子群算法中,在最优个体中进行进化，提高路线规划的效率和准确性，同时降低冲突和重复的可能性，得到最优充电设施物资集群协同调度方案。
6、可选的，一些实施方式中，通过ipso-nsga-ii算法对动态调整后的混合整数规划模型进行求解，包括：
7、输入一段时间内发货点充电设施物资数据、卡车数量和物资调度信息，生成初始充电设施物资集群协同调度方案；
8、根据实际充电桩-仓库的分布情况，构建充电设施物资发货点-卡车-充电桩收货点的编码映射关系；
9、将ipso粒子群算法中的惯性因子采用自适应调整策略进行选择、交叉和变异,生成新一代改进粒子群；
10、计算拥挤距离，按照精英保留策略进行种群选择，并进行改进，优化充电设施物资集群协同调度问题中的性能和精确度；
11、通过模拟和评估生成的调度方案，将快速非支配排序遗传算法得到的最优解的个体替换到ipso粒子群算法中，进行优化和调整；
12、重复上述步骤，直到达到迭代次数；
13、得到目标充电设施物资集群协同调度方案。
14、可选的，一些实施方式中，构建规划物资调度车辆初始混合整数规划模型，包括：
15、以最小化规划物资调度总成本和最小化车辆调度总时间为目标函数，
16、
17、
18、式中，q表示充电设施物资发货点集合，索引为q；k表示充电桩收货点集合，索引为k；p表示运输卡车集合，索引为p；oqkp表示卡车p从发货点q运送到收货点k的超时时间；ppenalty表示每单位时间超出最大允许运输时间tmax的惩罚成本；
19、根据充电设施调度物资信息对所述目标函数进行约束：
20、确保每个收货点至少被一个卡车访问，保障所有收货点都会收到货物；
21、
22、式中，ykp表示0-1变量，如果收货点k只被卡车p访问，则为1，否则为0；
23、确保从每个发货点到每个收货点的运输路线最多只能由一辆卡车p执行，避免重复运输，简化调度计划；
24、
25、式中，xqkp表示0-1变量，如果卡车p从发货点q运送到收货点k，则为1否则为0；
26、确保任何卡车p的总运输时间不超过预设的最大运输时间，控制运输效率，及时交货；
27、
28、式中，vp表示卡车p的速度；dqk表示从发货点q到收货点k的距离；
29、如果卡车p访问收货点k，则到达时间必须在服务开始时间和服务结束时间之间；
30、
31、式中，wkp表示卡车p在收货点k的到达时间；
32、确保每辆卡车载的货物总量不超过其最大运载量；
33、
34、式中，ek表示收货点k的服务结束时间；m表示一个足够大的常数，用于模型中的条件约束；lp卡车p的最大运载量；
35、确保如果卡车不访问收货点，则不会有任何从发货点到该收货点的运输，保证路线的逻辑连续性和实际可行性；
36、
37、如果运输时间超过了tmax那么oqkp将记录超出的时间长度，如果没有超时，oqkp将为零，进行惩罚约束；
38、
39、进行二元决策变量约束，表示是否发生某事件，卡车p是否运送货物从发货点q到收货点k，或者某个收货点k是否仅被卡车p访问；
40、xqkp,ykp∈{0,1} (10)
41、确保卡车在访问一个收货点之后，必须前往另一个收货点或返回发货点；
42、
43、式中，xqkk′p表示如果卡车p从发货点q经过收货点k后前往收货点k'，则为1，否则为0；
44、确保如果卡车访问收货点，那么卡车在该点的位置或序列ukp小于收货点的总数，其中|k|表示收货点集合k的大小，即收货点的总数；
45、
46、式中，ukp表示一个连续变量，表示卡车p在访问收货点k时的位置或序列；
47、如果卡车访问了连续的收货点，卡车的载货量应该是连续的；
48、
49、式中，zkp表示卡车p在收货点k卸载的货物量；
50、确保卡车从一个收货点移动到另一个收货点，它的到达时间也应该是连续的；
51、
52、式中，dkk'表示从收货点k到收货点k'的距离。
53、可选的，一些实施方式中，通过vicsek模型进行动态调整，包括：<本文档来自技高网...
【技术保护点】
1.一种充电设施物资集群协同调度方法，其特征在于，包括：
2.根据权利要求1所述的充电设施物资集群协同调度方法，其特征在于，所述通过IPSO-NSGA-II算法对动态调整后的混合整数规划模型进行求解，包括：
3.根据权利要求1所述的充电设施物资集群协同调度方法，其特征在于，所述构建规划物资调度车辆初始混合整数规划模型，包括：
4.根据权利要求1所述的充电设施物资集群协同调度方法，其特征在于，所述通过Vicsek模型进行动态调整，包括：
5.根据权利要求1或2所述的充电设施物资集群协同调度方法，其特征在于，所述IPSO粒子群算法，包括：
6.根据权利要求1或2所述的充电设施物资集群协同调度方法，其特征在于，所述快速非支配排序遗传算法，包括：
7.根据权利要求8所述的充电设施物资集群协同调度方法，其特征在于，所述快速非支配排序遗传算法，包括：
【技术特征摘要】
1.一种充电设施物资集群协同调度方法，其特征在于，包括：
2.根据权利要求1所述的充电设施物资集群协同调度方法，其特征在于，所述通过ipso-nsga-ii算法对动态调整后的混合整数规划模型进行求解，包括：
3.根据权利要求1所述的充电设施物资集群协同调度方法，其特征在于，所述构建规划物资调度车辆初始混合整数规划模型，包括：
4.根据权利要求1所述的充电设施物资集群协同调...
【专利技术属性】
技术研发人员：潘楠，许佳，张淼寒，曹家宁，韩宇航，赵峙伟，肖仁鑫，贾现广，殷实，吕英英，
申请(专利权)人：昆明理工大学，
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。