当前位置: 首页 > 专利查询>东华大学专利>正文

一种基于并行进化框架的多场景车辆调度优化算法制造技术

技术编号:43910068 阅读:26 留言:0更新日期:2025-01-03 13:18
本发明专利技术提供了一种基于并行进化框架的多场景车辆调度优化算法,本发明专利技术在非支配排序遗传算法(NSGAII)的基础上,结合KnEA算法,通过交互式种群动态进化和Knee点评估策略,提出了基于并行进化框架的多场景车辆调度优化算法,对所建立的带容量约束的多场景多目标车辆路径模型进行优化,找出了在多个场景中都达到良好效果的折衷配送路线集合(PCOS)。为了解决单一交叉算子优化的局限性,故在并行进化框架的多场景车辆调度优化算法框架上,设计了针对迁移解与Knee点的自适应交叉机制。设计了3种群交叉算子,利用计算每种算子优化种群后产生的Knee点与迁移解到极值线的距离,实现优化种群数量比例矩阵的更新,从而动态调整每种算子优化种群的数量,能显著提高PCOS的质量。

【技术实现步骤摘要】

本专利技术属于车辆调度路径规划,具体涉及一种基于并行进化框架的多场景车辆调度优化算法


技术介绍

1、带车载容量约束的车辆路径规划问题(cvrp)其目标是设计若干条车辆路径,以最低的运输成本满足所有客户的需求,同时确保每辆车的负载不超过其容量限制。通常由一个配送中心和若干个客户点组成,每个客户有不同数量的货物需求,客户点不成线性排列,配送中心根据客户点的货物需求进行配送,在一定的约束下,由优化算法提供灵活的配送方案,满足所有客户的需求,通常达到配送距离最短、配送成本最小、配送时间最短等目的。

2、多场景多目标优化问题是近两年兴起的概念,与多任务建模主要区别在于多任务建模是解决相同场景的不同任务,多场景建模是解决不同场景的相同任务。多场景多目标车辆路径规划问题(mscvrp)是传统cvrp问题的延伸,它考虑了不同现实场景下的配送情况,在满足配送要求的情况下最小化车辆配送时间、成本等目标函数。

3、mscvrp的核心主要包括两部分,首先,为每个场景确定最合适的配送路线,即在满足配送要求的前提下最小化配送距离与总成本等目标函数;其次,要在本文档来自技高网...

【技术保护点】

1.一种基于并行进化框架的多场景车辆调度优化算法的控制方法,用于优化车辆路径问题,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤S1基于模型假设、模型变量定义和数学模型建立构建多场景车辆路径规划模型;具体包括如下步骤:

3.根据权利要求2所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤S13还包括步骤132:约束条件:

4.根据权利要求2所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤S2包括以下步骤:

>5.根据权利要求4...

【技术特征摘要】

1.一种基于并行进化框架的多场景车辆调度优化算法的控制方法,用于优化车辆路径问题,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤s1基于模型假设、模型变量定义和数学模型建立构建多场景车辆路径规划模型;具体包括如下步骤:

3.根据权利要求2所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤s13还包括步骤132:约束条件:

4.根据权利要求2所述的一种基于并行进化框架的多场景车辆调度优化算法,其特征在于,所述步骤s2包括以下步骤:

【专利技术属性】
技术研发人员:潘安琪陈磊沈波任正云
申请(专利权)人:东华大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1