[发明专利]多客户多仓库物流配送路径选择方法

说明书

技术领域

本发明涉及物流配送路径规划方法，特别涉及含多个仓库的车辆路线优化选择技术领域。

背景技术

物流配送已成为企业重要的“第三方利润源”。如今物流企业通常拥有多个配送中心(仓库)，多仓库车辆路径规划问题是物流配送领域的核心内容，对多仓库车辆路径问题进行优化具有重要的理论与现实意义。多仓库车辆路径问题的一般描述为：存在多个仓库和若干个车场，每辆车从其中一个车场出发，用多辆车向多个客户供货，每个仓库车辆数目一定，每个客户位置和需求量已知，每辆车在完成供货后都要再回到其出发的仓库，在满足车辆容量和最大行驶时间的约束下如何安排路线使得总路线最短。多配送中心车辆路径问题存在如下约束条件：(1)每条车辆路线上客户总需求不能超过车辆的容量；(2)每辆车走完其路线总时间不能超过最大行驶时间；(3)每个客户只能由一辆车一次供货；(4)每辆车最后都要回到其出发的仓库；(5)、从该仓库出发的车辆不能超过该仓库含有的车辆数。

目前多仓库车辆路径选择技术主要有两类：1、将多仓库车辆路径问题转化为单车辆路径问题进行路径规划；2、首先构建问题可行路径，再通过不断优化已有路径获得更好的路径。其中，第一类技术中又有两种转化方式：一、分解法，将多仓库车辆路径问题分解成若干个单仓库车辆路径问题，然后各车辆路径问题分别规划的最优路径构成整个问题的路径，分解法将整个问题分解成了几个规模较小的车辆路径问题，将问题简化，但也破坏了问题整体性降低了全局寻优能力；二、整体法，整体法通过增加虚拟仓库，虚拟仓库距真实仓库距离为零，距客户的距离无穷大，将实际仓库看作是需求为零的客户，每辆车从虚拟仓库出发首先经过一个实际仓库完成供货任务后再经过该实际仓库回到虚拟仓库，这样就将多仓库车辆路径问题转化成了近似车辆路径问题。这种方法将问题作为整体寻优，但是将多个仓库供应货物统一到一个仓库，对于不同仓库的车辆数目约束较难处理。第二类技术，先是通过构造法构造初始方案，再通过禁忌搜索、模拟退火、贪婪随机自适应、变邻域搜索等基于局部搜索的元启发式技术进一步寻优，这些方法统一称为为“轨迹法”，轨迹法的特点每次迭代只处理一个路径，在该路径邻域中选出一个路径作为下次迭代的路径。这类技术利用轨迹法善于搜索到可能存在较好路径区域的优点，但轨迹法中初始路径对寻优方法性能有较大影响。若初始路径选得不好，导致在差的区域内搜索，则制约了该技术寻优能力。

发明内容

鉴于现有技术的缺点，本发明的目的是提供一种能有效处理多客户多仓库物流配送问题的方法，采用蚁群优化技术与禁忌搜索技术相结合的方法，提高多客户多仓库物流配送效率和经济性。

本发明的技术方案是，多客户多仓库物流配送路径选择方法，首先获取N个客户地址及每位客户的货物需求q_n，n=1,2,...,N，M个仓库地址及各仓库车辆数目h_m,m=1,2,...,M，以及车载货物容量Q后，采用蚁群优化技术与禁忌搜索技术相结合的方法，获得车辆配送货物的路径并输出；N、M为自然数，且N≥10，M≥2；具体步骤如下：

步骤一：蚁群优化方法初始化

初始化蚁群优化方法最大迭代次数I，种群规模A，蚁群优化方法迭代计数器n_c以及初始信息素矩阵τ={τ_ij，i，j=1，2，...，N+M}，初始启发式信息素矩阵η={η_ij，i，j=1，2，...，N+M}参数，其中，迭代计数器n_c初始值设为0；种群规模A设置为仓库数目M；η_ij为路径(i,j)上启发式信息素大小，η_ij为客户i和客户j之间路段长度的倒数；τ_ij代表客户i和客户j之间路段上的信息素，且初其始值τ₀可通过构建随机可行路径s₀的方式初始化，如式(1)所示