[发明专利]一种求解多目标多车场带时间窗车辆路径问题的智能算法

权利要求书

1.一种求解多目标多车场带时间窗车辆路径问题的智能算法，其特征在于，包括以下步骤：

S1：在决策空间中寻找极值解；

S2：利用寻找到的极值解，在整个决策空间中搜索一组兼顾收敛性与多样性的解。

2.根据权利要求1所述的求解多目标多车场带时间窗车辆路径问题的智能算法，其特征在于，所述步骤S1的具体过程如下：

S11：根据给定的多车场带时间窗车辆路径问题的服务需求，初始化寻找极值解的初始种群P_I，其种群大小为N_I；

S12：以种群P_I中的个体初始化存档A，存档用于收集求解过程中得到的非占优解；

S13：从P_I中随机选取出两个个体x₁和x₂，交叉产生一个子代个体o_I，重复N_I次产生子种群Q，以Q中个体更新存档A得到新的存档A1，令A＝A1；

S14：使用局部搜索优化Q中的个体，得到种群Q₁，以Q₁中个体更新存档A得到新的存档A2，令A＝A2；

S15：使用快速非占优排序及极值拥挤距离从P_I∪Q₁中选取出N_I个个体P_I'，令P_I＝P′_I；

S16：重复步骤S13-S15直到评估次数达到e_I，输出种群P_I。

3.根据权利要求2所述的求解多目标多车场带时间窗车辆路径问题的智能算法，其特征在于，所述步骤S2的具体过程如下：

S21：生成一组均匀分布的向量Λ¹,Λ²,Λ³,...,个数为N_II；

S22：基于欧几里德距离，为每个向量Λⁱ计算得到一组距离最近的向量从而得到向量Λⁱ的邻域向量集合B(i)＝{i₁,i₂,i₃,...,i_T}；

S23：种群P_I交叉产生N_II个个体Q₂，基于切比雪夫方程从P_I∪Q₂中不重复地为每个向量选取最优的个体；

S24：对于任意i∈{1,2,3,...,N_II}，从B(i)中选取两个下标p和q，个体x^p和x^q交叉产生子代o_II，使用局部搜索优化得到x′，以x′更新存档A得到新的存档A3，令A＝A3；

S25：对于B(i)中每个下标j，若g^te(x′|Λ^j,z^*)≤g^te(x^j|Λ^j,z^*)，则令x^j＝x′；

S26：重复步骤S24-S25直到评估次数达到e_II，输出存档A。

4.根据权利要求3所述的求解多目标多车场带时间窗车辆路径问题的智能算法，其特征在于，f₁为车辆数目，计算方式如下：

f₁＝|R|

f₂为总行驶距离，包含每个车辆的行驶距离，计算方式如下：

其中，为路径的行驶距离；

f₃为最长工作时间，是所有路径中最长的行驶时间，计算方式如下：

其中，为路径的行驶时间；

f₄为总等待时间，当车辆提前于客户的时间窗到达时，必须进行等待，直到客户的服务时间窗开始才能进行服务，计算方式如下：

其中，为路径的等待时间；

f₅为总延迟时间，当车辆在客户的时间窗之后到达，即产生延迟时间，计算方式如下：

其中，为路径的延迟时间。

5.根据权利要求4所述的求解多目标多车场带时间窗车辆路径问题的智能算法，其特征在于，所述局部搜索的过程如下：

S41：令p＝random(0,1)，若p＜p_inter，则随机选取一个车场间操作，否则随机选取一个车场内操作；

S42：使用选取的操作，根据g^te(x|λ,z^*)对解x进行优化，替换策略为最优提升策略；

S43：重复步骤S41-S42直到达到搜索深度I_max，结束局部搜索过程。