[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

说明书

技术领域

本发明涉及物流调度算法领域，更具体地，涉及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。

背景技术

物流是第三产业，是关系国家经济发展的重要行业。特别是随着生活水平的提高以及电子商务的发展，物流行业的发展越来越受到重视。车辆路径问题(VRP)作为物流配送中重要的一环，是一个具有高度现实意义的研究课题。在车辆路径问题中，多车场带时间窗车辆路径问题(MDVRPTW)是一个重要的变种。现实生活中许多配送场景能够抽象为MDVRPTW。在该问题中，多个车场的存在以及客户时间窗的存在，使得问题的求解较VRP问题难度更高。

传统的解决MDVRPTW问题的算法，一般仅仅考虑单个目标的优化，如采用禁忌搜索，变邻域搜索，遗传算法等等。然而MDVRPTW问题在本质上是一个多目标问题，不仅仅要考虑车辆的行驶花销，还需要考虑客户满意度、人员工作时长等等问题。近年来，出现了一些求解多目标MDVRPTW的算法。然而在这些算法中，大多数仍然采用单目标的思路对多目标MDVRPTW进行求解。大多数算法对目标预先进行优先级排序，再依据每个目标的优先级依次进行优化。而在实际生活中，各个目标的优先级往往是不能确定的，因此更合理的方法应该是平等优化每一个目标，即用多目标的视角求解MDVRPTW。

以多目标视角求解多目标MDVRPTW，不仅需要考虑MDVRPTW本身作为复杂组合优化问题的特性，针对问题特性设计高效的优化算子，还需要考虑多目标优化的特性，在求解过程中权衡收敛性以及多样性。智能算法作为一类元启发式算法，在求解多目标问题上取得了较好的成果。

发明内容

本发明提供一种效果较好的求解多目标多车场带时间窗车辆路径问题的智能算法。

为了达到上述技术效果，本发明的技术方案如下：

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，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。

进一步地，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；

进一步地，所述步骤S2的具体过程如下：

S21：生成一组均匀分布的向量个数为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；