[发明专利]一种基于帝国主义竞争算法的车辆路径规划方法

说明书

本发明公开的一种基于帝国主义竞争算法的车辆路径规划方法，包括步骤：S1、建立区域环境交通图、S2、建立初始帝国、S3、帝国内的同化操作、S4、帝国内的革命操作、S5、帝国内的增强操作、S6、帝国间的竞争操作、S7、迭代判断。本发明通过帝国主义竞争算法自动计算出满足全局优化、计算时间、解的质量、收敛速度等综合要求的一个最优行驶路线，省去了驾驶员或调度员自己规划路线的精力消耗，与原来的非最优路径相比，优化减少的部分能直接节省车辆运行时间成本和燃油成本，提升单车的物流配送效率和服务质量，降低物流企业的运营成本。

技术领域

本发明属于交通物流的路径规划领域，特别涉及一种基于帝国主义竞争算法的车辆路径规划方法。

背景技术

随着互联网信息技术的浪潮，电子商务、全球定位系统、智能交通系统、地理信息系统和全球移动通讯系统等工具的技术愈加成熟，促进了物流业的迅速发展。物流配送是物流行业的一个关键环节，配送车辆多数时间是消耗在城市穿梭中的。配送路径的优化能直接降低配送过程中的人力和时间成本，显著提升物流企业的运输效率和服务质量。所以，车辆路径规划主要解决的问题是：如何以顾客配送需求为输入，在行驶距离或消耗时间最少的优化目标下，为配送车辆提供最合理的行驶路线。

由于车辆路径规划是强NP难题(未被证明是否存在多项式算法能够解决的问题)，面对城市内几千个配送点，直接对大规模配送点进行多车路径规划很难在可行时间内得到结果，且可行解一般精度不高。考虑到实用性，对大规模多车路径规划的一般做法是，根据城市街道布局对配送网络分区，将问题转化为小规模区域的单车路径规划。

经过区域划分，小规模区域的配送点一般少则几十，多则上百。为了解决单车路径规划问题，一般有精确算法、传统启发式算法和元启发式算法三类方法。精确算法如分支界定法、动态规划法、最小K树法、列生成法等，无法避开指数爆炸问题，通常适用于非常小规模的路径规划问题，在实际中相对难以应用。构建型法、扫除算法、局部搜索算法、节约算法等传统启发式算法通过某种直观判断或试探，能在可接受时间内求得问题的次优解，这类方法近20年来得到了很好的发展，但缺乏统一、完整的理论体系。随着计算机运算能力的增长，遗传算法、粒子群算法、蚁群算法、萤火虫算法、花瓣算法等元启发算法逐渐成为路径规划的主流方法，这类算法内嵌了不同的技术和概念来规避局部最优，包括随机、进化、记忆存储、引导等。尽管目前可选方法众多，但仍然没有一个公认完美的算法能解决路径规划的NP问题。不同的路径规划方法均会表现出下述问题的一个或多个：适用性差、陷入局部最优、过多的无效计算、收敛速度慢、解的质量不高、稳定性不好等问题。因此对于路径规划方法的研究一般旨在改善已有算法的缺陷，或提出综合表现力更好的算法。

发明内容

本发明的目的在于提供一种基于帝国主义竞争算法的车辆路径规划方法，可直接应用于解决物流行业中，解决货物配送时多配送点的单车路径规划问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于帝国主义竞争算法的车辆路径规划方法，包括以下步骤：

S1、建立区域环境交通图，结合区域环境交通图给出物流中心和配送点的点集、弧集，以及给出物流中心及各配送点相互间的距离值；所述点集指物流中心和配送点在区域环境交通图上的位置点集合，弧集指物流中心与配送点之间的道路集合；

S2、建立初始帝国，通过乱序算法并依据步骤S1的点集与弧集随机生成N个路径，计算各路径的总距离，定义N个国家，通过路径总距离与国家权力的关系式来评估各国家的国家权力，接着按照国家权力排序并将所有国家分成殖民国家和殖民地，生成权力最大的N_imp个殖民国家，即N_imp个帝国和N_col＝N-N_imp个殖民地，分别存储殖民国家和殖民地的权力表；

S3、帝国内的同化操作：殖民国家以自身路径为基准，依据一定同化率随机地替换和改变殖民地路径中的部分点集；