[发明专利]一种智能冷链物流路径多目标优化算法

说明书

技术领域

本发明涉及一种智能冷链物流路径多目标优化算法。

背景技术

目前现有技术中冷链产品通常具有容易腐败和带时间窗的特性，冷链物流运送以配送成本最小和配送服务准时度最高为优化目标，同时考虑车辆容量、软时间窗、模糊行驶时间等多个约束，设立一种智能冷链物流路径多目标优化算法已经越来越受到人们的关注。

发明内容

为克服现有技术的缺陷，本发明的目的在于提供一种智能冷链物流路径多目标优化算法，同时考虑配送成本和配送服务准时度建立多目标函数，进行优化求解。从冷链物流配送中心的角度，以配送成本最小为优化目标。

本发明解决技术问题采用如下技术方案：

一种智能冷链物流路径多目标优化算法，包括如下步骤：

步骤1、确定车辆的固定成本参数，所述车辆的固定成本参数包括车辆的固定折旧、出车损耗；

步骤2、确定车辆的行驶成本参数，所述车辆的固定成本参数包括包括油耗、维修费用；

步骤3、确定货损成本参数，所述货损成本参数为冷链产品在配送过程中由于变质腐败产生的损失；

步骤4、确定惩罚成本参数，所述惩罚成本为提前到达客户点的惩罚成本即为等待时间内冷链产品的损耗；

步骤5、利用行驶时间的函数，建立配送总成本最小的目标算法：

步骤6、建立建立配送总成本最小的目标算法：

步骤7、确定配送车辆路程参数，即

步骤8、确定服务车辆参数，所述服务车辆参数为提供配送服务的车辆不超过总的车辆数，即

步骤9、确定每辆车服务的客户数量参数，所述每辆车服务的客户数量参数具有如下范围：每辆车服务的客户数不超过总的客户数，即

步骤10、确定每条线路的配送量参数，所述每条线路的配送量参数具有如下范围：每条线路的配送量不超过车辆最大载重量，即

步骤11、确定到达和离开每个客户的车辆参数，所述到达和离开每个客户的车辆相参数具有如下范围：每条线路的配送量不超过车辆最大载重量，即

步骤12、将车辆在两个客户点之间时间上的连续性特征引入时间函数中，得到：

步骤13、将步骤7-12的相关表达式引入至步骤5-6中，得到则冷链物流多目标VRPTM优化模型为：

步骤14，将步骤1-4中的参数代入至步骤13中即可。

上述一种智能冷链物流路径多目标优化算法，其特征在于，所述固定成本参数为：∑_v∈Vg_v。

上述一种智能冷链物流路径多目标优化算法，其特征在于，所述车辆总的行驶成本参数为：

上述一种智能冷链物流路径多目标优化算法，其特征在于，所述总货损成本参数为：

上述一种智能冷链物流路径多目标优化算法，其特征在于，所述惩罚成本参数包括提前到达惩罚成本和延迟惩罚成本，所述提前到达惩罚成本为：所述延迟惩罚成本为

与已有技术相比，本发明的有益效果体现在：

针对冷链产品容易腐败和带时间窗的特性，在一般的VRPTW模型中引入货损系数，以配送成本最小和配送服务准时度最高为优化目标，同时考虑车辆容量、软时间窗、模糊行驶时间等多个约束，建立了冷链物流多目标车辆路径优化模型，采用改进遗传算法对模型进行求解的同时，也采用带精英策略的非支配排序遗传算法对模型进行求解。

具体实施方式

实施例

一种智能冷链物流路径多目标优化算法，从冷链物流配送中心的角度，以配送成本最小为优化目标。

车辆的固定成本主要包括包括车辆的固定折旧、出车损耗化等，假设g_v表示车辆v的固定成本，则总的固定成本为：∑_v∈Vg_v等，假设g_v表示车辆v的固定成本，则总的固定成本为：∑_v∈Vg_v。

车辆的行驶成本即为车辆在行驶过程中所产生的费用，主要包括油耗、维修等，一般认为行驶成本会随着距离的增加而上升，是关于行驶时间的函数，则车辆总的行驶成本为：

冷链产品在配送过程中会产生变质腐败，这部分损失称为货损成本。本项目中假设冷链产品腐败的发生仅与车辆的行驶时间和车辆在客户点的服务时间有关，则总货损成本为：