[发明专利]一种解决车辆路径问题的方法

权利要求书

1.一种解决车辆路径问题的方法，其特征在于，包括：

(1)数据预处理步骤：从原始数据集中采集每个点的信息，使用相异度计算公式，计算各点之间的相异度，构造相异度矩阵；

(2)进行聚类分析，包括：

步骤21：选择聚类方法；

步骤22：基于相异度矩阵，使用所选择的聚类方法进行聚类，将规模庞大的数据集划分为规模较小的簇，每轮聚类完成后，如果依然存在超大簇，则调整参数对该簇进行聚类分析，直到划分的所有簇的规模都满足要求；

(3)进行路径计算，包括：

使用分支限界算法对每个簇进行分析，计算出每个簇中从原点出发经过簇中所有点的最佳运输方案；

路径计算的步骤3中，包括：

步骤31：构造距离矩阵，设步骤2中，将所有点划分到n个簇中，将任一簇中的所有点加上原点信息，构造一个距离矩阵，n个簇会构造n个距离矩阵；

步骤32：对每一个距离矩阵使用分支限界算法，计算出从原点出发经过本簇中所有点的最短路径；

步骤33：返回步骤32，直到n个簇都计算出最短路径；

数据预处理步骤1具体包括：

步骤11中，在原数据库上做一张视图或表，假设点的数量为n，表的属性包括：n个点中的任意两点，如点i到原点距离l_i、点j到原点距离l_j、点i最晚到达时间t_i以及点j最晚到达时间t_j，将n个点的信息插入表中，制作一个n阶对称矩阵,第i行j列存放点i与点j之间的距离值l_ij， 车辆行驶速度恒定为v，距离矩阵为：

步骤12：计算任意两点的相异度，其中：

两点之间距离l_ij越小，相异度越小；

两点之间距离相较于两点各自离原点的距离比例越小，相异度越小；

点可变运输时间越大，与其他点的时间相关排斥性越小，与其他点的相异度越小；

两点最晚到达时间差异性越大，两点之间的时间相关排斥性越小；

两点之间相异度的数学公式：

根据上述公式和步骤11采集到的数据，计算出任意两点之间的相异度。

2.如权利要求1所述的解决车辆路径问题的方法，其特征在于，每个点的信息包括到原点的距离、与其他点的距离、最晚到达时间以及车辆的行驶速度。

3.如权利要求1所述的解决车辆路径问题的方法，其特征在于，步骤21中，如果车辆运货量能满足需求，则采用划分方法来划分簇；如果不用考虑车辆数量，则使用层次聚类或基于密度的聚类方法来划分簇。

4.如权利要求1所述的解决车辆路径问题的方法，其特征在于，步骤22：规定点数量大于n/1000的簇为超大簇，使用选择的方法进行第一轮聚类后，划分为p个簇，如果存在超大簇A，A的节点包括：a₁,a₂,……,a_k，则从相异度矩阵中选择A中的节点，构造一个k行k列的相异度矩阵，调整聚类方法的参数，进行聚类分析，得到一系列新的簇，直到所有簇都不为超大簇为止。

5.如权利要求1所述的解决车辆路径问题的方法，其特征在于，步骤31中，逐个处理步骤2划分出来的簇，设存在簇A，A节点包括：a₁,a₂,……,a_k，从距离矩阵中选择A节点的各点以及原点的信息，构造一个k+1阶的距离对称矩阵，如果步骤2聚类结果为n个簇，则成n个不一样的距离矩阵。

6.如权利要求1所述的解决车辆路径问题的方法，其特征在于，

循环进行步骤12，直到计算出所有的d_ij， 构造n阶相异度对称矩阵，第i行第j列的值为点i与点j的相异度d_ij。