[发明专利]一种物流配送车辆智能排线方法

权利要求书

1.一种物流配送车辆智能排线方法，其特征在于，包括以下步骤：第1步，按照输入订单进行车辆构建，其中按照路网路况数据生成距离-时间矩阵，以设定成本矩阵；第2步，通过模拟退火的启发式策略以及设定的软硬约束，建立目标函数；第3步，多次迭代找到订单集合的最佳路线；

在所述第3步中，通过InformAlgorithmStarts方法构建初始解，初始解满足给定车辆和订单配送需求，但不一定是成本最优的解；然后基于启发式策略对初始解进行摧毁重建，把线路中的订单拆掉，根据算法规则重新分配到不同的线路不同的车辆上，构建新的解；每次迭代过程中重复这个过程，比较每次迭代产生的解的成本，从而得到最优解，即得到最佳路线；

每次迭代过程基于摧毁重建模型即Ruin-Recreate Module，其中Ruin策略包含RadomStrategy,Radical Strategy,Cluster Strategy,String Strategy和Worst Strategy,Recreate策略包含Best和Regret策略；

在算法迭代过程中随机选取Ruin策略，摧毁之前的解中的订单，放到未排线订单集合中，重新进行排线；每个Ruin策略的摧毁方式不同，参数不同，选用不同的Ruin策略使得摧毁能尽可能的多样化，从而得到的解也能尽可能地涵盖所有；

在迭代过程中比较当前解和上次迭代的解的成本，保留最优解和次优解，次优解用于跳出局部最优，使问题能够探索到其他解空间；将最优解和次优解的线路都保留下来，存入缓存priorityQueue，并在缓存路线的基础上重复Ruin-Recreate过程。

2.根据权利要求1所述的物流配送车辆智能排线方法，其特征在于，在所述第1步中，solve for region根据订单的经纬度识别出订单所在区域，create(hopper,routing)读入导航配置，setup vehicles、setup orders根据schema中problem.json设定的格式生成VRAlgorithm Builder；Graphhopper读取地图数据，基于graphhopperfast模式，快速构建点边结构，使用层级收缩ch模型，支持多种路径规划算法，正向搜索反向搜索构建路网，生成每个订单点到另一个订单点的距离和时间矩阵，距离时间矩阵整合成Costs MatrixBuilder。

3.根据权利要求2所述的物流配送车辆智能排线方法，其特征在于，所述VR AlgorithmBuilder包含车辆信息和订单信息，所述车辆信息包括车辆车型、价格、装载、出发时间、是否返仓，所述订单信息包括订单数、仓库所在位置经纬度、订单所在位置经纬度、体积、重量、金额、交付时间窗。

4.根据权利要求2所述的物流配送车辆智能排线方法，其特征在于，所述路径规划算法包括Dijkstra和A*。

5.根据权利要求1所述的物流配送车辆智能排线方法，其特征在于，在所述第2步中，通过执行setup objective function，setup constraint，setup properties，以所有排线订单的总成本最低为目标来建立目标函数，目标函数如下：

其中Croute代表配送线路成本，Csoftconstraint代表软约束所产生的成本；满足软约束则给予奖励，否则给予惩罚。

6.根据权利要求5所述的物流配送车辆智能排线方法，其特征在于，硬约束条件是：(1)每个订单客户收货交付的时间窗，(2)每条路线上所有订单的装载量低于该线路车型的装载量，(3)每条线路的总里程不超过设定的最大配送里程，(4)不同区域的订单不能放在同一条线路中。

7.根据权利要求1所述的物流配送车辆智能排线方法，其特征在于，迭代过程一直重复所述启发式策略找解过程，并比较每次迭代和上次迭代解的成本，将成本较低的线路保存为BestEver线路，最终保留迭代过程中成本最低的可用线路，并将解封装成满足schema种solution.json规定的带有总线路数、总配送费、总里程、每条线路的车辆和订单的解集返回给客户。