[发明专利]一种快递员群路径导航的方法

权利要求书

1.一种快递员群路径导航的方法，该方法针对多目标多旅行商问题模型进行路径规划导航，最终得到满足实际需求的可行路径，其特征在于，包括以下步骤：

1)初始化：初始化最大最小蚂蚁系统的所有参数、蚁群的内部状态，依据实际问题模型设置多旅行商禁忌表以及初始化信息素矩阵；

2)搜索可行路径：初始化蚁群，对于蚁群中的每只蚂蚁k，首先将蚂蚁随机放置到某一个配送点，然后反复循环执行以下步骤：更新蚁群系统内部信息、状态转移，直至所有配送点遍历完成为止；m只蚂蚁完成搜索配送点产生m个多目标多旅行商问题的可行解，并进行筛选得到满足问题模型所有约束条件的可行解集P_iterate(t)，其中下标iterete表示迭代次数；

在进行状态转移时，采用均值回跳策略，如下：

其中，式(1)是传统蚁群算法的状态转移公式，也称为随机比例规则，τ_ij(t)是在第t轮迭代时配送点i与配送点j之间的信息素量；η_ij(t)是配送点i与配送点j之间的启发式信息，为距离的倒数；α为信息素权重因子；β为启发式信息权重因子；allowed_k是禁忌表外的蚂蚁可选的配送点集合；传统算法根据式(1)计算转移概率并使用轮盘赌方法选择蚂蚁要遍历的下一个配送点；

式(2)是均值回跳策略的状态转移公式，其中S即为由式(1)所计算出蚂蚁要遍历的下一个配送点；由于所研究模型的其中一方面是多旅行商问题，最终蚂蚁所走的路径存在多条子路径，即为各个快递员的配送路径；length_{depot→subpath}是指某个快递员以仓库点为起点当前所走路径的长度；d_{curcity→s→depot}是指该快递员当前所在配送点与由式(1)计算出的下一个要转移的配送点S之间的距离和转移配送点S回到仓库点的距离之和；mean_old是指当前迭代的非支配全局解集中的最优可行解的所有快递员配送长度的均值；

首先按照随机比例规则，即式(1)，计算出蚂蚁到禁忌表外的各个可选配送点之间的概率大小，并进行归一化，然后根据轮盘赌算法来选择蚂蚁转移的下一跳配送点S，并根据配送点S人为假设性地构造一个完整的物流配送路线，计算其长度即为length_{depot→subpath}+d_{curcity→s→depot}，这段路径长度包括以物流配送中心为起点快递员当前所走路径长度length_{depot→subpath}、快递员当前所处配送点到由式(1)得到的下一跳配送点S的距离以及从配送点S返回物流配送中心的距离；然后与当前迭代的非支配全局解集中的最优可行解的快递员路线长度均值mean_old作比较，若大于当前最优均值，则蚂蚁下一跳返回物流配送中心，完成一条快递员物流配送路线；否则蚂蚁选择随机概率计算出的转移配送点S进行状态转移；

3)可行路径评估：获取蚁群搜索的非支配全局解集P_global(t)，其中下标global表示在所有迭代过程中的全局变量，从P_iterate(t)∪P_global(t)得到当前迭代的非支配全局解集P_global(t+1)，并根据多目标多旅行商问题模型的实际评估指标对P_global(t+1)中的所有解集进行优越度评价，筛选出优越度最高的可行解，为当前迭代的最优解；

4)信息素更新反馈；

5)重复以上步骤直至满足结束条件，最终返回得到的最优可行解，完成快递员群路径的导航。

2.根据权利要求1所述的一种快递员群路径导航的方法，其特征在于：步骤3)中，所述多目标多旅行商问题模型的实际评估指标为可行解的长度以及均匀度的权衡，可行解的评估方式如下：

f(s^best)＝mean+mult_α×var

其中，mean是指各个快递员所走路径的均值；var是各个快递员所走路径的方差；mult_α是指均匀度指标的权重。

3.根据权利要求2所述的一种快递员群路径导航的方法，其特征在于，步骤4)中的信息素更新采用如下策略：

τ_ij(t+1)＝(1-ρ)·τ_ij(t)+Δτ_ij(t)

其中，ρ是信息素挥发系数，表示路径中信息素挥发的速度；Δτ_ij(t)表示在第t轮循环中添加在配送点i到配送点j的路径上的信息素；

首先，对蚁群搜索的不同阶段进行定义，规定蚁群迭代搜索前期处于发散阶段；当非支配全局最优可行解在N次迭代保持不变，没有出现优越程度更好的可行解，则表示蚁群搜索处于收敛阶段；然后，在蚁群搜索的发散阶段和收敛阶段对Δτ_ij(t)采用不同的计算策略，如下：

发散阶段：对最优可行解进行优越程度评价，并以此优越程度评价为信息素添加含量的基础，在最优可行解路径上添加信息素从而优化下一轮迭代搜索；其具体更新策略如下：

式中，Q表示信息素强度；s^best是当前迭代的最优可行解；f(s^best)为可行解优越程度评价结果；

收敛阶段：获取当前迭代所有蚂蚁的可行解集，筛选出不大于当前最优的快递员物流配送路线长度均值的所有快递员物流配送路线集合，记为list_{ant_subpath}，并在其路径上添加信息素从而优化搜索，具体更新策略如下：

式中，τ_max是信息素的最大值；L[k]为list_{ant_subpath}[k]的路径长度；α_k是权重因子，表示L[k]与mean_old的差距程度；f_{like_sigmoid}是一个类似sigmoid函数的映射函数。