[发明专利]基于蒙特卡洛算法与粒子群算法的快递智能小车调度方法

说明书

本发明公开了一种基于蒙特卡洛算法与粒子群算法的快递智能小车调度方法，首先基于快递投递信息确结合快递智能小车的行驶数据包进行最短分配时间的单目标模型搭建；通过蒙特卡洛算法对集合的运送顺序进行有限次数的随机排列，通过目标模型进行到达每一目标地点时快递智能小车的运送时间预测，得到预测结果；根据任务分配计算快递智能小车从当前位置到目标地点的最短行驶距离，基于最短分配时间和最短行驶路径的双目标模型；求解双目标模型得到所有求解结果，通过蒙特卡洛算法从求解结果中得到指定数目的较优解，将指定数目的较优解输入粒子群算法得到最优解，得到快递智能小车的最优分配时间和最优行驶路径；本发明可提升快递分配的速度和效率。

技术领域

本发明属于快递智能小车调度技术领域，具体涉及一种基于蒙特卡洛算法与粒子群算法的快递智能小车调度方法。

背景技术

目前快递行业发展迅速，同时为电商行业提供了不可或缺的业务基础，但是目前日益增长的网购需求同大部分快递运送公司较低效率的快递运送服务之间的矛盾，使得快递只能小车开始兴起，快递小车相较于人工分配快递的配送而言，它克服了人工分配快递包裹时的分配速度缓慢、错误率较高以及效率低下等问题，这些问题将给快递公司带来较大的信誉损失以致经济损。为解决此类问题，目前通过快递智能小车来进行快递调度，虽然现有的快递智能小车已经在一定程度上提升了分配速度、提升了分配效率；但是虽现有快递智能小车的调配方法过程中只需要将指定快递从起始点运送到目标点即可，分配过程中，快递智能小车所行使的路径是随机的，即无法保障快递智能小车是否以最优路径进行快递的分配，从而使得快递分配效率可以进一步提升；因此，如何实现快递智能小车的最优路径分配为现有需要亟待解决的问题。

发明内容

本发明的目的在于针对现有的快递智能小车在快递分配过程中不一定是走最优路径的问题，提供一种基于蒙特卡洛算法与粒子群算法的快递智能小车调度方法，该方法基于蒙特卡洛算法和粒子群算法从快递智能小车的分配时间和分配路径两方面来实现分配最优路径的计算，提升快递分配效率，具体技术方案如下：

一种基于蒙特卡洛算法与粒子群算法的快递智能小车调度方法，所述方法包括步骤：

S1、建立快递智能小车的运行路径模型，基于所述运行路径模型和每一快递投递信息确认对应快递邮件的目标地点确定所述快递智能小车从当前位置到所述目标地点的路程，并结合所述快递智能小车的行驶数据包进行最短分配时间的单目标模型搭建；

S2、将根据指定的所述快递智能小车设定任务分配的所有所述目标地点作为一个集合{a_p,....,a_q,...,a₀}，通过蒙特卡洛算法对所述集合的运送顺序进行有限次数的随机排列，并通过所述单目标模型进行到达每一所述目标地点时所述快递智能小车的运送时间预测，得到对应的预测结果；

S3、根据所述任务分配计算得到所述快递智能小车从所述当前位置到每一所述目标地点的最短行驶距离，基于所述单目标模型构建所述快递智能小车在快递邮件分配过程中所述最短分配时间和所述最短行驶路径的双目标模型；

S4、求解所述双目标模型得到所有求解结果，并通过蒙特卡洛算法从所述求解结果中得到指定数目的较优解，将指定数目的所述较优解输入粒子群算法得到最优解，得到所述快递智能小车的最优分配时间和最优行驶路径。

进一步的，步骤S1中所述行驶数据包包括小车的加速行使、减速行使、匀速行使以及转向，所述单目标模型的构建包括：

S11、根据所述任务分配确定所述目标地点的基数n，基于所述行使数据包结合邮件快递投置地点i行驶至第j个所述目标地点的最短路径，计算得到各个所述投置地点至各所述目标地点的最短时间t_i,j(i＝1,2,...,n，j＝1,2,....,n)；

S12、基于所述最短时间t_i,j建立一个n阶时间矩阵D：