[发明专利]一种基于神经进化的配送车辆路径规划方法

说明书

本发明属于物流调度领域，具体涉及一种基于神经进化的配送车辆路径规划方法，第一步建立模型，设公司有M量货车，在调度区域P和一天之内的时间范围L内，处理随时间到达的物流请求集合R，每一个请求r包括宣布时间、交取货地点和交取货地点时间窗。第二步，每辆货车请求处理哪一个任务取决于任务对应的优先级，优先级的计算需要神经网络，输入该货车对某一任务的信息，输出该任务对该货车的优先级，进而选择优先级高的任务请求处理。每个神经网络对应一个成本函数，通过神经进化算法对神经网络优化，得到成本函数最优的物流调度方案。本发明有助于减少物流公司的运输成本，并且在动态场景下允许离线转移大量的计算工作，降低硬件要求。

技术领域

本发明属于物流调度领域，涉及一种基于神经进化的配送车辆路径规划方法。

背景技术

交通线路的建设是一个棘手的问题，半个多世纪以来一直是人们深入研究的课题。部分由于计算上的限制，许多物流公司对其客户施加了限制，通常做法是让客户在某个截止日期之前下单，只有在这个截止日期过后才处理它们请求。物流配送问题是动态分布式的问题，但大多数现有的技术都把问题调整为静态版本并使用集中式算法创建路线。由于每次新请求响应时解决问题的静态版本都需要大量的计算，所以通常的方法是从计算好的一组路线开始，当有新请求时，使用启发式方法更新这些路线，包括在现有的路线中插入、删除和交换目的地等。

静态解决方案通常是集中的和计算密集型的，特别是在需要随时间进行许多重新计算的情况下。另一方面，更加动态的场景中需要实时的响应，例如出租车服务，同城快递服务等。由于通信和信息技术的快速发展，信息能够实时获取和处理，车辆动态路线规划和物流动态调度问题已经成为一个研究热点。

发明内容

本发明所要解决的技术问题是解决有时间窗约束和同时取送货的车辆路径优化问题，具体涉及神经进化算法创建和优化多智能体系统。在动态物流调度领域中设计一个具有可接受的全局性能的分布式多智能体系统是困难的。首先，多智能体之间的协调问题。其次，数据(例如要服务的客户)并不是完全已知的，而是要根据不完整和不确定的信息执行当前的解决方案。因此，决策者不可能一次解决整个问题，需要设计一种利用局部不完全信息的决策机制。最后，每个请求都有一个取货地点和交货地点，以及两个地点的时间窗，使问题进一步复杂化。

本发明的技术方案如下：

一种基于神经进化的配送车辆路径规划方法，步骤如下：

第一步：问题描述

动态物流调度问题的分布式特性允许智能体的逻辑映射：每个货车a由一个智能体表示。在一定的调度区域P和一天之内的时间范围L内，货车集合M在同一车场启动(车场地点o，车场时间窗(e_o,l_o])，并以恒定速度行驶，处理一组在货车工作时随时间到达的物流运输请求集合。一个请求r包括宣布时间、提货地点r_i、提货地点时间窗(e_ri,l_ri]、交货地点r_j、交货地点时间窗(e_rj,l_rj]。时间窗是半开的，货车不能在时间窗开始之前服务请求，但仍可以在该窗口结束之后服务请求。提货和交货所需时间忽略不计。各地点之间的路径视为直线。货车处理完所有请求并返回车场视为解决问题，货车在行驶的过程中不允许改道。

寻找一个最优的动态路径规划方法去最小化成本函数，成本函数由如下三个值相加得到的：

(1)所有货车的总行驶时间；

(2)所有取货地点和送货地点的总延迟时间(晚于时间窗的结束时间)；

(3)所有货车的总超时时间(晚于场景结束时间)。

这个成本函数不包含关于未来传入请求的任何概率信息，而是应用于场景结束时确定知道的请求，即：