[发明专利]一种基于离散蝙蝠算法的物流配送车辆路径优化方法

权利要求书

1.一种基于离散蝙蝠算法的物流配送车辆路径优化方法，其特征在于，其步骤如下：

步骤一：根据现有的有能力约束的车辆路径问题，构建带有能力约束的物流配送车辆路径的模型，并设计解编码策略和速度编码策略；

步骤二：根据解编码策略和速度编码策略初始化蝙蝠算法：初始化蝙蝠的位置、脉冲频率和速度，作为初始化的客户点；

步骤三：利用K-means算法对步骤二中初始化的客户点进行聚类分析，将所有客户点按其所处位置进行分区；

步骤四：全局搜索：利用离散蝙蝠算法对分区之后的蝙蝠位置进行更新；

步骤五：搜索方式的选择：选择一个随机数，根据随机数与当前脉冲频率的大小选择进行局部搜索或全局搜索，并计算新的适应度值；

步骤六：适应度值更新：将步骤五得到的适应度值与当前最小适应度值进行比较，若步骤五得到的适应度值小于当前最小适应度值，并且当前声音响度大于运用rand函数产生在(0,1)之间均匀分布的随机数r2，则利用步骤五得到的适应度值更新最小适应度值，并记录各个蝙蝠的位置，得到全局最优解，否则不更新；

步骤七：脉冲发射频率和声音响度更新：脉冲发射频率和声音响度的更新是在下一次迭代中判断是全局搜索还是局部搜索及适应度值是否更新；

步骤八：如果满足结束条件，输出全局最优解；否则返回步骤五；

所述步骤一中带有能力约束的物流配送车辆路径的模型为：

决策变量定义为：

其中，表示所有车辆行驶的总距离；Z表示总成本，K为所需车辆的总数；N为用户总量；a为单位车辆的固定费用；b为单位距离的油耗成本；d_ij为客户点i到客户点j之间的距离；q_i为客户点i的货物重量；Q表示车辆的最大载重量；S为客户点的编号集合，且S的值为{1,2,…,N}；x_ijk表示车辆k是否经过客户点i到达点客户j，y_ik表示保证每个客户都有一辆车为其提供服务，i、j等于0时表示配送中心，k等于0时表示初始车辆数为0；

所述初始化蝙蝠算法的方法为：

(1)初始化蝙蝠位置：将每个蝙蝠个体的初始位置即所在客户点编号置为[1,N]之间的随机数；

(2)初始化脉冲频率：将每个蝙蝠个体的初始脉冲频率置为零；

(3)初始化速度：将每个蝙蝠个体的初始速度置为[1-N,N-1]之间的随机数；

所述步骤五中运用rand函数产生在(0,1)之间均匀分布的随机数r1，若r1小于当前脉冲频率，则按步骤四进行全局搜索，并计算新的适应度值；否则在当前解附近进行局部搜索；x_new＝x^*+εμ；并以一定的概率来判断是否进行两元素优化操作，计算新的适应度值；其中，x_new表示随机扰动得到的新解；x^*表示当前最优解；ε表示randn函数生成的随机向量；μ表示常量；所述概率利用随机函数确定，两元素优化操作是在最优解路线随机选择不相邻的两个节点，将两个节点之间的路径翻转获得新路径；

所述步骤五中适应度值的求取方法为：

步骤1：根据每个待配送点所需配送的货物重量，并结合车辆的限载重量Q，把满足限载要求的配送点放入车辆运行路线中；如果该配送点的货物重量超出了车辆的限载重量Q，则再申请一辆车辆，并将当前所需车辆总数加1；

步骤2：计算油耗成本与车辆的租赁费用之和，即总成本。