[发明专利]基于货物载重与软时间窗限制的车辆配送路径优化方法

权利要求书

1.一种基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，包括以下步骤：

步骤1、获取电动车辆行程约束、货物载重以及时间约束的实际情况，构建以配送成本最小化的改进电动车辆路径优化模型，所述配送成本包括出车成本、司机成本、充电成本、惩罚时间窗成本，所述改进电动车辆路径优化模型的目标函数中引入了引入能量消耗公式，将软时间窗和车辆载重量对电池能耗的影响加入能量消耗中，并对改进电动车辆路径优化模型的目标函数设定约束条件；

步骤2、采用自然数编码的方式进行遗传算法编码方案的设计，由于遗传算法的编码方案不能完全反映模型的约束条件，本文将其与目标函数融合成算法的适应度函数，并且为了改善算法进化后期的寻优能力，本文采用新的改进交叉算子，在交叉操作中尽可能的保留优秀的父代子路径信息，将父代染色体中优秀子路径保留并遗传到子代染色体中。利用改进的遗传算法求解步骤1所述的改进电动车辆路径优化模型的目标函数，获取最优配送路径。

2.根据权利要求1所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其特征在于，步骤1所述的改进电动车辆的配送路径优化目标模型的目标函数为

表示出车成本C₁，表示司机成本C₂，表示充电成本C₃，PC_(i)表示惩罚时间窗成本C₄；Z表示车辆配送总成本。

其中，式中V为所有节点的集合,V＝O∪C∪F∪O'，它由客户集C、充电站集合F、配送中心O和虚拟配送中心O'共同组成。K＝{1,2,...,k}表示电动汽车集合。C₁、C₂、C₃、C₄分别表示车辆使用成本、司机成本、充电成本、惩罚成本；C₀、C_l、C_e表示单位车辆使用成本、单位行驶成本、单位电量电价；s_ik:电动车辆k在客户节点i的服务时间，S_ik:电动车辆k在充电节点i的服务时间；l_ij:节点节点i到节点j之间的距离，S_ik:电动车辆k在充电节点i的服务时间；

T_ik:电动车辆k到达节点i的时刻；T_i^early、T_i^delay表示客户i的标准最早、最晚服务时间；m_ij表示节点i到节点j上电动车辆消耗的能量；x_ijk：0-1变量，x_ijk为1表示电动车辆k到达节点i直接行使至j点，否则为0；y_ik：0-1变量，y_ik为1表示电动车辆k到达节点i进行充电，否则为0。

目标函数中充电成本等于补偿电动物流车的电池消耗能量所发生的成本，也就是将货物载重引入，重点考虑车辆载重量对电池能耗的影响；

能量消耗公式：m_ij＝(α_ij(ω+f_ij)l_ij+βv_ij²l_ij)/e_f代入

其中，α_ij＝a+gsinθ_ij+gC_rcosθ_ij是特定常数，β＝0.5C_dAρ表示车辆特定常数，e_f表示发动机效率，f_ij表示电动车辆k在节点i与节点j上的载重；v_ij表示电动车辆在节点i与节点j的配送速度；ω表示车辆整备重量(tons)，a表示加速度(m/s2)，g表示引力常数(m/s2)，θ表示道路角度，A表示车辆的正面面积(m2)，ρ表示空气密度(kg/m3)，C_r表示滚动阻力系数，C_d表示轧制阻力系数；

得到充电成本函数的表达式如下：

目标函数还考虑了软时间窗约束，假设每辆电动车辆都有一个送货时间窗[T_i^early,T_i^delay]，当车辆在该时间窗送货，则不须支付任何惩罚成本，车辆如果早到或者晚到，会产生一定的惩罚时间成本，惩罚时间成本的大小与早到或者晚到客户点时间的长短呈线性关系，得到惩罚成本函数为：

可表示成

其中，C_a表示早到的单位时间成本、C_b表示晚到的单位时间成本，T_i^early、T_i^delay表示客户i的标准最早、最晚服务时间。