[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

说明书

本发明请求保护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，在现有电动车辆路径优化的基础上，重点考虑车辆载重量对电池能耗的影响，还考虑了软时间窗约束，建立配送成本(出车成本、司机成本、充电成本、惩罚时间窗成本)最小化为目标的电动车辆路径优化模型，然后采用遗传算法进行求解，获取配送路径优化方案。本发明建立了电动车辆基于能耗的充电成本函数；建立了电动车辆的软时间窗惩罚成本函数；且能够根据实际情况中客户货物重量、充电需求等制定配送路线，从而达到配送成本最小。

技术领域

本发明属于物流配送领域，同时属于计算机应用领域、复杂函数优化技术 领域，具体涉及一种基于货物载重与软时间窗限制的电动车辆配送路径优化方 法。

背景技术

近年来，随着经济的快速发展，用户的消费水平和采购需求日益提高，物 流活动急剧增加。然而，物流车辆的能源消耗和碳排放等产生一系列的环境污 染问题也随之出现，如何应用新技术、新工艺和新材料减少物流活动的负面影 响已成为现代物流业发展中的一个重要问题。电动汽车以其低消耗、低排放、 低污染特点成为解决这一问题的有效途径之一，为此，国家先后出台了一系列 政策法规来推进电动汽车产业及其配套服务设施的发展，京东与阿里巴巴等物 流行业领跑者也在大力实施车辆的电动化。与传统的燃油车辆相比，电动车辆 的行驶路程较短，需要在配送过程中不定期前往充电站充电，由于现阶段充电 设施相对较少，往往会出现电动汽车绕行前往充电站的情况，从而影响到正常 的物流配送过程，延长了配送车辆在途时间，降低了物流服务质量。因此，如 何合理的优化电动汽车配送路径，成为了亟待解决的重要问题。

电动车辆路径问题，由车辆路径问题拓展而来。近年来，针对电动汽车配 送问题的研究大多数聚焦于充电技术和充电站位置问题，基于电动物流车的路 径优化问题研究成果还比较少。现有的电动车辆路径规划研究主要是考虑电池 电量和最优充电路径等约束条件，通过考虑不同影响因素(低碳、续驶里程、 时间窗等)来构建模型。目前电动物流配送路径优化模型主要考虑了低碳、续 驶里程、充电策略等约束条件，在电能消耗上仅考虑了运输距离对车辆电能消 耗的影响，虽近期少有考虑了电动车辆所在位置等其他因素对电能消耗的影响， 但尚未考虑货物载重量对电动汽车电能的消耗影响，这会导致车辆行驶时的实 际耗电量与理论存在偏差，出现车辆中途电量耗尽的情况，进而影响到电动车 辆配送路径的科学性。物流配送中也采用电动汽车为各个客户点进行配送服务， 每个客户点都有配送时间的限制。如果配送中不能在时间窗内到达客户点将接 受一定的惩罚。物流配送中充电成本、惩罚成本、出车成本和司机成本构成的 总成本最小，需要对配送中也的车辆行驶路径进行科学合理的规划。本发明对 所研究的问题进行了深入分析，在一定基本假设的前提下，构建了问题所对应 的数学模型。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种能够根据实际情况中客户 货物重量、充电需求等制定配送路线，从而达到配送成本最小的方法。本发明 的技术方案如下：

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。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。

进一步的，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