[发明专利]一种基于两阶段优化的物流配送路线推荐方法及系统

权利要求书

1.一种基于两阶段优化的物流配送路线推荐方法，其特征在于包括如下步骤：

步骤1、初始化算法参数；设置种群规模数P_S，服务用户数N_c,现有可用配送车辆数N_t，最大迭代次数T_max，相似度阈值tv，多模态解集A；

步骤2、生成初始种群；生成规模为P_S的初始种群X，解个体的编码采用长度为N_c+N_t-1的整数序列，对于第i个解个体X_i，其解的编码方式为其中为分割点，将X_i分割成N_t个子序列，分别对应N_t辆车的子路线，再生成0到N_c+N_t-1的自然序列Π，通过随机打乱函数shuffle(Π)不断生成初始种群X，并计算每个解个体的适应度值fit(X_i)；

步骤3、对于得到的种群X，首先定义两个解个体之间的距离矩阵其中δ_ij为第1个解个体中第i条子路线与第2个解个体中第j条子路线所包含服务点的交集个数除以并集个数，然后计算两个解个体之间的距离为最后按照动态半径划分方法生成小生境种群；

步骤4、在每个小生境内采用改进多元宇宙算法进行寻优，并更新小生境中的解个体；

步骤5、更新多模态解集A；

5.1、将种群X中的解个体按照适应度优劣进行排序，并取前size(A)个解个体；

5.2、遍历解集A，如果X中存在相似解，即存在X中第i个解个体X_i与A中第j个解个体A_j距离d_ijtv，且fit(X_i)fit(A_j)，则替换A_j；如果A中不存在相似解，则比较X_i与A中最差解个体A_worst；如果fit(X_i)fit(A_worst)，则替换A_worst；

步骤6、判断迭代次数是否达到T_max，若是则转到步骤7，否则转到步骤3继续执行；

步骤7、精简得到的多模态解集A，保留A中与最优解个体A_best的适应度值fit(A_best)偏差的解个体；

步骤8、配送人员按照配送距离优先、配送时间优先、用户满意度优先设置路线推荐偏好信息，系统根据设置的偏好信息推荐配送路线；

步骤9、根据实际配送时间更新数据库中的历史配送路线与配送时间记录；

步骤3所述动态半径划分方法具体如下：

3.1、对种群X所有个体按照适应度值进行排序，并选取X中的最优个体X_best为小生境种子，并选取[2,P_S/2]之间的随机整数为领域半径值ρ；

3.2、在决策空间中合并邻近个体形成小生境内个体集合Ψ＝X_best∪X′，其中X′为X中剩余个体中距离X_best最近的ρ-1个解个体集合；

3.3、从种群X中移除X_best和X′，如果X＝Φ，则退出执行并输出所有小生境集合，否则转到步骤3.2继续执行；

步骤4所述在每个小生境内采用改进多元宇宙算法进行寻优并更新小生境中的解个体，该寻优方法具体如下：

4.1、保存当前小生境中的最优解个体S_best和最差解个体S_worst，将每个解个体视作一个宇宙，并计算每个宇宙S_i的膨胀率μ_i＝(fit(S_worst)-fit(S_i))/(fit(S_worst)-fit(S_best))；

4.2、依次遍历小生境中每个宇宙，将当前遍历的宇宙S_cur作为黑洞，以每个宇宙的膨胀率μ_i为概率进行轮盘赌选择，将选中的宇宙S_sel(sel≠cur)作为白洞，在S_cur和S_sel之间执行路径重链路领域搜索方法，如搜索到更优宇宙S′，则用S′替换小生境中距离S′最近的宇宙；

4.3、计算虫洞存在概率ζ＝ζ_min+t*(ζ_max-ζ_min)/T_max，其中t为当前迭代次数，ζ_min和ζ_max分别为虫洞存在的最小和最大概率值；

4.4、生成0到1范围内的随机数r，如果rζ则在S_sel和S_best之间执行参考领域搜索策略，否则在S_sel和S_best之间执行路径重链路搜索方法，并用搜索得到的更优宇宙S′替换小生境中距离S′最近的宇宙。