[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：构建带有能力约束条件的物流配送车辆路径模型，并根据物流配送车辆路径模型设计解编码形式和速度编码形式；

步骤二：根据解编码形式和速度编码形式初始化蝙蝠的初始位置、初始脉冲频率和初始速度，并将蝙蝠的初始位置作为初始客户点；

步骤三：利用差分进化算法对蝙蝠的初始位置进行优化，得到当前脉冲频率和当前蝙蝠的位置，并计算当前蝙蝠对应的最小适应度值和响度；

步骤四：运用rand函数产生在(0,1)之间选择一个随机数r1，判断随机数r1是否大于当前脉冲频率，若是，执行步骤五，否则，执行步骤六；

步骤五：在最小适应度值对应的蝙蝠位置处进行变邻域搜索产生后代蝙蝠，计算当前最优适应度值，跳至步骤七；

步骤六：调整蝙蝠的脉冲频率、速度和位置，进行全局搜索产生后代蝙蝠，计算当前最优适应度值，跳至步骤七；

步骤七：将当前最优适应度值与最小适应度值相比较，若当前最优适应度值小于最小适应度值，且响度大于运用rand函数产生在(0,1)之间均匀分布的随机数r2，则利用当前最优适应度值更新最小适应度值，并记录各个蝙蝠的位置，跳至步骤八，否则，最小适应度值保持不变，跳至步骤九；

步骤八：将步骤七中当前最优适应度值对应的蝙蝠的位置作为全局最优解，并更新脉冲发射频率和响度；

步骤九：判断是否达到最大迭代次数，若是，结束迭代，输出全局最优解，得到物流配送的客户点，否则，返回步骤四。

2.根据权利要求1所述的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，所述物流配送车辆路径模型为：

所述能力约束条件为：

其中，Z表示总成本；g^k表示第k种车型所需的车辆总数；a^k表示第k种车型的调用费用；b^k表示第k种车型的单位距离的油耗成本；e表示配送车辆早于时间窗到达的惩罚系数；l表示配送车辆晚于时间窗到达的惩罚系数；d_ij表示客户点i到客户点j之间的绝对值距离；A_i表示客户点i的到达时间点；E_i表示客户点i的时间窗开始时间点；L_i表示客户点i的时间窗结束时间点；表示0-1变量，表示第k种车型第m辆车是否经过客户点i到达客户点j当第k种车型的第m辆车在弧(i，j)上行驶时为1，否则为0；q_i表示客户点i的需求重量；表示0-1变量，当第k种车型第m辆车为客户点i提供服务时为1，否则为0；Q^k表示第k种车型的最大载货量；V'＝{0,1,2......N}表示客户节点集合；表示0-1变量，当第k种车型第m辆车为客户点j提供服务时为1；表示0-1变量，表示第k种车型第m辆车是否经过第一个客户点到达客户点i，当第k种车型的第m辆车在弧(1，i)上行驶时为1，否则为0；表示为0-1变量，表示第k种车型第m辆车是否经过客户点j到达第一个客户点，当第k种车型的第m辆车在弧(j，1)上行驶时为1，否则为0；A_j表示客户点j的到达时间点；ω_ij表示点i到点j之间交通拥堵的结束时间；表示0-1变量，表示第k种车型第m辆车是否在管制时间段内从客户点i到达客户点j，若是则为1，否则为0；表示0-1变量，表示第k种车型第m辆车是否在管制时间段内从客户点j到达客户点i，若是则为1，否则为0；ρ_ij表示客户点i到客户点j之间路段禁行开始时间；γ_ij表示客户点i到客户点j之间路段禁行结束时间；h_ij表示客户点i到客户点j之间交通拥堵的开始时间；r表示车辆所在区域；R表示限行总区域；i＝0,1,…,N，j＝0,1,…,N，N表示客户总数；k＝1,2,…,K，K表示车型；m＝1,2,…,M，M表示车辆数。