[发明专利]一种基于混合遗传算法的外卖配送路径的优化方法

说明书

本发明公开了一种基于混合遗传算法的外卖配送路径的优化方法，针对目前外卖配送的经验依赖性问题，引入时间窗惩罚和配送顺序的要求，建立数学模型，使用混合遗传算法进行求解，最后得到最优的外卖配送路径。该混合算法是将遗传算法和爬山算法相结合，一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而能够得到质量较高的解。

技术领域

本发明涉及外卖配送的路径优化，具体涉及一种基于混合遗传算法的外卖配送路径的优化方法。

背景技术

外卖配送作为外卖行业的重要环节，受到了各大外卖平台以及顾客的广泛关注。在配送过程中，如果单靠外卖员的经验进行配送，很容易出现配送路径不合理的现象，带来不必要的损失，所以需要科学的路径规划来改善这一现象。近年来，很多学者通过采用不同的启发式算法对该问题进行了研究。李桃迎等以外卖配送成本增量总和为目标，用k-means算法对商家-客户进行聚类，并用遗传算法进行求解；靳志宏等以运输效率最大化为目标，构建了混合整数规划模型，在传统蚁群算法中加入新算子对骑手的配送路径进行优化。

在现有的研究中，遗传算法的应用最为常见。遗传算法是一种全局优化概率算法且非常适用于求解这类复杂的优化问题，但其也存在一些不足，如局部搜索能力较差，导致单纯的遗传算法比较费时，在进化后期搜索效率较低等。因此希望寻求一种改进的遗传算法用来求解外卖配送路径的优化问题。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于混合遗传算法的外卖配送路径的优化方法。使得在相同的实验条件下，降低了外卖配送的成本，并且得到了与这个配送成本相对应的外卖配送路径。

本发明采用了如下技术方案：一种基于混合遗传算法的外卖配送路径的优化方法，如图1所示，包含的步骤如下：

步骤(1)：以外卖配送成本最小为目标，建立外卖配送路径优化模型和约束条件；

步骤(2)：获取外卖配送过程中所涉及到的所有商家和顾客的相关信息，包括坐标信息、服务时间、时间窗等；

步骤(3)：采用混合遗传算法求解所述外卖配送路径优化模型，具体包括：

S1：基于商家和顾客节点的序号对染色体进行对应的编码，染色体的长度为商家节点和顾客节点数量的总和；

S2：按照S1中的编码方式随机生成N条包含所有商家和顾客的配送路径，得到N条染色体，构成初始种群；

S3：把外卖配送路径优化模型中的目标函数作为适应度评价函数，对S2中生成的初始种群中的每条配送路径进行评价，得到每条配送路径的适应度；

S4：判断是否达到指定的迭代次数，若达到，选择适应度最大的染色体，对其进行解码，得到最优的配送路径。否则，继续进行下面的S5；

S5：依据S3中得到的所有配送路径的适应度，按照锦标赛的选择策略选择适应度大的染色体，形成下一代的父代种群；

S6：对S5选择出的父代种群采用PMX的交叉方法，随机地在一对父代染色体中选择两个交叉位置，由这两个交叉位置间的所有节点构成交叉片段。再交换父代交叉片段，并将交叉片段中重复的商家或者顾客节点按照映射关系进行替换得到新的配送路径，形成初级子染色体群；

S7：对S6得到的子代采用基因换位算子实现爬山操作,随机选择两个节点位置，交换该位置上的节点，判断节点交换后得到的新配送路径的适应度值是否增加，若增加，则以交换后的配送路径取代原配送路径，形成中级子染色体群；

S8：对S7得到子代采用变换基因的变异方法，随机产生交换次数及需要变异的位置，对处于变异位置上的商家或顾客节点进行交换，形成终级子染色体群；

S9：利用S8得到的终级子染色体群更新初始种群，继续执行S3；