[发明专利]一种解决带软时间窗的车辆路径问题的方法

说明书

本发明公开了一种解决带软时间窗的车辆路径问题的方法，以配送成本最小、违反时间窗约束惩罚成本最小为目标，建立了一种带修正的随机规划模型；并提出了一种新的禁忌搜索算法。根据问题特点，确定了初始解生成方式及初始禁忌长度；设计了三种特有邻域优化算子；并引入了一种新的评价函数，避免算法陷入局部最优。本方法能有效解决VRPSTW问题，同时该方法具有较强的寻优能力、较高的鲁棒性。

技术领域

本发明属于物流系统规划与设计领域，尤其涉及一种基于禁忌搜索算法用于解决带软时间窗的车辆路径问题的方法。

背景技术

进入21世纪以后，随着我国经济高速发展，我国物流配送行业也得到了快速发展。与此同时，运输类企业面临着物流配送成本过高等困境。车辆路径问题(Vehicle RoutingProblem,VRP)指配送中心根据客户的分布和需求来规划最优路径。VRP能有效解决运输过程中路线规划不合理、运输延误率高等问题，可以极大地降低配送成本。因此，VRP引起了国内外众多学者的广泛关注。随着对VRP研究的深入，研究者们考虑到客户会对货物送达时间提出要求，提出了带时间窗的车辆路径问题(Vehicle Routing Problem with TimeWindows,VRPTW)，并针对VRPTW提出了相应的精确算法及启发式算法。该问题主要分成两个不同的研究角度：

(1)带硬时间窗的车辆路径问题

在实际配送过程中，客户会对货物送达时间区间提出硬性要求，即车辆必须在客户指定时间内到达，否则客户拒收货物。这类问题称为带硬时间窗的车辆路径问题。为了解决该类问题，戚远航等人提出了一种离散蝙蝠算法，并引入多种搜索策略来加快算法收敛速度。该算法具有较强的寻优能力和较高的鲁棒性。Perez等人针对该问题复杂度较高，提出了一种混合分布估计算法，并使用广义Mallows分布作为概率模型来描述解空间分布。该算法寻优能力强，但计算效率较低。Hamza等人为提高解的质量，构建了多重图网络模型；并提出了一种自适应大邻域搜索启发式算法。Yassen等人针对和声搜索算法求解该类问题收敛速度较慢的缺点，将和声搜索算法和模拟退火算法等五种局部搜索算法相结合，提出了一种自适应和声搜索算法。实验结果表明该算法具有一定的优越性。Nazif等人针对该问题复杂度较高，利用遗传算法收敛速度快的优点，提出一种优化交叉遗传算法，并在算法中加入了一种优化交叉算子。该算法与其他启发式算法相比具有一定的竞争力。Aggarwal等人针对该问题复杂度较高，建立了一种新的混合整数规划的数学模型，并设计了一种约束条件来优化配送车辆数量。该算法能在合理时间内搜索到较优解，但只适用于较小规模的车辆路径问题。

(2)带软时间窗的车辆路径问题

在实际配送过程中，客户会对货物送达时间提出软性要求，即车辆可在客户指定时间外到达，但将货物派发给客户前需对其进行相应惩罚。这类问题称为带软时间窗的车辆路径问题(Vehicle Routing Problem with Soft Time Windows,VRPSTW)。为了解决此类问题，Gong等人提出了一种基于集合的粒子群算法，利用粒子群算法框架在通用集中选择出一个最优子集。Zhang等人将多方向局部搜索策略和强化局部搜索链技术相结合，提出了一种基于自适应局部搜索链的多目标文化基因算法。Kourank等人将列生成算法和元启发式算法有效结合，提出了一种基于列生成算法的混合元启发式算法。易云飞等人针对该问题复杂度较高，提出了一种改进伊藤算法，并采用爬山算法确定波动系数。韩亚娟等人针对该问题中软时间窗惩罚函数过于线性的缺点，提出了一种折线型软时间窗；并将遗传算法和CW节约法等启发式算法有效结合，提出了一种超启发式遗传算法。实验结果表明该算法具有一定的可行性和有效性。Zhang等人针对蚁群算法求解该类问题易陷入局部最优的缺点，定义了一种新的蚁群算法转移概率，并引入Pareto最优解集来指导全局信息素更新规则，提出了一种改进Pareto蚁群算法。该算法具有较强的全局搜索能力。