[发明专利]一种基于两阶段启发式算法的动态车辆路径优化方法

说明书

本发明涉及一种基于两阶段启发式算法的动态车辆路径优化方法，属于车辆路径优化领域，包括以下步骤：S1：构建动态车辆路径优化模型，包括总体优化目标与实时优化目标，并对动态车辆路径优化模型的目标函数设定约束条件；S2：设计两阶段启发式算法，使用所述两阶段启发式算法求解动态车辆路径优化模型的目标函数；S3：先使用两阶段启发式算法根据初始客户信息求出初始路径，然后把服务时间分段，每个时间段结束时再统一处理这一时间段出现的动态信息，根据变化后的信息使用两阶段启发式算法求出变更后的车辆路径，使用更改后的路径指导路网中正在行驶的车辆及时进行相应的路径选择。本发明有效地求得良好的车辆行驶路线，降低总体成本。

技术领域

本发明属于车辆路径优化领域，涉及一种基于两阶段启发式算法的动态车辆路径优化方法。

背景技术

随着个人计算机、智能手机的普及，全球定位系统、地理信息系统(GIS)、智能交通系统(ITS)等相关技术的突飞猛进和大规模应用，尤其是近几年大数据、云计算、5G等技术的突破让物流企业实时获取客户以及车辆的动态信息具有了可行性。这也使动态车辆路径问题(Dynamic Vehicle Routing Problem,DVRP)在如今的物流配送领域变得更加常见。物流公司需要针对客户的动态需求以及在途车辆的动态信息来及时变更车辆行驶路径，以节省成本，并尽可能地提高服务质量。

动态车辆路径问题是车辆路径问题的重要变体之一，它在传统车辆路径问题的基础上考虑了有些要素会出现动态变化的情况。传统车辆路径问题指的是对车辆行驶路线进行优化，在满足各项约束条件的前提下将货物运至客户处，并要使优化目标最小化为目的。传统车辆路径问题中通常包含物流中心、客户点、车辆、路网、货物等要素，而动态车辆路径问题中客户点、车辆、路网、货物等要素的信息则是会随着时间出现变化的。动态车辆路径问题的研究成果可以应用于药品运输、运钞车运钞、外卖配送、生鲜新零售等社会实际问题中，极具实用价值。

目前对于动态车辆路径问题，都需要使用启发式算法进行求解，因为动态车辆路径问题的客户规模通常较大，无法使用精确算法。而启发式算法中多使用遗传算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法等。算法还需要进行改进，算法的优化效率还有待进一步提高。

虽然国内外学者已经对动态车辆路径问题开展了诸多研究，但是大多研究仅考虑一种动态要素，主要为客户的新增需求，对于涉及多种动态要素的车辆路径问题较少，而实际生产生活中是包含着多种实时信息的，客户不光会提出新增需求，原有的客户需求还会进行更改，车辆在运行过程中也有可能发生抛锚事件，故对于此问题需要进行深入研究。

发明内容

有鉴于此，本发明的目的在于提供一种能够对多种动态信息进行实时处理并制定合理运输路线，且能使整体运输成本最小的方法。此方法可以提高物流运输的效率，降低物流公司成本，提高物流公司的利润，为物流公司制定车辆行驶路径提供依据。

为达到上述目的，本发明提供如下技术方案：

一种基于两阶段启发式算法的动态车辆路径优化方法，包括以下步骤：

S1：构建动态车辆路径优化模型，包括总体优化目标与实时优化目标，所述总体优化目标为总成本最小化，所述总成本包含车辆发车成本、行驶路程成本、违反时间窗的惩罚成本；所述实时优化目标为服务剩余未访问客户的总成本最小化，包含新增车辆发车成本，未行驶路程所需成本，违反未访问客户时间窗的惩罚成本；车辆具有容量限制，无最远距离限制，并对动态车辆路径优化模型的目标函数设定约束条件；

S2：设计两阶段启发式算法，第一阶段使用遗传算法，第二阶段使用变邻域搜索算法，把第一阶段遗传算法求得的可行解放入第二阶段变邻域搜索算法进行深度优化，以得到最优行驶路径；使用所述两阶段启发式算法求解动态车辆路径优化模型的目标函数；