[发明专利]求解考虑合作的带时间窗的车辆路径问题的优化算法

说明书

本发明公开一种求解考虑合作的带时间窗的车辆路径问题的优化算法。包括如下步骤：步骤(1)：考虑合作、时间窗的影响，以最小化总时间成本与惩罚值为目标，建立数学模型；步骤(2)：设计带变邻域算法的混合NSGA‑II算法对步骤(1)建立的数学模型进行求解，最终获得非支配最优解集；限制惩罚值最大值为P，从而在惩罚值f₂不超过P的情况下选择总时间成本f₁最小的解为最优解。本发明改进了交叉策略、变异策略以适应该问题。通过在不同复杂度的场景下的仿真试验，证明该算法均可以获得优秀的非支配解，具有较强的鲁棒性，是解决考虑合作的新型车辆路径问题的有效算法。

技术领域

本发明属于无人驾驶领域，具体涉及一种求解考虑合作的带时间窗的车辆路径问题的优化算法。

背景技术

随着人工智能的快速发展，无人驾驶技术不断进步，多车系统由于其广泛的应用前景，得到越来越多学者的关注，在如搜索救援、农业播种、仓储物流、交通运输、海上运输等广泛领域均有研究与应用。任务分配与路线规划在多车系统中起到了至关重要的作用。

目前，国内在传统的路径规划问题的研究中存在以下问题：只考虑每个目标点被分配给一辆车的情况，在不同的应用场景下，可能存在多车同时访问一个目标点的需求，只考虑一辆车访问一个目标点的情况具有局限性。

因此现有的路径规划问题存在缺陷，需要改进。由于经典车辆路径问题已经是一个NP-hard问题，再考虑合作与时间窗的限制后，问题复杂度与求解难度大大增加。传统车辆路径问题的优化算法可以分为精确算法和启发式算法，精确算法包括分支定界法、割平面法等，其特点是可以为问题寻找到全局最优解，但是问题规模较大时会出现“组合爆炸”现象；启发式算法包括遗传算法、禁忌搜索算法、模拟退火算法等，是基于类似仿生学的规则而非精确规则，可以得到近似最优解，由于其搜索的灵活性而广泛应用于解决NP-hard问题，但是很容易出现过早收敛与收敛过慢的缺点，从而大大影响解的质量。

发明内容

本发明的目的在于提供一种求解考虑合作的车辆路径问题的多目标优化算法，该算法采用带变邻域算法的混合NSGA-II算法对此高复杂度路径规划问题进行求解。

实现本发明目的的技术解决方案为：一种求解考虑合作的带时间窗的车辆路径问题的优化算法，包括如下步骤：

步骤(1)：考虑合作、时间窗的影响，以最小化总时间成本与惩罚值为目标，建立数学模型；

步骤(2)：设计带变邻域算法的混合NSGA-II算法对步骤(1)建立的数学模型进行求解，最终获得非支配最优解集；限制惩罚值最大值为P，从而在惩罚值f₂不超过P的情况下选择总时间成本f₁最小的解为最优解。

进一步的，所述步骤(1)具体包括如下步骤：

步骤(11)：场景中有n个目标点，其中有一个为基地，基地存在K辆车，假设每辆车车速恒定为v，目标点i需要Num_i辆车同时访问，预期访问时间为T_i，时间窗上限为t_si，时间窗下限为t_ei，坐标为pos_i＝(x_i,y_i)，其中x_i为横坐标并且y_i为纵坐标，并定义d_i,j＝||pos_i-pos_j||为两目标点间的欧几里得距离；在合作目标点，访问开始时间为最后到达车辆的到达时间，提前到达需等待；

产生惩罚值的原因分为：访问开始时间提前于时间窗，访问结束时间晚于时间窗，和提前到达的等待三方面；

步骤(12)：定义车辆i在目标点i处产生的惩罚值为S_i,k，由公式(1)计算：