[发明专利]一种含时间窗的时变车辆路径规划方法及系统

权利要求书

1.一种含时间窗的时变车辆路径规划方法，其特征在于，包括如下步骤：

获取基础数据，所述基础数据包括顾客信息、车辆信息和仓库信息；

根据顾客信息、车辆信息和仓库信息以及含软时间窗的时变绿色车辆路径规划多目标优化模型，得到最优规划路径；

其中，所述含软时间窗的时变绿色车辆路径规划多目标优化模型的构建过程包括：

将含软时间窗的时变绿色车辆路径规划多目标优化模型定义为一个完整的完全有向图，所述完全有向图由顶点集和边集合组成，所述顶点集包括顾客集合和车辆集合，每个顾客都与服务时间、商品需求和时间窗口相关联，每条边表示相应的车辆路径；同时将多目标优化模型定义为三维目标最小化问题，结合完全有向图和三维目标最小化问题得到最优规划路径。

2.如权利要求1所述的一种含时间窗的时变车辆路径规划方法，其特征在于，所述得到最优规划路径之前，对每个可行解进行编码和解码，采用混合初始策略得到初始解；在初始解的基础上基于帕累托前沿的交叉策略探索搜索空间和通过基于Q-learning的自适应局部搜索方法嵌入增强局部搜索能力以及奖励更新方法来平衡多目标得到三维目标最小化问题的最优解。

3.如权利要求2所述的一种含时间窗的时变车辆路径规划方法，其特征在于，所述对每个可行解进行编码和解码具体包括：

将每个可行解都可以被编码成一个二维向量，所述二维向量包括客户服务序列向量和每个车辆的调度序列，所述每个车辆的调度序列与客户服务序列向量相同，表示客户和车辆的对应关系，将编码的可行解进行解码，根据每个车辆的调度顺序，分别计算每个目标得到从节点i到节点j的运输时间。

4.如权利要求2所述的一种含时间窗的时变车辆路径规划方法，其特征在于，所述混合初始策略包括四种特定问题的启发式方法：随机方法、k-最近邻启发式、改进的前推插入启发式和最早优先时间启发式。

5.如权利要求2所述的一种含时间窗的时变车辆路径规划方法，其特征在于，基于Q-learning的自适应局部搜索方法嵌入增强局部搜索能力具体包括：

感知当前环境的状态，根据Q表选择预测动作；

行动在当前环境中执行并获得奖励价值；

更新Q表；

设计了考虑目标间相对缩减的奖励计算新方法，如果奖励为负值，则贡献度小，Q值下降，否则，Q值上升。

6.如权利要求1所述的一种含时间窗的时变车辆路径规划方法，其特征在于，所述三维目标最小化问题包括旅行时间最小、能耗最低及顾客满意度得分最高。

7.如权利要求1所述的一种含时间窗的时变车辆路径规划方法，其特征在于，所述多目标优化模型包括约束条件，所述约束条件包括返回时间约束、车辆容量约束、单次访问约束、软时间窗假设、车辆类型假设以及出发时间假设。

8.一种含时间窗的时变车辆路径规划系统，其特征在于，包括：

数据获取模块，其被配置为：获取基础数据，所述基础数据包括顾客信息、车辆信息和仓库信息；

最优规划路径模块，其被配置为：包括如下步骤：

根据顾客信息、车辆信息和仓库信息以及含软时间窗的时变绿色车辆路径规划多目标优化模型，得到最优规划路径；

其中，所述含软时间窗的时变绿色车辆路径规划多目标优化模型的构建过程包括：

将含软时间窗的时变绿色车辆路径规划多目标优化模型定义为一个完整的完全有向图，所述完全有向图由顶点集和边集合组成，所述顶点集包括顾客集合和车辆集合，每个顾客都与服务时间、商品需求和时间窗口相关联，每条边表示相应的车辆路径；同时将多目标优化模型定义为三维目标最小化问题，结合完全有向图和三维目标最小化问题得到最优规划路径。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一所述的含时间窗的时变绿色车辆路径规划方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一所述的含时间窗的时变绿色车辆路径规划方法的步骤。