[发明专利]一种基于多目标进化算法的旅游大巴车调度优化方法

权利要求书

1.一种基于多目标进化算法的旅游大巴车调度优化方法，其特征在于，包括如下步骤：

S1：初始化：随机生成规模为N的初始种群，种群中每个个体表示为一种旅游大巴车调度方案，同时建立旅游大巴车调度优化模型；

S2：父代选择：根据步骤S1生成的初始种群，通过锦标赛选择确定繁殖的父代；

S3：繁殖：父代种群杂交和编译产生子代种群，通过采用SBX交叉算子和多项式变异算子产生下一代；

S4：归一化：将所有个体的目标值归一化为下式：

公式(1)中，f_j′(x_i)表示个体x_i在第j个目标上的函数值，M表示目标的数量，和表示第j个目标上的理想点和最低点；

S5：非支配排序和基于R₂的局部搜索：将子代种群Q_t和当前种群P_t合并，形成新的种群R_t，并根据非支配排序将种群R_t中的2N个个体分配到不同等级的非支配层，同时初始化临时档集L；然后从第一层F₁开始，遍历支配层选择个体进入下一代种群P_t+1，并且根据R₂指标进行局部搜索，并将搜索到的个体入临时档集L，直到P_t+1的种群大小大于或等于N时，停止遍历；若P_t+1的种群大小大于N时，将临时档集L和最后选择的非支配层个体F_i合并，进入步骤S6；否则，转至步骤S7；

S6：基于R₂选择：根据R₂指标将合并后的临时档集L进行降序排序，并且选择N-|P_t+1|个个体进入P_t+1；

S7：更新外部档集E：将P_t+1和E合并，采用非支配排序和拥挤距离方法更新和维护外部档集；

S8：重复步骤S2至步骤S7，直至满足终止条件，输出最优解。

2.根据权利要求1所述的一种基于多目标进化算法的旅游大巴车调度优化方法，其特征在于，步骤S1中，所述的旅游大巴车调度优化模型，是以旅游大巴车数量最小、总行驶距离最小、总工作量最大化、等待时间最小和延误时间最小为目标构建的，模型表达式如下：

F(x)＝Minimize(f₁,f₂,-f₃,f₄,f₅) (2)

其中：

minf₁＝|R| (3)

minf₄＝∑_k∈KWT(r_k) (6)

minf₅＝∑_k∈KDT(r_k) (7)

上述公式中，目标函数minf₁表示旅游大巴车数量最小化；目标函数minf₂表示总行驶距离最小化；目标函数maxf₃表示最大化工作总量；目标函数minf₄表示等待时间最小化；目标函数minf₅表示延误时间最小化；R表示所有路线的集合，R＝{r₁,r₂,…,r_k|k∈K}；r_k表示第k辆旅游大巴车的路线；q_i表示运送每个客户的工作量，N为客户个数；WT表示旅游大巴车等待客户的时间；DT表示延迟时间，即旅游大巴车在时间窗后到达；

所述的旅游大巴车调度优化模型，满足以下约束条件：

C_k≤Cap_k,k∈K (8)

∑_k∈KC_k≤Cap (9)

max_k∈KT(r_k)≤LaterTime (10)

其中，约束条件(8)表示每辆旅游大巴车的载重能力必须大于顾客的重量；约束条件(9)表示所有的旅游大巴的载重能力必须大于客户总重量；约束条件(10)表示最晚的车辆必须要大于企业的闭门时间，C_k表示第k辆大巴车顾客的总重量；Cap_k表示第k辆大巴车的载重能力。

3.根据权利要求1所述的一种基于多目标进化算法的旅游大巴车调度优化方法，其特征在于，步骤S5、S6中，所述的R₂指标，由下式计算得到：

个体的贡献值如下：

I_R2(a,A,W)＝R2({A},W,z^*)-R2({A\a},W,z^*) (13)

其中，A为一组近似解集；W为一组权重向量，w＝(w₁,w₂,…,w_m)∈W。