[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

说明书

本发明公开了一种基于多目标进化算法的旅游大巴车调度优化方法，该方法以旅游大巴车数量、总行驶距离、总工作量、等待时间和延误时间构建了旅游大巴车调度优化模型，然后采用NSGA‑Ⅱ和基于R2的局部搜索对旅游大巴车辆多目标调度模型进行求解，最终可以满足旅游大巴车调度的实际需求。本发明提出的基于R2的多目标进化算法原理简单、实现容易，在进化过程中能有效地进行局部搜索，保证解的收敛性和多样性，并能快速地求解出最优的可行解；并且本发明针对旅游智能交通规划的实际需求，建立了完善的旅游大巴车调度优化模型，并能求解出最优的可行解，对提高游客满意度、降低交通运输成本和降低旅客出行成本有着重要意义。

技术领域

本发明属于智慧旅游工程及智能路径规划技术领域，涉及旅游大巴车辆的智能调配，具体是一种基于多目标进化算法的旅游大巴车调度优化方法。

背景技术

随着互联网经济和贸易的发展，旅游业的规模与日俱增，旅游交通规划对经济活动的影响越来越显著。旅游交通规划是集人工智能、优化调度、智能推荐等一系列前沿技术的大型旅游智能规划出行系统，其中优化调度至关重要。旅游大巴车调度是一个涉及交通运输成本、旅客需求、旅客满意度、客户等待时间和工作总量的多目标优化问题。根据实际的客户需求建立优化调度模型，能有效降低旅行社、汽车租赁等公司的运营成本，并且降低交通道路压力。从国内外来看，目前旅游大巴车主要以长时间租赁、包车为主，对于客流量大的旅游城市往往会造成资源浪费、交通压力，无法有效满足目前旅游大巴车调度的实际需求。因此，具有高效调度旅游大巴车的方法是必要的。

进化算法被认为是简单而通用的多目标优化策略，通过模仿生物进化过程(如群体智能、遗传进化等)，能够在一次运行中找到Pareto最优解，已经被成功用于旅游路径规划领域。但进化算法也有各种不足，主要表现为：如初始解波动幅度较大、收敛速度较慢和容易陷入局部最优解等。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种基于多目标进化算法的旅游大巴车调度优化方法。

实现本发明目的的技术方案是：

一种基于多目标进化算法的旅游大巴车调度优化方法，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；