[发明专利]一种基于大规模变邻域搜索策略的农产品绿色物流配送车辆调度方法及系统

说明书

本发明公开了一种基于大规模变邻域搜索策略的绿色物流车辆调度规划方法及系统。首先分别使用CW节约算法、最邻近插入算法和随机方法生成初始车辆配送序列。多次重复上述过程，构成初始配送序列的种群；对每个配送序列采用自适应遗传算法进行调度搜索，寻找满足条件的可行调度；采用大规模变邻域搜索算法对满足条件的可行调度进行优化调整，获得候选的配送序列；依据经济成本和环境成本最低的原则，从所有候选配送序列里选择总成本最低的序列，输出为车辆调度规划方案。本方法和系统可以在保证绿色物流车辆调度规划方案成本最优的同时提高求解速度，所得出的最优配送计划能够综合考虑经济成本和环境成本，有利于优化经济和环境指标。

技术领域

本发明涉及车辆调度规划技术领域，具体涉及基于大规模变邻 域搜索策略的绿色物流车辆调度方法及系统。

背景技术

低碳车辆调度问题的研究正在受到越来越广泛的关注，而低碳 车辆调度问题与传统车辆调度问题相比，在考虑经济效益的同时， 必须兼顾环境效益，考虑车辆的油耗和碳排放等环境因素。由于油 耗和碳排放受载重、车速、车辆特征参数、道路坡度和交通拥堵状 况等多种因素影响，因此低碳车辆调度问题的建模和求解比传统车 辆调度问题要复杂的多。针对低碳车辆调度问题，当前求解算法可 分为三类：精确算法、传统启发式算法和元启发式算法。精确算法 是利用数学法则或数据结构搜寻方式取得问题最优解的一种方法，在低碳车辆调度问题中使用较多的精确算法有，分支定价算法、混 合整数非线性规划算法和近似动态规划算法等；传统启发式算法的 基本思想是从当前解出发在其邻域中寻找较优解作为当前解，并继 续寻找，直到没有更有解，在低碳车辆调度问题领域采用较多的传统启发式算法有，节约算法和改进的Dijkstra算法等；元启发式算 法，其性能比传统启发式算法更优，其基本思想是从初始解开始， 通过对当前解进行反复局部扰动，以寻找较好解。

由于精确算法只能求解规模较小的车辆调度问题，且需要消耗 大量计算时间，而传统启发式算法容易陷入局部最优而难以实现全 局优化，求解效果通常比元启发式算法要差，因此现有研究大多采 用元启发式算法，求解低碳车辆调度问题。作为元启发式算法中的 一种，遗传算法经常用来求解低碳车辆调度问题，而单一的遗传算 法存在着收敛过慢和早熟的缺点，如能结合大规模变邻域搜索算法 等启发式方法进行有针对性的深度搜索将大大提高寻优效率。

发明内容

本发明为了克服现有技术在求解低碳车辆调度问题时易陷入局 部最优、收敛缓慢、优化能力不足等缺陷，将遗传算法与大规模变 邻域搜索策略改进融合，提供了一种基于大规模变邻域搜索策略的 绿色物流车辆调度规划方法及系统，以解决现有技术中存在的问 题。

本发明是通过以下技术方案实现的：

一种基于大规模变邻域搜索策略的绿色物流车辆调度规划方 法，包括：

分别使用CW节约算法、最邻近插入算法和随机方法生成初始车 辆配送序列，重复进行多次，构成初始配送序列的种群；

对配送序列种群中的每个配送序列采用自适应遗传算法进行调 度搜索，寻找满足条件的可行调度；

采用大规模变邻域搜索算法对满足条件的可行调度进行优化调 整，获得候选的配送序列；

依据经济成本和环境成本最低的原则，从所有候选配送序列里 选择总成本最低的序列，输出为车辆调度规划方案。

作为优先实施例，生成初始种群的算法，应当包括：

CW节约算法，创建空调度，计算任意两点间的节约量；以降序 逐一取出节约量所代表的节点；将对应节点插入对应的位置，以载 重量和返回时间约束作为依据判断是否当前配送序列是否应该结 束；当序列创建结束后加入初始配送方案并创建新的配送序列；在每辆车均已有配送序列或所有节点均已分配的情况下完成当前配送 方案的创建；