[发明专利]基于去噪自编码器的协同进化算法的车辆任务配送方法

说明书

本发明公开了一种基于去噪自编码器的协同进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并包括：1、建立车辆配送任务模型f_origin和车辆配送任务辅助模型f_help；2、分别使用主种群与辅助种群求解任务模型f_origin和辅助模型f_help，并利用去噪自编码器模型建立辅助种群与主种群间映射关系；3、进化时一方面将辅助种群的最优配送方案通过训练后的学习模型转化，将转化后的配送方案放入主种群中；另一方面直接将主种群的最优配送方案放入辅助种群中，重复以上过程，直至算法终止；4、输出给定任务下的最优配送方案。本发明能对车辆配送路径和车辆装载量方差同时进行优化，从而能提高配送效率。

技术领域

本发明属于车辆路径优化领域，尤其涉及一种基于去噪自编码器的协同进化算法的车辆任务配送方法。

背景技术

伴随着互联网经济迅猛发展，电子商务逐步走入人们生活，网购已经成为人们生活重要组成部分。快递服务业“最后一公里”不仅与消费者网购满意度相关，还占据物流总花费的50％以上；此外，随着劳动法逐步完善和人们对美好生活的追求，额外延长工作时间为人们所排斥。因此，如何优化物流运输路径，使之路径最短，同时使得运送货物的司机劳动强度一致，这成为各大物流公司亟待解决的难题。

在车辆路径问题的场景中，假设仓库中存放一批运输容量、大小型号规模等方面相同的车辆，它们要为区域内的所有配送任务点提供服务；每一个配送任务点只能被一辆车服务，且不可重复，但车辆可以在容量满足的前提下访问多个配送任务点；在满足所有配送任务点需求的条件下，不仅要给出多目标最优车辆访问路径，而且要使这些车辆之间运载量均衡。

在传统方法解决车辆路径问题时，仅考虑总车辆路径最短这一目标，而忽略了更为现实的工作量不平衡问题，该问题有助于车辆司机后续工作时更好服务客户。现有的技术仅优化单个目标，或者将两目标通过加权的方式转化为单目标问题，不仅增加运算负担，而且最终无法得到同时满足路径距离最短和车辆装载量均衡的目标，从而降低配送效率。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于去噪自编码器的协同进化算法的车辆任务配送方法，以期能同时对车辆运输配送路线、各车辆装载量方差进行优化，满足行驶距离最短和车辆装载量均衡的需求，从而能提高配送效率。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于去噪自编码器的协同进化算法的车辆任务配送方法的特点是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并按照如下步骤进行：

S1、建立车辆配送任务模型f_origin和车辆配送任务辅助模型f_help；

S1.1、获取车辆配送任务的相关数据，包括：配送仓库点和配送任务点的地理位置分布、任务点数、任务需求量、车辆最大运载量；

S1.2、利用式(1)和式(2)分别构建车辆配送任务模型f_origin的目标函数：

式(1)中，F₁为总行驶路径的长度，c_ij表示第i个配送任务点和第j个配送任务点之间的距离，i,j∈[0,N]；当i＝0时，c_0j表示从仓库点到第j个配送任务点的距离，当j＝0时，c_i0表示从第i个配送任务点到仓库点的距离，x_ij表示第i个配送任务点和第j个配送任务点之间是否存在路径，若x_ij＝1，则表示存在路径，若x_ij＝0，则表示不存在路径；