[发明专利]一种用于多配送中心运输车辆的优化调度方法

说明书

本发明涉及一种用于多配送中心运输车辆的优化调度方法，属于物流运输智能优化调度技术领域。本发明首先针对多配送中心运输车辆的配送过程建立排序调度模型并确立优化目标，排序调度模型依据配送中心数量、派出车辆数量、车辆配送过程以及客户与配送中心的相互位置分布关系建立，优化目标为最小化车辆总运输距离；然后设计带学习机制的改进蚁群优化调度算法对目标进行优化。本发明能使配送过程清晰明了，调度方案可行有效、易于推广；能避免无效信息素大量累积造成的算法停滞现象，从而加快算法收敛速度；可快速获取多配送中心运输车辆配送过程的近似最优调度方案，能有效减少车辆运输距离，提高配送效率，降低配送成本，提升客户满意度。

技术领域

本发明涉及一种用于多配送中心运输车辆的优化调度方法，属于物流运输智能优化调度技术领域。

背景技术

随着互联网的发展和电子商务的兴起，物流运输行业发展迅猛，以快递、外卖等收取、配送业务为主体的配送产业的规模更是空前扩张。统计数据显示，我国快递从业人员已超过一千万，如此庞大的产业规模势必造成巨大的能源浪费和成本消耗，因此，在配送过程中，如何安排客户服务顺序以实现对运输车辆的合理调度对降低成本、提高效率、提升客户满意度非常重要。

现代物流企业多拥有多个配送中心，其配送业务的核心问题是多配送中心运输车辆的调度问题。调度方案的优劣会直接影响到配送效率、物流成本、客户服务水平乃至企业的整体运营战略。然而，现有的配送方案多由人工依据经验制定，效果差、随机性大且无法大规模推广应用。因此，通过有效的优化算法制定合理的调度方案，普适性强且有利于统筹安排不同客户的先后服务顺序，可以有效减少配送车辆的运输距离，从而节省配送时间，提高配送效率，实现企业成本的降低和客户满意度的提升。

多配送中心运输车辆调度问题属于非确定多项式难问题，具有较高的理论研究价值。该问题无法在多项式时间内进行精确求解，且其求解难度随问题规模的增大呈阶乘式增长，传统启发式构造方法和数学规划方法均无法在有效时间内保证解的优化质量。本发明所涉及的带学习机制的改进蚁群优化调度算法是一类能有效克服上述缺陷的智能优化算法，可以在较短时间内获取所求问题的近似最优解。

发明内容

本发明要解决的技术问题是提供一种用于多配送中心运输车辆的优化调度方法，用于在较短时间内高效地获取多配送中心运输车辆在配送过程中的近似最优配送方案，即车辆服务客户顺序的近似最优排序，以减少车辆总运输距离，从而帮助企业实现降低成本、提高效率、提升客户满意度的需求。

本发明采用的技术方案是：一种用于多配送中心运输车辆的优化调度方法，首先针对多配送中心运输车辆的配送过程建立排序调度模型并确立优化目标，排序调度模型依据配送中心数量、派出车辆数量、车辆配送过程以及客户与配送中心的相互位置分布关系建立，优化目标为最小化车辆总运输距离；然后设计带学习机制的改进蚁群优化调度算法对目标进行优化，带学习机制的改进蚁群算法是在传统蚁群算法中引入知识库，通过学习每代种群和优良个体的优势信息来更新和积累知识库，并将知识库用于指导算法的后续迭代优化过程，进而通过变邻域局部搜索和改进的信息素更新机制产生近似最优个体，得到最小化车辆总运输距离D(π)：

π＝{π₁,π₂,…,π_m} (9)

D(π)＝D₁(π₁)+D₂(π₂)+,…,D_m(π_m) (10)