[发明专利]基于改进狮群算法的疫情下社区物资车辆路径优化方法

权利要求书

1.一种基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于，包括以下步骤：

步骤1：建立路径规划数学模型，初始化算法参数；

步骤2：顺序编码，随机生成初始狮群，计算狮群个体初始适应度值，使用帕累托非支配排序机制以及个体拥挤距离来对个体进行排序，确定初始狮王，母狮和幼狮；

步骤3：检测是否有外敌入侵，若有，查看入侵者能否支配当前狮王，能则取代当前狮王，不能则被驱赶；

步骤4：使用狮群传代算子PO和尝试次数maxtrial实现狮群位置更新；

步骤5：使用平衡化算子优化工作负载均衡目标；

步骤6：更新狮群中狮王和其他个体的最佳位置，重新确定狮群个体的身份；

步骤7：判断迭代次数t是否等于算法最大迭代次数T，如果不等于，则t+1，回到步骤3，重复进行步骤3到步骤6，直到t＝T，此时记录狮群历史最优个体。

2.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于：所述步骤1建立的建立路径规划数学模型具体为：

以及约束函数：

w∈[0,m),w∈N⁺

其中G＝(V,E)为配送网络；V为节点集，V＝{0,1,2,......,n}，其中0表示配送中心，其余节点表示客户；E为弧集，E＝{(i,j)|i,j∈V,i≠j}；K为车辆集，K＝{1,2,......,m}，即m辆车，对应m位司机，z_k为0-1决策变量，0表示第k辆车因为司机个人原因无法参与配送，令num(∑z_k＝0)为w，表示无法参与配送的司机数，则实际车辆数为p＝m-w；d_ij为弧(i,j)的行驶距离；R_k为子路径集，R_k＝{r₁,r₂,......,r_p}，r_k表示第k辆车的行驶路径；为该路径的客户点数；表示该路径上的第i个客户点；C为配送车辆的最大载重；Q_i表示每个客户点的需求量；y_ik为0-1决策变量，1表示客户点i由车辆k服务；t表示迭代次数；第一个约束函数表示每辆车服务的客户点总需求量不超过自身载重；第二个约束函数表示车辆集中哪些车参加配送；第三个约束函数表示不能参与配送的车辆数小于车辆总数m，且为正整数；第四个约束函数表示一个客户只能由一辆车提供服务。

3.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于：所述步骤1中初始化算法参数包括算法最大迭代次数T，狮群大小P，狮群成年狮子的占比B，入侵因子lf。

4.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于，所述步骤2具体包括：

步骤21：对配送路径进行实数编码，然后对狮群初始化；

步骤22：对经过帕累托排序的个体依据各自拥挤距离的大小确定他们的顺序，排在最前面的个体成为狮王，依据狮群成年狮子的占比B的大小确定成年狮子的个数，按照个体排列顺序确定其他个体的身份。

5.根据权利要求4所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于，所述步骤21进行实数编码具体为：先生成代表配送中心的0，1～n代表所有需要配送的客户点，随机选择客户点加入，并判断是否满足所述路径规划数学模型的约束条件，不满足则插入0代表当前子路径结束，再开辟一条子路径，重复上述步骤，直到所有客户点都已经加入，最后以0结尾。

6.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法，其特征在于，所述步骤3具体包括：

步骤31：每一代一开始生成一个随机数r，r∈(0,1)，比较r与入侵因子lf的大小，若比它小则代表有外敌入侵，进入步骤32，若比它大则没有入侵，结束步骤31，进入步骤4；

步骤32：通过贪婪插入法生成一个较优个体当作入侵者，它的适应度值若能支配现有狮王则替代狮王，反之被驱赶。