[发明专利]一种基于高维网络的集散货一体化电动车辆路径优化方法

权利要求书

1.一种基于高维网络的集散货一体化电动车辆路径优化方法，其特征在于，包括以下步骤：

S1，在地理空间的道路交通网络基础上，增加离散的时间维度，构成时空网络；在时空网络的基础上，增加状态维度，状态维度由车辆的剩余取货能力、车辆的剩余送货能力和离散的车辆剩余电量共同组成，以构成高维的时空状态网络；

S2，在高维的时空状态网络中，将客户的集散货需求、电动车的充电过程表示在网络中的弧上，形成运输弧、服务弧和充电弧；

S3，根据时空状态网络的相关参数，电动车的相关参数，客户需求的相关参数以及充电站的相关参数，构建初始原问题的电动车辆路径优化模型；

S4，利用拉格朗日松弛算法构建对偶模型，再将对偶模型分解成每辆车的资源约束最短路子问题；利用预设的动态规划算法求解子问题，得到车辆的路径解；将路径解带入原问题的松弛问题中，得到原问题的下界值；

S5，用增广拉格朗日乘子法构建增广拉格朗日对偶模型，将增广拉格朗日对偶模型分解成每辆车的资源约束最短路子问题；利用预设的动态规划算法求解子问题，得到车辆的路径解；对路径解进行启发式改造，得到可行路径解；将可行路径解带入原问题的目标函数中，得到原问题的上界值；

S6，利用上界值和下界值，评估当前解的质量；利用次梯度法更新乘子，设置迭代次数，循环迭代；迭代完成后输出最优的上界值，根据上界最优值确定电动车的运输路径，以及绕行的充电策略。

2.根据权利要求1所述的基于高维网络的集散货一体化电动车辆路径优化方法，其特征在于，所述步骤S1中，构建高维的时空状态网络的具体步骤为：

S11，将连续的时间范围离散化，T＝{T₀,T₁,…,T_n}，其中T₀表示初始时刻，T_n表示终止时刻；增加车辆的状态维度w＝[p,d,e],其中p、d、e分别代表车辆的剩余取货能力、车辆的剩余送货能力和车辆的剩余电量；将车辆的剩余电量状态离散化，E＝{E₀,T₁,…,E_n}，其中E₀为设置的车辆的最低电量，E_n为车辆的最大电量；

S12，确定构造高维网络所需要的输入参数：道路空间网络中的节点和路段，路段通行成本，路段通行时间，客户需求的发生路段、取货需求量、送货需求量和服务时间窗，充电站节点，充电站能同时容纳充电的车辆数，单位时间充电率，车辆总数，每辆车的起点、终点、最大电量、最小电量、电量容量以及单位时间耗电率；

S13，构建以时间为X轴、空间位置为Y轴、状态维度为Z轴的时空状态网络；将步骤S12中的输入参数转变为时空状态网络下的数据形式：生成节点(i,t,p,d,e)，含义为该车辆在时刻t下，以剩余取货能力为p，剩余送货能力为d，剩余电量为e的状态，处于位置节点i处；N是所有节点集合；生成弧(i,j,t,s,p,p′,d,d′,e,e′)，含义为车辆通过道路路段(i,j)，时间变化(s-t)，车辆的剩余取货能力减小(p-p′)，车辆的剩余送货能力减小(d-d′)，车辆的剩余电量变化e′-e；A是所有弧集合。