[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

说明书

本发明公开了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，包括以下步骤：(1)构建高维的时空状态网络；(2)将客户需求表示在弧上，建立虚拟的充电弧供车辆充电；(3)根据时空状态网络、电动物流车、客户需求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；(4)利用拉格朗日松弛算法求解原问题的新的下界值；(5)利用增广拉格朗日乘子法求解原问题的新的上界值和可行解。(6)利用次梯度法更新乘子，迭代循环完成后输出最优的上界值以及对应的车辆运输路径和绕行充电策略。本发明提供了一种考虑集散货需求的电动物流车的路径优化问题，为现实生活中物流公司合理调度车辆提供了参考和选择依据。

技术领域

本发明涉及电动车辆路径优化方法，尤其涉及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。

背景技术

作为新能源车辆的代表，电动汽车被认为是一种环境友好型，可持续型的新兴载具，具有噪音小，污染小，节约能源等优势。随着充电设施的完善，越来越多的物流公司开始使用电动货车进行配送服务。相比于传统燃油车，电动车的充电是相当耗时的，即使是使用快充技术，充满电也需要耗费数小时的时间，这就给驾驶员带来了里程焦虑。因此，基于电动车的路径优化，需要额外考虑电动车绕行充电的因素。电动车作为新的事物，目前与之相关的路径优化文献还处于比较早期的阶段。

在城市配送中，“第一公里取货”和“最后一公里送货”都是直接与客户接触的过程。“第一公里取货”即物流车从各个客户处取货并带回至车场，是逆向物流的过程。“最后一公里送货”即物流车携带货物从车场出发配送给各个客户，是正向物流的过程。物流公司在实际的配送过程，通常会采取正向物流和逆向物流结合的服务模式，即在送货的同时，也会取货，以避免车辆空载回程，从而提高车辆的利用率。在实际生活中，客户也常常会同时具有送货需求和取货需求，而不是单一的需求，如在送货的同时，回收客户需要退回的商品，或是产品维修，或是废旧产品回收等。因此，采用集散货一体化的服务模式，对提高服务质量，减少物流成本，有相当的重要性。

目前，有关电动车进行物流配送服务的研究基本局限于单一需求，将电动货车与同时集散货的服务模式相结合的研究相对较少。因此，有必要设计一种考虑同时集散货的服务模式，并且使用电动货车进行服务的路径优化方法，为物流企业的配送运输方案提供一种供参考的指导性意见。

发明内容

发明目的：本发明提出一种基于高维时空状态网络的集散货一体化的电动车辆路径优化方法。该方法的目的是提供一种电动车的路径优化方法，电动车需要满足客户取送货需求的同时，最小化其运输成本。电动货车采用绕行到充电站进行部分充电来保证电量充足。

技术方案：本发明的电动车辆路径优化方法，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；