[发明专利]基于SP模型的两阶段路径规划优化方法

说明书

本发明属于物流调度优化技术问题领域，尤其涉及一种基于SP模型的两阶段路径规划的优化方法。本发明提出的方法把含有大量变量和约束的混合整数模型分解成一个基于路径的主问题和一个带有资源约束的最短路径子问题，以达到分而治之的效果，并且在求解定价子问题时算法采取并行计算，大幅节省不同车型的求解时间，相比传统人工计算的方法，不依赖调试人员对算法参数的调整，求解速度更快，计算结果更可靠，求解的稳定性也更高。

技术领域

本发明属于物流调度优化技术问题领域，尤其涉及一种基于SP模型的两阶段路径规划的优化方法。

背景技术

在城市道路拥堵问题日趋严重这样的背景下，企业员工上班不仅面临着因道路拥堵问题而产生的迟到风险，而且其上班的成本也会显著地增加。针对这种情况，企业通勤班车服务应运而生。通勤服务企业或大型企业自身的通勤服务团队为员工提供统一接送服务，通勤团队首先设定多个乘车点，乘客可就近选择上下车站点，每个站点会有前往多个目的地或厂区的乘客，通勤团队需合理进行车辆、车型和运行路线规划，保证把乘客送往目的地。

现在多数通勤服务企业关于多目的地多车型的路线规划普遍存在以下问题：

一、人工设计线路，首先会耗时耗力，其次会不可避免地造成成本浪费，多车型多目的地使得人工规划路线的难度加大；

二、部分企业在利用现存路径规划算法计算路线的耗时过久，且计算结果与最优解仍存在一定差距。

关于多目的地多车型的路线规划属于车辆路径问题(vehicle routing problem，VRP)，是个典型的NP-hard问题。目前求解VRP问题的方法主要分为启发式算法和精确算法两大类，其中启发式算法主要包括遗传算法、自适应广义粒子群算法、模拟退火、蚁群算法等，启发式算法常用于求解VRP问题，但由于其具有随机性，无法直接证明其求解结果的最优性，且启发式算法往往伴随着大量可调参数，求解性能对参数的依赖较大，往往需要调试人员对算法具有较深的理解，且对于不同数据，其效果也会不同，求解结果稳定性较差，容易出现收敛速度慢，陷入局部极小值，计算时间过长等问题，并且其优解不可复现，从某种程度上限制了其使用。

发明内容

本发明旨在解决现有技术在路径规划问题上分别使用启发式算法和精确算法在参数选择上调试容易导致的求解结果稳定性较差、收敛速度慢、陷入局部极小值、计算时间过长的技术问题。

为解决上述技术问题，第一方面，本发明实施例提供一种基于SP模型的两阶段路径规划的优化方法，所述方法包括以下步骤：

S1、构建关于运营成本的路径规划数学模型；

S2、基于Dantzig-Wolfe分解方式，将所述路径规划数学模型分解为路径优化主问题和资源优化子问题；

S3、根据预设初始解求解算法，计算所述路径规划数学模型的初始解，并根据所述初始解初始化分支定价问题树，使所述初始解作为所述分支定价问题树的根节点；

S4、从所述分支定价问题树取出头节点，进行列生成，对所述资源优化子问题进行求解，其中，判断对应的所述路径优化主问题的解是否为整数解，若是，则更新所述分支定价问题树的上界，并将对应的所述路径优化主问题的解进行剪枝；若否，则基于对应的所述路径优化主问题的解的弧值构建所述分支定价问题树的分支节点；

S5、判断所述分支定价问题树是否为空，若否，迭代至步骤S4；若是，则输出所述路径优化主问题的解作为路径规划优化结果。

更进一步地，所述路径规划数学模型满足以下关系式：