[发明专利]基于混合遗传算法和位置分配算法的众包调度方法及系统

权利要求书

1.基于混合遗传算法和位置分配算法的众包调度方法，其特征在于，包括以下几个步骤：

步骤1:获取客户集合、自有车辆集合、仓库集合以及众包车辆集合；

所述客户集合包括所有可服务客户的位置信息、可服务客户的时间窗和可服务客户的收益值；

所述自有车辆集合包括自有车辆可用容量、自有车辆固定成本、自有车辆单位可变成本和自有车辆运输速度；

所述仓库集合包括仓库位置信息和容忍的最大路线持续时间；

众包车辆集合包括众包车辆的位置信息、最早发车时间、众包车辆返回其目的地的最晚时间、众包车辆的可用容量和众包车辆的速度；

步骤2：构建自有车辆路线优化模型；

自有车辆路线优化模型以服务客户所得利润最大化为优化目标；所述服务客户所得利润由可服务客户的收益值与自有车辆固定成本、自有车辆单位可变成本、客户被众包车辆服务的补偿成本和违反可服务客户的时间窗约束的惩罚成本组成的总成本的差值确定；

自有车辆路线优化模型的预设运输场景包括：自有车辆数量固定；自有车辆整体运力不能满足所有客户的需求；车辆从仓库出发服务客户；一旦服务的客户需求超过自有车辆可用容量则对客户需求进行拆分，剩余需求由众包车辆完成；自有车辆不需要访问所有客户，只需要访问在自有车辆满载情况下使得自有车辆整体利润最大化的客户子集即可；客户由众包车辆服务产生补偿成本；违反可服务客户的时间窗约束产生惩罚成本；

自有车辆路线优化模型的约束条件包括：每一个客户只能被自有车辆服务一次；自有车辆从仓库出发后一旦满载则回到仓库；自有车辆到达客户的时间必须在客户的时间窗之内，若提前到达产生等待时间的惩罚成本，若延迟到达产生延迟时间的惩罚成本；自有车辆可用车辆容量不能满足客户的全部需求时，对该客户的需求进行拆分，该客户的需求由自有车辆和众包车辆共同完成；

步骤3：通过混合遗传算法求解自有车辆路线优化模型，得到实现优化目标且满足所述预设约束条件的最优解；所述最优解表征每一辆自有车辆服务的客户集合、每一辆自有车辆最优路线方案和需要由众包车辆服务的客户集合；

步骤4：构建众包任务分配模型；所述众包任务即上述混合遗传算法得到的最优解中需要由众包车辆服务的客户集合；

所述众包任务分配模型以最小化众包车辆服务产生的补偿成本为优化目标，所述补偿成本由众包车辆服务的客户成本和众包车辆直接从起点返回目的地的成本差值决定；

所述众包任务分配模型的预设场景包括：众包车辆可用容量远远大于需要被服务的客户需求总和；众包车辆在返回目的地的过程中可以绕行为需要服务的多个客户提供服务，但服务时间不能超过众包车辆返回其目的地的最晚时间；客户由众包车辆服务产生补偿成本；若众包车辆的可用容量小于服务客户的需求，则对需求进行拆分；众包车辆满载直接前往仓库，然后返回目的地；

所述众包任务分配模型的预设约束条件包括：众包车辆服务客户需求不超过众包车辆可用容量；众包车辆到达客户时间必须在客服务客户的时间窗内；

步骤5：通过位置更新分配算法求解众包任务分配模型，得到实现优化目标且满足所述约束条件的最优解；所述最优解表征每一辆众包车辆服务的客户集合和服务顺序；

步骤6：根据自有车辆路线优化模型以及众包任务分配模型的最优解调度自有车辆以及众包车辆服务客户。