[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

说明书

本发明涉及物流的VRP领域。本发明提供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，获取客户集合、自有车辆集合、仓库集合以及众包车辆集合；构建自有车辆路线优化模型，通过混合遗传算法求解，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；构建众包任务分配模型，通过位置更新分配算法求解，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；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。

技术领域

本发明属于物流的VRP(Vehicle Routing Problem,车辆路径问题)技术领域，具体涉及基于混合遗传算法和位置更新分配算法的众包VRP调度方法及其系统。

背景技术

互联网在线销售的迅速发展为物流服务商在完成网上订购商品的物流运输方面提出了许多挑战，主要的挑战是如何提供具有经济效益的配送服务。为了应对这一挑战，物流服务商用自有车辆来为多个顾客运输货物，通过解决VRP(Vehicle Routing Problem,车辆路径问题)问题为实现高经济效益的物流服务。然而随着客户规模的进一步增大，物流服务商自身的车辆难以满足客户的全部需求，此时，众包运输成为物流服务商完成客户的服务需求的新机会。众包运输是指利用众包车辆的过剩运力为客户提供物流服务，物流服务商只需要为众包司机支付一定的绕路补偿即可。这类问题涉及到自有车辆的路线规划和众包车辆的任务分配问题，我们将其统一称之为VRPOD(Vehicle Routing Problem withoccational driver)问题。毫无疑问，这种模式可以在有效降低物流服务商的配送成本的同时为客户提供高质量的物流服务。因此，研究该问题具有重要的现实意义。

VRPOD问题是传统VRP问题的衍生，也具有NP(Non-deterministic Polynomial)特征，传统精确算法对于大规模组合优化问题难以在多项式时间内得到满意的解，采用启发式算法来解决NP问题是有效的。遗传算法是一类借鉴生物界适者生存，优胜劣汰的进化规律演化而来的全局搜索方法。该算法不存在求导和函数连续性的限定，可以有效的解决组合优化问题，其缺点在于局部搜索能力差，优化性能依赖初始解。另外，对于任务分配问题常用一对一分配的方式，但对于众包车辆而言，可服务客户数量取决于其剩余运力，在任务分配的同时还需要给出完成任务的顺序，因此需要针对众包任务分配的特点设计新算法。

发明内容

本发明要解决的技术问题是现有技术中针对VRP采用的遗传算法存在在局部搜索能力差，优化性能依赖初始解；以及现有技术中针对众包车辆的任务分配一般采用的是一对一的分配方式，无法将众包车辆的剩余运力与客户需求进行完全匹配。

本发明解决技术问题的技术方案是提供一种基于混合遗传算法和位置分配算法的众包调度方法，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；