[发明专利]多客户多仓库物流配送路径选择方法

摘要

本发明涉及物流配送路径规划方法。本发明公开了一种多客户多仓库物流配送路径选择方法，其主要步骤包括：蚁群优化方法初始化；路径构建；信息素更新；禁忌搜索优化方法初始化；构建邻域路径集；评价邻域路径集；路径更新；更新禁忌表。本发明首先利用蚁群优化方法获得配送路径候选方案，然后将该配送路径作为禁忌搜索的初始路径进一步优化。蚁群优化技术是群智能优化技术的一种，善于发现可能存在最优路径的区域，禁忌搜索技术属于轨迹法，两种处理技术混合可以充分利用各自优势，提高本发明方法的搜索性能。本发明克服了现有路径配送优化方法的缺点，更适应于处理多客户多仓库物流配送的路径优化处理。

主权项

1.多客户多仓库物流配送路径选择方法，首先获取N个客户地址及每位客户的货物需求q_n，n=1,2,...,N，M个仓库地址及各仓库车辆数目h_m,m=1,2,...,M，以及车载货物容量Q后，采用蚁群优化技术与禁忌搜索技术相结合的方法，获得车辆配送货物的路径并输出；N、M为自然数，且N≥10，M≥2；具体步骤如下： 步骤一：蚁群优化方法初始化 初始化蚁群优化方法最大迭代次数I，种群规模A，蚁群优化方法迭代计数器n_c以及初始信息素矩阵τ={τ_ij,i,j=1,2,...,N+M}，初始启发式信息素矩阵η={η_ij,i,j=1,2,...,N+M}参数，其中，迭代计数器n_c初始值设为0；种群规模A设置为仓库数目M；η_ij为路径(i,j)上启发式信息素大小，η_ij为客户i和客户j之间路段长度的倒数；τ_ij代表客户i和客户j之间路段上的信息素，且初其始值τ₀可通过构建随机可行路径s₀的方式初始化，如式(1)所示 式中，N为客户数，s₀为随机构造的可行路径，f(s₀)为路径s₀的配送路径长度； 步骤二：路径构建 具体过程包括： 1).将A只蚂蚁置于各个仓库，每个仓库含一只蚂蚁，建立蚂蚁的候选列表U_a，a=1,2,...,A,其中U_a包含了第a只蚂蚁未访问且访问后该路径依然满足如下约束条件的客户，即：(1)每条车辆路线上客户总需求不能超过车辆的容量、(2)每辆车走完其路线总时间不能超过最大行驶时间、(3)每个客户只能由一辆车一次供货、(4)每辆车最后都要回到其出发的仓库、(5)从该仓库出发的车辆不能超过该仓库含有的车辆数；建立所有蚂蚁公用的已访问表V，V包含了所有未被蚂蚁访问的客户； 2)．对于每只蚂蚁a，判断该蚂蚁候选表U_a是否为空，若为空，则该蚂蚁返回其出发仓库；否则，从候选列表U_a中，选择下一客户进行货物配送；设该蚂蚁当前所在位置为i，则下一配送客户j采用伪随机方式产生，具体为：产生0到1之间的伪随机数q，若q≤q₀，q₀是预先设置的参数，0≤q₀≤1，则采用固定选择方式从该蚂蚁候选列表U_a中选择最大化公式(2)的客户j，即： 若q>q₀，则采用概率选择方式从该蚂蚁候选列表U_a中选择下一配送客户j，其中，U_a中任意一客户k被选择为j的概率P_ik由式(3)计算得到； 式中，τ_ik为路段(i,k)上信息素的值，α,β分别是信息素和启发式信息素的权值因子； 根据所有蚂蚁从当前客户移动至下一客户距离的大小，选择将移动路段最短的蚂蚁，进行转移，其余蚂蚁位置保持不变；设所选择的最短移动路段对应的下一客户为j^*,将j^*添加到已访问表V中，并将蚂蚁候选列表U_a中的客户j^*删除，a=1,2,...,A； 3)．重复过程2，直到所有客户均被访问后，且所有蚂蚁都回到其出发的仓库，该次路径构建完成，即获得一个路径； 4)．重复过程1～3，构建A个路径，记为s₁,s₂,...,s_A； 步骤三：信息素更新 首先评价所构建的A个路径的路径长度，其中，任意一个路径s_a的长度为f(s_a),a=1,2,...,A，并确定具有最短路径的路径s^*，然后进行信息素更新； 步骤四：令迭代计数器n_c加1，若n_c大于蚁群优化方法最大迭代次数I_t，则进入步骤五；否则，跳转至步骤二； 步骤五：禁忌搜索优化方法初始化 设置禁忌搜索优化方法迭代计数器n_t的初始值为0，初始化禁忌搜索优化方法最大迭代次数I_t，将步骤二至四中的最优路径s^*作为禁忌搜索的初始路径s，并初始化禁忌表，其所有元素均为空，禁忌表的长度为θ，其取值为0.1N与0.2N之间的随机整数； 步骤六：构建邻域路径集 首先，设路径s中总共有M'辆车，则每两辆车的组合数为M(M-1)/2，将每一组合中两辆车的配送路线分别记为T₁和T₂,并从路线T₁和T₂中分别选择一个客户，记为μ和π； 然后按照如下3种方式构建路径s的邻域路径集N(s)： (1)将客户μ从路线T₁中删除，并添加到路线T₂中，客户π保持不变； (2)将客户π从路线T₂中删除，并添加到路线T₁中，客户μ保持不变； (3)将客户μ从路线T₁中删除，并添加到路线T₂中，同时将客户π从路线T₂中删除，并添加到路线T₁中； 在上述3种方式中，添加客户的位置都是使添加后路线为最短的位置；最后，根据约束条件，删除邻域路径集N(s)中的所有违背约束的不可行路径； 步骤七：评价邻域路径集 首先计算邻域路径集N(s)中所有路径的长度，然后对于邻域路径集N(s)中的任一路径s_n，若s_n中存在一个客户及其所在的路线被禁忌且f(s_n)>f(s)，则将s_n从N(s)中剔除；最后对于N(s)中任一路径s_n，若s_n中不存在某一客户及其所在的路线被禁忌且f(s_n)≥f(s)，则重置f(s_n)为f(s_n)+w·g，其中为连续两次迭代中路径长度差值的绝对值，M^*代表当前最优路径s^*所用车辆数，g为产生s_n时路径s中被移动的客户在禁忌搜索过程中迭代至今被移动的次数除以n_t的值；步骤八：路径更新 选择邻域路径集N(s)中具有最短路径长度的路径s'，并设置下一次迭代禁忌搜索的初始路径s=s'，同时若f(s)≤f(s^*)，更新当前最优路径s^*为s； 步骤九：更新禁忌表； 将构建路径s'过程中移除的客户及其所在的原有路线放在一起，作为一个元素放入禁忌表中，如果当前禁忌表中非空元素大于θ，则删除最早加入的元素； 步骤十：令迭代计数器n_t加1，若n_t等于禁忌搜索方法最大迭代次数I_t，则结束，输出最优路径s^*；否则转到步骤六继续。