[发明专利]一种带软时间窗口的物流配送控制方法

摘要

一种带软时间窗口的物流配送控制方法，包含以下步骤：A1.建立网络模型，为网络数据集中的道路赋予费用阻值，考虑道路节点，为道路交通等路口、收费站赋予费用权重；A2.建立带软时间窗车辆优化调度模型VRPTW，以运输费用成本最低建立目标函数，运输费用分别由配送车辆固定费用、运输费用、车辆等待费用和延迟费用组成；A3.模糊聚类分析算法设计，采用基于定量分析和定性分析相结合的方法来进行聚类；A4.车辆优化调度启发式算法设计对每一类中的配送目标节点采用车辆优化调度算法，即可得到配送结果。本发明以配送点间的收货实际路网线路距离为计算依据，同时考虑道路实际行车能力、网点数较大、配送点对货运需求时间。

主权项

1.一种带软时间窗口的物流配送控制方法，其特征在于：所述物流配送控制方法包括以下步骤：A1.建立网络模型，使用ArcGIS软件，建立网络数据集和路网之间的拓扑关系；根据矢量数据中的Shap_Length字段属性建立网络数据集中的道路阻值；再对网络数据集进行网络分析，得到配送目标节点之间的最小费用的OD矩阵，为车辆优化调度模型提供车辆行驶费用权值，考虑道路节点，为道路交通灯路口、收费站赋予费用权重；A2.建立带软时间窗车辆优化调度模型VRPTW；问题描述：有m个产品生产地A生产某种产品，其产量分别为a_i，有n个客户点B，其需求量分别为b_j，按照客户点的需求将产品在规定时间窗内配送，如果各项配送任务没有在指定的时间范围内完成，则给予惩罚；要求各车辆的行驶路线满足约束条件：i.每条路线的起点必须是生产地，终点为客户点，不考虑回程；ii.每条路线的总载量不得大于运载车辆的最大允许载重量；iii.每个指定客户必须仅被服务一次；iv.每个客户都有它被服务的规定的时间窗限制，如果车辆提前达到客户点，则支付等待费用，若车辆延迟到达客户点，则支付延迟费用；以运输费用建立目标函数，运输费用分别由配送车辆固定费用、运输费用、车辆等待费用和延迟费用组成；其中，配送车辆固定费用由车辆折旧费用和维护费用组成，该部分费用只与配送的车辆数有关，运输费用与车辆所行使的路段状况有关，包括路段长度，路段的拥挤状况，还包括整个路段中所经过的交通灯、收费站所产生的时间成本及收费情况，客户货运需求通常要在客户规定时间范围内送达，否则物流中心需要支付额外费用，这里的车辆优化调度模型是针对分类后类中的目标节点建立的，具体模型如下：配送路网模型描述为：G=(A∪B∪V,R)A={a1,a2,...,an}B={b1,b2,...,bm}V={v1,v2,...vk}R={Rs}]]>其中A为路网中生产地集合，B为路网中客户节点集合，V为路网中道路交点集合，它们构成网络的顶点，R为道路中的有向路段集；运输成本最低模型为：带软时间窗的动态车辆路径规划问题，目标函数为：minZ=Σk=1mck+Σg=0nΣh=0nΣk=1kcghxghk+p1Σj=1nmax(Sj-tj,0)+p2Σj=1nmax(tj-Ej,0)]]>s.t.①a_i＞b_j,i∈{1,2,...,m},j∈{1,2,...,n}；②c_k为每辆车的固定成本；③m取整数，为配送车辆数，a为参数，0＜a＜1，约束条件越多，货物装卸车越复杂，a越小；④c_gh为路段(v_g,v_h)的运输成本，与该路段的长度和路段的拥挤状况有关，以及所包含的交通灯以及收费站的数量有关，c_gh＝c_gh'd_gh+c_gh''l_gh其中c_gh'为路段(v_g,v_h)单位距离的费用，d_gh为路段(v_g,v_h)的距离，c_gh''为路段(v_g,v_h)所经过的交通灯以及收费站的单位费用，l_gh为该路段所包含的交通灯和收费站的数量；⑤x_ghk＝{0,1}，车辆k经过路段(v_g,v_h)，x_ghk＝1，否则为0；g,h∈{0,1,2...,n},k∈{1,2,...m}；⑥y_jk表示若客户点j的任务由车辆k完成，y_jk＝1，否则y_jk＝0；q为车辆的最大载重量；⑦[S_j,E_j]客户点j的配送时间窗要求；⑧t_j为车辆到达客户点j的时刻；⑨p₁，p₂分别为早于和超出到达客户点j时间窗的惩罚成本系数；其中min表示最小，max表示最大，s.t.表示约束条件；A3.模糊聚类分析：采用基于定量分析和定性分析相结合的方法来进行聚类，首先根据目标节点的时间窗属性对客户点进行初步划分，然后再结合定量的方法按客户位置进行客户的聚类分析，通过模糊聚类分析将大规模的车辆路径规划的问题降级，转化成小规模的组合优化问题进行求解，模糊聚类分析步骤如下：3.1）客户订单信息的获取，包括客户的地理位置和需求量；3.2）根据研究的对象，选择与研究对象的关系密切的指标，先进行定量分类；3.3）对数据的标准化；3.4）建立模糊相似矩阵；3.5）模糊等价关系的建立；3.6）进行聚类分析，给定不同的置信水平，求R_λ截阵，找出R的λ显示,每个样品归为一类，随着λ的降低，由细变粗逐渐并类；A4.车辆优化调度启发式算法设计，通过A3，已经将较大配送目标点大而化小，此时再对每一类中的配送目标节点采用车辆优化调度算法，即可得到配送结果，步骤如下：4.1）采用自然数编码方法，根据类中客户点数目产生初始种群进行遗传编码，构造客户点作为配送路线优化问题解向量中的染色体，4.2）计算每个配送方案的种群适应度函数，对于目标函数取最小化的组合优化问题,其适应度函数就要对目标函数进行适当的变化，以转化为极大化的情况，且保证适应度值非负，4.3）最佳个体保存法与轮盘赌选择相结合的方法进行删减、复制染色体，最终产生新种群，4.4）采用顺序交叉法实施交叉操作，以交叉概率p_c对种群进行交叉操作，检查是否满足约束条件，产生新种群，4.5）采用多次对换变异方法，以变异概率p_m对种群进行变异操作，随机产生一个交换次数L，检查是否满足约束，形成新种群，4.6）判断是否满足终止法则，达到最大迭代次数或达到最优解要求，满足要求则停止，否则转入4.3），4.7）计算结果进行解码，4.8）选择所有解码后的计算结果，并进行比较选取费用最小者。