[发明专利]一种多目标优化的军事运输过程的优化调度方法

摘要

本发明涉及一种多目标优化的军事运输过程的优化调度方法，属于车辆调度智能优化调度技术领域。本发明通过确定多目标优化的军事运输过程的调度模型和优化目标，并使用基于量子种群增量学习算法的优化调度方法对优化目标进行优化。本发明提出了多目标优化的军事车辆优化调度过程的调度模型和优化目标，结构清晰准确；采用根据算法步骤得到当前种群的“最优个体”并将“最优个体”信息反馈到量子位观测模型用于更新下一代种群，能够有效的引导算法进行全局搜索；对种群“最优个体”、执行“Ejection Pool”和“Operate Assemble”操作使得算法的局部开发能力得到显著提高，进一步提升解的质量。

主权项

一种多目标优化的军事运输过程的优化调度方法，其特征在于：通过确定多目标优化的军事运输过程的调度模型和优化目标，并使用基于量子种群增量学习算法的优化调度方法对优化目标进行优化；其中调度模型根据每辆车对其任务内配送目的地的行驶里程及时间窗约束而建立，同时第一优化目标为最小化配送车辆数第二优化目标为最小化行驶总里程$f_2=\underset{k\∈K}{\mathrm{\Σ}}\underset{i\∈V_k}{\mathrm{\Σ}}\underset{j\∈V_k\backslash \left\{i\right\}}{\mathrm{\Σ}}{d}_{\mathrm{ij}}{x}_{\mathrm{ij}}^k:$$\min \{f_1,f_2\}=\min \{\underset{j\∈V_k}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}{x}_{0j}^k,\underset{k\∈K}{\mathrm{\Σ}}\underset{i\∈V_k}{\mathrm{\Σ}}\underset{j\∈V_k}{\mathrm{\Σ}}{d}_{\mathrm{ij}}{x}_{\mathrm{ij}}^k\}---\left(1\right)$$\underset{j\∈V_k\backslash \left\{i\right\}}{\mathrm{\Σ}}{x}_{\mathrm{ij}}^k=y_i^k,\∀i\∈V,\∀k\∈K;---\left(2\right)$$\underset{i\∈V_k\backslash \left\{j\right\}}{\mathrm{\Σ}}{x}_{\mathrm{ij}}^k=y_j^k,\∀j\∈V,\∀k\∈K;---\left(3\right)$$\underset{i\∈V_k}{\mathrm{\Σ}}{q}_i{y}_i^k\≤\mathrm{Capacity},\∀k\∈K;---\left(4\right)$$\underset{j\∈N}{\mathrm{\Σ}}{x}_{0j}^k=\underset{i\∈N}{\mathrm{\Σ}}{x}_{i0}^k=1,\∀k\∈K;---\left(5\right)$$\underset{k\∈k}{\mathrm{\Σ}}{y}_i^k=1,\∀i\∈N;---\left(6\right)$$\underset{i,j\∈V_k}{\mathrm{\Σ}}{x}_{\mathrm{ij}}^k\≤\left|V_k\right|-1,\∀k\∈K;---\left(7\right)$$l_{i0}\≤s_i\≤l_{i1},\∀i\∈N;---\left(8\right)$$x_{\mathrm{ij}}^k\∈\left\{\mathrm{0,1}\right\},\∀i,j\∈V,\∀k\∈k;---\left(9\right)$$y_i^k\∈\left\{\mathrm{0,1}\right\},\∀j\∈N,\∀k\∈k;---\left(10\right)$式中：K＝{1,2,…,w}为配送车辆集合；N＝{1,2,…,n}为配送目的地集合；V＝{0,N}为后勤中心和所有配送目的地的集合，V＝0表示后勤中心，V≠0表示配送目的地；V_k为车辆k访问包含后勤中心和配送目的地的集合；d_ij为各配送目的地点间的距离，d_ij＞0,d_ii＝∞,i,j∈V；Capacity为车辆最大载重限制；q_i,i∈V为各配送目的地的需求量；表示车辆k服务目的地i以后是否服务目的地j，为服务，为不服务；表示目的地i是否被车辆k服务，为被服务，为不被服务；[l_i0,l_i1]为配送目的地的时间窗限制，l_i0为配送目的地i允许的最早开始服务时刻，l_i1为配送目的地i的最迟开始服务时刻，s_i为目的地i的开始服务时刻。