[发明专利]一种带时变时间窗的关联物流运输优化调度方法

摘要

本发明涉及一种带时变时间窗的关联物流运输优化调度方法，该方法的具体实现步骤为：1.配送中心获取预订客户的需求信息；2.利用II插入法对所有已知客户进行初始路径规划；3.基于差分进化算法的改进蜂群算法优化初始路径；4.配送中心采集时变信息，获取客户的新时间窗信息，记录客户的新时间窗的申请时刻；5.判断新信息到来的时刻时的关键点；6.采用改进II插入法把时变客户插入到对步骤3求解的初始路径中，以完成时变路径的优化；7.结束。获得时变时间窗关联物流运输调度的最终调度方案。

主权项

一种带时变时间窗的关联物流运输优化调度方法，其特征在于以下步骤：步骤(1)：在时变调度环境中，将整个调度周期建立为时间轴，记每一个新需求产生的时刻为τ，建立基于时刻τ的子静态模型subP(τ)；步骤(2)：配送中心获取所有已知客户的需求信息，通过II插入法的蜂群算法构造初始路径；步骤如下：(2a)令未分配路径的客户集合U＝{1,2,...,N}，设定蜂群中侦察蜂的数目NL＝1，即先派出一只侦察蜂；(2b)为侦察蜂选定一个种子客户s，构成初始路线{0,s,0}；(2c)采用改进II插入法找出最优的插入客户u*；若u*符合容量约束条件，并且满足ti+Ti+Tiu≤Lu或者tu+Tu+Tuj≤Lj，则将u*插入到当前路径的客户对之间；否则，再派出一只侦察蜂，且NL＝NL+1，并转至(2b)，此时得到一条路径；判断U是否为空集，若不是空集，则重复步骤(2c)；否则，根据NL确定侦察蜂在蜂群中的比例PL＝NL/SN；步骤(3)：基于差分进化算法的改进蜂群算法优化初始路径，具体步骤如下：(3a)算法初始化；初始化种群规模SN，全局循环次数cycle＝1；利用步骤(2)构造初始解xij(i,j＝1,2,...,N)，并计算每个解的适应度；(3b)局部循环次数l＝1；引领蜂对邻域进行搜索，采用差分进化算法对初始解进行变异和交叉操作，产生新解uij，并计算其适应度值；采用贪婪原则依据适应度值对xij和vij做出选择；设d维向量Xi＝(xi1,xi2,...,xid)T来表示第i个蜜源(客户)的位置；式中，vij是新的蜜源的位置，xij为当前蜜源位置，Φij是一个[‑1,1]范围内的随机数，xrj为随机选择一个邻域个体的蜜源位置，r∈{1,2,...,n}且r≠i。(3c)检查禁忌表中是否有该解，如果有则转(3f)。(3d)计算所有xij的适应度值，并根据公式计算与xij相关的概率值pi；跟随蜂根据pi选择引领蜂跟随，并采用差分进化算法对所选择的引领蜂的解进行变异和交叉操作，对邻域进行搜索产生新解vij，计算其适应度值；采用贪婪原则依据适应度值对xij和vij做出选择；其中，fiti是食物源i所代表的解的适应度函数，SN是食物源的总数，与引领蜂的数量相等；(3e)l＝l+1，判断是否达到局部最大循环次数limit，如果l<limit，则转至(3c)，否则转至下一步；(3f)将该路径放入禁忌表中；当引领蜂转变为侦查蜂时，根据公式vij＝xij+Rij(xij‑xkj)随机产生一个新解来替换它，记录目前为止最好的解；cycle＝cycle+1；Rij是一个[‑1,1]范围内的随机数，xkj为随机选择一个邻域个体的蜜源位置，r∈{1,2,...,n}且r≠i；(3g)判断是否达到全局最大循环次数M；如果cycle≥M，则输出最优结果，否则返回(3b)；步骤(4)：采用改进II插入法把时变客户插入到对步骤(3)求解的初始路径中，以完成时变路径的调整，满足时变客户的要求；具体步骤如下：(4a)在新需求到来的时刻τ，检查每辆车k所在线路的信息；对每条路线，计算车辆k的剩余载货量Qk(τ)；找出所有Qk(τ)≥qu的车辆和路线，并记作路径集合Rz＝{Rk|Qk(τ)≥qu}，Rz元素个数为Z；若Z≤1则从车场新派一辆车，构建新线路{0,u,0}且k＝k+1；否则转至下一步；(4b)置z＝1；(4c)根据改进II插入法计算将客户u插入Rz第z条线路的相邻客户i，j的插入成本c(u*)，得到点u的最优插入位置为Rz第z条线路的客户对(iuz,juz)之间；令z＝z+1；(4d)将u插入到Rz第z条线路的客户对(iuz,juz)之间；(4e)算法终止。