[发明专利]一种物流配送车辆路径优化方法

摘要

一种物流配送车辆路径优化方法，首先，针对车辆配送路径优化问题，对各配送点利用连续数字进行编码，将离散问题转化为连续问题；然后，针对配送路径优化模型，设计基于最优个体信息的变异策略，根据各个体的目标函数值排名选出部分最优个体，通过提取部分最优个体的信息指导搜索，从而提高算法的搜索效率和可靠性；最后，针对优化所得到的最优解，根据编码规则进行解码，从而得到最优配送路径方案。本发明在实际物流配送车辆路径优化应用中，可以快速的得到可靠的最佳配送路径。

主权项

一种物流配送车辆路径优化方法，其特征在于：所述路径优化方法包括以下步骤：1)以所有配送车辆的总路程最短为目标建立如下目标函数：minF=Σk=1K[Σi=1nkdrk(i-1)rki+drknkrk0sign(nk)]---(1)]]>其中，K为配送车辆数量，nk表示第k辆车配送的客户数量，rki表示客户点在第k辆车配送的客户顺序中为第i个，rk0表示配送中心，表示第k辆车配送的第i个客户和第i‑1个客户之间的距离，表第k辆车配送完nk个客户后返回配送中心的路程，sign(nk)为决策变量，如果第k辆车没有进行配送任务，则取0，反之均取1；约束条件为：每辆车的配送路程不得超过其最大可行驶路程D，且每辆车配送的货物重量不得超过其最大载重Q，每辆车的配送客户数量不得超过需要配送的总客户数量L，每个客户都要被配送，且每个客户只能被配送一次；2)确定所需的配送车辆数量其中qi表示第i个客户的所需货物的重量，α∈[0,1]为，表示向下取整；3)编码：用数字1表示配送中心，2,3,…,L+1表示各客户点，，则配送路径可以编码为(1,2,3,4,1,5,6,7,1,8,…,L+1,1)，其中1的数量为K+1，则(1,2,3,4,1)表示第一辆车的配送路径为第1个客户点到第2个客户点，再到第3个客户点，以此类推；4)通过xs表示(1,2,3,4,1,5,6,7,1,…,L+1,1)，即xs＝(1,2,3,4,1,5,6,7,1,…,L+1,1)，其中通过xsj,j＝1,2,...,L+K+1表示xs的第j维元素；5)种群初始化：对xs的每一维元素进行NP次随机排序，一次排序即为一种配送路线，如果满足步骤1)中的约束条件，则记为一个个体xm，直到生成NP个满足条件的个体为止，则NP个个体组成种群P＝{x1,x2,...,xNP}，根据公式(1)计算各个体对应的路线的目标函数值，其中NP表示种群规模；6)根据各个体的目标函数值对当前种群中的个体进行排名，选出前N个个体记为计算这N个所选个体的中心个体xcenter：其中，是中心个体xcenter的第j维元素，是根据排名所选的第t个个体的第j维元素，表示向上取整；7)针对当前种群中的每一个目标个体xm,m＝1,2,...,NP进行如下操作：7.1)依次对每个个体中不为1的元素xmj进行变异：其中F为步长因子，vmj表示与目标个体xm对应的变异个体vm的第j维元素，xmj表示目标个体xm的第j维元素，a、b和c为从{1,2,…,NP}中随机选取的互不相同的且与m不同的数字，xaj、xbj和xcj分别表示种群个体xa、xb和xc的第j维元素，且xaj、xbj和xcj均不等于1；7.2)对变异个体vm和目标个体xm进行交叉生成测试个体um：umj=vmj,ifrand(0,1)≤CRorj=jrandxmj,otherwise---(4)]]>其中umj表示测试个体um的第j维元素，rand(0,1)表示0到1之间的随机数，CR表示交叉概率，jrand表示1到L+K+1之间的随机整数；7.3)如果测试个体um的各维元素中除了1以外的元素有小于2或者大于L+1的元素，则从2到L+1之间随机生成一个数字进行替换，直到所有除了1以外的元素均在2和L+1之间为止；7.4)如果测试个体um的各维元素中除了1以外的元素有相同的元素，则从2到L+1之间随机生成一个与其他元素不同的数字进行替换，直到除了1以外的元素互不同为止；8)根据公式(1)分别计算测试个体um所对应的路线的目标函数值，如果测试个体um的目标函数值小于目标个体xm的目标函数值，且测试个体um满足步骤1)中的约束条件，则测试个体um替换目标个体xm；9)如果种群中的每个个体都执行完步骤7)和8)以后，则迭代次数g＝g+1；10)如果满足终止条件，则继续步骤(11)，否则返回步骤6)；11)选出当前种群中目标函数值最小的个体进行解码，其中第1个1和第2个1之间的数字表示第1辆车的配送路线，第2个1和第3个1之间的数字表示第2辆车的配送路线，以此类推，则第K个1个第K+1个1之间的数字表示第K辆车的配送路线，其中1与1之间的数字表示配送点，1表示配送中心。