[发明专利]一种智能冷链物流路径多目标优化算法

摘要

一种智能冷链物流路径多目标优化算法，针对冷链产品容易腐败和带时间窗的特性，在一般的VRPTW模型中引入货损系数，以配送成本最小和配送服务准时度最高为优化目标，同时考虑车辆容量、软时间窗、模糊行驶时间等多个约束，建立了冷链物流多目标车辆路径优化模型，采用改进遗传算法对模型进行求解的同时，也采用带精英策略的非支配排序遗传算法对模型进行求解。

主权项

一种智能冷链物流路径多目标优化算法，其特征在于，包括如下步骤：步骤1、确定车辆的固定成本参数，所述车辆的固定成本参数包括车辆的固定折旧、出车损耗；步骤2、确定车辆的行驶成本参数，所述车辆的固定成本参数包括包括油耗、维修费用；步骤3、确定货损成本参数，所述货损成本参数为冷链产品在配送过程中由于变质腐败产生的损失；步骤4、确定惩罚成本参数，所述惩罚成本为提前到达客户点的惩罚成本即为等待时间内冷链产品的损耗；步骤5、利用行驶时间的函数，建立配送总成本最小的目标算法：步骤6、建立建立配送总成本最小的目标算法：minB=Σv∈VΣi∈I{max{ai-ativ,0}+max{ativ-bj},0}]]>步骤7、确定配送车辆路程参数，即步骤8、确定服务车辆参数，所述服务车辆参数为提供配送服务的车辆不超过总的车辆数，即步骤9、确定每辆车服务的客户数量参数，所述每辆车服务的客户数量参数具有如下范围：每辆车服务的客户数不超过总的客户数，即步骤10、确定每条线路的配送量参数，所述每条线路的配送量参数具有如下范围：每条线路的配送量不超过车辆最大载重量，即步骤11、确定到达和离开每个客户的车辆参数，所述到达和离开每个客户的车辆相参数具有如下范围：每条线路的配送量不超过车辆最大载重量，即步骤12、将车辆在两个客户点之间时间上的连续性特征引入时间函数中，得到：步骤13、将步骤7‑12的相关表达式引入至步骤5‑6中，得到则冷链物流多目标VRPTW优化模型为：minB=Σv∈VΣi∈I{max{ai-ativ,0}+max{ativ-bj},0}]]>步骤14，将步骤1‑4中的参数代入至步骤13中即可。