[发明专利]二型模糊环境下的危化品车辆路径规划方法

摘要

本发明公开了一种二型模糊环境下的危化品车辆路径规划方法。本发明步骤是针对运输风险的不确定性，定义了危化品运输车辆路径规划模型。目标是确定风险最小化的运输路线。由于人员的流动性，本发明在传统运输风险模型的基础上引入了二型模糊变量，根据置信度方法构建了机会约束模型以及其对应的等价确定型。针对模型特性，设计了一种模拟退火算法。提出的SAA以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。本发明方法具有开放性、灵活性以及计算复杂度低等特点。

主权项

1.二型模糊环境下的危化品车辆路径规划方法，其特征在于，该方法具体包括以下步骤：/n步骤1：获取基础数据，其中包括运输车辆信息、运输道路信息、人口分布和危化品信息；/n步骤2：构建危化品车辆运输路径规划模型；/n将危化品运输路径规划模型定义在一个完整的有向图G＝(N，L)中；设N＝{0，1，2…，n}是有向图中的节点集，节点0是仓储节点，C＝{1，2…，n}为客户节点集，q_i是节点i对危化品的需求量；L为有向图中的弧集，设arc_ij∈L是连接节点i之间和节点j的弧，d_ij为arc_ij的弧长；K＝{k₁，k₂，...，k_|K|}是运输车辆集，每辆车k∈K有固定的负载能力限制Q_k；/n①计算运输风险/n根据“概率-后果”框架，运输风险被定义为事故概率与事故后果的乘积，任意两节点间的运输风险如下：/nR_ij＝P_ij×Cs_ij，i，j∈N/n式中，R_ij是节点i，j∈N间的运输风险，P_ij是弧arc_ij上的事故概率；Cs_ij是弧arc_ij∈L上的事故后果；/n②引入梯形区间二型模糊变量/n将人口密度设为一个梯形区间二型模糊变量如下：/n /n式中，与为两个梯形一型模糊变量，的上、下层隶属度函数分别为：与为上层隶属度函数的参数，为下层隶属度函数的参数，和分别为和的高；/n则，弧arc_ij上的运输风险计算如下：/n /n式中，为引入梯形区间二型模糊变量后的节点i，j∈N间的运输风险；/n③危化品车辆运输路径规划模型/n模型决策变量如下：/n /n模型目标函数如下：/n /n模型约束如下：/n运输车辆必须从仓储节点出发最终回到仓储节点：/n /n /n /n每一个顾客的需求都要被满足，且只能被服务一次：/n /n车辆不能超载：/n /n使用的运输车辆数量不能超过|K|：/n∑_k∈K∑_j∈Cx_0jk≤|K|/n④机会约束规划模型/n根据梯形区间二型模糊变量的上、下层隶属度函数，采用置信度方法将上述模型转换为两个机会约束规划模型；/n对于上层隶属度函数，机会约束规划模型如下：/n /n对于下层隶属度函数，机会约束规划模型如下：/n /n式中，Z^U和Z^L为机会约束规划模型的目标函数，α^U和α^L是预定义的置信度水平；现记，等价约束如下：/n /n式中，和定义如下：/n /n /n上述机会约束规划模型的等价确定性模型如下：/n /n /n最终，可将原危化品车辆运输路径规划模型转化为：/n /n步骤3：模型求解/n根据模型特性，采用模拟退火算法求解危化品车辆运输路径规划模型的等价确定型；其中模拟退火算法由一个初始解开始，采用邻域算子在初始解的邻域中搜寻新解；Metropolis准则用来判断新解是否可以替换当前解；若当前解优于最优解，则采用当前解替换最优解；当达到最大内部迭代数时，当前温度将按照预定义的降温率下降；不断重复上述过程直至满足停止迭代标准。/n