[发明专利]基于改进差分进化算法的作业路径动态优化方法

说明书

技术领域

本发明涉及一种作业管理优化方法，具体涉及一种基于改进差分进化算法的作业 路径动态优化方法，可用于电网企业电能计量设备运维路径管理等技术领域。

背景技术

目前电网企业电能计量设备运维作业缺乏科学的管理方式，哪个运维人员去到哪 个或哪几个目标任务点以及巡检路径如何安排，才能起到提高运维效率和响应速度，完全 没有方法可循，所以往往会出现任务分配不均匀、巡检路径规划不合理等影响运维效率的 问题。

发明内容

本发明所要解决的技术问题是提供一种基于改进差分进化算法的作业路径动态 优化方法。

本发明通过如下技术方案解决其技术问题，一种基于改进差分进化算法的作业路 径动态优化方法，包括如下步骤：

步骤1：编码

1-1)对于N个目标任务点，P个出勤作业人员，构建如下优化向量表达式：

x＝(x₁,x₂,x₃,...,x_N)x_i∈{1,2,3,...,N}

其中，x_i表示目标任务点编号，优化向量x中所有x_i的取值不重复，即优化向量x是 1,2,…,N的一个排列，为全部出勤作业人员需要依次遍历的目标任务点编号；

1-2)根据出勤作业人员属性的不同，按照作业人员各自的工作能力，事先指定各 作业人员的任务量，即负责的目标任务点的数量，分别为n₁,n₂,…,n_P，以优化向量x的前n₁维表示1号作业人员的有序任务列表，之后的n₂维表示2号作业人员的有序任务列表，依次 类推，将优化向量x解码为P个有序的任务路径，即解码出优化向量x对应的路径规划方案；

通过上述处理，本发明已经将实际问题转化成了求解作业路径最短时对应的优化 向量x的数学问题，本发明具体通过如下方式求解作业路径最短时对应的优化向量x：

步骤2：优化求解

2-1)设置改进差分进化算法参数，包括种群规模NP、最大迭代次数Maxges、子种群 数量N_sub，非线性遗忘因子α、变异因子F_M、交叉因子F_P以及多重变异选择因子P₁、P₂；

2-2)利用某个范围内的随机值初始化种群：j＝1,2,...,NP；

2-3)对种群中的每个个体x^j(0)中的各维度变量值进行大小排序，获取与各个体 对应的、根据各个体x^j(0)中各维度变量值在序列中的排名确定的由1,2,…,N构成的排列；

2-4)将每个排列视为一个优化向量x，计算初始种群中每个个体的适应度值，即计 算每个排列对应的作业路径总和，并比较得出初始全局最优个体x_gbest(0)；

2-5)将包含NP个个体的种群拆分成N_sub个子种群：NP₁,NP₂,...,NP_{N_sub}，并计算每一个子种群中的最优个体：

2-6)将N_sub个子种群按照环形拓扑结构进行连接，使每个子种群均拥有两个相 邻的子种群；

2-7)对每个个体按照如下方式进行变异操作：