[发明专利]一种物流配送车辆路径优化方法

说明书

技术领域

本发明涉及一种物流配送、电子商务、智能优化、计算机应用领域，尤其涉及的是一种物流配送车辆路径优化方法。

背景技术

随着经济全球化和信息化程度的提高，我国电子商务迅速发展。据中国互联网络络信息中心提供的数据，至2015年12月，我国网民规模已达6.88亿人，全年共计新增网民4000多万人，互联网普及率为达到50.3％，较去年年底增长了2.4个百分点。随着人们生活水平的提高，越来越多的网民已习惯于价格透明和购买方便的网络购物，然而决定电子商务发展的一个重要因素就是物流。对于企业来说，高效的物流体系能带来更少的物流成本和更高的服务水平；对于买家或者客户来说，大多数产品实体的最终交付都要通过物流系统来完成。如果物流运作效率低下，那么电子商务的诸多优势就无法体现出来，同时，没有物流业的支持，电子商务就只能成为空中楼阁，无法发挥作用。

在物流配送中，物流配送车辆的合理调度以及车辆路径规划问题涉及到的因素十分广泛，需要考虑条件因素较多。如何合理的处理好物流配送中各因素的关系，对一些配送企业减少物流成本、提供好的服务质量、以及促进企业整体效益的增加有着重大的影响，物流配送车辆路径规划问题是优化整个物流服务行业的关键点。物流配送中车辆调度的线路规划问题是交通运输业务中合理高效化的重要内容，配送线路的是否合理对配送过程中的成本效益、人力时间成本和发货配送的速度都有很大的影响。

一般来讲，物流配送车辆优化调度问题可以分为三类：车辆路径问题(VRP)、多路旅行商问题(MTSP)和车辆调度问题(VSP)和。VRP由Dantzig和Ramser在1959年作为卡车调度问题第一次提出的，由于VRP在物流运输方面的高实用性，自被提出后就被各国学者广泛研究。VRP所关注的问题就是为一组车辆确定一组路线，使得每个车辆在单个站点开始和结束，同时满足所有客户的要求和操作限制，以使得总运输成本最低。为了解决VRP问题，国内外学者相继提出了各种方法。例如基于邻域限制的粒状禁忌搜索方法、基于启发式规则的混合遗传算法、基于遗传算法和粒子群算法的混合算法和基于自适应变量邻域搜索和大邻域搜索的混合方法，这些方法都能有效的解决VRP问题。然而，由于VRP是一个NP复杂的非线性问题，随着需要配送客户的增多，配送车辆也随之增加，这导致优化模型复杂度的不断增加，利用现有方法求解不仅编码难、搜索效率不高，而且易陷入局部最优解，从而导致算法的配送方案可靠性不高。

因此，现有的物流配送车辆路径优化方法对于复杂的配送问题在编码、搜索效率和配送方案的可靠性方面存在缺陷，需要改进。

发明内容

为了克服现有的物流配送车辆路径优化方法搜索效率低和配送方案的可靠性不高的不足，本发明提出一种编码容易、搜索效率高、配送方案可靠性高的物流配送车辆路径优化方法。

本发明解决其技术问题所采用的技术方案是：

一种物流配送车辆路径优化方法，所述方法包括以下步骤：

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：

其中，K为配送车辆数量，n_k表示第k辆车配送的客户数量，r_ki表示客户点在第k辆车配送的客户顺序中为第i个，r_k0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n_k个客户后返回配送中心的路程，sign(n_k)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q_i表示第i个客户的所需货物的重量，α∈[0,1]为约束因子，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；