[发明专利]一种基于改进蚁群算法的公共自行车动态调度方法

权利要求书

1.一种基于改进蚁群算法的公共自行车动态调度方法，其特征在于，该方法包括如下步骤：

S1选定研究范围，采集基础资料，包括各公共自行车租赁点位置、锁车桩数量、实际配车数量、用户IC卡刷卡数据；

S2确定调度区域和调度量，根据用户刷卡数据分析各租赁点自行车数量的时空变化规律，得到高峰小时借还供求关系，通过D值表示租赁点瞬时最大自行车周转量，D值为租赁点自行车借还量差值的绝对值，反映一定时间段内租赁点增加或减少的自行车数量，从而确定动态调度区域以及各调度租赁点的自行车调度量，其中正值为取车量，负值为配送量；

S3建立公共自行车动态调度路径优化模型，将公共自行车动态调度问题看作“同时取货和配送的旅行商问题”，提出调度卡车最大效用服务原则，以调度卡车在完成调度任务时求解最短调度路径为目标提出公共自行车动态调度路径优化模型；

S4求解方法，采用改进的蚁群算法来求解TSPPD模型，调度卡车被视为负重的蚂蚁，调度卡车寻找下一个调度租赁点前需要检查自行车装载量，筛选出目前装载量能够服务的租赁点，卡车向下一个目标移动前需根据自身装载量、服务点调度量以及路径距离计算出下一步可达节点的概率，并按此概率实现一步移动，服务完毕后更新装载量再搜索下一服务租赁点，重复此过程至调度任务完成或无法搜索下一服务点为止；

S5制定调度方案，计算调度区域内各租赁点的调度需求，利用公共自行车动态调度路径优化模型将动态调度问题建模，并采用改进的蚁群算法进行求解，制定公共自行车高峰小时动态调度方案。

2.根据权利要求1所述的基于改进蚁群算法的公共自行车动态调度方法，其特征在于，步骤S2中所述的确定调度区域和调度量的具体步骤包括：

S21根据用户刷卡数据利用描述性统计方法分析公共自行车借还时间分布规律：找出典型的需要动态调度的高峰时段。

S22根据用户数卡数据利用描述性统计方法分析公共自行车借还空间分布规律：找出典型的需要动态调度的租赁点，并计算瞬时最大自行车周转量，确定调度量。

3.根据权利要求1所述的基于改进蚁群算法的公共自行车动态调度方法，其特征在于，步骤S3中所述的建立公共自行车动态调度路径优化模型具体步骤包括：

S31问题描述和假设：公共自行车系统动态调度问题可以规约为“同时取货和配送的旅行商问题”，需要配送的租赁点根据需求分为取车点和配送点，调度卡车从任意租赁点开始在各取车点和配送点之间进行调配，每个租赁点的取车量或配送量不为零，每个租赁点仅访问一次，配送区域内全部租赁点均被访问过后以任意租赁点为结束点，为便于求解，令调度卡车的初始装载量为零，每个租赁点的需求量均小于调度卡车的额定装载量，TSPPD模型属于NP-难问题，根据问题描述建立混合整数规划模型，基于以上公共自行车系统动态调度问题描述，对模型做出以下假设：

①调度路径目标：在完成调度需求的基础上调度卡车行程距离最短；

②行驶原则：调度区域范围内起点和终点均为任意租赁点，调度卡车的初始装载量为零；

③调度任务结束后调度卡车的装载量可以不为零，每个租赁点仅访问一次；

④自行车调度OD：调度卡车将自行车从取车需求点运送至配送需求点；

⑤服务原则：调度卡车基于最大效用原则服务于每个租赁点；

⑥当租赁点的调度需求超过卡车的额定装载量时，调度卡车访问一次只能完成部分调度任务。

S32调度原则：以S_i表示租赁点i的调度需求，其中正值表示取车量，负值表示配送量，基于调度卡车的装载量，公共自行车系统动态调度的服务模式可以分为4种，其中C_a表示卡车的额定装载量，B_n表示卡车的装载量：

(1)取走租赁点全部需求量服务模式：

①当B_n＝0，0＜S_i＜C_a时，卡车在这个点的调度量为S_i；

②当0＜B_n≤C_a，S_i＜C_a-B_n时，卡车在这个点的调度量为C_a-B_n；

(2)取走部分自行车直至卡车满载服务模式：

①当B_n＝0，S_i≥C_a时，卡车在这个点的调度量为C_a；

②当0＜B_n≤C_a，S_i≥C_a-B_n时，卡车在这个点的调度量为C_a-B_n；

(3)卸载全部自行车服务模式：

①当0＜B_n＜C_a，-S_i≥B_n时，卡车在这个点的调度量为B_n；

②当B_n＝C_a，-S_i≥C_a时，卡车在这个点的调度量为-S_i-C_a；

(4)卸载部分自行车服务模式：

①当0＜B_n＜C_a，-S_i＜B_n时，卡车在这个点的调度量为-S_i；

②当B_n＝C_a，-S_i＜C_a时，卡车在这个点的调度量为-S_i，

在实际操作过程中，若遇租赁点需求量大于调度卡车装载量的情况，将该点的调度需求进行分割，将该点切分为虚拟的几个租赁点，坐标相同且相互间的距离为零，配送卡车可多次访问这个租赁点直至满足调度需求；

S33模型建立：

TSPPD混合整数规划模型：

目标函数H0：

MinimizeR=Σk=1KΣi∈H0Σj∈Hxijkdij---(3-1)]]>

s.t.:

Σk=1KΣi∈Hxijk=1,∀j∈H---(3-2)]]>

Σi∈Hxijk-Σi∈Hxjik=0,∀j∈H---(3-3)]]>

Σj∈Hx0jk≤1,k=1,2,...,K---(3-4)]]>

Σj∈H,i≠jgji-Σj∈H,i≠jgij=Si,∀i∈H---(3-5)]]>

g_ij≤C_ax_ijk，(3-6)

∀i∈H,∀j∈H,i≠j,k=1,2,...,K,xijk∈{0,1}]]>

gij>0∀i∈H,∀j∈H,i≠j---(3-7)]]>

参数说明：

H：调度区域租赁点集合，H＝{1,2，...，n}；

R：调度路径的总距离；

K：调度卡车数量；

d_ij：租赁点i与租赁点j间距离，i,j∈H,i≠j；

g_ij：通过弧(i,j)时，调度卡车上装载的未配送的公共自行车总量，i,j∈H,i≠j；

x_ijk：决策变量；

模型说明：模型的目标函数(3-1)是以调度卡车行驶总路程最短为目标建立的；约束(3-2)保证每个租赁点有且仅有1辆调度卡车访问一次；约束(3-3)保证卡车到达租赁点提供调度服务后并离开；约束(3-4)确保每个租赁点最多只被1辆卡车提供服务；约束(3-5)保证每个租赁点的调度需求都被满足；约束(3-6)保证在任何时刻卡车上的自行车数量都不超过额定载货量；约束(3-7)为变量取值约束。

4.根据权利要求1所述的基于改进蚁群算法的公共自行车动态调度方法，其特征在于，步骤S4中所述的采用改进的蚁群算法来求解TSPPD模型的具体方法包括：

S41改进的蚁群算法：调度卡车被视为负重的蚂蚁，调度卡车寻找下一个调度租赁点前需要检查自行车装载量，筛选出目前装载量能够服务的租赁点，卡车向下一个目标移动前需根据自身装载量、服务点调度量以及路径距离等信息计算出下一步可达节点的概率，并按此概率实现一步移动，卡车在搜索过程或找到一个解后，会评估该解或解的部分优化程度，并把评价信息保存到相关连接路径的信息素中，在调度区域集合H中，卡车依次选择各租赁点之间路径的信息素浓度大的路径服务，服务完毕后更新装载量再搜索下一服务租赁点，重复这个过程至调度任务完成或无法搜索下一服务点为止，即找到最优解；

S42改进的蚁群算法计算步骤如下：

①参数初始化；初始化蚂蚁的调度任务、所携带的自行车数量；初始化信息素矩阵、启发因子和信息素消减系数等参数；

②随机为蚂蚁选择开始调度的租赁点，开始新迭代；

③搜索最近的未被服务的租赁点，并移动至该点完成调度任务；

④更新调度任务和自身携带的自行车数量；

⑤搜索下一个租赁点，并计算租赁点被选中的概率；

⑥选择租赁点进行服务；

⑦返回步骤3，直至无下一个可服务租赁点；

⑧更新信息素；

⑨返回步骤2，直至达到最大迭代数。

S43蚂蚁移动遵循的转移规则与各路径上的信息素浓度和期望值有关，蚂蚁k在租赁点i上选择租赁点j的概率计算公式如下：

pij(k)=τijα×ηijβΣτijα×ηijβ,j∉H‾0,otherwise]]> 3

式中：

未被访问的租赁点集；

α：信息素启发因子，表示蚂蚁运动过程中所积累的信息量在指导蚁群搜索中的相对重要程度，反映了蚁群在路径搜索中随机性因素作用的强度，α值越大，蚂蚁选择以前走过的路径的可能性越大，搜索的随机性越弱，α越小，蚁群搜索会过早陷于局部最优。α值可通过仿真实验分析来确定，

β：自启发式因子，反映蚂蚁在运动过程中启发信息在指导蚁群搜索中的相对重要程度。其大小反映了蚁群在路径搜索中的先验性、确定性因素作用的强度，β值越大，蚂蚁在局部点上选择局部最短路径的可能性越大，提高了收敛速度，但在最优路径搜索过程中的随机性减弱，易陷入局部最优。β值可通过仿真实验分析来确定，

τ：信息素强度，反映蚁群在路段上的先验经验，是蚂蚁在运动过程中所积累的信息，

τijn+1=ρ×τijn+ΣΔτijk]]>

租赁点i，j之间路段上的信息素总量；

租赁点i，j之间路段上更新前的信息素总量；

租赁点i，j之间路段上的信息素增量；

ρ：常量，反映信息素的蒸发速度，取值区间为[0,1]，针对具体问题其大小根据实验结果进行适当调整；

k：蚂蚁序号；

S44求解质量直接影响信息素增量的计算结果，本发明采用ant-weight策略来计算信息素增量，计算公式如下：

Q：信息素增加强度系数，影响算法的收敛速度，Q值可通过仿真实验分析来确定，

f^k：第k只蚂蚁在整个搜索路径中的目标函数值；

d_ij：租赁点i，j间的距离；

N：第k条路径上的节点数(N>2)；

η：能见度，反映的是蚂蚁在运动过程中的启发信息，与路段长度相关。

ηij=1dij,]]>

ant-weight策略由两部分组成：是全局信息，表示第k只蚂蚁所经过的路径上的信息素增量总和，是局部信息，表示每条路径分担信息素增量的比例，该比例是根据每条路径对整个方案贡献来确定的。

S45结合各租赁店的调度需求数据制定调度方案。