[发明专利]乘务管理方法及装置

权利要求书

1.一种乘务管理方法，其特征在于，包括：

构造乘务排班的智能体群，其中，所述智能体群中的智能体包括：多个版本的出乘表，所述出乘表中包括值乘区段；

确定所述智能体群中智能体的适应度，以及从局部搜索策略集中选择局部搜索策略；

根据所述局部搜索策略确定所述智能体群中的局部最优解；

基于所述局部最优解确定所述智能体群的全局最优解，并将所述全局最优解对应的出乘表作为排班结果；

其中，所述构造乘务排班的智能体群，包括：对预设值乘区段按照时间顺序进行正序排列，得到第一列表；对排列后的预设值乘区段进行倒序排列，得到第二列表，其中，所述正序排列和倒序排列所依据的排列顺序是相反的；基于预定约束空间中的约束条件，对所述第一列表和第二列表均采用贪婪算法和回溯算法得到多个版本的出乘表，并依据所述多个版本的出乘表生成所述智能体群；

其中，所述确定所述智能体群中智能体的适应度，以及从局部搜索策略集中选择局部搜索策略包括：遍历所述智能体群中的每一个版本的出乘表，根据随机搜索策略选出至少一个所述出乘表，根据选出的所述至少一个所述出乘表的适应度情况，从所述局部搜索策略集中选择所述局部搜索策略；所述局部搜索策略集中包括：随机搜索策略、值乘交路完全覆盖策略、值乘区段的邻居条件策略、值乘时间约束策略、用餐约束策略。

2.根据权利要求1所述的方法，其特征在于，构造乘务排班的智能体群之前，所述方法还包括：

接收目标对象录入的配置参数，其中，所述配置参数用于反映预设出乘表满足的要求；

依据所述配置参数对预设出乘表进行校验，并在校验成功时，依据所述预设出乘表构造乘务排班的智能体群。

3.根据权利要求1所述的方法，其特征在于，确定所述智能体群中智能体的适应度，包括：

根据目标函数和惩罚函数确定所述适应度，其中，所述目标函数为依据值乘交路的工作量均衡度、值乘区段中的值乘交路数量和值乘交路的司机工作效率确定的。

4.根据权利要求3所述的方法，其特征在于，所述目标函数通过以下方式确定：

其中，MinF为所述目标函数，f₁、f₂、f₃为子目标函数，c₁、c₂、c₃为权重调整系数；

f₁指序号为j的所述值乘交路的工作量均衡度，其值是由序号为j的所述值乘交路的驾驶时间与所有值乘交路驾驶时间长度平均值的平方差确定的；

f₂指值乘区段x_i所占值乘交路数量，指整个排班计划所包含的值乘交路的数量；

f₃指序号为j的值乘交路的司机工作效率，其值是由序号为j的值乘交路的驾驶时间与工作时间的商来确定的。

5.根据权利要求3所述的方法，其特征在于，所述惩罚函数满足以下至少之一条件：

每一个所述值乘区段有且仅有一个所述值乘交路与其对应；

相邻的两个所述值乘区段之间存在预设时间间隔，且上位值乘区段的结束厂站与下位值乘区段的开始厂站为同一个厂站；

单个所述值乘交路中，司机休息次数必须小于等于司机休息次数上限，司机工作时间必须小于等于司机工作时间上限；

单个所述值乘交路中，如果司机换乘过程中，换乘地点属于用餐地点，换乘时间在用餐时间段内，需要安排用餐。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，基于所述局部最优解确定所述智能体群的全局最优解，包括：

对基于所述局部搜索策略得到的各个局部最优解进行迭代处理，并将结束迭代处理后得到的局部最优解作为所述全局最优解；

基于所述局部搜索策略得到各个局部最优解包括：遍历所述智能体群中的每一个版本的出乘表，选出至少一个所述出乘表；从所述局部搜索策略集中选择局部搜索策略对选出的至少一个所述出乘表进行优化；将优化后的出乘表重新添加至所述智能体群中的每一个版本的出乘表中。