[发明专利]多车场与多车型车辆路径调度控制方法

说明书

多车场与多车型车辆路径调度控制方法，包括：步骤1，以所有配送车辆总成本最低为目标建立目标函数；步骤2，编码步骤3，种群初始化；步骤4，采用目标函数作为适应度函数对所有个体进行评价；步骤5，选择和交叉操作步骤6，变异操作；步骤7，用改进的极值优化算法对种群中每个个体进行邻域搜索；步骤8，计算种群中所有个体的适应度；步骤9，选择；步骤10，精英保留；步骤11，依次迭代完成；步骤12，判断是否满足终止条件，终止条件为迭代次数g达到最大迭代次数MaxGen或者G_b适应度值保持不变的次数Nu达到指定次数Kbest，如果满足，继续执行步骤13，否则返回执行步骤5；步骤13，输出个体G_b及其适应度值f_Gb；步骤14，对最优个体G_b及其适应度值f_Gb进行解读。本发明旨在提高算法的搜索效率与收敛速度。

技术领域

本发明涉及多车场与多车型车辆路径调度控制方法。

背景技术

车辆路径问题(Vehicle Routing Problem，VRP)是物流运输管理优化的核心问题，随着科学技术的快速发展，国民经济的稳定增长，人民的日常生活已经越来越离不开物流行业的发展，传统的物流作业模式已经无法满足人们多样化、准时化的要求、跟不上时代的发展，社会急需一种高效率、低成本的物流作业模式，因此，研究多车场、多车型等复杂的车辆路径问题具有很强的现实意义。

车辆路径问题是指一定数量的客户，各自有一定数量的货物需求，车场(配送中心)安排一定数量的车辆向客户运送货物，要求组织适当的行车路线，使客户的需求得到满足，并能在满足一定约束条件下，达到诸如路程最短、时间最少、成本最低等目标。车辆路径问题自1959年被Dantzing和Ramser首次提出以来，很快便在学术界引起了关注，目前对此问题的研究已经比较广泛，并在此问题基础上做了相关延伸的研究。

Surekha等根据先分类后求解的思想，对多车场车辆路径问题进行求解，首先采用C-W节约算法将不同客户分配给相应的车场，然后利用遗传算法求解规划车辆配送路线；马建华等人改进蚁群算法对多车场多车型路径问题进行求解。上述方法虽然可以解决部分问题，但是求解质量、求解效率都不高，尤其是在面对复杂度高、数量规模大的问题时，目前算法根本无法在有限时间内求出可接受的解。

发明内容

为了克服现有的多车场多车型车辆路径调度控制方法通用性差、搜索效率低、搜索空间窄、收敛速度慢、稳定性不高、解的质量差的不足，本发明提供一种通用性强、搜索效率高、搜索空间广、收敛速度快，而且所求解的质量高和稳定性高的改进遗传极值优化算法。

本发明解决其技术问题所采用的技术方案是：

多车场与多车型车辆路径调度控制方法，包括以下步骤：

步骤1，以所有配送车辆总成本最低为目标建立如下目标函数：

其中，z代表所有配送车辆的总成本；H表示多个车场不同型号的车辆总数；h表示车辆；表示从节点i到节点j由车辆h进行配送；Q_h表示车辆h的装载量；C_1h代表车辆h的固定成本；C_2h代表车辆h行驶单位距离的可变成本；g_i表示客户i的需求量；N表示总的客户数量；d_ij表示节点i到节点j之间的距离；

步骤2，编码：采用多条染色体编码的方式，个体染色体的数量等于车场车辆的总数量，用数字1～N表示客户，数字N+1～N+H表示车辆，例如一个包含两种车型(Ⅰ型、Ⅱ型)、共5辆车、10个服务客户的多车场多车型车辆路径调度问题，用数字1～10表示客户，11～15表示车辆，则可能的编码方式为[11，8，1，3；12，6，2；13，10，5；14；15，7，4，9]，分别表示车辆11从车场出发，首先服务客户8，然后1和3，最后回到原车场；其它以此类推，车辆14未被调用；