[发明专利]一种基于共享承运人和共享仓库的协同车辆路径优化方法

权利要求书

1.一种基于共享承运人和共享仓库的协同车辆路径优化方法，其特征在于，所述的基于共享承运人和共享仓库的协同车辆路径优化方法，包括以下步骤：

步骤1、建立基于共享承运人和共享仓库的协同车辆路径优化模型，包括：

步骤1.1、建立子目标函数

建立服务质量目标函数f₁为：

建立服务可靠性目标函数f₂为：

建立运输成本目标函数f₃为：

建立运输时间目标函数f₄为：

其中，Q表示总服务质量，D表示仓库集合，S_d表示运送货物到仓库d的承运人集合，q_h表示承运人h的服务质量，R表示总服务可靠性，r_h表示承运人h的服务可靠性，C表示总运输成本，S表示承运人集合，U^s表示与承运人s有关的弧集合，满足条件{(i,j)∈U:i,j∈D_s,或者(i＝sandj∈D_s),或者(i∈D_sandj＝s)}，U表示节点i到节点j之间所有的弧集合，D_s表示对承运人s有货物需求的仓库集合，c_ij表示从节点i到节点j的运输成本，T表示总运输时间，t_ij表示从节点i到节点j的运输时间，其中为决策变量，且

步骤1.2、归一化处理

对服务质量目标函数f₁和服务可靠性目标函数f₂按照以下公式进行归一化处理：

式中，i为1或2，f_i′表示归一化处理后的目标函数，f_i表示归一化处理前的目标函数，表示目标函数的最大值，表示目标函数的最小值；

对运输成本目标函数f₃和运输时间目标函数f₄按照以下公式进行归一化处理：

式中，i为3或4，f_i′表示归一化处理后的目标函数，f_i表示归一化处理前的目标函数，表示目标函数的最大值，表示目标函数的最小值；

步骤1.3、建立多目标集成的总目标函数F

F＝w_Qf₁′+w_Rf₂′+w_Cf₃′+w_Tf₄′；

式中，w_Q表示服务质量的权重，w_R表示服务可靠性的权重，w_C表示运输成本的权重，w_T表示运输时间的权重，且w_Q+w_R+w_C+w_T＝1，f_i′(i＝1,2,3,4)表示对目标函数f_i(i＝1,2,3,4)归一化处理后的目标函数；

其中，根据子目标函数建立约束条件如下：

(1)一个仓库对一个承运人的货物需求只能被送到一个仓库：

(2)一个仓库对一个承运人的货物需求只能由一个承运人运送：

(3)车辆进入一个仓库也会离开该仓库：

(4)当货物分配给一个承运人时，有关该承运人的路线将被调用：

(5)承运人车辆通过顾客i前后，车辆装载量的变化：

(6)一个承运人车辆所装载的货物量不能超过其容量：

(7)一个仓库存储的货物不能超过其最大存储量：

上述约束条件中，表示决策变量，S_i表示运送货物到仓库i的承运人集合，U^h表示与承运人h有关的弧集合，表示仓库d对承运人h的需求通过弧(i，j)运输的量，表示仓库d对承运人h的需求通过弧(k，j)运输的货物量，l^sd表示仓库d对承运人s的货物需求量，表示仓库d对承运人s的需求通过弧(i，j)运输的货物量，V表示车辆容量，P表示仓库存储容量；

步骤2、采用VNS算法求解所述协同车辆路径优化模型，包括：

步骤2.1、初始化获得所述协同车辆路径优化模型的当前解，即初始的运输方案，并采用块状编码表示所述当前解，包括：

步骤2.1.1、采用矩阵表示当前解

建立承运人协同矩阵、仓库协同矩阵和运输顺序矩阵，各矩阵的行表示承运人、列表示仓库，所述承运人协同矩阵中的元素表示承运人，所述仓库协同矩阵中的元素表示仓库，所述运输顺序矩阵中的元素表示运输顺序；

根据承运人协同矩阵、仓库协同矩阵和运输顺序矩阵得到每个承运人的承运人向量、仓库向量和运输顺序向量；

步骤2.1.2、根据向量特征构建块状编码

以承运人为单位建立块，每个块由所述承运人向量、仓库向量和运输顺序向量组成，即每个块的列表示仓库，行分别表示承运人、仓库和运输顺序，得到所有承运人对应的块，组合所有块得到采用块状编码表示的当前解；

步骤2.2、对当前解进行振动操作，得到包含多个邻域解的邻域集，包括：

所述振动操作包括交换子操作和重分配子操作：

所述交换子操作为：从向量中选择两个非零元素并进行位置交换；

所述重分配子操作为：固定向量中零元素的位置，从向量中移除非零元素，并将移除的非零元素插入向量中的其它位置；

对当前解中每个块的承运人向量、仓库向量和运输顺序向量分别进行交换子操作和重分配子操作，每次执行子操作后得到一个邻域解，多次执行子操作后得到包含多个邻域解的邻域集；

步骤2.3、对步骤2.2中的各邻域解进行变异操作，更新所述邻域集，包括：

步骤2.3.1、随机取邻域集N(x)中的一个邻域解x，对邻域解x中的每个块执行步骤2.3.2～步骤2.3.4；

步骤2.3.2、从区间[1，a]中选择一个整数随机替换承运人向量中的一个非零元素，其中a为承运人数量；

步骤2.3.3、从区间[1，b]中选择一个整数随机替换仓库向量中的一个非零元素，其中b为仓库数量；

步骤2.3.4、从区间[1，c]中选择一个整数随机替换运输顺序向量中的一个非零元素，其中c为车辆数量+1；

步骤2.3.5、对每个块执行完成后得到邻域解x′，把邻域解x′放入集合N′(x)中，并将邻域解x从邻域集N(x)中移除；

步骤2.3.6、若邻域集N(x)不为空集，则重复执行步骤2.3.1～步骤2.3.5；若N(x)为空集，则输出集合N′(x)作为新的邻域集；

步骤2.4、对步骤2.3中更新的邻域集进行局部搜索操作，得到全局最优解，包括：

步骤2.4.1、随机取邻域集N′(x)中的一个邻域解x′，并设置参数n＝1；

步骤2.4.2、从区间[0，1]中随机产生一个实数q，若q＜0.8，则从区间[1，3]中随机选择一个整数k；若q≥0.8，则执行步骤2.4.4；

步骤2.4.3、随机选取邻域解x′中向量k的一个元素，若该元素为非零元素，则将该元素从邻域解x′中移除，更新邻域解x′，并将移除的元素放入集合A_k(x′)中；若该元素为零元素，则执行步骤2.4.4；

步骤2.4.4、n＝n+1；

步骤2.4.5、若n小于等于仓库数量，则重复执行步骤2.4.2～步骤2.4.4；若n大于仓库数量，则输出最新的邻域解x′作为邻域解x″，并执行步骤2.4.6；

步骤2.4.6、从集合A_k(x′)中随机选择一个元素a，将元素a插入邻域解x″中向量k的随机位置，更新邻域解x″，并将元素a从集合A_k(x′)中移除，k为步骤2.4.2随机选择的整数；

步骤2.4.7、若集合A_k(x′)不为空集，则重复执行步骤2.4.6；若集合A_k(x′)为空集，则输出最新的邻域解x″作为邻域解x″′，并执行步骤2.4.8；

步骤2.4.8、对邻域解x″′进行2-opt操作，得到局部最优解；

步骤2.4.9、若邻域集N′(x)不为空集，则重复执行步骤2.4.1～步骤2.4.8；若N′(x)为空集，则根据局部最优解得到全局最优解；

步骤2.5、若全局最优解的函数值大于当前解的函数值，则将全局最优解作为当前解；否则保持当前解不变；

步骤2.6、判断是否满足预设的终止条件，若满足终止条件，则输出最新的当前解，即最优的运输方案；否则进入步骤2.2继续迭代。