[发明专利]基于自适应大邻域搜索算法的自动驾驶汽车配送路径规划方法

权利要求书

1.一种基于自适应大邻域搜索算法的自动驾驶汽车配送路径规划方法，其特征在于：所述方法是：

计算任意两点间的距离；

生成单独采用轿运车配送自动驾驶汽车的车辆路径作为初始解：只考虑轿运车配送自动驾驶汽车配送方式，在满足轿运车装载容量约束的情况下、将所有需要服务的经销商分配至首尾均为配送中心的m条配送路径列表中；

采用自适应大邻域搜索算法选择邻域算子对可行解进行操作形成新的可行解：利用轮盘赌方法选择一个Removal算子、一个Insertion算子进行当前解的破坏以及重建获得新的可行解；

对新的可行解的质量进行评估进而对邻域算子进行评估；

采用模拟退火算法控制自适应大邻域搜索算法的可行解是否被接受、直到算法达到终止条件后将自动驾驶汽车与轿运车协同配送的路径规划方案输出；

所述将所有需要服务的经销商分配至首尾均为配送中心的m条配送路径列表中具体采用如下方式：

K1:将所有经销商存入集合M中；

K2:以满足轿运车装载容量约束为前提、以成本最小为目标、计算集合M中每一个经销商在每一条路径的最佳插入位置以及相应的最小成本；

K3:计算集合M中每个经销商在最优插入路径的成本值与次优插入路径的成本值的差值、将该差值作为该经销商的插入后悔值，根据其插入后悔值对所有经销商进行排序，选取插入后悔值最大的经销商Q按照其最优路径k最优位置进行插入，将该经销商Q在集合M中删除；

K4:更新集合M中每个经销商在该最优路径k的最优插入位置以及最低成本，如果集合M为空则退出，如果集合M不空、则继续插入操作转到K2，否则进行数据更新；

选择邻域算子对可行解进行操作形成新的可行解时：

利用轮盘赌方法选择一个Removal算子或者一个拆分算子进行当前解的破坏；利用轮盘赌方法选择一个Insertion算子或者融合算子构建新的可行解；

对新的可行解的质量进行评估时具体采用如下方式：

P1：设在搜索初期Removal算子和拆分算子的被选择权重均为P，当后期经过某个算子的操作得到较高质量的解时、会给予该算子一个较高的评分，以增强该算子再次被选择到的概率，反之，给予算子一个较低的评分，降低算子被选择到的概率，具体的评分策略如下：

(1)经过对Removal算子进行拆分、对Insertion算子进行融合计算得到一个新的最优解，则为该算子对提高一定分值；

(2)经过对Removal算子进行拆分、对Insertion算子进行融合计算得到一个新的可行解，并且该新的可行解优于当前可行解，则为该算子对提高一定分值；

(3)经过对Removal算子进行拆分、对Insertion算子进行融合计算得到一个新的可行解，但该新的可行解劣于当前可行解，则为该算子对提高一定分值，

其中上述策略的分值依次降低；

P2：每当达到一定的迭代次数ψ，则称算法进入一个新的阶段，在该阶段依照上一阶段算子表现情况、以及算子的历史综合表现情况对算子进行评价给予新的权重，具体计算方式下式所示：

式中π_i，j+1代表在j+1阶段算子i的权重，代表算子i在j阶段获得的评分，a_i，j表示算子i在j阶段的使用次数，π_i，j表示算子i在j阶段的权重，ρ∈[0，1]是权衡影响因素重要程度的权重影响因子；

P3：在每个阶段末，采用swap方法对路径中的节点位置进行交换，以寻求更高质量的解，选取路径中的一个节点i，将其与至多0.2*n个在路径中的邻域节点互换位置，n为经销商的总数量，若取得更优的结果，则选择对于节点i最优的交换位置进行交换，否则不进行当前可行解的转变。