[发明专利]一种考虑车辆路径与三维装箱的车货匹配方法

说明书

本发明公开了一种考虑车辆路径与三维装箱的车货匹配方法，属于车货匹配领域。本发明的考虑车辆路径与三维装箱的车货匹配方法，在运行效率方面小规模问题求解速度稳定在10s左右，大规模问题稳定在1200s左右，且误差率稳定在在1％以内；优化目标多样，同时考虑了车辆的运营成本、空载成本、重心偏移距离成本以及同一货主货物匹配不同车辆的惩罚成本，不仅降低了运输放的营运成本、降低了车辆空载率，还保证了车辆的运输安全以及装载效率；除此之外，本发明的车货匹配方法同时考虑了车辆的路径问题以及货物三维装载问题，经过该方法不仅可以得到车货匹配结果，还可以得到车辆访问路径以及车厢内装载货物的最优位置以及装载顺序。

技术领域

本发明属于车货匹配领域，尤其是一种考虑车辆路径与三维装箱的车货匹配方法。

背景技术

近年来，汽车货运总量虽有所下降，但仍占较大比重。然而，汽车货物运输仍存在空车率高、车货装载混乱、配载不合理等问题。这些问题导致了汽车货运成本居高不下，造成了巨大的货运损失，严重制约了汽车货运业的进一步发展。因此，在车货匹配阶段，有必要考虑集装箱装载问题(CLP)和车辆路径问题(VRP)。这两个问题都是具有挑战性的问题，被认为是经典的NP-hard问题。将CLP和VRP结合起来产生了一个具有三维装载约束的车辆路径问题(3L-CVRP)。

国内外对这一问题的研究并不多。Tarantilis等人于2009年结合了TS和GLS策略，提出了一种混合的元启发式方法GTS，用以解决3L-CVRP问题，但考虑的集装箱尺寸相同，未考虑分批交付导致的优先级问题，简化了装载约束；Escobar等人于2015年提出了一种混合的元启发式方法，称为GTS-GRASP的3L-CVRP，使用GranularTabu搜索方法(GTS)来解决相应的车辆路径问题(VRP)和给定路径下的集装箱装载问题，在问题求解方面，多采用分段匹配，将车辆路径问题与三维装箱问题的目标割裂，优化结果整体效益较差；算法性能方面，上述的GTS算法将蚁群算法与禁忌搜索算法结合，提高解的搜索能力，但蚁群算法较为复杂，运行效率低。

发明内容

本发明的目的在于克服现有车货匹配问题求解方法运行效率低，优化目标单一，车辆路径问题、三维装载问题、车货匹配问题未实现整体优化的缺点，提供一种考虑车辆路径与三维装箱的车货匹配方法。

为达到上述目的，本发明采用以下技术方案予以实现：

一种考虑车辆路径与三维装箱的车货匹配方法，包括以下步骤：

1)根据车辆数量、货主数量和货主的货物数量生成车货匹配结果并进行初始化；其中，生成车货匹配结果的一部分保留随机性，剩余的一部分车货匹配结果中将同一货主货物对应实数的整数部分修正为相同的值；

所述车货匹配结果由随机实数组合编码得到，车货匹配结果的编码为带有两位小数的实数，其中，实数的整数部分表示货物匹配的车辆序号，小数部分数值的大小为货物放入车辆的先后顺序以及车辆访问的货主先后顺序；

2)设置最大迭代次数并将当前迭代代数设为1，初始化历史最优匹配结果及其适应度值，设置最大迭代速度并将当前迭代速度设为0，初始化学习因子及惯性权重范围，开始迭代；

3)判断当前迭代代数是否达到最大迭代次数；

若达到最大迭代次数，则跳转到步骤8)；

否则，则跳转到步骤4)；

4)更新车货匹配结果；

5)计算更新后的车货匹配结果的适应度值；

适应度函数为：车辆的运营成本的性能指标函数、车辆空载成本的性能指标函数、车辆的重心偏移成本的性能指标函数和惩罚成本的性能指标函数；

所述车辆的运营成本包括载货行驶成本；