[发明专利]一种面向多仓库运输的车辆路径优化方法

权利要求书

1.一种面向多仓库运输的车辆路径优化方法，其特征在于，包括：

S1，计算客户节点距离所有仓库的距离，将客户节点分配至距离最近的仓库；

S2，针对每一个仓库及其被分配到该仓库的客户节点，使用人工蜂群算法找到面向每个单一仓库运输的车辆路径问题的部分最优解，得到每个单一仓库节点的车辆调度路线集合；

S3，将针对单一仓库节点的车辆调度路线集合合并为一个集合，组成针对多仓库车辆路径问题的总车辆调度路线集合，实现车辆路径的优化；

在步骤S1中，若客户节点的第二近仓库距离与最近仓库距离之比大于阈值τ，则将该客户节点分配至第二近仓库，并将该客户节点作为中间节点；

步骤S3之前还包括：对于所有的中间节点，分别计算其在两个部分最优解中所带来的附加成本，将其从附加成本更高的部分最优解中去除；其中，附加成本为部分最优解中因为需要经过该节点而导致的额外距离。

2.根据权利要求1所述的面向多仓库运输的车辆路径优化方法，其特征在于，步骤S2包括：

S21，根据仓库-客户坐标图、车负载量及客户需求量，随机地生成初始可行解，将初始可行解作为蜂群初始的食物源，并计算食物源对应的目标函数值；其中，可行解指满足预设问题要求的车辆调度路线集合，目标函数值为总路线集合对应的距离和；

S22，将与初始食物源数量相同的工蜂分别派驻在食物源上，一个食物源对应一只工蜂；

S23，每个跟随蜂随机地选择一个工蜂进行跟随，跟随蜂在对应工蜂所在的食物源上进行局部搜索；

S24，判断跟随蜂是否找到更好的食物源；若是，则执行步骤S25；若否，则执行步骤S26；其中，更好的食物源为使对应目标函数值更小的可行解；

S25，跟随蜂向种群中最差食物源对应的工蜂发出信号，使其迁移过来；其中，最差食物源为对使应目标函数值最大的可行解；

S26，在预设时间段内，工蜂与跟随蜂均未在某一食物源附近找到更好的食物源，则蜂群派出巡回蜂去随机寻找新的可行解作为新的食物源；

S27，迭代步骤S22-S24，直到达到最大迭代值后，选择最优食物源对应的可行解作为部分最优解，部分最优解为针对这一仓库节点的单仓库最佳车辆调度路线集合。