[发明专利]带固定分配方案约束的配送车辆路线优化方法

说明书

一种带固定分配方案约束的配送车辆路线优化方法，包括：生成原生种群，每个个体都是独立的带固定分配方案约束的CVRPTW问题的解，且携带了基因信息与适应度信息，生成每个个体之前都必须满足固定分配的约束；计算出原生族群中每个个体的适应度，并按照适应度从高到低对个体进行排序；按顺序成对取出族群中的两个个体，进行遗传操作；对族群i中的每个个体，按照一定的概率对其进行基因变异操作，若某个个体发生了变异，则用编译后的个体取代原个体；计算族群中每个个体的适应度，将其中适应度最高的个体复制，放入族群i+1中，其适合求解中大规模的带固定分配方案约束的CVRPTW问题，具有对带固定分配方案约束的CVRPTW问题求解质量高、鲁棒性强的特点。

技术领域

本发明涉及配送车辆路线领域，特别涉及一种带固定分配方案约束的配送车辆路线优化方法。

背景技术

随着互联网经济和贸易的发展，物流业的规模与日俱增，物流配送对经济活动的影响越来越显著。VRP(Vehicle Routing Problem,车辆路线问题)问题是配送优化的关键问题。对配送车辆路线进行优化能够有效降低配送成本，减少配送时间，提升用户满意度，因此研究该问题具有重要的现实意义。

带固定分配方案约束的CVRPTW问题是一类NP(Non-deterministic Polynomial，多项式复杂程度的非确定性问题)完全问题，传统的精确算法难以在合理时间内进行求解，因此，用启发式算法求解近似解是人们研究该问题的一个重要方向。遗传算法是模拟物竞天择的方法，搜索最优解的一种启发式算法，遗传算法解决实际问题的主要难点，在于如何将实际问题的解决方案进行可交叉变异的基因编码；此外启发式算法的一大特点是对初值依赖较大，初值选的不好可能会导致算法高概率陷入局部最优解。

发明内容

本发明提供了一种带固定分配方案约束的配送车辆路线优化方法，以解决至少一个上述技术问题。

为解决上述问题，作为本发明的一个方面，提供了一种带固定分配方案约束的配送车辆路线优化方法，包括：

步骤S1，生成原生种群，其中，原生种群中每个个体都是独立的带固定分配方案约束的CVRPTW问题的解，且携带了基因信息与适应度信息，生成每个个体之前都必须满足固定分配的约束，所述解的生成规则是：按顺序取车辆，每选择一个车辆，随机将一个符合车辆类型的未分配的客户分配给该车辆，而后在未分配的客户中，按照贪心算法将客户分配给该车辆，直到达到该车辆的运载上限，直至车辆被用完或客户配分配完，然后按照分配方案编码成基因序列，形成一个个体；

步骤S2，计算出原生族群中每个个体的适应度，并按照适应度从高到低对个体进行排序；

步骤S3，按顺序成对取出族群中的两个个体，进行遗传操作，使用Subtour_Exchange_Crossover算子，生成两个新的个体，从而形成个体数量两倍于原生族群的族群i+1，记为族群i；

步骤S4，对族群i中的每个个体，按照一定的概率对其进行基因变异操作，若某个个体发生了变异，则用编译后的个体取代原个体；

步骤S5，计算族群i中每个个体的适应度，每次随机选择族群i中的K个个体，将其中适应度最高的个体复制，放入族群i+1中，直到族群i+1的个体个数等于原生族群；

步骤S6，循环步骤S2-S5，直至满足循环结束条件。

优选地，所述原生种群中每个个体的生成过程如下：

步骤S100，选择第一个还未被使用的车辆K，将其初始位置定位在仓库位置；

步骤S101，在尚未分配，且满足约束的订单中，随机选择一个订单i，将其分配给车辆K；

步骤S102，根据客户间距离矩阵，每次都将客户j分配给车辆K，如果订单j的加入使得车辆K履行客户的新增距离最小，直到分配给K的客户数量达到K的客户上限；