[发明专利]基于改进蚁群算法的多目标车辆路径优化方法

权利要求书

1.基于改进蚁群算法的多目标车辆路径优化方法，其特征在于，

一、在初始时刻，将信息素总量与各个客户和配送中心的距离作为信息素分布矩阵，初始信息素的具体表达式为：

Q为每一次搜索蚂蚁释放的信息素总量，d_1i为客户i和配送中心的实际距离，d_1j为客户j和配送中心的实际距离；

二、考虑客户i与客户j的时间窗宽度及碳排放量，转移规则的具体表达式为：

q为假定的固定阈值，用来控制状态转移规则参数，q₀为一个在区间[0，1]上的随机数，当qq₀，采用确定性搜索模型，当q≥q₀，采用改进的概率模型；

改进的概率模型具体表达式为：

α为信息素浓度重要因子，β、ω和γ为启发函数重要程度因子，d_ij为配送车辆从客户i点到客户j点的距离，为启发函数，Width_ij＝l(i)-e(i)为客户的时间窗宽度，Z_ij为路径上客户i到客户j配送车辆产生的碳排放量，其值越小，说明点i到点j的所积累的信息素浓度越高，则蚂蚁选择该条路径的可能性越高；

三、更新后的信息素表达式为：

Δτ_ij、和的具体表达如下：

τ_ij(t)表示在第t次迭代时，客户i和客户j之间路径上的信息素浓度；p表示为每一次迭代后，路径上信息素的挥发因子；Δτ_ij表示每一次迭代的i点与j点信息素改变总量；表示在该次迭代中，第kk个蚂蚁对于点i与点j信息素改变的贡献值；表示额外对目前获得的最优路径的奖励；l_kk表示第kk个蚂蚁选择的路径的总长；l_best表示目前获得的最优路径的总长；sizepop为蚂蚁总数；e(i)为客户接受服务的最早时间,l(i)为客户接受服务最晚时间；

四、引入混沌扰乱机制，对信息素进行混沌初始化，根据混沌迭代方程生成一组混沌变量,混沌变量是通过Logistic映射产生的，具体方式如下：

F_ij(t+1)＝μF_ij(t)*[1-F_ij(t)] (6)

混沌扰动后的信息素更新表达式为:

ξ为可调节系数，是一个常数，F_ij(t)是混沌变量，μ为控制变量，μ的取值范围为[3.5-4.0]；

模型求解的具体流程如下：

1)、初始化参数，设定最大迭代次数maxiter，按照公式(1)对每个客户点之间产生初始信息素，初始化迭代次数＝0，确定每个参数的函数值；

2)、创建禁忌表，让所有的配送车辆从配送中心出发，在满足约束的前提下，按照公式(2)来选择下一个客户，并将此客户添加至禁忌表；

3)、若配送车辆不满足下一个客户点的需求，则配送车辆返回配送中心，更新禁忌表，重复该过程，直到所有的客户点全部加入到禁忌表中，禁忌表更新满足时间窗和载重限制；

4)、采用2-opt对每次路径内的配送路径进行局部优化；

5)、所有蚂蚁完成循环后，按照公式(4)更新信息素，计算当前迭代得到的可行解，并与前代所得到的可行解进行对比，记录最优解，若算法5次得出的可行解不变，则引入混沌扰动机制，按照公式(6)、(7)来更新信息素；

6)、当nc＝nc+1且ncmaxiter，nc为迭代次数，则执行步骤2、3、4、5，否则算法迭代结束，输出最优解。

2.根据权利要求1所述的基于改进蚁群算法的多目标车辆路径优化方法，其特征在于，在路径优化前，对多目标车辆路径建立数学模型：

一、车辆碳排放量λ₁的具体表达式为：

λ₁＝F*C_fuel

F为燃油消耗因子，C_fuel为燃油消耗；

二、车辆载重负荷所产生的燃油消耗的具体表达式为：

ε₀为空载时燃油消耗率，ε^*为满载时燃油消耗率，f为配送车辆的载重量限制，f_ij为实时载重负荷，d_ij为配送车辆从客户i点到客户j点的距离；

三、车辆行驶所产生的燃油消耗的具体表达式为：

β₁＝0.5C_dAρ，C_d为载重汽车的牵引力系数，A为载重汽车正面表面积，ρ为空气密度，v_ij为行驶速度；

四、车辆固定使用成本的具体表达式为：

g为每辆车的固定使用成本，m为配送中心使用的配送车辆总数；

五、车辆行驶距离成本的具体表达式为：

1为配送中心,c为配送车辆行驶单位距离的成本，x_ijk为决策变量；

六、时间窗惩罚成本表达式为：

e(i)为客户接受服务的最早时间,l(i)为客户接受服务最晚时间，time(i)为客户点接受服务的时间，p₁为物流车辆提前到达客户点而产生的单位时间惩罚成本，p₂为车辆晚于最迟时间到达而产生的单位时间惩罚成本；

七、通过对碳排放量因素、配送总成本因素的分析建立，构建碳排放量最少、配送总成本最低的多目标数学模型如下：

车辆配送过程中产生碳排放量最少的目标函数minλ₁：

物流车辆配送时配送总成本最低的目标函数minλ₂：

具体约束条件为：

客户点的载重负荷限制为：

每个客户点仅被访问一次：

每个客户仅被一辆车服务：

配送车辆的起点和终点必为配送中心：

配送车辆从配送中心出发的时刻为0：

r_1,k＝0,k＝1,2…m。