[发明专利]基于改进蚁群算法的多目标车辆路径优化方法

说明书

本发明属于物流配送、电子商务、智能优化、网络分析等应用领域，具体技术方案为：基于改进蚁群算法的多目标车辆路径优化方法，具体步骤如下：一、在初始时刻，将信息素总量与各个需求点和配送中心的距离作为信息素分布矩阵，设计初始信息素的具体表达式；二、考虑客户与客户之间的时间窗宽度及碳排放量，设计转移规则的具体表达式；三、更新信息素表达式；四、引入混沌扰乱机制，对信息素进行混沌初始化；本发明提出了一种以配送总成本最低、碳排放量最少的多目标车辆路径优化模型，多目标模型能更好地兼顾物流配送中的配送总成本和碳排放量，与经典蚁群算法相比，改进蚁群算法在配送总成本上平均节省了6.5％、碳排放量上平均节省了3.5％。

技术领域

本发明属于物流配送、电子商务、智能优化、网络分析等应用领域，具体涉及一种基于改进蚁群算法的多目标车辆路径优化方法。

背景技术

随着全球污染日益严峻，低碳环保问题引起了各行业的重视，根据国际能源属2016年数据统计，车辆在物流配送中产生的碳排放量大约占全球总量的16.9％，因此，降低车辆配送中所排出的二氧化碳(CO₂)逐渐成为车辆路径优化问题的新的研究热点。Jabir E等分别以配送成本最小、环境成本最小、配送成本与环境成本之和最小为目标构建3种VRP模型。

张立毅等根据配送车辆载重不同建立碳排放成本模型，并设计带混沌扰动的蚁群算法来求解该模型。任腾等以车辆载重、客户时间窗和冷链产品变质率为约束，考虑客户满意度的条件下，建立了以碳排放量最小的冷链车辆路径优化模型。代楚楚等在考虑低碳条件下，建立了车辆路径选择模型，并提出多种群遗传算法来求解模型，但该研究仅考虑碳排放量仅与车辆的行驶速度与行驶距离有关，其研究模型还存在改进空间。Pan,Yamei通过分析最短路径建立了碳排放量最少的模型，并根据模型特点设计了改进算法来求解。史雨同等构建了低碳条件下，新能源车辆路径问题模型建立最短路径和最小碳排放的多目标集货模型，通过改进两阶段启发式算法求解模型。李文霞等以带时间窗车辆路径为基础，通过对车辆行驶速度、载重和运行里程的改变建立了总成本最低、周转时间最小的车辆路径优化模型。陈志等通过地图软件获取实际配送距离，以配送车辆载重为约束，构建了碳排放成本和时间窗惩罚成本等综合成本最低的物流配送模型。赵志学等在时变网络下，将道路拥堵因素引入绿色车辆路径优化数学模型中，根据模型特点，设计了改进蚁群算法来求解。葛志远等针对AGV路径规划问题，根据规划模型提出了一种改进的蚁群算法来求解。马邱卓等考虑车辆配送过程中载重的实时变化对油耗与碳排放量的影响，并给出配送网络内的最优路径决策。王智忆等在低碳环境下研究冷链物流配送路径优化问题，分别以为碳排放量最低和总行驶距离最少为目标构建了模型，不足是没有将两个目标进行综合考虑。

通过对上述文献的研究，可以分析出碳排放量与车辆载重、行驶速度和行驶距离之间存在一定的关系，但既有研究大多都将研究重点放在了单目标优化方面，且没有将碳排放量与车辆载重、车辆速度和行驶距离等因素综合考虑，不符合实际的配送情况，降低了优化结果的适用性。

发明内容

为了降低物流配送过程中产生的配送总成本和碳排放量，本发明提供了一种基于改进蚁群算法的多目标车辆路径的优化方法。

为实现上述目的，本发明所采用的技术方案为：基于改进蚁群算法的多目标车辆路径优化方法，具体步骤如下：

在路径优化的前期，需要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：