[发明专利]基于离散粒子群优化算法的智能物流配送

说明书

技术领域：

本发明涉及智能计算和物流配送两大领域，主要使用一种基于集合和概率的离散化粒子群优化算法对物流配送中的运输车辆进行调度和路径优化。

背景技术：

车辆路径调度是物流配送研究中的一项重要内容，该问题的研究目标是，对一系列的顾客需求网点设计适当的路线，使车辆有序地通过，在满足一定的约束条件下，达到一定的优化目标。其约束条件一般为：货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等，优化目标一般为：里程最短、费用最少、时间尽量少、车队规模尽量小、车辆利用率高等。车辆路径调度包含了经典NP难组合优化问题旅行商问题作为它的子问题，因此它也是NP难的。此外，带时间窗的车辆路径调度由于涉及了更多的约束条件，非常难解，目前已被证明甚至连找到一个可行解都是NP难的。

带时间窗的车辆路径调度，由于其更加地贴近物流公司的现实需求，在过去受到了广泛关注，已有研究提出了不同的方法。过去的方法主要可以分为如下两类：精确算法和近似算法。精确算法指可求出最优解的算法，如集分割和列生成算法、分支限界法、拉式松弛法、动态规划法等。它们在求解时引入了严格的数学方法，能够保证找到配送的最佳方案。但这类算法无法避开指数爆炸问题，只能有效求解小规模的物流配送。并且通常这些算法都是针对某一特定问题设计的，适用能力较差，因而在实际中其应用范围很有限。随着现代计算方法的发展，一些近似算法如局部搜索算法、禁忌搜索算法、模拟退火算法、遗传算法等都被应用于求解车辆路径规划问题，能够求解较大规模客户网点的运输车辆规划，但它们存在着局部最优、算法参数鲁棒性差等缺点。此外，蚁群优化算法作为一种天然地解决组合优化问题的方法，自然而然地被应用于车辆路径规划，也得到了较为优秀的结果。但蚁群优化算法存在计算过程复杂、收敛速度慢等缺点，仍具有一定局限性。粒子群优化算法作为智能计算领域的一种新兴算法，它的算法性能在这几年已经被广泛认可，应用领域正在被不断扩充。因此，近来也有研究人员尝试用粒子群优化算法求解带时间窗的车辆路径调度问题，但这些研究仅仅是简单地将连续空间的粒子位置取整来描述运送方案，求解效果较差。

发明内容：

为了克服既有的计算方式在计算速率不够高、调度质量不佳、不适用于大规模物流配送等方面的问题，本发明提出一种能够高效对运输车辆进行调度和路径规划的离散粒子群优化算法，运用智能化的计算方法，在最小化所需运输车辆数的同时也力求运输的路径最短，从而最大化地缩减物流配送商的运输成本。

本发明解决其技术问题所采用的技术方案是：

(1)采用一种基于集合和概率的粒子编码方式，使粒子群优化算法适用于解决离散的组合优化问题(车辆路径调度属于组合优化问题的一种)。组合优化问题，可以被定义为(S，f，Ω)，其中S表示所有可行解的集合，f是目标函数，Ω是约束条件。问题的目标就是在满足约束Ω的条件下，找到一组可行解X^*∈S使得f最优化。在本发明所采用的离散粒子群算法中，一个组合优化问题(S，f，Ω)与如下特征相关联：

●一个通用集合E，E可被划分为n维，即E＝E¹∪E²∪...∪Eⁿ。

●一个候选解集合X∈S与通用集E相关联。X∈E且X¹∈E¹，X²∈E²，...，Xⁿ∈Eⁿ。

●当X满足约束条件Ω时，X为可行解。

●算法的目标就是找到一个使f最优化的可行解X^*。

根据如上定义，用粒子群优化算法求解一个组合优化问题的过程可以被认为是选择一些元素构成通用集E的一个子集以优化目标函数的过程。