[发明专利]一种有效的车辆路径优化系统

权利要求书

1.一种有效的车辆路径优化系统，其特征是，包括数据获取模块、算法执行模块和路径输出模块，所述数据获取模块用于获取车辆路径优化所需的相关信息，所述算法执行模块采用改进的遗传算法对车辆路径进行优化，具体包括：

步骤1，采用基于客户全排列的自然数编码方式，初始化生成染色体群，并确保其可行性；

步骤2，根据适应度函数计算初始群体中各个体的适应度值，并保存适应度值最大个体的适应度值和染色体；

步骤3，在指定的遗传代数内进行遗传操作，通过随机选择、交叉和变异操作，从而产生一群更适应环境的个体；

步骤4，执行条件判定，用于设定终止条件，当遗传算法满足终止条件时即停止算法运行；所述算法执行模块的步骤2根据适应度函数计算初始群体中各个体的适应度值，其采用一种改进的适应度函数，定义有k个配送点，则适应度函数为：

式中，d(r_m,r_n)为第m个配送点到第n个配送点之间的距离，d_max为路径配送的最大配送距离，r₀表示物流配送中心，r_k表示最后一个配送点，d表示配送路径的总距离，δ和μ分别为配送距离和时间效应成本的权重，T表示配送的时间效应成本，L_i为第i个配送点的规定送达时间，t_i为第i个点的实际送达时间，P为允许时间误差，c₁为时间惩罚系数；所述路径输出模块用于输出遗传算法终止后所得的最优车辆路径。

2.根据权利要求1所述的一种有效的车辆路径优化系统，其特征是，所述数据获取模块获取的相关信息包括：客户点的数目、配送中心和客户点的位置坐标。

3.根据权利要求2所述的一种有效的车辆路径优化系统，其特征是，算法执行模块中步骤3在制定的遗传代数内进行如下遗传操作，具体为：

a.通过选择操作产生新一代个体；

b.采用改进的交叉概率算法计算剩余个体的交叉率p_c，并且对这些剩余个体以计算所得的交叉率p_c进行交叉操作；

式中，f_max表示种群最大适应度值，f_avg表示种群平均适应度值，f′表示要交叉的个体适应度值，k₁和k₃为常数值，且0k₁,k₃1,f_min表示种群最小适应度值；

c.利用改进的变异概率算法计算剩余个体的变异率p_m，并且对这些个体以概率p_m进行变异操作；

式中，f_min表示种群最小适应度值，f_max表示种群最大适应度值，f_avg表示种群平均适应度值，f″表示要变异的个体适应度值，k₂和k₄为常数值，且0k₂,k₄1。