[发明专利]一种解决车辆路径问题的方法

说明书

本发明公开了一种解决车辆路径问题的方法，包括：(1)数据预处理步骤：从原始数据集中采集每个点的信息(包括到原点的距离,与其他点的距离，最晚到达时间,车辆的行驶速度，使用相异度计算公式，计算各点之间的相异度，构造相异度矩阵；(2)聚类分析步骤：选择合适的聚类方法，迭代聚类，直到聚类结果中不存在超大簇为止；(3)路径计算步骤：使用分支限界算法对每个簇进行分析，计算出每个簇中从原点出发经过簇中所有点的最佳运输方案。本发明一种解决车辆路径问题的方法，通过聚类将大规模数据集划分为一系列小规模问题，降低了问题的复杂度，使之在有限时间内能够完成。

技术领域

本发明涉及车辆路径问题领域，特别是一种解决车辆路径问题的方法。

背景技术

早在1959年，Danting和Ramser就提出了车辆路径问题(Vehicle RoutingProblem，VRP)。1972年，由Karp证明，VRP问题为NP-Hard问题。它涉及到运筹学、管理学、计算机应用、组合数学、图论等诸多学科知识。车辆路径问题一般定义为：对一系列发货点和收货点，组织适当的行车路线，使车辆有序地通过各点，在满足一定约束条件(货物需求量、发送量、时间约束、运载能力约束、行驶里程约束等)下，达到一定的目标(路程最短、费用最小、时间尽量少、车辆尽量少等)。车辆路径问题的算法一般有两种：精确解法，启发式解法(非精确解，但相对合理的解)。

直接树搜索算法、动态规划方法、分支限界法、整数线性规划法等都是精确解法，它们能为小规模的车辆路径问题提供精确解。但由于其随着数据规模增加，计算量呈指数增长的特性，精确解法无法解决大规模的车辆路径问题。

Sweep算法、Chrisofides两阶段法、禁忌搜索法、遗传算法等启发式算法，能解决大规模的车辆路径问题，能在有限时间内给出的启发式解是相对最优解，但无法解决大规模的车辆路径精确解的问题。

发明内容

本发明的目的在于提供一种解决车辆路径问题的方法，用于解决上述现有技术的问题。

本发明一种解决车辆路径问题的方法，其中，包括：(1)数据预处理步骤：从原始数据集中采集每个点的信息，使用相异度计算公式，计算各点之间的相异度，构造相异度矩阵；(2)进行聚类分析，包括：步骤21：选择聚类方法；步骤22：基于相异度矩阵，使用所选择的聚类方法进行聚类，将规模庞大的数据集划分为规模较小的簇，每轮聚类完成后，如果依然存在超大簇，则调整参数对该簇进行聚类分析，直到划分的所有簇的规模都满足要求；(3)进行路径计算，包括：使用分支限界算法对每个簇进行分析，计算出每个簇中从原点出发经过簇中所有点的最佳运输方案；路径计算的步骤3中，包括：步骤31：构造距离矩阵，设步骤2中，将所有点划分到n个簇中，将任一簇中的所有点加上原点信息，构造一个距离矩阵，n个簇会构造n个距离矩阵；步骤32：对每一个距离矩阵使用分支限界算法，计算出从原点出发经过本簇中所有点的最短路径；步骤33：返回步骤32，直到n个簇都计算出最短路径；

根据本发明的解决车辆路径问题的方法的一实施例，其中，每个点的信息包括到原点的距离、与其他点的距离、最晚到达时间以及车辆的行驶速度。

根据本发明的解决车辆路径问题的方法的一实施例，其中，步骤21中，如果车辆运货量能满足需求，则采用划分方法来划分簇；如果不用考虑车辆数量，则使用层次聚类或基于密度的聚类方法来划分簇。

根据本发明的解决车辆路径问题的方法的一实施例，其中，步骤22：规定点数量大于n/1000的簇为超大簇，使用选择的方法进行第一轮聚类后，划分为p个簇，如果存在超大簇A，A的节点包括：a₁,a₂,……,a_k，则从相异度矩阵中选择A中的节点，构造一个k行k列的相异度矩阵，调整聚类方法的参数，进行聚类分析，得到一系列新的簇，直到所有簇都不为超大簇为止。