[发明专利]一种基于多约束修正C-W算法优化解决智能无人车路径规划问题的方法

权利要求书

1.一种基于多约束修正C-W算法优化解决智能无人车路径规划问题的方法，其特征在于：

步骤一：根据实际问题模型，对实际问题描述并建立模型。

步骤二：在C-W节约算法的基础上，添加限重、时间窗的约束对C-W算法修正优化，并在两个约束下的优化算法试解决实际路径优化。

步骤三：再添加车辆类型的约束再次实现路径优化，构成多约束下多无人车的路径优化系统，并测试算法性能。

步骤四：根据实际问题模型，确定运输任务优化类型。

步骤五：根据运输任务优化类型，做不同的处理，最后得到最佳路线。

2.根据权利要求1所述的一种基于多约束修正C-W算法优化解决智能无人车路径规划问题的方法，其特征在于：所述步骤一：根据实际问题进行描述。

在由一个x个客户和m辆配送车辆数量组成的系统中,其中x个客户之间有有限的货物需要m辆配送车辆进行配送，而每种派送车辆载重不同。在满足配送车辆载重量、客户对货物运输的时间窗等约束条件下选择最适合的车辆,通过优化得到最小成本下的车辆调度方案。

3.根据权利要求1所述的一种基于多约束修正C-W算法优化解决智能无人车路径规划问题的方法，其特征在于：所述步骤一：根据实际问题建立模型。

一个车场派出载重量为q(k)的货车为L个客户进行货物配送,每个客户i的货运量为g(i),i＝1,2,,,n.其中,g(i)≤q(k),并且配送中心用0表示。每个客户i接受服务的时间窗为[ET_i,LT_i],其中ET_i为客户所能容忍的任务最早开始时间,LT_i为客户所能容忍的任务最迟开始时间,这样可以避免装卸时过多的人工、机械等待。RT_i表示配送车辆到达点i的时间,客户i的时间窗约束需要满足约束ET_i≤RT_i≤LT_i,即车辆到达时间不宜过早也不宜过晚。再定义指示变量x_ijk和y_ik,k＝1,2,…,m,其中x_ijk和y_ik的值为：

根据费用最小化原则,建立路径规划问题的目标函数Z。

对于无人车的路径规划，最后要找到的是路径的最小值，即最小的Z,具体函数为：

其中相关的符号定义为：

i:第i个客户,i＝0,1,2,,,其中0表示配送中心；

q(k):车辆载重量,j＝(1,2....,n),用k区分不同的车辆种类；

g(i):客户i的货运量；

C_ij:车辆从客户i到客户j的费用；

T_i:为客户i完成该任务所需的时间(装货或卸货)；

ET_i:客户所能容忍的任务最早开始时间S；

LT_i:客户i所能容忍的任务最迟开始时间；

RT_i:配送车辆到达点i的时间约束，即到i点的时间；

t_ij:车辆由点行驶到的时间；

k:配送车辆类型,k＝1,2...,m；

x_ijk:客户i到客户j的货物是否由车辆类型k运载；

y_ik:客户i的货物是否由车辆k运载。