[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

说明书

本发明公开了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。本发明是通过对简单的C‑W算法进行修改，在已有的路径优化上添加限重、时间窗、车辆种类不同约束条件，对智能无人车派送路线进行规划形成的一种方法。本发明先是对实际问题进行建模，再使用修正的C‑W算法解决派送路线规划中限重、时间窗的约束问题，然后根据运输任务优化类型的不同对规划的路线进行不同处理，从而找到一种最佳的无人车派送方案。

技术领域

本发明涉及物流派送领域，具体为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。

背景技术

车辆调度问题是物流管理中非常重要的一个问题,通常指的是，在特定的约束条件下,企业通过调配一定的车辆,并且组织适当的行车线路为客户进行配送货物,力争实现一定的目标,例如运输距离、费用最小化。配送中仅考虑空间而不考虑时间的问题称为车辆路径问题(Vehicle routing Problem,简称VRP)。当配送时具有时间窗约束时,这样的问题为车辆调度问题(Vehicle Scheduling Problem,简称 VSP)。VSP广泛应用于大型制造装配、钢铁、物流运输以及大型连锁零售等行业具有很强的现实应用背景。随着科技的快速发展，无人车送货技术即将出现在人们的生活中。未修正的C-W算法是解决TSP问题的一种算法，但将它运用到无人车派送路径优化调度上只能找到最短路径，而不能解决多无人车分配、无人车限重和时间窗问题。

为了解决多无人车分配、无人车限重和时间窗问题，出现了很多修正的算法。虽然它们能够地解决配送车辆调度问题,但是当存在多个约束条件时,这些算法就会存在计算量大、收敛速度慢等问题。尤其当存在硬约束的时间窗和车辆种类不同时,上述算法的缺点就更加突出。

发明内容

本发明的目的是为了解决无人车派送中限重、时间窗和车辆种类不同所产生的问题，提出了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。

为实现上述目的，本发明提供如下技术方案：

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。

优选的，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。

优选的，所述步骤一：根据实际问题建立模型。