[发明专利]多车任务分配与路径优化仿真平台及其实现方法

说明书

本发明公开了一种多车任务分配与路径优化仿真平台，包括：业务应用层，包括订单录入系统和路径规划仿真系统；技术层，包括算法匹配模块；数据层，包括系统配置数据库，系统配置数据库内存储有多种系统内置算法；订单录入系统可与操作者进行交互，算法匹配模块可根据操作者输入的数据信息从系统内置算法中选择与之适配的车辆路径问题的最佳算法，路径规划仿真系统可根据最佳算法对物流方案配送过程进行实时演示。本发明还公开了一种该仿真平台的实现方法。通过该仿真平台，系统可以根据问题匹配相应问题的最佳算法，并对车辆的物流方案配送过程进行实时演示，显著降低了算法时间复杂度，可为以路程最短为优化目标的各种算法提供可视化验证平台。

技术领域

本发明涉及车辆路径规划技术领域，尤其涉及一种多车任务分配与路径优化仿真平台及其实现方法。

背景技术

多车辆的任务分配和路径优化是机器人、物流和计算机应用领域的研究热点。多车任务分配与路径优化仿真平台主要涉及对车辆路径问题(Vehicle RoutingProblem，VRP)以及由此延伸的具有各种约束问题的研究，例如具有容量限制的VRP问题(CapacitatedVehicle Routing Problem，CVRP)、带有时间窗车辆路径问题(VehicleRouting ProblemwithTime Windows，VRP-tw)、装卸车辆路径问题(VehicleRoutingProblem withPick andDispatch，VRP-pd)等。

VRP问题是运筹优化领域最经典的优化问题之一，指的是起始位置位于仓库的m辆汽车将向n个客户交付一定数量的货物。在服务一组用户时，确定一组车辆行驶的最佳线路。目标是最小化整体的运输成本。经典的VRP问题的解决方案是一组路径，它们都从仓库出发，所有客户仅被服务一次后返回仓库，并满足车辆负载约束。

现有的关于该问题的研究都是基于VRP问题以及延伸问题和相关算法的提出，过于追求单种局限性的问题，不能为与时俱进的物流企业面临的现实问题提供合理的优化策略。而且现有的算法局限性不能很好地满足实际场景的应用，例如ATS-MD算法需要将全部数据拓扑排序，其时间复杂度很高，倘若数据量庞大时，ATS-MD算法需要耗费大量时间，不利于任务的规划和时间安排；DP-TR算法虽然是一种精确求解的算法，在使用动态规划技术时，也考虑了拓扑关系的约束，有效地降低了算法的时间复杂度，但时间复杂度仍然是指数级的，不利于大规模节点的计算。针对实际场合中的VRP-pd问题，这些算法显然不适用。

仿真平台是研究任务分配与路径规划的有效工具，国内外科研机构研究任务分配以及路径规划时都对此方面有所欠缺。现有的多车仿真平台，主要针对优化策略提供系统性框架，在针对具体应用领域时，多集中在多机器人间通信，无法实现算法运行过程和物流方案配送过程可视化。在针对物流仓储环境的领域中，鲜有可以为VRP等问题提供在线近似解决方案的仿真平台，几乎不考虑订单和车辆的配比、时间窗等约束问题的扩展，仓储规模以及车辆负载规模的扩展性等因素，建模应用过程复杂，算法的时间复杂度仍然较大，不具备实用性。

发明内容

鉴于现有技术存在的不足，本发明提供了一种多车任务分配与路径优化仿真平台及其实现方法，可以为VRP等问题提供在线近似解决方案，实现算法运行过程和物流方案配送过程可视化仿真，显著降低算法时间复杂度。

为了实现上述的目的，本发明采用了如下的技术方案：

一种多车任务分配与路径优化仿真平台，包括：

业务应用层，包括订单录入系统和路径规划仿真系统；

技术层，包括算法匹配模块；

数据层，包括系统配置数据库，所述系统配置数据库内存储有多种系统内置算法；