[发明专利]一种多车型车队配送货过程的优化调度方法

权利要求书

1.一种多车型车队配送货过程的优化调度方法，其特征在于：通过建立多车型车队配额送货物的调度模型和优化目标，设计基于混合蚁群优化算法的优化调度方法对优化目标进行优化；

所述调度模型约束如下：

①配送中心的每种车型都参与配送任务；②车辆在一次配送任务中仅进行一次客户服务；③车辆配送中负载不能超过该车型的最大装载限制；④车辆从配送中心出发，完成配送后需返回配送中心；⑤每个客户均被服务，被服务的次数有且仅有一次；⑥车辆应该在客户的服务窗口时间内到达；

所述优化目标运输总费用Z_Total由三部分组成：车辆行驶费用、燃油费用F₃及时间费用F₄；其中，车辆行驶费用由行驶里程费用F₁和车辆固定费用F₂组成；

运输总费用Z_Total的计算如下：

Z_Total＝F₁+F₂+F₃+F₄

其中，M_t表示共有M_t种类型的车，H_M表示第M种类型车的车辆合集，N表示总共有N个客户，C_M1为第M类型车的行驶里程费用系数，x_Mijk表示第M种类型车的第k辆车从客户i到客户j的决策变量，d_ij表示客户i到客户j的距离；C_M2表示第M种类型车的车辆固定费用系数，FU_Mij表示第M种类型车从客户i到客户j的燃油量；V_ij表示车辆在客户i到客户j之间的平均速度，e_i表示车辆离开客户i的时间，t_i表示车辆到达客户i的时间，C_M3表示第M种类型车的燃油费用系数；C_M4表示第M种类型车的车辆时间费用系数；

所述基于混合蚁群优化算法的优化调度方法的具体步骤如下：

Step1、编码方式：采用整数编码的方法，每只蚂蚁代表一辆车，每只蚂蚁的路径表示每辆车的行驶路径，车场用数字0表示，客户用自然数表示，当一辆车服务完客户再返回配送中心，就在解中插入0来表示一条路径的结束；

Step2、种群和信息素浓度初始化：利用贪心算法随机构造一条包含所有客户节点的路径，使用构造的这条蚂蚁路径对信息素浓度进行初始化，利用初始化的信息素浓度构建规模为M的蚂蚁种群：

其中，τ_ij(0)表示初始0代的信息素浓度，i、j为客户编号，P_m为信息素浓度的初始值且设置为大于1的值；

Step3、更新信息素浓度：每次每只蚂蚁经过某一条路径后都会马上更新路径上的信息素，更新公式如下所示：

τ_ij(t+1)＝(1-p)τ_ij(t)+Δτ_ij(t)

式中，τ_ij(t+1)表示第t+1代的信息素浓度，p为信息素挥发因子，p∈[0,1)，r为蚂蚁的数量，Δτ_ij(t)为第t代客户i、j之间的信息素增量，Δτ_ijk(t)为蚂蚁k在第t代中客户i、j之间释放的信息素增量；

Step4、基于四种变邻域操作的自适应大邻域局部搜索：对种群中的每个解基于局部操作的选择概率，采用轮盘赌的方式随机选择一种变邻域操作对解进行操作；然后判断新的解是否得到改善：若得到改善，则用新解替代旧解，否则不接受新解；最后对每个局部操作的选择概率进行更新，更新公式如下式：

g_z＝BNS_z/NS_z

式中，g_z为局部操作z的改善率，NS_z为对当前种群执行局部操作z的次数，BNS_z为执行局部操作z后得到改善解的个数，p_z为局部操作z的选择概率，p_min为每种局部操作被选择的最小概率值；

Step5、终止条件：设定终止条件为最大迭代次数，如果满足则输出“最优个体”，否则重复Step3、Step4直至满足终止条件；

所述变邻域操作具体为：不同路径插入操作：随机选择一条路径上的一个客户，插入到另一条路径上；子路径内客户逆序操作：随机选择一条路径上的几个客户进行逆序；不同路径上客户交换操作：在两条不同路径上随机选择两个客户进行交换；不同路径上连续客户插入操作：随机选择一条路径上的连续两个客户插入到另一条路径上。