[发明专利]一种派件任务规划方法及设备

权利要求书

1.一种派件任务规划方法，其特征在于，包括如下步骤：

S1：获取共配区域内配送点集合，构建末端派件网络图；

S2：根据获取快递公司的业务信息，建立参与共享的快递公司集合、可用快递员集合和派件任务集合；

S3：建立共享网点末端派件任务规划模型，并确定优化目标及约束条件；

S4:配置用于求解共享网点末端派件任务规划模型的混合遗传模拟退火算法，并使用混合遗传模拟退火算法进行路径规划；

所述步骤S1包括：

使用图G＝(V,E)定义末端配送网络，其中，V＝{0,1,2...,n}＝V₀∪V₁为节点集合，V₀＝{0}为共享网点，V₁＝{1,…,n}为配送点集合，n为配送点数量；E＝{(s,e)|s∈V,e∈V}为节点之间的边集，每条边(s,e)∈E代表节点s到节点e的最优路线，d_se表示边(s,e)的距离，距离满足对称性，即d_se＝d_es，同一节点之间的距离为0，即d_ss＝0，s∈V；

所述步骤S2包括如下步骤：

S2.1：设C＝{c₁,c₂,…,c_e}为参与共享的快递公司集合，其中，e为公司数量；将不同公司的快件任务最晚派件时间设为t_c，将按照软时间窗规则的单位时间惩罚成本设为a_c，将单个快件任务的派件费设为p_c；

S2.2：设K＝{k₁,k₂,…,k_v}为可用快递员集合，其中，v为快递员数量；由于快递员配车型号不同，设：c_k为快递员k配车的最大载重量，e_k为快递员k配车的单位运输成本；

S2.3：设T＝{1,2,…,m}为某一时段内所有派件任务集合，其中，m为任务数量；对于每个取件任务i∈T，w_i为任务i的货物重量，w_i≤max{l_k|k∈K}，v_i∈V₁为派件任务i的配送点，c_i∈C为派件任务的所属快递公司，为任务i的派件费，为派件任务i最晚派件时间，为按照软时间窗规则的单位时间惩罚成本，车辆的派件时间必须在时间前，若迟到，相应的时间差受到时间惩罚所述步骤S3包括：

由于每台快递员的配备车辆可以进行多轮循环配送，设k为快递员k的配备车辆，k∈K；设车辆k的循环配送次数为n_k，n_k∈{0,1,...,M}，n_k为一个非负整数决策变量，如果n_k＝0，表示车辆k没有被分配到配送任务；设快递员车辆k的循环配送次数的集合为N_k，N_k＝{1,2,…,n_k}；设已分配任务的快递员集合为K₁、未分配任务的快递员集合为K₀，其中，K₁＝{k∈K|n_k≥1}，K₀＝{k∈K|n_k＝0}，K＝K₀∪K₁；

使用表示配送任务i是否分配给车辆k的第p次循环，其中，i∈T、p∈N_k；如果配送任务i分配给车辆k的第p次循环，则有否则，

使用表示车辆k的第p个配送任务组中是否到客户群点s送货，其中，k∈K、p∈N_k、s∈V；如果表示车辆k第p次配送经过客户群点s，否则，车辆k第p次配送不经过客户群点s；

使用表示车辆k的第p个配送任务组中是否经过边(s,e)∈E，其中，如果表示车辆k在第p次配送中经过边(s,e)，否则，表示车辆k在第j次配送中不经过边(s,e)；

建立共享网点末端派件任务规划模型为：

其中，约束条件包括以下公式：

n_k∈{0,1,...,M}N_k∈{0,1,...,M}k∈K (10)

在上述共享网点末端派件任务规划模型中，公式(1)为优化目标函数，表示最大化总体配送利润，用于考虑运输成本和时间成本；公式(2)为快件分配约束，表示每个快件只能在一次配送中由一位业务员进行装车派件；公式(3)为业务员配车载重约束，表示每个配送任务组中所有快件的包裹总装载量不超过该业务员配车的最大限重；公式(4)为业务员终点约束，每个配送任务组结束后业务员及车辆都必须返回共享网点节点0；公式(5)、(6)为客户点卸载约束，表示配送业务员车辆在每个配送任务组中只经过一次其所配送快件的所属客户配送点，抵达后卸载该配送点全部快件；公式(7)-(10)为决策变量定义；

所述使用混合遗传模拟退火算法进行路径规划具体包括如下步骤：

S4.1：导入数据，具体包括派件网络、快递公司信息集合C、快递员集合K和快件任务集合T；混合遗传模拟退火算法的相关参数，包括遗传操作的种群数量Q、最大优化代数G、交叉概率Pc、变异概率Pv、模拟退火操作的初始温度t₀、终止温度t_e、降温系数a和迭代次数N；

S4.2：采用启发式生成方法生成半数初始种群，随机排序生成半数初始种群；采用分组编码方案将半数初始种群的每一条染色体生成对应的编码组，每个编码组用运单任务编号排列的整数编码形式代表安排给车辆的该次所有任务及顺序；S4.3：对染色体进行车辆分配，计算配送利润适应度，记录适应度最大的染色体为全局最优解，保留该最优解 ；

S4.4：采用轮盘赌算法对选择概率进行计算，根据轮盘赌结果进行选择操作，选择遗传操作基因；

S4.5：产生一个位于[0,1]的随机数，根据交叉概率进行交叉操作，交叉为编码组的易位操作，操作后进行启发式修复；

S4.6：产生一个位于[0,1]的随机数，根据变异概率进行变异操作，变异为编码组的拆分；

S4.7：对遗传操作后获得的种群进行邻域操作，根据Metropolis准则接受新解；S4.8：判断是否达到迭代次数G，如果达到迭代次数，执行步骤S4.9，否则，转到步骤S4.3；

S4.9：输出全局最优路径规划方案，算法结束；

所述步骤S4.2中的启发式生成方法具体包括：

将随机选择任务i作为初始任务点，生成随机数r选择下一步构建任务集合，根据r值决定选择同一网点快件任务或其他网点快件任务；

所述步骤S4.5中的交叉操作具体包括：

选择两个染色体作为父代，随机选取交叉基因片段，将选中的基因片段易位；易位后会出现快件被重复服务的情况，以启发式算法进行修复；为了消除服务重复，将原父代中的相同快件去除，设为未分配状态；对染色体中每个基因插入未分配任务，选取代价最小的插入方案；

所述步骤S4.6中的变异操作具体包括：

采用基因的拆分变异，随机选择一个染色体中的几个基因，删除选中基因的分配车辆，将基因内的任务设为未分配状态，将未分配的任务按启发式插入算法重新插入染色体；

所述步骤S4.7中的邻域操作具体包括交换操作、逆序操作和插入操作；

交换操作，采用单点交换，随机选择两个节点，交换两个节点的位置；

逆序操作，采用倒位变异，随机选择两个节点位置切点，将节点中间片段的所有基因倒位放置；

插入操作，采用单点插入，随机选择两个节点，将被选中后置节点插入前置节点前位置。

2.一种派件任务规划设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1所述的派件任务规划方法步骤。