[发明专利]一种基于多目标遗传算法的司乘派单最优化方法

说明书

本发明属于网约车、出租车、顺风车等司乘匹配供需派单领域，具体公开了一种基于多目标遗传算法的司乘派单最优化方法，包括S1、最优化问题建模；S2、生成初始族群；S3、初始化迭代次数，t＝0；将w个解1，复制为2w个解；S4、对2w个解多目标计算共享适应度，多目标遗传算法采用NSGA算法；S5、选择并计算选择概率；S6、交叉；S7、变异；S8、增加迭代次数；S9、将S1…Sw中，共享适应度大的作为最优解。本发明解决了共享出行中司乘派单匹配多目标最优化问题，同时满足在司机利益、乘客利益、以及平台利益共同达到最优。

技术领域

本发明涉及网约车、出租车、顺风车等司乘匹配供需派单领域，具体为一种基于多目标遗传算法的司乘派单最优化方法。

背景技术

共享出行领域的司机和乘客订单匹配方法一直是一个焦点问题，需要满足乘客最快打车、司机获得较高收入以及平台的收益。这是一个典型的多目标优化问题，目前业界主要是通过对多个目标采用人工分配权重的方式来对多目标近似最优化求解，其存在权重是固定的权重，因不同的数据权重不应相同，故不能适应海量数据实时变化权重，且其无法提前分配合适的权重导致算法效果不佳。

发明内容

本发明的目的在于提供一种基于多目标遗传算法的司乘派单最优化方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多目标遗传算法的司乘派单最优化方法，包括如下具体步骤：

S1、最优化问题建模；

S2、生成初始族群；

S3、初始化迭代次数，t＝0；将w个解1，复制为2w个解；

S4、对2w个解多目标计算共享适应度，多目标遗传算法采用NSGA算法；

S5、选择并计算选择概率；

S6、交叉；

S7、变异；

S8、增加迭代次数t＝t+1；若转S4；否则转S8；

S9、将S1…Sw中，共享适应度大的作为最优解。

优选的，步骤S1具体如下：

S1-1、定义三个优化目标：(1)乘客：接驾时间；(2)司机：收入最高；(3)平台：补贴最少；

S1-2、将n个乘客取值从p1…pn，其中f(pi)是对乘客i的接驾时间1≤i≤n；

将m个司机取值从d1…dm，g(dj)为司机接单的预期收益，1≤j≤m，成交的c个订单从o1…oc，平台补贴为该单使用的优惠券等折扣金额，记作h(ok)，1≤k≤c；

S1-3、优化的目标函数L＝Max(-∑f(oi)/c)、Max(∑g(oj))、Max(-∑h(ok))；

其中对于未成单的乘客、司机，其f(p)＝0,g(d)＝0；满足该目标函数的情况下找到集合S，S的元素定义为司机和乘客对，如(pi,dj)表示乘客i和司机j成单，其中pi和dj在S中只出现一次。

优选的，步骤S2具体为：族群内初始解w个，采用启发式搜索，每个初始解先对d1…dn用洗牌算法进行洗牌，然后针对洗牌后的d，逐个寻找最近的乘客，规则为最近3公里，本次未被选中的乘客p，生成匹配对(p,d)放入集合Sk中，1≤k≤w，S1…Sk即为初始族群。

优选的，步骤S4具体如下：

S4-1、标记非支配个体；

S4-2、指定虚拟适应度值；

S4-3、计算共享适应度；