[发明专利]一种基于蚁狮算法的车辆调度方法、系统、设备及介质

权利要求书

1.一种基于蚁狮算法的车辆调度方法，其特征在于，包括如下步骤：获取货物运输的所有订单详细需求表和运货车辆信息，生成一个配送序列，将所述配送序列转化为适合蚁狮算法的可行解；计算所述可行解的成本函数值，通过蚁狮算法优化求解，得到成本函数最小值所对应的最优运输方案，所述最优运输方案对应最优的车辆调度方法；将所述最优的车辆调度方法重构解析为具体每个车辆的运输目标与路径。

2.根据权利要求1中所述的基于蚁狮算法的车辆调度方法，其特征在于，所述将所述配送序列转化为适合蚁狮算法的可行解中具体包括：

使用检查函数判断所述配送序列是否满足任务的硬性需求，若满足所述硬性需求，则将所述配送序列转化为适合蚁狮算法的可行解；若不满足所述硬性需求，则通过调整函数修改所述配送序列，重新判断。

3.根据权利要求2中所述的基于蚁狮算法的车辆调度方法，其特征在于，使用检查函数判断所述配送序列是否满足任务的硬性需求具体包括：

按照配送顺序为每一辆车装上货物，直到装货总重量超过一辆车的总载重，后新发一辆车进行当前货物的运输；

当全部货物均能分别被分配到某一车辆时，统计总使用车辆数是否小于等于所有任务允许使用车辆数，如果不超过则认定满足所述硬性需求，若超过所述所有任务允许使用车辆数，则认为完全不满足所述硬性需求。

4.根据权利要求1中所述的基于蚁狮算法的车辆调度方法，其特征在于，所述蚁狮算法各项参数包括：种群数量P、最大迭代数量nIter、搜索空间维度dim和成本函数Cost，其中所述成本函数值Cost的计算方式如下：

其中，PE为车辆早到对于任务的等待系数；PL为车辆延迟完成任务对目标的惩罚系数；distTime(a,b)表示车辆从a运行到b所使用的时间；X_i-1和X_i表示车辆在执行任务i之前所在的位置和任务i所在的位置；serviceTime_i表示任务i所需要的执行用时；Start_i和End_i表示任务i的开始时间和结束时间；Arrive_i和Finish_i表示车辆在执行到任务i时的到达时间和完成时间。

5.根据权利要求4中所述的基于蚁狮算法的车辆调度方法，其特征在于，通过蚁狮算法优化求解所述可行解的成本函数值的具体方式如下：

将所述成本函数值升序排序，选择排序后的其中前个种群个体作为蚁狮选择后个种群个体作为蚂蚁记录第一个蚁狮AL₁为最优个体S₁，第一个蚁狮的成本函数值Cost(S₁)为全局最优函数值Score_best，第一个蚁狮的位置为全局最优运输方案S_best。

6.根据权利要求4中所述的基于蚁狮算法的车辆调度方法，其特征在于，所述蚁狮算法中，随着迭代轮数的增多，逐渐缩小蚂蚁的游走范围。

7.根据权利要求1中所述的基于蚁狮算法的车辆调度方法，其特征在于，所述将所述最优的车辆调度方法重构解析为具体每个车辆的运输目标与路径具体包括：

获取一个所述配送序列，且设定当前配送序列的序号为1；

以车辆角度对每一辆车检查分配情况，设定当前车辆为车辆1，当前序号任务需求货物数是否被第一辆车装下，若当前车辆已载货物量加上当前序号任务需求货物数小于等于当前车辆载重，则该货物被分配给当前车辆，并给当前配送序列的序号加1，若已载货物加上当前序号任务需求货物数大于当前车辆载重，则将当前车辆号加1，重新执行本步骤；

若当前配送序列的序号小于任务总数N，则继续分配货物，否则完成重构解析。