[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

说明书

本发明属于物流运输领域，具体涉及一种基于蚁狮算法的车辆调度方法、系统、设备及介质。方法包括如下步骤：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；根据所述可行解，使用蚁狮优化算法优化求解所选取成本函数，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。本发明将车辆调度的各种匹配方案与蚂蚁围绕蚁狮挖制的陷阱进行游走相结合，提高了种群的收敛速度，寻优性能强、调节参数少且易于实现。

技术领域

本发明属于物流运输领域，具体涉及一种基于蚁狮算法的车辆调度方法、系统、设备及介质。

背景技术

物流运输在物流业和物流供应链上发挥着非常重要的作用，而物流车辆调度管理在物流运输过程中占有重要地位，有效提高物流车辆调度管理效率和水平，有利于整个物流运输效率的提升。物流配送车辆调度优化问题一直是现代物流管理的核心问题，其旨在降低配送成本的基础上来提高物流配送车辆的时间利用率。配送车辆的优化调度，主要包括收集路线的优化、配送路线的优化以及货物组装与配送一体化等。配送运输用于大量的配送用户，并且多个订单之间有路线交集和时间限定。因此构建最佳配送路线，从而有效完成订单、高效完成任务，这能够显著降低配送的成本和收益。配送是位于物流末端的重要问题，更是降低物流开销的有力武器。

目前常用的用于车辆调度问题的启发式优化算法主要是基于PSO、遗传算法、混合蝙蝠算法以及各种传统算法对应的改进算法。这些算法往往收敛速度较一般、容易陷入局部最优解、并且拥有大量可条件的参数，算法实现也较为复杂。

发明内容

为解决现有技术中传统算法收敛速度慢的问题，本发明提供一种基于蚁狮算法的车辆调度方法、系统、设备及介质。

第一方面，本发明提供一种基于蚁狮算法的车辆调度方法，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。

进一步的，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。

进一步的，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。

进一步的，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。