[发明专利]一种合作式物流问题的任务分配与路径规划方法

摘要

本发明属于物流管理领域，具体涉及一种合作式物流问题的任务分配与路径规划方法。第一步建模型，总公司辖有M个子公司，所有子公司共有N个订单需要满足，子公司统一使用具有相同载重量的车型运送货物；目标是得到运输距离最短的路径行驶方案；第二步，求解模型，订单重分配的结果是将总订单进行重新分配，从而根据订单的地理位置互补性将订单分配给相对最近的子公司，实现总订单的最优分配。下一步就是基于Sm、Rm进行子公司内部的车辆路径规划，目标是优化每一个子公司的运输成本，得到运输距离最小的车辆配送路线。本发明有助于减少物流公司及其子公司的运输成本，并有助于减少CO2的排放，从而实现公司间的共赢与环境友好型发展。

主权项

1.一种合作式物流问题的任务分配与路径规划方法，其特征在于，步骤如下：第一步，模型建立一个总公司辖有M个子公司，所有子公司共有N个订单需要满足，子公司统一使用具有相同载重量的车型运送货物；目标是得到运输距离最短的路径行驶方案；以下是模型中各变量及其所代表的意义：M：子公司个数；N：总订单的个数；C：车辆的载重能力；K：车辆的数量；H：所有车辆的集合；k：车辆的编号，k∈H；V：所有点的集合，包括子公司与所有订单，V＝(1,2,…,N,N+1,…,M)；i，j：集合V中任意点的编号；A：所有订单的集合，A＝(1,2,…,N)；B：所有子公司的集合，B＝(1,2,…,M)；m：子公司的编号，m∈B，1≤m≤M；S_m：每个子公司m分配到的订单集合，包括公司m点，R_m：每个子公司m分配到的订单数，有T_m：每个子公司m的车辆集合，t_m：每个子公司m的车辆数，D：集合V中任意两点的距离构成的集合；d_ij：集合V中任意两点i和j的距离，d_ij∈D；Q：集合A中任意订单i的需求构成的集合；q_i：集合A中任意订单i的需求，q_i>0，q_i∈Q；x_ijk：二进制变量，x_ijk等于1，表示车辆k从点i点离开后到达点j，k∈H，i，j∈V，否则为0；目标函数：约束：xijk∈{0,1} i,j∈V k∈H   (8)该模型中，公式(1)描述了CoVRP问题的目标，即最小化所有子公司的总运输距离；第二步，求解模型步骤1：订单重分配定义1：模糊点与模糊集：不能分配给最近子公司的订单点称为模糊点，模糊点构成的集合为模糊集，用F表示；定义2：距离比例：订单点到两个子公司的距离之比，用a(t,u)＝Dt[i]/Du[i]表示，i表示集合A中的任意一个订单，t，u表示集合B中任意两个子公司的编号，且t步骤2.3.2.5：根据公式(10)计算P1中当前子路径中下一个可行的插入点，判断P1是否检索到最后一个可插入点，如果是，转到步骤2.3.2.6，否则转到步骤2.3.2.3；步骤2.3.2.6：比较所有Cost中的最小值，将Cost最小值的方案作为订单最佳插入位置，令e＝e+1；步骤2.3.2.7：判断e大小，如果e≤|r2|‑1，则转到步骤2.3.2.2，否则转到步骤2.3.2.8；步骤2.3.2.8：在父代P2中插入缺失的点，即P1子路径r1中的点，令e＝0；步骤2.3.2.9：在P2的当前子路径中顺序插入订单点r1[e]；步骤2.3.2.10：判断P2的子路径是否满足车辆的容量约束C，若满足，转到步骤2.3.2.11，否则在P2中顺序转入下一条子路径，并转到步骤2.3.2.9；步骤2.3.2.11：由公式(10)计算并存储插入后的成本Cost；步骤2.3.2.12：根据公式(10)计算P2中当前子路径中下一个可行的插入点，判断P2是否检索到最后一个可插入点，如果是，转到步骤2.3.2.13，否则转到步骤2.3.2.10；步骤2.3.2.13：比较所有Cost中的最小值，将Cost最小值的方案作为订单最佳插入位置，令e＝e+1；步骤2.3.2.14：判断e大小，如果e≤|r1|‑1，则转到步骤2.3.2.9，否则转到步骤2.3.3；步骤2.3.3：重复步骤2.3.1‑2.3.2共P次；步骤2.3.4：2P个交叉后的子代；步骤2.4：变异过程设w表示变异过程执行的次序，1≤w≤2P；步骤2.4.1：令w＝1；步骤2.4.2：在2P个个体中随机选择一个个体；步骤2.4.3：随机生成0到1之间的随机数，如果该随机数小于变异概率Pm，则转到步骤2.4.4，否则令w＝w+1，转到步骤2.4.5；步骤2.4.4：随机选择该个体中的一条子路径，然后随机选择子路径中的两个订单进行交换，令w＝w+1；步骤2.4.5：判断w的大小，如果w≤2P，转到步骤2.4.2，否则转到步骤2.4.6；步骤2.4.6：输出2P个变异后的后代；步骤2.5：选择过程步骤2.5.1：在2P个变异后的个体中随机选择两个个体，分别计算两个个体的适应度值，选择适应度大的个体进入下一代；步骤2.5.2：重复步骤2.5.1共P次，即从2P个个体中选择出P个新个体进行下一次迭代；步骤2.6：重复步骤2.3‑2.5共g次，g表示最大迭代代数，记录下g次迭代中Cost最小的个体，将该个体及Cost值作为子公司m的车辆路径规划方案输出；步骤2.7：重复步骤2.1‑2.5共M次，得到每一个子公司的车辆路径规划方案及对应的Cost：