[发明专利]一种面向粗略定位的协同车辆路径优化方法

权利要求书

1.一种面向粗略定位的协同车辆路径优化方法，其特征在于，所述面向粗略定位的协同车辆路径优化方法，包括：

根据物流服务供应商向其合作伙伴提供的顾客的粗略定位信息，构建面向粗略定位的协同车辆路径模型，所述协同车辆路径模型以最小运输成本为目标函数，所述目标函数如下：

其中，C_l为物流服务供应商l中的顾客集合，N为节点集合，K为车辆集合，L为物流服务供应商集合，a_ij为顾客粗略定位i和顾客粗略定位j之间的运输成本，h_ij为顾客i和顾客j之间的运输成本，g_j为在粗略定位j中的运输成本，c_j为节点j的粗略定位周长，s_j为节点j的粗略定位面积；x_ijkl在物流服务供应商l的车辆k从节点i运输到节点j时等于1，否则等于0；

所述目标函数对应的运输成本包括物流服务供应商到达粗略定位的运输成本和在粗略定位中的运输成本，及顾客自己的物流服务供应商为其提供服务时所产生的运输成本；

基于蚁群优化算法构建目标函数的初始解；

采用LNS算法提升当前最优解和全局最优解；

采用局部搜索算法进一步提升当前最优解和全局最优解；

判断是否满足迭代终止条件，在满足迭代终止条件时，输出最优路径计划，否则返回继续进行迭代。

2.根据权利要求1所述的面向粗略定位的协同车辆路径优化方法，其特征在于，所述在粗略定位中的运输成本，随着粗略定位的面积增大将指数增长，而随着粗略定位的周长增大将趋于线性增长。

3.根据权利要求1所述的面向粗略定位的协同车辆路径优化方法，其特征在于，所述目标函数的约束条件包括：

每个顾客只会被访问一次；

每个节点的到达车辆数目等于离开车辆数目；

物流服务供应商的协同物流共享度不能大于其协同物流共享度最大值；

车辆在规定时间内到达节点应大于或等于置信水平的可信度；

车辆都不能超载；

所述节点包括顾客和物流服务供应商的仓库。

4.根据权利要求3所述的面向粗略定位的协同车辆路径优化方法，其特征在于，所述物流服务供应商的协同物流共享度为运输容量共享度、仓库库存共享度和顾客订单共享度的加权之和。

5.根据权利要求4所述的面向粗略定位的协同车辆路径优化方法，其特征在于，所述运输容量共享度为：

物流服务供应商为其它物流服务器的顾客进行服务所需的成本与物流服务供应商的共享运输容量最大值的比值；

所述物流服务供应商为其它物流服务器的顾客进行服务所需的成本，包括物流服务供应商到达粗略定位的运输成本和在粗略定位中的运输成本。

6.根据权利要求1所述的面向粗略定位的协同车辆路径优化方法，其特征在于，所述基于蚁群优化算法构建目标函数的初始解，包括：

节点i和节点j之间的新路径可以按照以下规则构建：

其中t_ij表示节点i到节点j路径上的信息素浓度；η_ij表示节点i到节点j的启发式信息，α和β是用来调整信息素的影响和启发式信息重要性的参数，I^k为当前构建的解的所有车辆位置的集合，是尚未被当前构建的解访问且当前车辆在节点i时可以到达的顾客集合，r是在范围[0,1]内的随机数，r₁和r₂是用户参数，Y¹,Y²和Y³分别表示三种不同的新路径构建方式：

如果r≤r₁，将会随机构建一条新路径，节点i与节点j之间建立可行路径的概率计算方式如Y¹所示；如果r₁r≤r₂，蚂蚁将应用Y²来选择下一个节点y；否则，选择Y³方式；

所述节点包括顾客和物流服务供应商的仓库。