物流配送车辆路径优化方法

本发明涉及一种物流配送车辆路径优化方法,包括下述步骤:步骤1,参数设置及初始化;步骤2:若Nc≤Nmax,判断迭代次数是否达到最大迭代次数,如果是,就结束循环,执行步骤7;否则,执行步骤3;步骤3,并购操作,再对物流配送路径进行调整操作;步骤4,重组操作,插入操作,调整操作;步骤5,成本评估;步骤6,选择最优物流配送路径方案;步骤7,获得最优物流配送车辆路径方案。本发明的物流配送路径优化方法是通过抽象企业并购行为,由并购操作,重组操作等组成的并购方法,提高物流配送路径优化的收敛性,可以高效地得到最优物流配送路径方案。

专利类型: 发明专利
申请(专利)号: CN200910155263.9
申请日期: 2009年12月10日
公开(公告)日: 2010年6月16日
公开(公告)号: CN101739812A
主分类号: G08G1/00,G,G08,G08G,G08G1
分类号: G08G1/00,G,G08,G08G,G08G1
申请(专利权)人: 浙江师范大学,徐慧英
发明(设计)人: 徐慧英,赵建民,朱信忠,刘芳华
主申请人地址: 321004 浙江省金华市婺城区迎宾大道688号
专利代理机构: 杭州赛科专利代理事务所 33230
代理人: 王桂名
国别省市代码: 浙江;33
主权项: 一种物流配送车辆路径优化方法,其特征在于包括下述步骤:步骤1,参数设置及初始化:物流配送路径优化的方案数目NT;循环迭代次数Nc=1,最大迭代次数Nmax;当前参与并购操作的车辆标识CarMark=ones(NT,1),CarMark的选择顺序是根据步骤5中“单个车辆配送路径方案成本”从高到低排列;当前由车辆CarMark完成配送的客户标识CustomerMark=ones(NT,1),CustomerMark的选择顺序受步骤3中的并购操作中some函数影响;MACustSum表示由车辆CarMark完成车辆配送路径方案中临时选定参与并购操作客户的最大值,也受步骤3中的并购操作中some函数影响;Dist表示NT个物流配送方案;Cars表示参与物流配送方案的配送车辆的数目;MAType=zeros(NT,1)表示并购操作类型;先随机生成NT条物流配送方案,每一条物流配送方案有n个配送客户个体;其中,ones是赋值为1的函数,zeros是赋值为0的函数;步骤2:若Nc≤Nmax,判断迭代次数是否达到最大迭代次数,如果是,就结束循环,执行步骤7;否则,执行步骤3;步骤3,并购操作:对于任意一个物流配送方案i,令CarDist=Dist(i),CarDist(j)表示车辆j的配送路径方案,则有:若MAType(i)=0,执行以下步骤:先对参与并购操作的配送对象的位置重定位:若CustomerMark(i)>MACustSum(i),则CarMark(i)=CarMark(i)+1;若CarMark(i)>Cars,则MAType(i)=1,跳出当前操作;其中,MACustSum(i)=sum(some(CarDist(j))),表示客户个体集的数目;再对物流配送路径进行调整操作:物流配送方案i中当前参与并购操作的车辆CarMark(i),由它完成配送的客户个体CustomerMark(i),记作Temp,分别调至到除其以外的所有车辆中进行配送,分别计算出调整后的每一个车辆配送路径方案成本,按步骤5的“单个车辆配送路径方案成本”方法求取最小成本minCost(1,2,…,Cars),选择配送成本最小的车辆k,最终确认把配送客户个体Temp调至到由车辆k完成配送,同时消去车辆CarMark(i)对其的配送任务;若MAType(i)=1,执行以下步骤:提取由每一个车辆完成配送路径方案中的部分配送客户,组成一个待配送客户集合 <mrow> <mi>T</mi> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>Cars</mi> </munderover> <mi>some</mi> <mrow> <mo>(</mo> <mi>CarDist</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mo>;</mo> </mrow>选择其中一个客户个体Temp分别插入由每一个车辆配送路径方案中的适当位置,按步骤5的“单个车辆配送路径方案成本”方法求取最小成本minCost(1,2,…,Cars),选择配送成本最小的车辆k,最终确认把配送客户个体Temp调至到由车辆k完成配送,同时把客户个体Temp从待配送客户集合T删除,继续再选择一个客户个体,做同样操作,直到待配送客户集合T为空为止;其中,some函数定义为:提取每一个车辆配送路径方案中的一定客户,组成一个临时客户个体集合,一定客户的选择原则是按步骤5的“配送客户个体在单个车辆配送路径方案中的成本”方法求取最小成本min?cost(1,2,…,x),选择最小的成本隶属客户个体p,以p为临界,选择包括p内的左侧(或右侧)所以客户中的不大于二分之一个客户个体集,而这个客户个体集的数目就是MACustSum;步骤4,重组操作:对于任意一个物流配送方案i,令CarDist=Dist(i),CarDist(j)表示j车辆的配送路径方案,则有:插入操作:对于每一个车辆j配送路径方案作如下操作:由车辆j完成的配送路径方案中,按步骤5的“配送客户个体在单个车辆配送路径方案中的成本”方法求取最小成本min?cost(1,2,…,x),选择最小的成本隶属客户个体p,以p为临界,选择包括p内的左侧(或右侧)所以客户中的不大于二分之一个客户个体集T=some(CarDist(j)),依次把T中的每一个客户个体先后插入由车辆j完成配送路径方案中,同时保证当前车辆j的“单个车辆配送路径方案成本”为最小成本min(Cost(CarDist(j))),使得当前由车辆j完成配送路径方案的成本也是最小的;调整操作:对于每一个车辆j配送路径方案作如下操作:先后依次取出由车辆j完成配送路径方案中的每一个配送客户,再插入车辆j完成配送路径方案中,同时保证当前车辆j的“单个车辆配送路径方案成本”为最小成本min(Cost(CarDist(j))),使得当前由车辆j完成配送路径方案的成本也是最小的;步骤5,成本评估:计算每一个物流配送路径方案的成本,成本包括三部分,分别是配送客户个体在单个车辆配送路径方案中的成本,单个车辆配送路径方案成本和物流配送方案成本;配送客户个体在单个车辆配送路径方案中的成本包括距离成本cs、等待时间成本ce和迟到时间成本cl,即为(cs+ce+cl);单个车辆配送路径方案成本,包括四部分,分别是又单个车辆完成配送任务所需的运输距离成本cs,运输超载成本cq,各个客户个体的等待时间成本之和ce和迟到时间成本之和cl,即为(cs+ce+cl)exp(cq);物流配送路径方案成本,也包括四部分,分别是由完成所有客户配送所需的运输距离成本Cs、运输超载成本之和Cq、各客户个体的等待时间成本之和Ce和迟到时间成本之和Cl,即为(Cs+Ce+Cl)exp(Cq);步骤6,选择最优物流配送路径方案:对于任意一个物流配送路径方案i,则有:若MAType(i)=0,执行以下步骤:根据得到最新物流配送路径方案成本,如果低于旧的物流配送路径方案成本,则更物流配送路径方案,CarMark(i)=1,继续执行步骤2;否则,不更新,CustomerMark(i)=CustomerMark(i)+1,并在保存成本最小的物流配送路径方案,暂时作为当前最佳物流配送路径方案,继续执行步骤2;若MAType(i)=1,执行以下步骤:根据得到最新物流配送路径方案成本,如果低于旧的物流配送路径方案成本,则更物流配送路径方案,MAType(i)=0,CarMark(i)=1,继续执行步骤2;否则,继续执行步骤2;步骤7,获得最优物流配送车辆路径方案:对于任意一个物流配送方案,按步骤5的“物流配送路径方案成本”方法求取最小成本minCost(1,2,…,NT),成本最低的物流配送路径方案即为最优物流配送车辆路径方案。
法律状态: 公开,实质审查的生效,发明专利申请公布后的驳回,发明专利申请公布后的驳回