物流配送车辆路径优化方法和装置的制造方法
【技术领域】
[0001] 本发明涉及物流领域，特别是指一种物流配送车辆路径优化方法和装置。
【背景技术】
[0002] 随着物流行业的不断发展，对于物流配送也提出了更高的要求。如何更快捷地配 送物品成为提高配送服务质量、降低配送成本的重要课题，于是配送路径优化成为物流领 域的一项关键技术。配送路径优化的目标是生成一条最优的配送路径。最优路径的标准有： 路程尽可能段、时间尽可能少。目前车辆路径优化方法大致可分为两类：精确计算方法和启 发式方法。其中，精确计算方法包括：穷举法、动态规划法等。启发式方法包括：遗传算法、 模拟退火算法、蚁群算法、粒子群算法等。精确算法往往计算量大、计算时间长，当配送路径 较为复杂时，往往不太适用。启发式方法会有容易陷入局部最优解的缺点。
[0003]目前，国内的现有技术中存在的配送路径优化的方法，例如，中国专利文献 CN104573880A公开了一种路径优化方法，它主要采用模拟退火算法计算大规模目的地的最 短、最优路径，该方法的路径优化只考虑到路径长度，路径优化的目标是使得总体配送路径 长度最短。然而，现实任务当中，除了需要考虑配送路径长短外，还需要考虑配送消耗的时 间多少。最好的配送路径是配送时间尽可能少、配送路径尽可能短。而影响配送时间的条 件不仅有路径的长度，还包括路径的拥堵情况。因此，在路径优化过程中需要综合考虑路径 总长度和路径拥堵情况来进行路径优化。
【发明内容】
[0004] 本发明要解决的技术问题是提供一种配送路径尽可能短、配送时间尽可能少的物 流配送车辆路径优化方法和装置。
[0005] 为解决上述技术问题，本发明提供技术方案如下：
[0006] -种物流配送车辆路径优化方法，包括：
[0007] 步骤SlOl :获取配送路径上各配送节点之间的实时拥堵系数矩阵α，并根据实时 路况对该矩阵进行定时更新；
[0008] 步骤S102 :初始化配送路径上各配送节点之间的距离矩阵D ;
[0009] 步骤S103 :根据所述拥堵系数矩阵α和距离矩阵D，生成配送路径权值矩阵ω = a D ；
[0010] 步骤S104 :初始化种群规模Nztj，选择种群规模Νχ、最大遗传代数Ne、交叉率β、变 异率γ和遗传代数η = 0 ;
[0011] 步骤S105 :针对配送路径上各配送节点，采用贪婪算法生成一条初始路径r1;
[0012] 步骤S106 :对初始路径Γι进行变异操作，生成NztrI个新路径，初始路径与新路径 组成第一代种群，并计算每条路径的适应度A n;
[0013] 步骤S107:在当前种群中采用选择算子选择适应度最高的Nx条路径，并对这心条 路径按照交叉率β和变异率γ进行交叉和变异操作，生成下一代群体，更新η = η+1 ;
[0014] 步骤S108 :当n = Nti时，计算最新的种群中所有路径的适应度An，选择当前种群中 适应度最高的配送路径为最优路径，算法终止；否则跳转至步骤S107。
[0015] 进一步的，所述步骤SlOl中拥堵系统矩阵α是NXN矩阵，矩阵α内的元素 a u 为第i个配送节点和第j个配送节点之间的拥堵系数，当i = j时，a INF，INF是一个 无穷大的数，N表示配送节点的个数，矩阵α为：
[0016]
[0017] 所述步骤S102中距离矩阵D是NXN矩阵，矩阵D内的元素Dl j为第i个配送节点 和第j个配送节点之间的路径距离，当i = j时，D1,= INF，INF是一个无穷大的数，N表示 配送节点的个数，矩阵D为：
[0018]
[0019] 所述步骤S103中配送路径权值矩阵ω是NXN矩阵，矩阵ω内的元素co(i，j) 为第i个配送节点和第j个配送节点之间的路径权值，ω (i, j) = a IjDu，当i = j时，α ^ =INF，INF是一个无穷大的数，N表示配送节点的个数，矩阵ω为：
[0020]
[0021] 进一步的，所述步骤S105包括：
[0022] 步骤S1051 :以序号为IPPj^配送节点为起始节点，选择与配送节点IPPii 间权值最小的配送节点为下一个配送节点IPPy即：ω (1，IPP2) = min(c〇 (1，j))，j = 1，V..，N;
[0023] 同时更新 ω (1，IPP2) = INF ; ω (IPP2, I) = INF ;
[0024] 步骤S1052 :选择与配送节点ΙΡΡ22间权值最小的配送节点为下一个配送节点 ΙΡΡ3,即：ω (IPP2, IPP3) = min (ω (IPP2, j))，j = 1，2,…，N ;
[0025] 同时更新 ω (IPP2, IPP3) = INF ; ω (IPP3, IPP2) = INF ;
[0026] 步骤S1053 :依次选择与配送节点IPPn之间权值最小的配送节点为下一个配送节 点 IPPn+1，即：ω (IPPn，IPPn+1) = min (ω (IPPn，j))，j = 1，2,…，N ;
[0027] 同时更新 ω (IPPn，IPPn+1) = INF ; ω (IPPn+1，IPPn) = INF。
[0028] 进一步的，所述步骤S106中适应度An的函数为：
[0030] 进一步的，所述步骤SlOl包括：
[0031] 预设所述拥堵系数矩阵α内部的元素a u的取值范围为[0, 10]，区间内分别对 应"畅通"、"基本畅通"、"轻度拥堵"、"重度拥堵"和"严重拥堵"五个级别，其中：
[0032] [0, 2]代表道路畅通；
[0033] [2, 4]代表道路基本畅通；
[0034] [4, 6]代表道路轻度拥堵；
[0035] [6, 8]代表道路重度拥堵；
[0036] [8, 10]代表道路严重拥堵。
[0037] -种物流配送车辆路径优化装置，包括：
[0038] 拥堵系数矩阵初始化模块，用于获取配送路径上各配送节点之间的实时拥堵系数 矩阵α，并根据实时路况对该矩阵进行定时更新；
[0039] 距离矩阵初始化模块，用于初始化配送路径上各配送节点之间的距离矩阵D ;
[0040] 配送路径权值矩阵生成模块，用于根据所述拥堵系数矩阵α和距离矩阵D，生成 配送路径权值矩阵ω = a D ;
[0041 ] 种群初始化模块，用于初始化种群规模NZ(j，选择种群规模Nx、最大遗传代数叱、交 叉率β、变异率γ和遗传代数η = 〇 ;
[0042] 初始路径生成模块，用于针对配送路径上各配送节点，采用贪婪算法生成一条初 始路径F 1;
[0043] 路径操作模块，用于对初始路径Γι进行变异操作，生成N Ζ0-1个新路径，初始路径 与新路径组成第一代种群，并计算每条路径的适应度An;
[0044] 种群操作模块，用于在当前种群中采用选择算子选择适应度最高的Nx条路径，并 对这N x条路径按照交叉率β和变异率γ进行交叉和变异操作，生成下一代群体，更新η = η+1 ;
[0045] 路径选择模块，用于当η = Nti时，计算最新的种群中所有路径的适应度An，选择当 前种群中适应度最高的配送路径为最优路径，算法终止；否则跳转至步骤S107。
[0046] 进一步的，所述拥堵系数矩阵初始化模块用于初始化拥堵系统矩阵α，α是NXN 矩阵，矩阵α内的元素a 为第i个配送节点和第j个配送节点之间的拥堵系数，当i = j时，a ij= INF，INF是一个无穷大的数，N表示配送节点的个数，矩阵α为：
[0047]
[0048] 所述距离矩阵初始化模块用于初始化距离矩阵D，D是NXN矩阵，矩阵D内的元素 Dij为第i个配送节点和第j个配送节点之间的路径距离，当i = j时，D INF，INF是一 个无穷大的数，N表示配送节点的个数，矩阵D为：
[0049]
[0050] 所述配送路径权值矩阵生成模块用于初始化路径配送路径权值矩阵ω，ω是 NXN矩阵，矩阵ω内的元素 ω (i，j)为第i个配送节点和第j个配送节点之间的路径权 值，ω (i, j) = a IjDg，当i = j时，a INF，INF是一个无穷大的数，N表示配送节点的 个数，矩阵ω为：
[0051]
[0052] 进一步的，所述初始路径生成模块包括：
[0053] 第一初始路径生成模块，用于以序号为IPPj^配送节点为起始节点，选择与配送 节点IPP 1之间权值最小的配送节点IPP 2为下一个配送节点，即：
[0054] ω (1，IPP2) = min (ω (1，j))，j = 1，2,…，N ;
[0055] 同时更新 ω (1，IPP2) = INF ; ω (IPP2, I) = INF ;
[0056] 第二初始路径生成模块，用于选择与配送节点IPP2之间权值最小的配送节点IPP 3 为下一个配送节点，即：
[0057] ω (IPP2, IPP3) = min (ω (IPP2, j))，j = 1，2,…，N ;
[0058] 同时更新 ω (ipp2, ipp3) = INF ; ω (IPP3, IPP2) = INF ;
[0059] 第三初始路径生成模块，用于依次选择与配送节点IPPn之间权值最小的配送节点 IPPn+1为下一个配送节点，即：
[0060] ω (IPPn，IPPnJ = min (ω (IPPn，j))，j = 1，2,…，N ;
[0061] 同时更新 ω (IPPn，IPPn+1) = INF ; ω (IPPn+1，IPPn) = INF。
[0062] 进一步的，所述路径操作模块定义的适应度An函数为：
[0064] 进一步的，所述拥堵系数矩阵初始化模块，还用于预设所述拥堵系数矩阵α内部 的元素 a u的取值范围为[0, 10]，区间内分别对应"畅通"、"基