本畅通"、"轻度拥堵"、"重度 拥堵"和"严重拥堵"五个级别，其中：
[0065] [0, 2]代表道路畅通；
[0066] [2, 4]代表道路基本畅通；
[0067] [4, 6]代表道路轻度拥堵；
[0068] [6, 8]代表道路重度拥堵；
[0069] [8, 10]代表道路严重拥堵。
[0070] 本发明具有以下有益效果：
[0071] 与现有技术相比，本发明采用配送路径的距离和路径的拥堵情况作为本发明的路 径优化目标，因此采用路径的距离矩阵和路径的拥堵矩阵来定义配送节点之间的配送路径 权值矩阵，为了提高路径优化的准确性，本发明根据实时路况对路径的拥堵矩阵进行定时 更新，首先，采用贪婪算法预先生成一条初始路径，贪婪算法的本质是每次都形成局部最优 解，即每次都处理出一个最好的方案，直到获得问题的完全解为止，然后，本发明采用遗传 算法是按照交叉率和变异率对采用贪婪算法生成的初始路径进行交叉和变异操作，得到更 多的新路径，遗传算法是把问题的求解过程模拟为群体的适者生存过程，通过群体的一代 代的不断进化出现新群体，最终收敛到最优解，从而求得物流车辆配送的最优路径，最后， 计算出每条路径的适应度函数值A n，选用当前种群中适应度最高的配送路径。
[0072] 本发明在同时考虑配送距离和道路拥堵的情况下，规划最优物流配送路径，使得 物流车辆进行货物配送时的配送距离尽可能短、配送时间尽可能少。
【附图说明】
[0073] 图1为本发明的物流配送车辆路径优化方法的流程示意图；
[0074] 图2为本发明的物流配送车辆路径优化方法的具体实施例的十个配送节点的分 布示意图；
[0075] 图3为本发明的物流配送车辆路径优化方法的具体实施例的初始路径示意图；
[0076] 图4为本发明的物流配送车辆路径优化方法的具体实施例的最优路径示意图；
[0077] 图5为本发明的物流配送车辆路径优化装置的结构示意图。
【具体实施方式】
[0078] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0079] -方面，本发明提供一种物流配送车辆路径优化方法，如图1所示，包括：
[0080] 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；
[0081] 本步骤中，采用拥堵系数构成拥堵矩阵作为定义配送路径权值矩阵的一个重要依 据，并根据实时路况对该矩阵进行定时更新，能够有效地避免物流车辆配送时，因为道路拥 堵造成的时间延误。
[0082] 步骤S102 :初始化配送路径上各配送节点之间的距离矩阵D ;
[0083] 本步骤中，采用节点之间的距离构成距离矩阵作为定义配送路径权值矩阵的另一 个重要依据，使物流车辆配送时，可以行驶尽量短的路程，既节约了时间，又节省了运送成 本。
[0084] 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 ；
[0085] 本步骤中，同时考虑路径的拥堵情况和路径的总长度，定义目标函数。
[0086] 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 ;
[0087] 本步骤中，初始化种群Nztj数量可以根据需要配送的节点数来确定，本发明中可以 采用N zq= η 2确定种群数量，为了节省计算量，定义Nx= kNZQ，k e (〇, 1]，以Nx作为参加运 算的种群规模，最大遗传代数\为运算的循环次数。
[0088] 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;
[0089] 本步骤中，采用的贪婪算法可以在配送节点的选择中每一步都要求"贪婪"地选择 最佳路径，通过一系列的局部最优选择得到最优的初始路径。
[0090] 步骤S106 :对初始路径Γι进行变异和交叉操作，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;
[0091] 本步骤中，路径的变异操作定义为：随机选中路径上的两个配送节点，交换它们的 位置；
[0092] 两个路径之间的交叉操作定义为：随机生成3个配送节点序号，将它们从需要进 行交叉操作的两个路径中搜索出来，并交换填充到另一个路径中。
[0093] 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 ;
[0094] 本步骤中，选择算子选择Nx条路径，并对选择的Nx条路径进行交叉和变异操作，对 种群的个体进行优胜劣汰操作，使得适应度较高的个体有较大的概率被遗传到下一代群体 中，适应度较低的个体有较小概率被遗传到下一代群体中。本步骤中的选择算法还可以采 用本领域技术人员公知的其它算法，如比例选择、保存最佳个体策略和确定式采用选择等。
[0095] 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。
[0096] 本步骤中，适应度函数用来评价每条路径相对于目标函数的优劣，即评价一条可 能配送路径的优劣情况。
[0097] 本发明的物流配送车辆路径优化方法，采用配送路径的距离和路径的拥堵情况作 为本发明的路径优化目标，因此采用路径的距离矩阵和路径的拥堵矩阵来定义配送节点之 间的配送路径权值矩阵，为了提高路径优化的准确性，本发明根据实时路况对路径的拥堵 矩阵进行定时更新，首先，采用贪婪算法预先生成一条初始路径，贪婪算法的本质是每次都 形成局部最优解，即每次都处理出一个最好的方案，直到获得问题的完全解为止，然后，本 发明采用遗传算法是按照交叉率和变异率对采用贪婪算法生成的初始路径进行交叉和变 异操作，得到更多的新路径，遗传算法是把问题的求解过程模拟为群体的适者生存过程，通 过群体的一代代的不断进化出现新群体，最终收敛到最优解，从而求得物流车辆配送的最 优路径，最后，计算出每条路径的适应度函数值A n，选用当前种群中适应度最高的配送路 径。
[0098] 本发明在同时考虑配送距离和道路拥堵的情况下，规划最优物流配送路径，使得 物流车辆进行货物配送时的配送距离尽可能短、配送时间尽可能少。
[0099] 作为本发明的一种改进，步骤SlOl中拥堵系统矩阵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 lj= INF， INF是一个无穷大的数，N表示配送节点的个数，矩阵α为：
[0100]
[0101] 步骤S102中距离矩阵D是NXN矩阵，矩阵D内的元素D1 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：
[0102]
[0103] 步骤S103中配送路径权值矩阵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 IjDu，当i = j时，a u= INF， INF是一个无穷大的数，N表示配送节点的个数，矩阵ω为：
[0104]
[0105] 本步骤中，还可以采用本领域技术人员容易想到的其它参数与配送路径的拥堵情 况和配送路径的距离一起作为路径优化目标，进一步定义配送节点之间的配送路径权值矩 阵。
[0106] 本发明中，步骤S105包括：
[0107] 步骤S1051 :以序号为IPP^配送节点为起始节点，选择与配送节点IPP之间权 值最小的配送节点为下一个配送节点IPP2,即：
[0108] ω (1，ΙΡΡ2) =π?η(ω (1，j))，j = 1，2，."，Ν;
[0109] 同时更新 ω (1，IPP2) = INF ; ω (IPP2, I) = INF ;
[0110] 步骤S1052 :选择与配送节点IPP2i间权值最小的配送节点为下一个配送节点 IPP3, BP ：
[0111] ω (IPP2，IPP3) =min(co (IPP2, j))，j = 1，2,…，N;
[0112] 同时更新 ω (ipp2, ipp3) = INF ; ω (IPP3, IPP2) = INF ;
[0113] 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：
[0114] ω (IPPn, IPPn+1) = min (ω (IPPn, j)), j = I, 2, , N ；
[0115] 同时更新 ω (ΙΡΡη，ΙΡΡη+1) = INF ; ω (ΙΡΡη+1，IPPn) = INF。
[0116] 本步骤中，采用贪婪算法逐步构造最优解，即在每个阶段，都做出一个最优的决 策。对于本发明，以IPP 1为起始节点，以设定好的路径权值ω为依据逐步逼近给定目标， 可以尽可能快的求得更好的解。本发明采用的贪婪算法具有易编程、易调试、速度快和占用 空间小等优势。
[0117] 优选的，步骤S106中适应度An的函数为：
[0119] 本步骤中，采用贪婪算法和遗传算法的关键问题是定义目标函数。本算法综合考 虑配送路径的距离和路径的拥堵情况，因此用两个因素来定义两个配送节点之间的权值， 用ω (i，j)表示第i个配送节点和第j个配送节点之间的路径权值：
[0120] ω (i, j) = a JjDij
[0121] 其中，D1,表示第个i配送节点和第个j配送节点之间的路径距离，a u表示路径 的拥堵系数，取值范围为[1，10]，当第i个配送节点到第j个配送节点之间的路径畅通时， a ,= 1 ;当第i个配送节点到第j个配送节点之间的路径拥堵时，根据拥堵情况分配给a ^ 一个大于1的数值。