1.一种物流配送车辆路径优化方法,其特征在于:所述路径优化方法包括以下步骤:
1)以所有配送车辆的总路程最短为目标建立如下目标函数:
其中,K为配送车辆数量,nk表示第k辆车配送的客户数量,rki表示客户点在第k辆车配送的客户顺序中为第i个,rk0表示配送中心,表示第k辆车配送的第i个客户和第i-1个客户之间的距离,表第k辆车配送完nk个客户后返回配送中心的路程,sign(nk)为决策变量,如果第k辆车没有进行配送任务,则取0,反之均取1;约束条件为:每辆车的配送路程不得超过其最大可行驶路程D,且每辆车配送的货物重量不得超过其最大载重Q,每辆车的配送客户数量不得超过需要配送的总客户数量L,每个客户都要被配送,且每个客户只能被配送一次;
2)确定所需的配送车辆数量其中qi表示第i个客户的所需货物的重量,α∈[0,1]为,表示向下取整;
3)编码:用数字1表示配送中心,2,3,…,L+1表示各客户点,,则配送路径可以编码为(1,2,3,4,1,5,6,7,1,8,…,L+1,1),其中1的数量为K+1,则(1,2,3,4,1)表示第一辆车的配送路径为第1个客户点到第2个客户点,再到第3个客户点,以此类推;
4)通过xs表示(1,2,3,4,1,5,6,7,1,…,L+1,1),即xs=(1,2,3,4,1,5,6,7,1,…,L+1,1),其中通过xsj,j=1,2,...,L+K+1表示xs的第j维元素;
5)种群初始化:对xs的每一维元素进行NP次随机排序,一次排序即为一种配送路线,如果满足步骤1)中的约束条件,则记为一个个体xm,直到生成NP个满足条件的个体为止,则NP个个体组成种群P={x1,x2,...,xNP},根据公式(1)计算各个体对应的路线的目标函数值,其中NP表示种群规模;
6)根据各个体的目标函数值对当前种群中的个体进行排名,选出前N个个体记为计算这N个所选个体的中心个体xcenter:
其中,是中心个体xcenter的第j维元素,是根据排名所选的第t个个体的第j维元素,表示向上取整;
7)针对当前种群中的每一个目标个体xm,m=1,2,...,NP进行如下操作:
7.1)依次对每个个体中不为1的元素xmj进行变异:
其中F为步长因子,vmj表示与目标个体xm对应的变异个体vm的第j维元素,xmj表示目标个体xm的第j维元素,a、b和c为从{1,2,…,NP}中随机选取的互不相同的且与m不同的数字,xaj、xbj和xcj分别表示种群个体xa、xb和xc的第j维元素,且xaj、xbj和xcj均不等于1;
7.2)对变异个体vm和目标个体xm进行交叉生成测试个体um:
其中umj表示测试个体um的第j维元素,rand(0,1)表示0到1之间的随机数,CR表示交叉概率,jrand表示1到L+K+1之间的随机整数;
7.3)如果测试个体um的各维元素中除了1以外的元素有小于2或者大于L+1的元素,则从2到L+1之间随机生成一个数字进行替换,直到所有除了1以外的元素均在2和L+1之间为止;
7.4)如果测试个体um的各维元素中除了1以外的元素有相同的元素,则从2到L+1之间随机生成一个与其他元素不同的数字进行替换,直到除了1以外的元素互不同为止;
8)根据公式(1)分别计算测试个体um所对应的路线的目标函数值,如果测试个体um的目标函数值小于目标个体xm的目标函数值,且测试个体um满足步骤1)中的约束条件,则测试个体um替换目标个体xm;
9)如果种群中的每个个体都执行完步骤7)和8)以后,则迭代次数g=g+1;
10)如果满足终止条件,则继续步骤(11),否则返回步骤6);
11)选出当前种群中目标函数值最小的个体进行解码,其中第1个1和第2个1之间的数字表示第1辆车的配送路线,第2个1和第3个1之间的数字表示第2辆车的配送路线,以此类推,则第K个1个第K+1个1之间的数字表示第K辆车的配送路线,其中1与1之间的数字表示配送点,1表示配送中心。
2.如权利要求1所述的一种物流配送车辆路径优化方法,其特征在于:所述步骤10)中,终止条件为迭代次数g达到预设最大迭代次数gmax。