一种解决带时间窗的时变车辆路径问题的方法及系统

本发明属于车辆路径优化，尤其涉及一种解决带时间窗的时变车辆路径问题的多目标优化方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、当前，社会正朝着信息化和智能化的方向发展。作为供应链中最重要的组成部分，物流配送在连接生产者和消费者的过程中发挥着无可比拟的作用。自dantzig和ramser引入车辆路径问题(vehicle routing perblem,vrp)以来，vrp的研究便开始逐渐兴盛起来。为了减少运输成本，加上现在快递行业及冷链运输等行业的兴起，vrp越来成为国际国内学者的研究热点。随着经济的发展和人们需求的提高，物流配送的实时性和客户满意度已成为配送过程中必须考虑的因素。因此，许多研究人员研究了与时间相关的带时间窗的车辆路径问题(time-dependent vehicle routing problem with time windows,tdvrptw)。现实情况复杂多变，传统的带时间窗的时变车辆路径问题的研究未能同时考虑运输时间和顾客满意度等相互冲突的目标。

3、带时间窗的车辆路径问题(vehicle routing problem with time windows,vrptw)在每个客户点添加一个时间窗口，客户期望车辆在时间窗口内到达。同时，根据客户要求，将其分为硬时间窗口和软时间窗口。solomon在1987年考虑了vrptw，要求车辆必须在客户满意的时间范围内交付，并给出了vrptw的典型实例。taillard等人提出了求解vrptw的禁忌搜索启发式算法。在这个问题中，允许车辆在客户地点迟到，但会产生相应的罚款。hashimoto等人开发了一种迭代局部搜索算法，以确定来访客户的最佳服务开始时间。同时，他们证明了当旅行时间成本函数是凸的时，即使时间窗函数是非凸的，也可以使用动态规划来求解。iqbal等人考虑了人工蜂群中蜜蜂的觅食行为，并使用混合超启发式算法求解多目标vrptw。gambardella等人使用人工蚁群层次结构来求解vrptw，设计了一个用于连续优化的多目标函数。wang等人开发了一个考虑服务时间定制的多蚂蚁系统来解决vrptw。xu等人将遗传算法(genetic algorithm,ga)和粒子群优化(partical swarm optimization,pso)相结合来解决vrptw，并减少了交叉的负担。qi等人设计了一种基于q-learning的进化算法，用于具有时间窗的时间相关绿色车辆路径问题(time-dependent green vehiclerouting problem with time windows,tdgvrptw)。上述大多数研究假设速度是恒定的，但在现实生活中，速度是可变的。

4、运输时间在车辆路径问题的研究中需要考虑的最重要的问题之一。然而大多数研究都假设顾客之间的运输时间是一个常量。malandraki和daskin在1992年报告了tdvrp。然而，他们对逐步旅行时间问题的解决方案可能违反了先进先出(first in first out,fifo)特性。后来，为了满足fifo特性，ichoua等人提出了一种基于时间相关性的旅行速度模型，并使用禁忌搜索算法(tabu search,ts)验证了该模型在静态和动态环境中的有效性。fleischmann等人研究了vrp各种算法中时间相关信息的一般框架。考虑到车辆行驶时间的变化，liao等人开发了一个两阶段框架，其中第一阶段使用扫描方法进行车辆分配，第二阶段使用ts来改善实时信息下的路线。根据动态交通网络，gmira等人认为可以在不同的时间通过不同的路线访问客户，并使用ts算法来解决问题。肖等人考虑了时变交通网络拥堵的因素，认为应根据客户的需求和车辆的可用性确定客户的时间窗口。haghani等人根据不同容量的车辆、客户的动态请求和客户之间旅行时间的实时变化，设计了一种ga来解决时间相关的动态车辆路径问题(time-dependent dynamic vehicle routing problem,tddvrp)。sun等人提出了一种精确的启发式算法，用于时间相关旅行时间的取送问题。duan等人建立了最优调度时间和最小期望调度时间模型，并设计了蚁群优化(ant colonyoptimization,aco)算法来求解随机tdvrp。alinaghian等人提出了一种用于精英非支配排序的局部搜索算法，以求解二维加载tdvrp。然而，上述研究大多解决了单目标tdvrp，很少有研究考虑多目标tdvrp。

5、此外，许多多目标进化算法(multi-objective evolutionary algorithms,moeas)长期以来一直应用于组合优化问题，以找到称为帕累托前沿(pf)的最优解集。有效的moea在搜索空间的深度和广度之间寻求平衡。在开发阶段，moea通常采取小步骤(即小突变率)来寻找有前景的区域。虽然该机制在寻找可能位于目标空间中同一邻域的非支配解方面很有效，但它增加了决策空间中重复解的数量。多目标遗传算法(multi-objectivegenetic algorithm,moga)通过保留候选集来寻找帕累托解集。deb等人改进了经典的nsga[36]，并提出了执行效率更高的nsgaii。对于vrp，交叉变异的干扰很大，这使得很难在指定的时间或迭代次数内收敛到帕累托最优。因此，引入局部搜索来加快收敛速度。在先前的研究中，大多数以等概率的方式选择局部搜索算子。考虑到自适应大邻域(adaptive largeneighborhood search,alns)的扰动性和变邻域下降(variable neighborhood decent,vnd)强局部搜索的优点，本发明将两者结合用于混合局部搜索。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种解决带时间窗的时变车辆路径问题的方法及系统，本发明通过建立总持续时间和客户满意度的多目标tdvrptw-tsd模型，基于多目标模型提出混合初始化策略求解初始解，同时提出了三种交叉策略加速算法的收敛，最后将alns和vnd相结合的局部搜索方法嵌入增强局部搜索能力。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、一种带时间窗的时变车辆路径问题的解决方法，包括如下步骤：

4、获取基础数据，所述基础数据包括顾客信息和车辆信息；

5、根据当前基础数据和带软时间窗的时变车辆路径问题的多目标优化模型，得到最优规划路径；

6、其中，所述带软时间窗的时变车辆路径问题的多目标优化模型构建过程包括：

7、将带时间窗的时变车辆路径问题的多目标优化模型定义为一个有向完全图，该有向完全图由顶点集和边集组成，其中顶点集包括顾客集合和仓库，每位顾客都有所需服务时间、提前已知的需求以及时间窗，边集表示车辆路径。同时，将多目标优化模型定义为二维最小化问题，结合有向完全图和二维目标最小化问题得到最优路径。

8、一种对可行解进行编码和解码的方法具体包括：

9、将每个可行解编码成一个二维向量，其中，向量的第一维表示客户的服务序列，第二维表示车辆的调度序列，该二维向量的长度相同且相互对应，车辆与客户的对应关系展示在该二维向量中。解码过程通过每辆车的调度顺序，分别计算两个目标。

10、一种特定问题的混合初始化启发式方法：随机方法、最小时空距离启发式和最早服务时间启发式。

11、一种基于帕累托前沿的特定问题的交叉策略具体包括：

12、所述交叉策略包括最佳路径保留交叉、客户块交叉及最小成本路径交叉。

13、一种结合alns和vnd的局部搜索策略具体包括：

14、使用alns进行扰动；

15、使用vnd对邻域结构进行依次搜索，找到比当前解更好的解则更新当前解；

16、循环此过程，直到达到终止条件。

17、一个或多个实施例所述得到最优规划路径之前，对每个可行解进行编码和解码，采用混合初始策略得到初始解；在初始解的基础上基于帕累托前沿的交叉策略探索搜索空间和通过alns与vnd相结合的局部搜索方法嵌入增强局部搜索能力来平衡多目标得到二维目标最小化问题的最优解。

18、一个或多个实施例所述二维目标最小化问题包括旅行时间最小及顾客满意度最高。

19、一个或多个实施例所述多目标优化模型包括约束条件，所述约束条件包括返回时间约束、车辆容量约束、单次访问约束、软时间窗假设、车辆类型假设以及出发时间假设。

20、一个或多个实施例提供了一种带时间窗的时变车辆路径问题处理系统，包括：

21、数据获取模块，其被配置为：获取基础数据，所述基础数据包括顾客信息和车辆信息；

22、最优规划路径模块，其被配置为：包括如下步骤：

23、根据当前基础数据和带时间窗的时变车辆路径问题的多目标优化模型，得到最优规划路径；

24、其中，所述带时间窗的时变车辆路径问题的多目标优化模型的构建过程包括：

25、将带时间窗的时变车辆路径问题的多目标优化模型定义为一个有向完全图，该有向完全图由顶点集和边集组成，其中顶点集包括顾客集合和仓库，每位顾客都有所需服务时间、提前已知的需求以及时间窗，边集表示车辆路径。同时，将多目标优化模型定义为二维最小化问题，结合有向完全图和二维目标最小化问题得到最优路径。

26、一个或多个实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述任意一种带时间窗的时变车辆路径问题解决方法的步骤。

27、一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述任意一种带时间窗的时变车辆路径问题解决方法的步骤。

28、以上一个或多个技术方案存在以下有益效果：

29、本发明建立考虑总行驶时间和顾客满意度的多目标tdvrptw-tsd模型，基于多目标模型提出混合初始化策略求解初始解，同时提出了三种交叉策略加速算法的收敛，最后将alns和vnd相结合的局部搜索方法嵌入增强局部搜索能力。