本发明涉及配送路径规划,具体涉及一种危险品满载配送路径优化和车辆调度方法。
背景技术:
1、满载车辆调度问题由ball,bodin,golden等人于1983年提出,指配送中心与需求点间需要车辆多车次满载执行,该问题又称为多重运输调度问题。危险品运输过程中,如果任务点的需求量不小于运输车辆的容量,执行每项运输任务的车辆可能不止一辆,车辆为完成配送任务,需要满载运行。例如,汽车加油站油品的运输问题,加油站的储罐容量通常为30-120m3,而常见的油罐车罐体核载量为3-30m3,一个加油站需要多辆罐车满载运输才能满足要求。
2、满载车辆危险品运输路径优化是一个多目标优化问题,配送中心与需求点间可能存在多条非支配路径,需要根据风险偏好选择相应的路径安排车辆运输,当选择运输路径后,通过调度运输车辆使更少的车辆参与配送任务,即需要每辆车承担尽可能多的运输任务,即在整个运输任务开始至所有任务完成这个过程中的空闲时间最少。只有优化行驶路线和科学调度车辆,才能使完成所有运输任务的行运输成本、总风险最小,同时分配车辆数最少且保证车辆运输任务的公平性,那么如何优化路径、如何优化车辆调度是需要解决的技术问题。
技术实现思路
1、本发明的目的是为了解决现有技术危险品满载配送中的技术问题,提供了一种危险品满载配送路径优化和车辆调度方法。
2、为了达到上述目的,本发明采用以下技术方案:
3、一种危险品满载配送路径优化和车辆调度方法,其特征是,包括以下步骤:
4、步骤1)、建立车辆数量、车辆行驶总成本和总风险、配送时间的模型;
5、1.1)、设在需求点d的需求量为qd,每辆车的核载量为g,设qd≥g,即一辆车只能完成一项任务的全部或其中的一部分,完成任务点d的配送任务需要车辆数为ad,则完成所有需求点的配送任务需要总的车辆数为σdad;
6、1.2)、运输车辆在路段(i,j)上运输危险品产生运输成本分两种情况,满载运输成本为空驶成本为则完成由配送中心o出发到达需求点d的运输成本c1od为所经路段运输成本之和,即:
7、
8、变量表示路段(i,j)∈e在由配送中心o出发到达需求点d的路径上,否则
9、空车返回时路径为需求点d到配送中心o间的成本最小的路径行驶,用表示,则完成需求点d的配送任务,运输费用为
10、1.3)、运输车辆在路段(i,j)上运输危险品产生的风险为rij,完成由配送中心o出发到达需求点d的配送任务的运输总风险为:
11、
12、1.4)、设车辆在路段(i,j)上的行驶时间为车辆平均装载时长为δt1,卸载时长为δt2,车辆从配送中心o到达需求点d车辆行驶时间为
13、
14、车辆从需求点d返回配送中心o的行驶时间为
15、
16、车辆从配送中心o出发到完成需求点d的配送任务返回配送中心共计用时为:
17、
18、假设车辆从配送中心出发时刻为则完成需求点d返回配送中心的时刻为
19、1.5)设车辆从配送中心出发最早时间和返回配送中心最晚时间窗为[bd,ed],则
20、车辆到达需求点d的时刻必须满足以下条件:
21、
22、车辆从配送中心o出发的时刻必须满足以下条件:
23、
24、同时,也需要满足配送中心的时间窗[b0,e0],即
25、
26、
27、步骤2)、建立车辆路径优化数学模型p1;
28、p1模型为:
29、min f=(f1,f2) (10)
30、
31、
32、s.t.
33、
34、
35、其中:
36、式(10)表示由两个目标函数组成的最小化目标向量;
37、式(11)为运输成本函数表达式;
38、式(12)为运输风险函数表达式;
39、式(13)保证配送中心o到需求节点d间形成一条完整的运输路径;
40、式(14)为决策变量;
41、n表示n个节点的集合,e表示节点间路段的集合;
42、步骤3)、建立车辆调度模型p2,令xijk(xijk∈[0,1])为车辆k完成作业i后是否去执行作业j,如果是,xijk=1,否则xijk=0;yik(yik∈[0,1])为作业i是否由车辆k来执行,如果是,yik=1,否则yik=0;对于作业i,如果i∈jd其时间窗为服务时长为δt0d;
43、p2模型为:
44、
45、s.t.
46、
47、
48、
49、
50、
51、
52、
53、
54、
55、
56、其中:式(15)表示目标函数,函数中表示最少车辆数,m为整数,保证车辆数目标的优先级,表示在同等车辆数的情况下,所有车辆运行时间的标准差最小,以保证每辆车承担的运输任务强度达到公平,式(16)-(19)保证每辆车同时只能进行一项作业,依次执行,每项作业只有同一辆来完成,式(20)表示车辆k到达节点j的时刻,式(21)保证到达节点j的时刻必须满足时间窗约束;式(22)、(23)为车辆的最早出发和最晚返回时刻的时间窗要求,式(24)、(25)为决策变量;k为车辆集合、c为配送节点集合;
57、步骤4)、进行两阶段求解;
58、4.1)、p1模型即路径优化求解方法:第一阶段采用脉冲算法获得配送中心到每个需求节点间的所有路径的pareto解;第二阶段将在第一阶段获得配送中心到每个需求节点间pareto路径进行编码,采用nsga-ii算法求解;
59、4.2)、p2模型即车辆调度优化求解方法:
60、第一、初始化需求信息;
61、第二、采用脉冲算法求配送中心o到需求节点d间的pareto路径;
62、第三、采用基于nsga-ii多目标优化方法求配送中心o到所有需求节点间的pareto路径;
63、第四、决策人员根据风险偏好选择其中一种路径方案;
64、第五、采用基于umda的vrp求解方法获得该路径方案下的车辆调度时刻表即车辆调度方案。
65、进一步地,步骤4.1)中第一阶段配送中心到各需求节点间的路径分别为表示配送中心节点o到需求节点d间的pareto路径集。3.根据权利要求1所述的一种危险品满载配送路径优化和车辆调度方法,其特征是:所述步骤4.1)中在第二阶段nsga-ii算法中根据编码方式、适应度函数和种群更新策略。
66、进一步地,编码方式为个体编码,采用自然数编码,编码长度为m,格式为n1,n2...nm,其中:编码中第i个值为ni,则表示配送中心o到需求节点di间采用第条路径运输。
67、进一步地,适应度函数采用[c_value,r_value]=f(indi)表示个体indi的适应度,其中c_value和r_value分别为按照个体indi中的路径选择方案时行运输的成本和风险。
68、进一步地,种群更新策略中种群通过交叉获得新个体,交叉操作采用整数交叉法;首先从种群中随机选取两个个体,随机生成两个位置pos1和pos2(pos1<pos2),将两个个体pos1到pos2位进行互换,生成两个新个体;
69、变异操作采用整数变异法得到新个体,随机选择一个个体,并随机生成两个位置pos1和pos2(pos1<pos2),将被选个体pos1到pos2位与逐个与做差运算并取绝对值,生成一个新个体。
70、本发明相对与现有技术,具有以下有益效果:
71、本发明通过求解模型p1可获得由配送中心到达各个需求点及配送完成后返回配送中心的车辆行驶路线,根据风险偏好选择车辆行驶线路后,决策者该如何确定车辆派车计划仍然是一个需要解决的问题。在可调派车辆数量有限的情况下,派车数量是一个需要考虑的优化目标。
72、当决策者根据风险偏好选择了某路径方案后,为了达到更少的车辆参与配送任务的目的,则需要每辆车承担尽可能多的运输任务,即在整个运输任务开始所有任务完成这个过程中的空闲时间最少。本发明将车辆调度问题可转化为带时间窗的vrp问题,通过求解p2模型,可获得车辆调度优化方案。
73、本发明通过安排车辆运输方案,通过优化路径、优化车辆调度方案,可使运输过程达到运输成本、运输风险最小,同时分配车辆数最少且保证车辆运输任务量的公平性。