本發(fā)明創(chuàng)造涉及車(chē)輛路徑優(yōu)化領(lǐng)域，具體涉及一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)。

背景技術(shù)：

隨著城市交通的不斷發(fā)展，對(duì)物流配送中心提出了更高的要求，如何實(shí)現(xiàn)配送路徑的最優(yōu)化擺在了物流企業(yè)的面前。對(duì)物流配送路徑進(jìn)行優(yōu)化可以縮短配送時(shí)間，確保貨物更為快捷的送到目的地，從而提高了企業(yè)運(yùn)作效率，同時(shí)快速地將貨物在規(guī)定時(shí)間內(nèi)送到位也可以提高客戶滿意度。

本發(fā)明提供一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，以最短路徑距離和準(zhǔn)時(shí)送達(dá)時(shí)間為優(yōu)化目標(biāo)，構(gòu)建了一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，采用自適應(yīng)遺傳算法選擇最合適的運(yùn)輸路徑，能夠有效的減少運(yùn)輸成本、節(jié)省早到或晚到的懲罰成本，提高物流公司的經(jīng)濟(jì)效益。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明旨在提供一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)。

本發(fā)明創(chuàng)造的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，包括數(shù)據(jù)獲取模塊、算法執(zhí)行模塊和路徑輸出模塊，所述數(shù)據(jù)獲取模塊用于獲取車(chē)輛路徑優(yōu)化所需的相關(guān)信息，所述算法執(zhí)行模塊采用改進(jìn)的遺傳算法對(duì)車(chē)輛路徑進(jìn)行優(yōu)化，所述路徑輸出模塊用于輸出遺傳算法終止后所得的最優(yōu)車(chē)輛路徑。

本發(fā)明創(chuàng)造的有益效果：本發(fā)明以最短路徑距離和準(zhǔn)時(shí)送達(dá)時(shí)間為優(yōu)化目標(biāo)，構(gòu)建了一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，采用自適應(yīng)遺傳算法選擇最合適的運(yùn)輸路徑，能夠有效的減少運(yùn)輸成本、節(jié)省早到或晚到的懲罰成本，提高物流公司的經(jīng)濟(jì)效益。

附圖說(shuō)明

利用附圖對(duì)發(fā)明創(chuàng)造作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明創(chuàng)造的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明結(jié)構(gòu)示意圖；

附圖標(biāo)記：

數(shù)據(jù)獲取模塊1；算法執(zhí)行模塊2；路徑輸出模塊3。

具體實(shí)施方式

結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

參見(jiàn)圖1，本實(shí)施例的一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，包括數(shù)據(jù)獲取模塊1、算法執(zhí)行模塊2和路徑輸出模塊3，所述數(shù)據(jù)獲取模塊1用于獲取車(chē)輛路徑優(yōu)化所需的相關(guān)信息，所述算法執(zhí)行模塊2采用改進(jìn)的遺傳算法進(jìn)行車(chē)輛路徑的優(yōu)化，所述路徑輸出模塊3用于輸出遺傳算法終止后所得的最優(yōu)車(chē)輛路徑。

優(yōu)選地，所述數(shù)據(jù)獲取模塊1獲取的相關(guān)信息包括：客戶點(diǎn)的數(shù)目、配送中心和客戶點(diǎn)的位置坐標(biāo)。

本優(yōu)選實(shí)施例以最短路徑距離和準(zhǔn)時(shí)送達(dá)時(shí)間為優(yōu)化目標(biāo)，構(gòu)建了一種有效的車(chē)輛路徑優(yōu)化系統(tǒng)，采用改進(jìn)的自適應(yīng)遺傳算法選擇最合適的運(yùn)輸路徑，能夠有效的減少運(yùn)輸成本、節(jié)省早到或晚到的懲罰成本，提高物流公司的經(jīng)濟(jì)效益。

優(yōu)選地，所述算法執(zhí)行模塊2采用改進(jìn)的遺傳算法進(jìn)行車(chē)輛路徑的優(yōu)化，具體包括：

步驟1，采用基于客戶全排列的自然數(shù)編碼方式，初始化生成染色體群，并確保其可行性；

步驟2，根據(jù)適應(yīng)度函數(shù)計(jì)算初始群體中各個(gè)個(gè)體的適應(yīng)度值，并保存適應(yīng)度值最大個(gè)體的適應(yīng)度值和染色體；

步驟3，在指定的遺傳代數(shù)內(nèi)進(jìn)行遺傳操作，通過(guò)隨機(jī)選擇、交叉和變異操作，從而產(chǎn)生一群更適應(yīng)環(huán)境的個(gè)體；

步驟4，執(zhí)行條件判定，用于設(shè)定終止條件，當(dāng)遺傳算法滿足終止條件時(shí)即停止算法運(yùn)行。

優(yōu)選地，所述算法執(zhí)行模塊2中的步驟2根據(jù)適應(yīng)度函數(shù)計(jì)算初始群體中各個(gè)體的適應(yīng)度值，其采用一種改進(jìn)的適應(yīng)度函數(shù)，定義有k個(gè)配送點(diǎn)，則適應(yīng)度函數(shù)為：

式中，d(rm,rn)為第m個(gè)配送點(diǎn)到第n個(gè)配送點(diǎn)之間的距離，dmax為配送路徑的最大配送距離，r0表示物流配送中心，rk表示最后一個(gè)配送點(diǎn)，d表示配送路徑的總距離，δ和μ分別為配送距離和時(shí)間效應(yīng)成本的權(quán)重，t表示配送的時(shí)間效應(yīng)成本，li為第i個(gè)配送點(diǎn)的規(guī)定送達(dá)時(shí)間，ti為第i個(gè)點(diǎn)的實(shí)際送達(dá)時(shí)間，p為允許時(shí)間誤差，c1為時(shí)間懲罰系數(shù)。

本優(yōu)選實(shí)施例在適應(yīng)度函數(shù)設(shè)計(jì)中，以車(chē)輛路徑的長(zhǎng)度和配送達(dá)到的時(shí)間為優(yōu)化目標(biāo)，以達(dá)到利用最短的配送路程和最合適的時(shí)間將物資配送完畢。

優(yōu)選地，所述算法執(zhí)行模塊2中的步驟3在制定的遺傳代數(shù)內(nèi)進(jìn)行如下遺傳操作，具體為：

a.通過(guò)選擇操作產(chǎn)生新一代個(gè)體；

b.采用改進(jìn)的交叉概率算法計(jì)算剩余個(gè)體的交叉率pc，并且對(duì)這些剩余個(gè)體以計(jì)算所得的交叉率pc進(jìn)行交叉操作；

式中，fmax表示種群最大適應(yīng)度值，favg表示種群平均適應(yīng)度值，f′表示要交叉的個(gè)體適應(yīng)度值，k1和k3為常數(shù)值，且0<k1,k3<1，fmin表示種群最小適應(yīng)度值；

c.利用改進(jìn)的變異概率算法計(jì)算剩余個(gè)體的變異率pm，并且對(duì)這些個(gè)體以概率pm進(jìn)行變異操作；

式中，fmin表示種群最小適應(yīng)度值，fmax表示種群最大適應(yīng)度值，favg表示種群平均適應(yīng)度值，f表示要變異的個(gè)體適應(yīng)度值，k2和k4為常數(shù)值，且0<k2,k4<1。

本優(yōu)選實(shí)施例采用自適應(yīng)的交叉概率算法，在進(jìn)化的不同階段采用了不同的交叉概率，在很大程度上改善了算法的搜索能力和收斂能力；采用改進(jìn)的變異概率算法，以進(jìn)化過(guò)程中種群的多樣性程度為依據(jù)，對(duì)不同進(jìn)化階段個(gè)體的變異概率進(jìn)行自適應(yīng)的調(diào)整，從而有效的保持了群體的多樣性和全局收斂性，并且有效的提高了算法的收斂速度。

最后應(yīng)當(dāng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。