專利名稱：：物流配送車輛路徑優(yōu)化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及--種物流配送車輛路徑優(yōu)化方法，具體涉及一種基于本專利方法的有時間窗約束物流配送及車輛路徑優(yōu)化方法。(二)
背景技術(shù)：
：物流配送路徑優(yōu)化問題，即是車輛路徑問題(VehicleRoutingProblem,VRP)，是Dantzig和Ramser于1959年提出的。具體來說，就是根據(jù)物流配送的已知條件和目標(biāo)約束條件，尋找一般最符合條件的配送路線,使物流配送成本最小化。隨著市場經(jīng)濟的發(fā)展與繁榮，物流配送在貨物運輸成本中占比重也越來越高。因而，如何降低物流運輸成本，提高物流運輸效率等問題，日益凸顯重要,成為影響物流業(yè)發(fā)展中的重要--環(huán)。特別是，商業(yè)競爭的殘酷性，使得客戶對時間的要求更為苛刻。因此，如何解決有時間窗物流配送路徑優(yōu)化問題，也相應(yīng)地凸顯迫切。目前，物流配送路徑問題應(yīng)用范圍十分廣泛,物流運輸、交通建設(shè)、通信等。隨著物流業(yè)的發(fā)展，根據(jù)現(xiàn)代物流業(yè)發(fā)展的需求，車輛路徑問題又進(jìn)一步發(fā)展了有時間窗車輛路徑問題(VehicleRoutingProblemWithTimeWindows,VRPTW)，或有時間窗物流配送路徑優(yōu)化問題，也即是在物流配送路徑優(yōu)化問題....匕增加客戶對配送時間的要求，目標(biāo)仍然是求解問題的最優(yōu)解，使得物流配送成本最小化。目前，對物流配送路徑優(yōu)化問題的研究,部分趨于成熟,但多數(shù)還集中在利用傳統(tǒng)算法來解決問題。其中，取得效果比較好的，有Thangiah等人采用遺傳算法來解決物流配送路徑優(yōu)化問題，及有時間窗約束的物流配送路徑優(yōu)化問題。也有很多學(xué)者利用蟻群算法、禁忌算法等來求解同樣問題，往往很多算法在求解該問題時,會遇到"陷入局部最優(yōu)"等問題。在國內(nèi)，研究比較有限，主要是在遺傳算法基礎(chǔ)上，提出各自的見解與主張。除此之外，也有很多學(xué)者在積極地研究新的算法來解決問題,效果也各有優(yōu)劣，但還是沒有傳統(tǒng)算法那么成熟。因而，當(dāng)前對物流配送路徑優(yōu)化問題的研究，處在一個比較緩慢的地歩。當(dāng)前國內(nèi)對物流配送路徑優(yōu)化問題研究，主要以傳統(tǒng)算法為主。其主要存在以下不足之處(1)、求解物流配送路徑優(yōu)化問題的算法研究的單一性，使得問題的解決也具體單-一'性；(2)、求解物流配送路徑優(yōu)化問題的算法中，有的效果好，但計算復(fù)雜度偏高；有的計算復(fù)雜度低，但效果不夠理想；(3)、很多算法求解物流路徑優(yōu)化問題時，往往容易遇到"陷入局部最優(yōu)"等問題。(三)
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問題是提供一種高效可行的物流配送路徑優(yōu)化方法?！N物流配送車輛路徑優(yōu)化方法，包括下述步驟步驟1，參數(shù)設(shè)置及初始化物流配送路徑優(yōu)化的方案數(shù)目NT;循環(huán)迭代次數(shù)N。=1,最大迭代次數(shù)N,;當(dāng)前參與并購操作的車輛標(biāo)識CarMark=oneS(NT，1)，CarMark的選擇順序是根據(jù)步驟5中"單個車輛配送路徑方案成本"從高到低排列；當(dāng)前由車輛CarMark完成配送的客戶標(biāo)識CustomerMark=ones(NT,1)，CustomerMark的選擇順序受步驟3中的并購操作中some函數(shù)影響；MACustSum表示由車輛CarMark完成車輛配送路徑方案中臨時選定參與并購操作客戶的最大值，也受步驟3中的并購操作中some函數(shù)影響；Dist表示Nt個物流配送方案；Cars表示參與物流配送方案的配送車輛的數(shù)目；MAType=zeros(NT，1)表示并購操作類型；先隨機生成NT條物流配送方案，每一條物流配送方案有n個配送客戶個體；其中，ones是賦值為1的函數(shù)，zeros是賦值為0的函數(shù)；歩驟2:若N?！禢MX，判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果是，就結(jié)束循環(huán)，執(zhí)行步驟7;否則，執(zhí)行步驟3;步驟3，并購操作對于任意一個物流配送方案i,令CarDist=Dist(i)，CarDist(j)表示車輛j的配送路徑方案，則有若區(qū)Type(i)=O,執(zhí)行以下步驟先對參與并購操作的配送對象的位置重定位若CustomerMark(i)>MACustSum(i)，則CarMark(i)=CarMark(i)+l;若CarMark(i)>Cars,則MAType(i)=1，跳出當(dāng)前操作;其中，MACustSum(i)=sum(some(CarDist(j))),表示客戶個體集的數(shù)目;再對物流配送路徑進(jìn)行調(diào)整操作物流配送方案i中當(dāng)前參與并購操作的車輛CarMark(i)，由它完成配送的客戶個體Cust匿rMark(i)，記作Temp,分別調(diào)至到除其以外的所有車輛中進(jìn)行配送，分別計算出調(diào)整后的每一個車輛配送路徑方案成本，按步驟5的"單個車輛配送路徑方案成本"方法求取最小成本minCost(1,2,，Cars)，選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時消去車輛CarMark(i)對其的配送任務(wù)；若MAType(i)=1，執(zhí)行以下歩驟:提取由每一個車輛完成配送路徑方案中的部分配送客戶，組成一個待配送客戶集c抓合r=Z.s'腦e(CorZ)/,"(y));戶i,選擇其中一個客戶個體Temp分別插入由每--個車輛配送路徑方案中的適當(dāng)位置，按步驟5的"單個車輛配送路徑方案成本"方法求取最小成本minCost.(1，2，…，Cars)，選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時把客戶個體Temp從待配送客戶集合T刪除，繼續(xù)再選擇一個客戶個體，做同樣操作，直到待配送客戶集合T為空為止；其中，some函數(shù)定義為提取每一個車輛配送路徑方案中的一定客戶，組成一個臨時客戶個體集合，一定客戶的選擇原則是按步驟5的"配送客戶個體在單個車輛配送路徑方案中的成本"方法求取最小成本raincost(1，2，，x)，選擇最小的成本隸屬客戶個體p,以p為臨界,選擇包括p內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集，而這個客戶個體集的數(shù)目就是MACustSum;步驟4,重組操作對于任意一個物流配送方案i,令CarDist=I)ist(i)，CarDist(j)表示j車輛的配送路徑方案，則有插入操作對于每-一個車輛j配送路徑方案作如下操作由車輛j完成的配送路徑方案中，按步驟5的"配送客戶個體在單個車輛配送路徑方案中的成本"方法求取最小成本mincost(1，2，…，x)，選擇最小的成本隸屬客戶個體p，以p為臨界，選擇包括p內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集T=some(CarDist(j))，依次把T中的每-一個客戶個體先后插入由車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的"單個車輛配送路徑方案成本"為最小成本min(Cost(CarDist(j))),使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；調(diào)整操作對于每-一個車輛j配送路徑方案作如下操作先后依次取出由車輛j完成配送路徑方案中的每一個配送客戶，再插入車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的"單個車輛配送路徑方案成本"為最小成本min(Cost(CarDist(j))),使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；[,]步驟5，成本評估計算每一個物流配送路徑方案的成本，成本包括三部分，分別是配送客戶個體在單個車輛配送路徑方案中的成本，單個車輛配送路徑方案成本和物流配送方案成本；配送客戶個體在單個車輛配送路徑方案中的成本包括距離成本Cs、等待時間成本Ce和遲到時間成本q，即為(cs+ce+Cl);單個車輛配送路徑方案成本，包括四部分，分別是又單個車輛完成配送任務(wù)所需的運輸距離成本cs,運輸超載成本cq，各個客戶個體的等待時間成本之和ce和遲到時間成本之和q，即為(Cs+Ce+c》exp(cq);物流配送路徑方案成本，也包括四部分，分別是由完成所有客戶配送所需的運輸距離成本&、運輸超載成本之和Cq、各客戶個體的等待時間成本之和Ce和遲到時間成本之和c丄，即為(Cs+C;+C》e鄧(Cq);步驟6，選擇最優(yōu)物流配送路徑方案對于任意一個物流配送路徑方案i,則有若MAType(i)=0，執(zhí)行以下步驟根據(jù)得到最新物流配送路徑方案成本，如果低于舊的物流配送路徑方案成本，則更物流配送路徑方案，CarMark(i)=1，繼續(xù)執(zhí)行步驟2;否則，不更新，CustomerMark(i)=CustomerMark(i)+l，并在保存成本最小的物流配送路徑方案，暫時作為當(dāng)前最佳物流配送路徑方案，繼續(xù)執(zhí)行步驟2;若MAType(i)=1,執(zhí)行以下步驟根據(jù)得到最新物流配送路徑方案成本，如果低于舊的物流配送路徑方案成本，則更物流配送路徑方案，MAType(i)=0,CarMark(i)=1，繼續(xù)執(zhí)行步驟2;否則，繼續(xù)執(zhí)行步驟2;步驟7,獲得最優(yōu)物流配送車輛路徑方案對于任意一個物流配送方案，按步驟5的"物流配送路徑方案成本"方法求取最小成本minCost(1，2，…，NT),成本最低的物流配送路徑方案即為最優(yōu)物流配送車輛路徑方案。本發(fā)明中，配送客戶個體在單個車輛配送路徑方案中的距離成本,和其它運輸距7離成本的定義不同。運輸距離成本就是完成配送任務(wù)所需的車程成本，而配送客戶個體在單個車輛配送路徑方案中的距離成本，則是當(dāng)前配送客戶個體和當(dāng)前車輛配送路徑方案中的其它客戶個體之間距離，以及當(dāng)前配送客戶個體和當(dāng)前車輛配送路徑方案中的相鄰客戶個體之間距離的綜合距離成本。本發(fā)明的物流配送路徑優(yōu)化方法是通過抽象企業(yè)并購行為，由并購操作，重組操作等組成的并購方法，提高物流配送路徑優(yōu)化的收斂性，可以高效地得到最優(yōu)物流配送路徑方案。(四)圖1為C101問題類型最優(yōu)路線圖；圖2為C201問題類型最優(yōu)路線圖；圖3為R101問題類型最優(yōu)路線圖；圖4為R201問題類型最優(yōu)路線圖；圖5為RC101問題類型最優(yōu)路線圖；圖6為RC201問題類型最優(yōu)路線圖。(五)具體實施例方式下面通過附圖和具體實施例對本發(fā)明的技術(shù)方案做進(jìn)一步地詳細(xì)地描述，但本發(fā)明的保護(hù)范圍并不限于此?！N物流配送車輛路徑優(yōu)化方法，包括下述步驟步驟1，參數(shù)設(shè)置及初始化物流配送路徑優(yōu)化的方案數(shù)目NT;循環(huán)迭代次數(shù)Nc=l，最大迭代次數(shù)N,皿；當(dāng)前參與并購操作的車輛標(biāo)識CarMark=ones(NT，1)，CarMark的選擇順序是根據(jù)步驟5中"單個車輛配送路徑方案成本"從高到低排列；當(dāng)前由車輛CarMark完成配送的客戶標(biāo)識CustomerMark=ones(NT,1)，CustomerMark的選擇順序受步驟3中的并購操作中some函數(shù)影響；MACustSum表示由車輛CarMark完成車輛配送路徑方案中臨時選定參與并購操作客戶的最大值，也受步驟3中的并購操作中some函數(shù)影響；Dist表示Nt個物流配送方案；Cars表示參與物流配送方案的配送車輛的數(shù)目；MAType=zeros(NT，1)表示并購操作類型；先隨機生成NT條物流配送方案，每一條物流配送方案有n個配送客戶個體；其中，ones是賦值為1的函數(shù)，zeros是賦值為0的函數(shù)；歩驟2:若Ne《NMX，判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果是，就結(jié)束循環(huán)，執(zhí)行步驟7;否則，執(zhí)行步驟3;步驟3，并購操作對于任意一個物流配送方案i,令CarDist=Dist(i)，CarDist(j)表示車輛j的配送路徑方案，則有若MAType(i)=0,執(zhí)行以下步驟先對參與并購操作的配送對象的位置重定位若CustomerMark(i)>MACustSum(i)，則CarMark(i)=CarMark(i)+1;若CarMark(i)>Cars,則MAType(i)=1，跳出當(dāng)前操作;其中，MACustSum(i)=sum(some(CarDist(j))),表示客戶個體集的數(shù)目；再對物流配送路徑進(jìn)行調(diào)整操作物流配送方案i中當(dāng)前參與并購操作的車輛CarMark(i)，由它完成配送的客戶個體CustomerMark(i),記作Temp,分別調(diào)至到除其以外的所有車輛中進(jìn)行配送，分別計算出調(diào)整后的每一個車輛配送路徑方案成本，按步驟5的"單個車輛配送路徑方案成本"方法求取最小成本minCost(1,2，…，Cars),選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時消去車輛CarMark(i)對其的配送任務(wù)；若MAType(i)=1,執(zhí)行以下步驟提取由每一個車輛完成配送路徑方案中的部分配送客戶，組成一個待配送客戶集合r=J]w廳(Car飽(_/));■J=i選擇其中一個客戶個體Temp分別插入由每-一個車輛配送路徑方案中的適當(dāng)位置，按步驟5的"單個車輛配送路徑方案成本"方法求取最小成本minCost.(1，2，…，Cars)，選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時把客戶個體Temp從待配送客戶集合T刪除，繼續(xù)再選擇一個客戶個體，做同樣操作，直到待配送客戶集合T為空為止；其中，some函數(shù)定義為提取每一個車輛配送路徑方案中的一定客戶，組成一個臨時客戶個體集合，一定客戶的選擇原則是按步驟5的"配送客戶個體在單個車輛配送路徑方案中的成本"方法求取最小成本raincost(1，2，，x)，選擇最小的成本隸屬客戶個體p,以p為臨界,選擇包括p內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集，而這個客戶個體集的數(shù)目就是MACustSum;步驟4,重組操作對于任意一個物流配送方案i,令CarDist=I)ist(i)，CarDist(j)表示j車輛的配送路徑方案，則有插入操作對于每一個車輛j配送路徑方案作如下操作由車輛j完成的配送路徑方案中，按步驟5的"配送客戶個體在單個車輛配送路徑方案中的成本"方法求取最小成本mincost(1，2，…，x)，選擇最小的成本隸屬客戶個體P，以P為臨界，選擇包括P內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集T=some(CarDist(j)),依次把T中的每一個客戶個體先后插入由車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的"單個車輛配送路徑方案成本"為最小成本min(Cost(CarDist(j)))，使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；調(diào)整操作對于每一個車輛j配送路徑方案作如下操作先后依次取出由車輛j完成配送路徑方案中的每一個配送客戶，再插入車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的"單個車輛配送路徑方案成本"為最小成本min(Cost.(CarDist.(j)))，使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；步驟5,成本評估計算每一個物流配送路徑方案的成本,成本包括三部分，分別是配送客戶個體在單個車輛配送路徑方案中的成本，單個車輛配送路徑方案成本和物流配送方案成本；9配送客戶個體在單個車輛配送路徑方案中的成本包括距離成本Cs、等待時間成本Ce和遲到時間成本C]，即為(Cs+Ce+C]);單個車輛配送路徑方案成本,包括四部分，分別是又單個車輛完成配送任務(wù)所需的運輸距離成本cs,運輸超載成本cq，各個客戶個體的等待時間成本之和ce和遲到時間成本之和c!，即為(cs+ce+Cl)exp(cq);物流配送路徑方案成本，也包括四部分，分別是由完成所有客戶配送所需的運輸距離成本c;、運輸超載成本之和Cq、各客戶個體的等待時間成本之和Ce和遲到時間成本之和&，即為((;+Ce+C》exp(Cq);步驟6,選擇最優(yōu)物流配送路徑方案對于任意一個物流配送路徑方案i，則有若MAType(i)=0,執(zhí)行以下步驟根據(jù)得到最新物流配送路徑方案成本,如果低于舊的物流配送路徑方案成本,則更物流配送路徑方案，CarMark(i)=1,繼續(xù)執(zhí)行步驟2;否則，不更新，CustomerMark(i)=CustomerMark(i)+1，并在保存成本最小的物流配送路徑方案，暫時作為當(dāng)前最佳物流配送路徑方案，繼續(xù)執(zhí)行步驟2;若MAType(i)=1,執(zhí)行以下步驟:根據(jù)得到最新物流配送路徑方案成本，如果低于舊的物流配送路徑方案成本，則更物流配送路徑方案，MAType(i)=0，CarMark(i)=l，繼續(xù)執(zhí)行步驟2;否則，繼續(xù)執(zhí)行歩驟2;步驟7,獲得最優(yōu)物流配送車輛路徑方案對于任意一個物流配送方案，按步驟5的"物流配送路徑方案成本"方法求取最小成本minCost(1，2，…，NT),成本最低的物流配送路徑方案即為最優(yōu)物流配送車輛路徑方案。實驗采用Solomon于1987年所設(shè)計的SolomonBenchmarkproblems的數(shù)據(jù)集。其中，每一個問題類型都有l(wèi)()()個客戶，一共有Cl、C2、Rl、R2、RCl、RC2等六大類的56種問題類型，每個類型的數(shù)據(jù)集合包含有7個到12個不等的帶有100個配送點的問題數(shù)據(jù)。而且C問題類型的客戶分布較聚群或集中，R問題類型的客戶分布較均勻，RC問題類型是C問題類型和R問題類型的混合；C1、R1、RC1等I類問題的特點，車輛多，容量小，車程時間較短；C2、:R2、RC2等II類問題的特點，則與前者恰好相反。實驗參數(shù)說明(RT，EC，Wq,Wd，We，Wl)=(迭代次數(shù)，企業(yè)生態(tài)鏈數(shù)目，單位超載載量成本懲罰權(quán)重，單位距離成本懲罰權(quán)重，等待時間懲罰權(quán)重，遲到時間懲罰權(quán)重)。實驗結(jié)果與分析實驗結(jié)果與目前已知的最優(yōu)解(源自文獻(xiàn)[BentR，VanHentenryckP.Atwo—stagehybridlocalsearchforthevehicleroutingproblemwithtimewindows[R].USA:BrownUniversity,2001])進(jìn)行比較，得到以下結(jié)果。其中，Data代表問題類型，NV代表需求的汽車數(shù)，TD代表汽車總的行駛路程，ET代表等待時間，LE代表遲到時間，NX表示第一目標(biāo)與已經(jīng)最優(yōu)解的相對誤差X1()()，TX表示第二目標(biāo)與已經(jīng)最優(yōu)解的相對誤差xioo。表1在Solomon數(shù)據(jù)集上的實驗結(jié)果<table>tableseeoriginaldocumentpage11</column></row><table>實驗結(jié)果分析C問題類型特點是客戶呈結(jié)構(gòu)分布。可見，在本專利方法在解決C問題類型十分有效，第一目標(biāo)和第二目標(biāo)都獲得了最優(yōu)解，而且C104獲得了更優(yōu)解。R問題類型和RC問題類型R問題類型特點是客戶分布比較均勻，RC問題類型是C問題類型和R問題類型的混合。Rl和RC1問題類型都是有部分在第一目標(biāo)上獲得了最優(yōu)解，但還是有幾個問題類型不能達(dá)到最優(yōu)解,不過在第二目標(biāo)上效果也不錯，接近最優(yōu)解。主要原因是因為R和RC問題類型中客戶分布比較均勻，所需車輛較多，而且時間窗寬窄不一，使得在本專利方法下所求得的解與目前最優(yōu)解相比，還有進(jìn)一步提高的空間。R2和RC2問題類型在第一目標(biāo)上都獲得到了最優(yōu)解，而且第二目標(biāo)也接近最優(yōu)解,效果比較好。上述實驗結(jié)果充分證明，本專利方法在解決物流配送路徑優(yōu)化問題上具有可行性和有效性，而且可有效地解決其它方法在求解物流配送路徑優(yōu)化問題上遇到的"陷入局部最優(yōu)"問題，同時也豐富了求解物流配送路徑優(yōu)化問題的方法。Solomon幾個常見問題類型詳細(xì)實驗結(jié)果Solomon幾個常見問題類型一般指Cl()l、C201、R101、R2(H、RCl()l、RC201問題類型。①C101問題類型得到的最優(yōu)解路程長度為TD=828.9396KM，等待時間ET=Omin，遲到時間LT=Omin,如圖1所示;C201問題類型得到的最優(yōu)解路程長度為TD=591.5566KM，等待時間ET=Orain,遲到時間LT=Omin，如圖2所示。表2C101問題類型最優(yōu)解的路線1020242527293028262322210206765636274726164686669030575554535658605904043424140444645485150524947050817876717073777980060537810119642175070131718191516141208098969594929397100990903233313537383936340100908786838284858889910表3C201問題類型最優(yōu)解的路線T|0935752199100979294959873489918884868382857671707380<table>tableseeoriginaldocumentpage13</column></row><table>②R1()1問題類型得到的最優(yōu)解路程長度為TI)=1739.8KM，等待時間ET=544.9547min,遲到時間LT=Omin，如圖3所示；R201問題類型得到的最優(yōu)解路程長度為TD=1277.8KM，等待時間ET=1077.Omin，遲到時間LT=0min，如圖4所示。表4R101問題類型最優(yōu)解的路線<table>tableseeoriginaldocumentpage13</column></row><table>表5R201問題類型最優(yōu)解的路線<table>tableseeoriginaldocumentpage13</column></row><table>③RC101問題類型得到的最優(yōu)解路程長度為TD=1719.8KM,等待時間ET=131.8247min，遲到時間LT=Omin,如圖5所示；RC201問題類型得到的最優(yōu)解路程長度為TD=1503.3KM，等待時間ET=624.2545min，遲到時間LT=Omin，如圖6所示。表6RC101問題類型最優(yōu)解的路線<table>tableseeoriginaldocumentpage13</column></row><table>表7RC201問題類型最優(yōu)解的路線。<table>tableseeoriginaldocumentpage14</column></row><table>權(quán)利要求一種物流配送車輛路徑優(yōu)化方法，其特征在于包括下述步驟步驟1，參數(shù)設(shè)置及初始化物流配送路徑優(yōu)化的方案數(shù)目NT；循環(huán)迭代次數(shù)Nc＝1，最大迭代次數(shù)Nmax；當(dāng)前參與并購操作的車輛標(biāo)識CarMark＝ones(NT，1)，CarMark的選擇順序是根據(jù)步驟5中“單個車輛配送路徑方案成本”從高到低排列；當(dāng)前由車輛CarMark完成配送的客戶標(biāo)識CustomerMark＝ones(NT，1)，CustomerMark的選擇順序受步驟3中的并購操作中some函數(shù)影響；MACustSum表示由車輛CarMark完成車輛配送路徑方案中臨時選定參與并購操作客戶的最大值，也受步驟3中的并購操作中some函數(shù)影響；Dist表示NT個物流配送方案；Cars表示參與物流配送方案的配送車輛的數(shù)目；MAType＝zeros(NT，1)表示并購操作類型；先隨機生成NT條物流配送方案，每一條物流配送方案有n個配送客戶個體；其中，ones是賦值為1的函數(shù)，zeros是賦值為0的函數(shù)；步驟2若Nc≤Nmax，判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果是，就結(jié)束循環(huán)，執(zhí)行步驟7；否則，執(zhí)行步驟3；步驟3，并購操作對于任意一個物流配送方案i，令CarDist＝Dist(i)，CarDist(j)表示車輛j的配送路徑方案，則有若MAType(i)＝0，執(zhí)行以下步驟先對參與并購操作的配送對象的位置重定位若CustomerMark(i)＞MACustSum(i)，則CarMark(i)＝CarMark(i)+1；若CarMark(i)＞Cars，則MAType(i)＝1，跳出當(dāng)前操作；其中，MACustSum(i)＝sum(some(CarDist(j)))，表示客戶個體集的數(shù)目；再對物流配送路徑進(jìn)行調(diào)整操作物流配送方案i中當(dāng)前參與并購操作的車輛CarMark(i)，由它完成配送的客戶個體CustomerMark(i)，記作Temp，分別調(diào)至到除其以外的所有車輛中進(jìn)行配送，分別計算出調(diào)整后的每一個車輛配送路徑方案成本，按步驟5的“單個車輛配送路徑方案成本”方法求取最小成本minCost(1，2，…，Cars)，選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時消去車輛CarMark(i)對其的配送任務(wù)；若MAType(i)＝1，執(zhí)行以下步驟提取由每一個車輛完成配送路徑方案中的部分配送客戶，組成一個待配送客戶集合<mrow><mi>T</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>Cars</mi></munderover><mi>some</mi><mrow><mo>(</mo><mi>CarDist</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>;</mo></mrow>選擇其中一個客戶個體Temp分別插入由每一個車輛配送路徑方案中的適當(dāng)位置，按步驟5的“單個車輛配送路徑方案成本”方法求取最小成本minCost(1，2，…，Cars)，選擇配送成本最小的車輛k，最終確認(rèn)把配送客戶個體Temp調(diào)至到由車輛k完成配送，同時把客戶個體Temp從待配送客戶集合T刪除，繼續(xù)再選擇一個客戶個體，做同樣操作，直到待配送客戶集合T為空為止；其中，some函數(shù)定義為提取每一個車輛配送路徑方案中的一定客戶，組成一個臨時客戶個體集合，一定客戶的選擇原則是按步驟5的“配送客戶個體在單個車輛配送路徑方案中的成本”方法求取最小成本mincost(1，2，…，x)，選擇最小的成本隸屬客戶個體p，以p為臨界，選擇包括p內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集，而這個客戶個體集的數(shù)目就是MACustSum；步驟4，重組操作對于任意一個物流配送方案i，令CarDist＝Dist(i)，CarDist(j)表示j車輛的配送路徑方案，則有插入操作對于每一個車輛j配送路徑方案作如下操作由車輛j完成的配送路徑方案中，按步驟5的“配送客戶個體在單個車輛配送路徑方案中的成本”方法求取最小成本mincost(1，2，…，x)，選擇最小的成本隸屬客戶個體p，以p為臨界，選擇包括p內(nèi)的左側(cè)(或右側(cè))所以客戶中的不大于二分之一個客戶個體集T＝some(CarDist(j))，依次把T中的每一個客戶個體先后插入由車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的“單個車輛配送路徑方案成本”為最小成本min(Cost(CarDist(j)))，使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；調(diào)整操作對于每一個車輛j配送路徑方案作如下操作先后依次取出由車輛j完成配送路徑方案中的每一個配送客戶，再插入車輛j完成配送路徑方案中，同時保證當(dāng)前車輛j的“單個車輛配送路徑方案成本”為最小成本min(Cost(CarDist(j)))，使得當(dāng)前由車輛j完成配送路徑方案的成本也是最小的；步驟5，成本評估計算每一個物流配送路徑方案的成本，成本包括三部分，分別是配送客戶個體在單個車輛配送路徑方案中的成本，單個車輛配送路徑方案成本和物流配送方案成本；配送客戶個體在單個車輛配送路徑方案中的成本包括距離成本cs、等待時間成本ce和遲到時間成本cl，即為(cs+ce+cl)；單個車輛配送路徑方案成本，包括四部分，分別是又單個車輛完成配送任務(wù)所需的運輸距離成本cs，運輸超載成本cq，各個客戶個體的等待時間成本之和ce和遲到時間成本之和cl，即為(cs+ce+cl)exp(cq)；物流配送路徑方案成本，也包括四部分，分別是由完成所有客戶配送所需的運輸距離成本Cs、運輸超載成本之和Cq、各客戶個體的等待時間成本之和Ce和遲到時間成本之和Cl，即為(Cs+Ce+Cl)exp(Cq)；步驟6，選擇最優(yōu)物流配送路徑方案對于任意一個物流配送路徑方案i，則有若MAType(i)＝0，執(zhí)行以下步驟根據(jù)得到最新物流配送路徑方案成本，如果低于舊的物流配送路徑方案成本，則更物流配送路徑方案，CarMark(i)＝1，繼續(xù)執(zhí)行步驟2；否則，不更新，CustomerMark(i)＝CustomerMark(i)+1，并在保存成本最小的物流配送路徑方案，暫時作為當(dāng)前最佳物流配送路徑方案，繼續(xù)執(zhí)行步驟2；若MAType(i)＝1，執(zhí)行以下步驟根據(jù)得到最新物流配送路徑方案成本，如果低于舊的物流配送路徑方案成本，則更物流配送路徑方案，MAType(i)＝0，CarMark(i)＝1，繼續(xù)執(zhí)行步驟2；否則，繼續(xù)執(zhí)行步驟2；步驟7，獲得最優(yōu)物流配送車輛路徑方案對于任意一個物流配送方案，按步驟5的“物流配送路徑方案成本”方法求取最小成本minCost(1，2，…，NT)，成本最低的物流配送路徑方案即為最優(yōu)物流配送車輛路徑方案。全文摘要本發(fā)明涉及一種物流配送車輛路徑優(yōu)化方法，包括下述步驟步驟1，參數(shù)設(shè)置及初始化；步驟2若Nc≤Nmax，判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果是，就結(jié)束循環(huán)，執(zhí)行步驟7；否則，執(zhí)行步驟3；步驟3，并購操作，再對物流配送路徑進(jìn)行調(diào)整操作；步驟4，重組操作，插入操作，調(diào)整操作；步驟5，成本評估；步驟6，選擇最優(yōu)物流配送路徑方案；步驟7，獲得最優(yōu)物流配送車輛路徑方案。本發(fā)明的物流配送路徑優(yōu)化方法是通過抽象企業(yè)并購行為，由并購操作，重組操作等組成的并購方法，提高物流配送路徑優(yōu)化的收斂性，可以高效地得到最優(yōu)物流配送路徑方案。文檔編號G08G1/00GK101739812SQ20091015526公開日2010年6月16日申請日期2009年12月10日優(yōu)先權(quán)日2009年12月10日發(fā)明者劉芳華,徐慧英,朱信忠,趙建民申請人:浙江師范大學(xué);徐慧英