一种基于遗传算法的车辆配送路径规划方法

1.本发明涉及一种车辆配送路径规划方法，属于船舶制造及运输技术领域。


背景技术：

2.随着船舶制造业与运输业的发展，传统的船舶建造模式已无法满足新背景下船舶建造快速发展的要求，船舶舾装件管理对船舶建造有决定性影响，对其合理的、高效的在船厂运输也就显得十分重要，对于舾装件的船厂中的运输来说，在车辆容积约束、配货单时间限制以及车辆出入库等待时间限制下，选取一条从仓库到卸货。
3.目前，船厂舾装件配送路径的规划主要由司机自主完成，对于司机来说，会在收到物流调度系统为其分配的多个配货单，在配送多个配货单时，路线会直接影响配货单的配送效率以及准时性，在此过程中经常存在配送顺序不合理、未充分利用车辆容量、装卸货现场拥堵以及配货超时等问题，因而导致实际运送过程中的能耗过高、人工成本增加。


技术实现要素：

4.本发明为解决船厂舾装件配送路径的规划主要由司机自主完成，导致实际运送过程中的能耗过高、人工成本增加的问题，进而提出一种基于遗传算法的车辆配送路径规划方法。
5.本发明为解决上述问题采取的技术方案是：本发明的具体步骤如下：
6.步骤一、确定车辆的每条运输路径；
7.步骤二、基于遗传算法，对车辆的每条路径进行优化，得到一组优化后的路径；
8.步骤三、根据每个配货单的系统指派时间，规划配货单的配送路径；
9.步骤四、优先考虑在配货单配送时间规定范围内所需配送舾装件在同一仓库的情况；
10.步骤五、将所述一组优化后的路径加入可行解的集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。
11.进一步的，步骤一中所述运输路径包括每条路径所运输的舾装件以及舾装件的派送顺序。
12.进一步的，步骤三中所述配货单的系统指派时间是指船厂物流调度系统所要求的货物运达卸货地的时间。
13.进一步的，步骤二中得到一组优化后的路径包括考虑仓库的排队等待时间，优先排队等待时间少的仓库，考虑卸货地的排队等待时间，优先排队等待时间少的卸货地。
14.进一步的，步骤五中所述一组优化后的路径中，车辆每次配送的舾装件数不少于车载容量的最大值默认配送开始。
15.进一步的，步骤二中遗传算法为：
16.步骤二(一)、初始化；
17.随机生成从起点遍历各点并最终回到起点的可行解，设定初始种群数量有4个个
体；
18.步骤二(二)、定义适应度值函数；
19.适应度值由路径总长度确定，总长度越长，则适应度越低；适应度函数如下：
[0020][0021]
公式(1)其中，d
xidxj
表示从i点到j点的距离，f(d)表示走完染色体所表示的解的路径，然后回到初始点的总长度的倒数；
[0022]
步骤二(三)、选择操作；
[0023]
采用轮盘赌策略，先计算每个个体被保留下来的概率：
[0024][0025]
之后需要系统生成一个(0,1)之间的随机数，若有个体的适应度值低于该随机数，则该个体被淘汰；
[0026]
步骤二(四)、采用pox交叉策略交叉进行交叉操作；
[0027]
步骤二(五)、采用两单交换策略进行变异操作；
[0028]
步骤二(六)、跳至步骤二(三)并进行循环，计算目前种群中最优个体适应度，直至两代中的最大适应度不变，并将其作为结果输出。
[0029]
本发明的有益效果是：
[0030]
1、本发明利用遗传算法对舾装件的配送路径进行优化，使得配送顺序合理化，提高车载容量的利用率，有效的缩短运输路径的距离，不仅降低能源损耗、缩短配送的时长，提高配送的效率，还能在很大程度上降低人工成本，从而提高船厂舾装件配送问题的智能化水平；
[0031]
2、本发明主要用于船厂的舾装件的运输，克服了运输中只依赖于人工而导致配送过程时间长、配送顺序不合理等情况，而且能最大程度的利用车载容量，而且整个系统完成后，司机的操作会更加简便，节约人工成本。最重要的是，配送路径距离减少，大大节省了能源损耗，降低运输成本。
附图说明
[0032]
图1是运输场地的俯视图；
[0033]
图2是本发明的流程框图；
[0034]
图3是pox交叉策略示意图。
具体实施方式
[0035]
具体实施方式一：结合图1和图2说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法是通过如下步骤实现的：
[0036]
步骤一、确定车辆的每条运输路径；
[0037]
步骤二、基于遗传算法，对车辆的每条路径进行优化，得到一组优化后的路径；
[0038]
步骤三、根据每个配货单的系统指派时间，规划配货单的配送路径；
[0039]
步骤四、优先考虑在配货单配送时间规定范围内所需配送舾装件在同一仓库的情况；
[0040]
步骤五、将所述一组优化后的路径加入可行解的集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。
[0041]
具体实施方式二：结合图1和图2说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法的步骤一中所述运输路径包括每条路径所运输的舾装件以及舾装件的派送顺序。
[0042]
具体实施方式三：结合图1和图2说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法的步骤三中所述配货单的系统指派时间是指船厂物流调度系统所要求的货物运达卸货地的时间。
[0043]
具体实施方式四：结合图1和图2说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法的步骤二中得到一组优化后的路径包括考虑仓库的排队等待时间，优先排队等待时间少的仓库，考虑卸货地的排队等待时间，优先排队等待时间少的卸货地。
[0044]
具体实施方式五：结合图1和图2说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法的步骤五中所述一组优化后的路径中，车辆每次配送的舾装件数不少于车载容量的最大值默认配送开始。
[0045]
具体实施方式六：结合图3说明本实施方式，本实施方式所述一种基于遗传算法的车辆配送路径规划方法的步骤二中遗传算法为：
[0046]
步骤二(一)、初始化；
[0047]
随机生成从起点遍历各点并最终回到起点的可行解，设定初始种群数量有4个个体；
[0048]
步骤二(二)、定义适应度值函数；
[0049]
适应度值由路径总长度确定，总长度越长，则适应度越低；适应度函数如下：
[0050][0051]
公式(1)其中，d
xidxj
表示从i点到j点的距离，f(d)表示走完染色体所表示的解的路径，然后回到初始点的总长度的倒数；
[0052]
步骤二(三)、选择操作；
[0053]
采用轮盘赌策略，先计算每个个体被保留下来的概率：
[0054][0055]
之后需要系统生成一个(0,1)之间的随机数，若有个体的适应度值低于该随机数，则该个体被淘汰；
[0056]
步骤二(四)、采用pox交叉策略交叉进行交叉操作；
[0057]
步骤二(五)、采用两单交换策略进行变异操作；
[0058]
步骤二(六)、跳至步骤二(三)并进行循环，计算目前种群中最优个体适应度，直至两代中的最大适应度不变，并将其作为结果输出。
[0059]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

技术特征：
1.一种基于遗传算法的车辆配送路径规划方法，其特征在于：所述一种基于遗传算法的车辆配送路径规划方法是通过如下步骤实现的：步骤一、确定车辆的每条运输路径；步骤二、基于遗传算法，对车辆的每条路径进行优化，得到一组优化后的路径；步骤三、根据每个配货单的系统指派时间，规划配货单的配送路径；步骤四、优先考虑在配货单配送时间规定范围内所需配送舾装件在同一仓库的情况；步骤五、将所述一组优化后的路径加入可行解的集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。2.根据权利要求1所述的一种基于遗传算法的车辆配送路径规划方法，其特征在于：步骤一中所述运输路径包括每条路径所运输的舾装件以及舾装件的派送顺序。3.根据权利要求1所述的一种基于遗传算法的车辆配送路径规划方法，其特征在于：步骤三中所述配货单的系统指派时间是指船厂物流调度系统所要求的货物运达卸货地的时间。4.根据权利要求1所述的一种基于遗传算法的车辆配送路径规划方法，其特征在于：步骤二中得到一组优化后的路径包括考虑仓库的排队等待时间，优先排队等待时间少的仓库，考虑卸货地的排队等待时间，优先排队等待时间少的卸货地。5.根据权利要求1所述的一种基于遗传算法的车辆配送路径规划方法，其特征在于：步骤五中所述一组优化后的路径中，车辆每次配送的舾装件数不少于车载容量的最大值默认配送开始。6.根据权利要求1所述的一种基于遗传算法的车辆配送路径规划方法，其特征在于：步骤二中遗传算法为：步骤二(一)、初始化；随机生成从起点遍历各点并最终回到起点的可行解，设定初始种群数量有4个个体；步骤二(二)、定义适应度值函数；适应度值由路径总长度确定，总长度越长，则适应度越低；适应度函数如下：公式(1)其中，表示从i点到j点的距离，f(d)表示走完染色体所表示的解的路径，然后回到初始点的总长度的倒数；步骤二(三)、选择操作；采用轮盘赌策略，先计算每个个体被保留下来的概率：之后需要系统生成一个(0,1)之间的随机数，若有个体的适应度值低于该随机数，则该个体被淘汰；步骤二(四)、采用pox交叉策略交叉进行交叉操作；
步骤二(五)、采用两单交换策略进行变异操作；步骤二(六)、跳至步骤二(三)并进行循环，计算目前种群中最优个体适应度，直至两代中的最大适应度不变，并将其作为结果输出。

技术总结
一种基于遗传算法的车辆配送路径规划方法，它涉及一种车辆配送路径规划方法。本发明为了解决船厂舾装件配送路径的规划主要由司机自主完成，导致实际运送过程中的能耗过高、人工成本增加的问题。本发明的步骤为：步骤一、确定车辆的每条运输路径；步骤二、基于遗传算法，对车辆的每条路径进行优化，得到一组优化后的路径；步骤三、根据每个配货单的系统指派时间，规划配货单的配送路径；步骤四、优先考虑在配货单配送时间规定范围内所需配送舾装件在同一仓库的情况；步骤五、将所述一组优化后的路径加入可行解的集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。本发明属于船舶制造及运输技术领域。本发明属于船舶制造及运输技术领域。本发明属于船舶制造及运输技术领域。


技术研发人员：李敬花 周磊 张帆
受保护的技术使用者：哈尔滨工程大学三亚南海创新发展基地
技术研发日：2023.06.19
技术公布日：2023/8/31