CN111191813A 基于货物载重与软时间窗限制的车辆配送路径优化方法 （重庆邮电大学）

基于货物载重与软时间窗限制的车辆配送本发明请求保护一种基于货物载重与软时时间窗成本)最小化为目标的电动车辆路径优化成本函数；且能够根据实际情况中客户货物重2惩罚时间窗成本，所述改进电动车辆路径优化模型的目标函数中引入了引入能量消耗公改进的遗传算法求解步骤1所述的改进电动车辆路径优化模型的目标函数，获取最优配送2.根据权利要求1所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其0l2lij)/ef代入rf表示发ij表示电动车辆k在节点i与节点j上的载重；vij表示电动车辆在节点i与节点j3目标函数还考虑了软时间窗约束，假设每辆电动车辆都有一个送货时间窗[Tiearly,3.根据权利要求2所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其4式(6)表示配送任务的电动车数量应小于式(9)(10)表示在访问节点i到节点j时剩余maxok分别表示电动车辆额定载重量和离开配送中心时的载重量；Di:节点i的4.根据权利要求3所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其55.根据权利要求4所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其Step3:将父代染色体1的子路径A作为子代染色体路径A没有的编码按照父代染色体2中的顺序添加到子路径A的后面，并在染色体的末尾添Step4:对于子代染色体1，在子路经A后面的7个位置6.根据权利要求4所述的基于货物载重与软时间窗限制的车辆配送路径优化方法，其6急剧增加。然而，物流车辆的能源消耗和碳排放等产生一系列的环境污染问题也随之出的研究大多数聚焦于充电技术和充电站位置问题，基于电动物流车的路径优化问题研究成果还比较少。现有的电动车辆路径规划研究主要是考虑电池电量和最优充电路径等约了运输距离对车辆电能消耗的影响，虽近期少有考虑了电动车辆所在位置等其他因素对[0004]本发明旨在解决以上现有技术的问题。提出了一种能够根据实际情况中客户货7能的保留优秀的父代子路径信息，将父代染色体中优秀子路径保留并遗传到子代染色体ikik为1表示电动车辆k到达节点i进行充[0013]目标函数中充电成本等于补偿电动物流车的电池消耗能量所发生的成本，也就r表示滚动阻[0018]目标函数还考虑了软时间窗约束，假设每辆电动车辆都有一个送货时间窗892中子路径A没有的编码按照父代染色体2中的顺序添加到子路径A的后面，并在染色体的[0068]Step4:对于子代染色体1，在子路经A后面的7个位置中的任意一个的位置添加1了电动车辆所在位置等其他因素对电能消耗的影响，但尚未考虑货物载重量对电动汽车ikik为1表示电动车辆k到达节点i进行充[0087]充电成本等于补偿电动物流车的电池消耗能量所发生的成本，也就是将货物载r表示滚动阻ek(12)[0130]随机产生长度为N随机排列,令Wii+1表示染色体中车辆离开第i个客户点去往第i2中子路径A没有的编码按照父代染色体2中的顺序添加到子路径A的后面，并在染色体的[0139]Step4:对于子代染色体1，在子路经A后面的7个位置中的任意一个的位置添加1辆载重量对电池能量消耗的影响，构建电动车辆的路径优化模型。由于车辆在行驶过程[0145]以上这些实施例应理解为