CN119416990A 基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法 （安徽大学）

基于多种群进化算法的行程时间不确定的本发明公开了一种基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法，包21.一种基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法，其特征在于，是应用于由单个中央仓库、n个客户节点以及m辆具有容量特征的运输车所组成的配送服务区域中，在所述配送服务区域中，定义由一个中央仓库节的节点集合v=y,i=1,2,…n，v表示第i个节点；将各个节点之间路径集合记为i个节点v和第j个节点之间的路径；车辆从第i个节点v到达第j个节点之间的行程时间记为；假设所有的车辆均是c,sl,sci经过第i个节点v,到仓库节点v之间的路径；表示车辆经过第i个节点v,到第k个节点之间的路径；表示车辆经过第k个节点到第j个节点v,之间的路径；l,和l,分别表示车辆到达第j个节点v,和第i个节点v,时的车辆载重；C表示每辆运输车的最大容量；c,表示第j个节点v,交付的货物或需求的数量；C;表示第i个节点v.交付的货物或需求的3步骤2.1、根据每个个体的行驶时间，对种群进行聚类分组，得到个子种群代第s个子种群r:中个个体在车辆路径规划模型下的目标函数代第s个子种群r:中每个个体的所有行驶时间的上限和车辆的数从而生成满足约束的第t代第s个子种群r:的两个多样性子代个体，从而得到个多样性子代个体构成的第代第个多样性种群pop;；;步骤2.8、将r:与ponp"合并，组成大小为2x.的第1代第s个临时种群pop"；4中非支配等级最高的个体作为第s个子种群r的路径规划最优方案；否则，返回个子种群的路径规划最优方案Z,Z…,Z,…,Z,；2.根据权利要求1所述的基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划初始化一个随机整数rande[1,4]；Pop;中任一个体从自身的客户节点中随机选择Pop;中任一个体从自身的客户节点中随机选相邻两个客户节点的位置，并计算交换后的总行驶时间是否比未交换时的总行驶时间更的下一对相邻两个客户节点进行判断，直到所选择的路线上的所有客户节点遍历完毕为Pop;中任一个体从自身的客户节点中随机选择大容量的情况下在邻域客户节点后插入第个客户节点，并计算插入后的总行驶时间是否第一条路线上的第i+l个客户进行判断，直到第一条路线上的所有客户节点遍历完毕，从Pop;中任一个体从自身的客户节点中随机选择一条路线，然后对所选择路线上的第i个客户节点依次与同一路线上的第i+2个客户节点到最后一个客户节点的位置分别进行5线上的第i+l个客户节点进行判断，直到所选择的路线上的所有客户节点遍历完毕为止，所述计算机程序被处理器运行时执行权利要求1或2所述鲁棒车辆路径规划方6基于多种群进化算法的行程时间不确定的鲁棒车[0002]车辆路径问题是指一组车辆需要找到一组经济有效的路径来满足不同客户的需致最终获得的车辆路径规划方案并不能在实际中[0006]本发明一种基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法的特点在于，是应用于由单个中央仓库、n个客户节点以及m成的配送服务区域中，在所述配送服务区域中<i,j>表示任意第i个节点和第j个节点之间的7xye(0,}i,je1,2…,n},i*j(8)车辆经过第i个节点v,到仓库节点之间的路径；表示车辆经过第i个节点v,到第k个节点之间的路径；表示车辆经过第k个节点到第j个节点,之间的路径；l,和l,分别表示车辆到达第j个节点v,和第i个节点v,时的车辆载重；C表示每辆运输车的最大容量；c表示第j个节点交付的货物或需求的数量；ci表示第i个节点v交付的货物或[0023]步骤2.1、根据每个个体的行驶时间，对种群p进行聚类分组，得到s个子种群t代第s个子种群中个个体在车辆路径规划模型下的目标函t代第s个子种群中每个个体的所有行驶时间的上限和车辆的8样性子代个体构成的第代第s个多样性种群pop;；t代第s个临时种群pop"中每个个体在车辆路径规划模型下的[0033]步骤2.11、当t>(-8)时，将中在所有场景均为路径规划最优方案的个体组规划最优方案集zua；对与za执行交叉算子后，得到平衡后的最终路径规划方案。[0037]本发明所述的基于多种群进化算法的行程时间不确定的鲁棒车辆路径规划方法[0038]初始化一个随机整数rande[1,4]；9辆最大容量的情况下在邻域客户节点后插入第个客户节点，并计算插入后的总行驶时间则，对第一条路线上的第i+l个客户进行判断，直到第一条路线上的所有客户节点遍历完第i个客户节点依次与同一路线上的第i+2个客户节点到最后一个客户节点的位置分别进行交换，并计算每次交换后的总行驶时间中的最小值是否比未交换时的总行驶时间更短，路线上的第i+l个客户节点进行判断，直到所选择的路线上的所有客户节点遍历完毕为不会陷入局部最优。这种结合方式克服了传统进化算法在大规模复杂问题中的计算瓶颈，方法，是应用于由单个中央仓库、n个客户节点以及m辆具有容量特征的运输车所组成的<i,j>表示任意第i个节点和第j个节点之间的xye(0,}i,je1,2…,n},i*j(8)车辆经过第i个节点v,到仓库节点之间的路径；表示车辆经过第i个节点v,到第k个节点之间的路径；表示车辆经过第k个节点到第j个节点,之间的路径；l,和l,分别表示车辆到达第j个节点v,和第i个节点v,时的车辆载重；C表示每辆运输车的最大容量；c表示第j个节点交付的货物或需求的数量；ci表示第i个节点v交付的货物或[0078]式(3)与车辆段节点有关，确保离开或返回仓库节点的车辆数量不能超过车辆ci不超过车辆到达第i个节点v,时的车辆载重l,；以及车辆载重l,不能多于运输车的最大3,4,5,6]再根据车辆最大载重量插入0，第一个个体中车辆在承载了客户至后无法继续承[0086]步骤2.1、根据每个个体的行驶时间，对种群p进行聚类分组，得到s个子种群t代第s个子种群中个个体在车辆路径规划模型下的目标函t代第s个子种群中每个个体的所有行驶时间的上限和车辆的个父代个体组成的第t代第s个交配池；t代第s个交配池依次选取两个父代个体，并执行交叉算子和变异样性子代个体构成的第代第s个多样性种群pop;。[0093]初始化一个随机整数rande[1,4]；辆最大容量的情况下在邻域客户节点后插入第个客户节点，并计算插入后的总行驶时间则，对第一条路线上的第i+l个客户进行判断，直到第一条路线上的所有客户节点遍历完第i个客户节点依次与同一路线上的第i+2个客户节点到最后一个客户节点的位置分别进行交换，并计算每次交换后的总行驶时间中的最小值是否比未交换时的总行驶时间更短，路线上的第i+l个客户节点进行判断，直到所选择的路线上的所有客户节点遍历完毕为[0102]步骤2.8、将与pop"合并，组成大小为2x.的第代第s个临时种群pop"；t代第s个临时种群pop"中每个个体在车辆路径规划模型下的[