一种改进的基于大规模多中心问题的路径规划方法技术

本发明专利技术提供了一种改进的基于大规模多中心问题的路径规划方法，通过在其他子解中寻找N

【技术实现步骤摘要】
一种改进的基于大规模多中心问题的路径规划方法
本专利技术涉及路径规划领域，特别涉及一种改进的基于大规模多中心问题的路径规划方法。
技术介绍
容量受限的弧路由问题(CapacitatedArcRoutingProblem，CARP)是一类经典而复杂的组合优化问题，其有着广泛的应用背景，如冬季路面除雪、路面撒盐、邮递、垃圾清扫等问题；CARP的目标就是为驻扎在驻车中心的一队车辆寻找最优路径，使得所有需要服务的边(路面)均被服务，且车辆的总耗费最小化，并且行车过程中存在一定的约束，同时总耗费包括行车费用以及服务费用等。服务中存在一定条件的约束：(1)车辆由站点出发，最后回归站点；(2)每辆车均有一定的车载容量限制；(3)一条道路通常只能被一辆车服务；由于各道路上的服务量存在差异，且道路分布情况往往较复杂，所以冬季路面除雪、路面撒盐、邮递、垃圾清扫等问题是一种复杂的车辆路径规划问题，其可归属于经典的容量受限的弧路由问题。针对上述问题模型，已经存在大量的解决方案；然而，在现实生活中的一些问题，基本CARP难以应对，如对于较大区域内的垃圾清扫问题，往往存在多个驻车点或回收中心，而基本CARP则只涉及一个中心点；所以，针对具体问题，我们需要对CARP模型进行扩展。关于多中心点的容量受限的弧路由问题(MDCARP)，已有学者提出了解决方案，如Kansou和Zhu等提出的MDMA以及HGA等；然而这些方法只关注较小规模的问题，忽略对大规模问题的考虑；现实中的MDCARP的应用背景往往涉及的面积很广，如垃圾清扫问题，一个城市总需要服务路面或街道数很多，分布区已很广；此时，已有方法则难以适应了。大规模、多中心点的容量受限的弧路由问题(LargeScaleMDCARP，LSMDCARP)的难点是需要服务的路面或街道归属处理，同时由于问题规模的上升，问题解空间呈爆炸式增长。所以，使用较早的方法应对大面积垃圾清扫问题的车辆路径规划，往往会出现的问题有：(1)路径规划的满意度下降，即总费用没有得到有效降低；(2)规划过程中，消耗的时间会很长。现有技术中提出了一种基于大规模多中心问题的路径规划方法，但是对于MDCARP而言，任何两个任务都可以置于同一条路径被服务，即任何两个任务都有相互联系的特性，所以MDCARP问题是一类完全不可分离问题，具有高复杂性；现有技术的上述路径规划方法对获取的解重新分解以期获得较好的效果，但是基于路径的处理方式存在优化空间，其准确性需要进一步提高。
技术实现思路
针对上述车辆路径优化方法中存在的问题，本专利技术公布了一种改进的基于大规模多中心问题的路径规划方法对于大规模、多中心点的容量受限的弧路由问题有着良好的求解性能，取得现有的路径规划方法具有更好的效果。本专利技术提供的一种改进的基于大规模多中心问题的路径规划方法，该方法包括如下步骤：S1：对车辆服务对象，即街道，采用最近距离法将任务集T的任务划分至VD中的各中心点处，形成子问题RCS[1]，RCS[2]，…，RCS[|VD|]，其中，VD为中心点集合。采用某种方法求解，获取所有子解S[i]。连接所有子解，形成整个问题的初始解决方案S；S2：重复步骤S1若干次，获取最优初始解S，其可表示为S3：利用初始解决方案，对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS中；S4：对临时集合TRS中的所有路径采用优化的分割处理方法进行切割，并将所得路径并入至待分配路径集合RS’中；S5：采用所述三标准问题分解方法将所述待分配路径集合RS’中的路径分配至VD中的中心点处，使用2-OPT、UlusoySplitting方法进行处理，得到该子问题的子解S*i；S6：采用局部优化方法对其邻域进行搜索，将所有的子问题的解S*i进行汇集，获得新的解决方案S*；S7：若S*优于S，则以S*取代S；否则，放弃S*；如此，反复若干代后结束，最终的S即为满意的问题解。作为本专利技术的进一步限定，所述步骤S3中对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS的方法为：对于某子解Si中路径r，在其他子解中寻找Nr-1条距离其最近的路径，以此Nr条路径构成集合Sr，从初始解决方案S中删除Sr中的所有路径；然后对集合Sr中的任务搜寻新的合适位置，并进行移动，得到新的集合Sr’；若经过移动后，新的集合Sr’中路径的总耗费有所降低，则将新的集合Sr’中的路径加入临时集合TRS中，否则，将集合Sr加入到临时集合TRS中。作为本专利技术的进一步限定，所述步骤S1及S2的具体步骤为：步骤1)：采用最近距离法，将所有任务分配至VD中各中心点处的，得到|VD|个子问题，TCS[1]，TCS[2]，…，TCS[|VD|]；步骤2)：d←1；步骤3)：对TCS[d]中的任务采用BIH法，构造长路径Rd；步骤4)：对长路径Rd采用UlusoySplitting进行分割，得到子解Sd；步骤5)：d←d+1；步骤6)：若d≤|VD|，则转步骤3)继续构造子解；步骤7)：连接所有子解，得到问题的完整解S，即步骤8)：k←1；步骤9)：以VD中每个点为中心，构造一空子解，得到步骤10)：从任务集T随机选取一任务t，分配至VD最近的中心点，令为d；步骤11)：将t采用BIH法插入到子解Sd中；步骤12)：重复步骤10)和11)，直到任务集T中无任务可选；步骤13)：连接所有子解，得到问题的完整解S’，即步骤14)：若S’较S好，则以S’更新S；步骤15)：k←k+1；步骤16)：若k≤Max_Num-1，则转步骤9)继续构造随机解；其中，步骤16中Max_Num为初始解的尝试次数，其值采用MDMA的种群规模值。作为本专利技术的进一步限定，所述步骤S3的具体步骤为：以初始解决方案S为当前解，其中，步骤11：随机生成{1:|VD|}的排列，S’←S，TRS←Φ，RS←Φ；步骤12：i←1；步骤13：r←1；步骤14：在S’的第个子解中，计算路径距离，找出离子解Si’中的路径r最近的Nr-1条路径，与路径r一并构成集合Sr；若集合Sr中只有路径r，则将子解Si’的剩余路径加入临时集合TRS，并转步骤12；步骤15：对于集合Sr，使用算子SI及Swap寻找各任务的合理位置，并移动，得到集合Sr’；步骤16：若集合Sr’优于集合Sr，则将集合Sr’并入临时集合TRS；否则，将集合Sr并入临时集合TRS；步骤17：从S’中删除集合Sr中的路径；步骤18：r←r+1；步骤19：若r≤|Si’|，转步骤14继续，其中，|Si’|为子解Si’中的路径数；步骤20：i←i+1；；步骤21：若i≤|VD|，转步骤13继续搜索；步骤22：将临时集合TRS中的所有路径采用优化的分割处理方法本文档来自技高网...

【技术保护点】
1.一种改进的基于大规模多中心问题的路径规划方法，其特征在于，该方法包括如下步骤：/nS1：对车辆服务对象，即街道，采用最近距离法将任务集T的任务划分至V

【技术特征摘要】
20200824 CN 20201085568911.一种改进的基于大规模多中心问题的路径规划方法，其特征在于，该方法包括如下步骤：
S1：对车辆服务对象，即街道，采用最近距离法将任务集T的任务划分至VD中的各中心点处，形成子问题RCS[1]，RCS[2]，…，RCS[|VD|]，其中，VD为中心点集合。采用某种方法求解，获取所有子解S[i]。连接所有子解，形成整个问题的初始解决方案S；
S2：重复步骤S1若干次，获取最优初始解S，其可表示为
S3：利用初始解决方案，对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS中；
S4：对临时集合TRS中的所有路径采用优化的分割处理方法进行切割，并将所得路径并入至待分配路径集合RS’中；
S5：采用所述三标准问题分解方法将所述待分配路径集合RS’中的路径分配至VD中的中心点处，使用2-OPT、UlusoySplitting方法进行处理，得到该子问题的子解S*i；
S6：采用局部优化方法对其邻域进行搜索，将所有的子问题的解S*i进行汇集，获得新的解决方案S*；
S7：若S*优于S，则以S*取代S；否则，放弃S*；如此，反复若干代后结束，最终的S即为满意的问题解。


2.根据权利要求1所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S3中对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS的方法为：
对于某子解Si中路径r，在其他子解中寻找Nr-1条距离其最近的路径，以此Nr条路径构成集合Sr，从初始解决方案S中删除Sr中的所有路径；然后对集合Sr中的任务搜寻新的合适位置，并进行移动，得到新的集合Sr’；若经过移动后，新的集合Sr’中路径的总耗费有所降低，则将新的集合Sr’中的路径加入临时集合TRS中，否则，将集合Sr加入到临时集合TRS中。


3.根据权利要求1所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S1、S2的具体步骤为：
步骤1)：采用最近距离法，将所有任务分配至VD中各中心点处的，得到|VD|个子问题，TCS[1]，TCS[2]，…，TCS[|VD|]；
步骤2)：d←1；
步骤3)：对TCS[d]中的任务采用BIH法，构造长路径Rd；
步骤4)：对长路径Rd采用UlusoySplitting进行分割，得到子解Sd；
步骤5)：d←d+1；
步骤6)：若d≤|VD|，则转步骤3)继续构造子解；
步骤7)：连接所有子解，得到问题的完整解S，即
步骤8)：k←1，k为用来生成初始解的循环变量；
步骤9)：以VD中每个点为中心，构造一空子解，得到
步骤10)：从任务集T随机选取一任务t，分配至VD最近的中心点，令为d；
步骤11)：将t采用BIH法插入到子解S’d中；
步骤12)：重复步骤10)和11)，直到任务集T中无任务可选；
步骤13)：连接所有子解，得到问题的完整解S’，即
步骤14)：若S’较S好，则以S’更新S；
步骤15)：k←k+1；
步骤16)：若k≤Max_Num-1，则转步骤9)继续构造随机解；
其中，步骤16中Max_Num为初始解的尝试次数，其值采用MDMA的种群规模值。


4.根据权利要求2所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S3的具体步骤为：
以初始解决方案S为当前解，其中，
步骤11：随机生成{1:|VD|}的排列，S’←S，TRS←Φ，RS←Φ；
步骤12：i←1；
步骤13：r←1；
步骤14：在S’的第个子解中，计算路径距离，找出离子解Si’中的路径r最近的Nr-1条路径，与路径r一并构成集合Sr；若集合Sr中只有路径r，则将子解Si’的剩余路径加入临时集合TRS，并转步骤12；
步骤15：对于集合Sr，使用单点插入算子SI及交换算子Swap寻找各任务的合理位置，并移动，得到集合Sr’；
步骤16：若集合Sr’优于集合Sr，则将集合Sr’并入临时集合TRS；否则，将集合Sr并入临时集合TRS；
步骤17：从S’中删除集合Sr中的路径；
步骤18：r←r+1；
步骤19：若r≤|Si’|，转步骤14继续，其...

【专利技术属性】
技术研发人员：张玉州，张海奇，陶郎，梅一，阮宏芳，
申请(专利权)人：安庆师范大学，
类型：发明
国别省市：安徽;34