一种基于混合启发式算法的网约货运车调度优化方法技术

一种基于混合启发式算法的网约货运车调度优化方法，首先根据多货运车网约货运调度的现实情况，构建了考虑公平性的多货运车的网约货运调度模型。以最大化单位调度周期内承运司机的加权收益和为目标；其次设计了一种基于动态分组优化策略的水波优化算法，用于求解货运订单的分配问题；最后设计混合贪心策略的禁忌搜索算法，用于求解货运车的运输路径优化问题。用于解决网约货运平台日常运营中的车货匹配和运输路径优化问题。本发明专利技术最大化承运司机的收益。的收益。的收益。

【技术实现步骤摘要】
一种基于混合启发式算法的网约货运车调度优化方法


[0001]本专利技术属于智能优化调度领域，其中涉及一种最大化承运司机收益的网约货运车调度优化方法。
技术背景
[0002]网约货运车调度问题是在网约货运平台日常运营时，如何将调度周期内的货运订单合理的分配给承运司机，承运司机如何选择运输路径的问题的总和。在网约货运业务中，合理的车货匹配和运输路线规划对于网约货运平台的运营至关重要。网约货运车调度又涉及货运订单碎片化、取送一体化、多车型、时效性强等复杂要素。而面对这样的高维度，高复杂度的调度问题，传统的求解方法很难进行有效的处理。如何进行有效的车货匹配和运输路线规划，降低运营成本，提高整体收益是一个非常重要的研究问题

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供一种基于混合启发式算法的网约货运车调度优化方法，利用混合启发式算法对上述问题进行求解。构建了一个的多货运车的网约货运优化调度模型，设计了基于混合启发式算法的网约货运车优化调度方法。利用基于动态分组优化策略的水波优化算法对货运订单的分配问题进行求解，同时利用混合贪心策略的禁忌搜索算法对货运服务节点的路径规划问题进行求解。生成合理的货运订单分配和运输路线规划方案，最大化承运司机的收益。
[0004]为了实现上述目的，本专利技术提供如下的技术方案：
[0005]一种基于混合启发式算法的网约货运车调度优化方法，首先，根据多货运车网约货运调度的现实情况，构建了考虑公平性的多货运车的网约货运调度模型，以最大化单位调度周期内承运司机的加权收益和为目标；其次，设计了一种基于动态分组优化策略的水波优化算法，用于求解货运订单的分配问题；最后，设计混合贪心策略的禁忌搜索算法，用于求解货运车的运输路径优化问题。
[0006]进一步，所述方法包括以下步骤：
[0007]步骤1：用G＝{D,L}表示调度区域，其中D为货运服务节点集合，L为服务节点间的距离集合；
[0008]步骤2：设存在m辆待作业的货运车，货运车集合K＝{k1，k2，...，k
m
}，存在n笔待服务的货运订单，订单集合为O＝{o1，o2，...，o
n
}；对于任意货运订单o(o∈O),其取货点和卸货点分别用p
o
和s
o
来表示；m
o
表示订单o的货运需求，r
o
为承运司机完成订单o后可以获得的收益；t1,t2为时间基准，w1,w2,w3为超时惩罚权重；对于任意货运服务点d的服务时间窗为[a
d
,b
d
]，对于任意货运车k(k∈K),其预设的初始位置为d
k
，预设的终点为j
k
。q
k
为货运车k的最大运载量，货运车k行驶的平均速度为v
k
，单位距离所花费的运输成本为c
k
；承运司机装卸单位货物的平均时间为Δt，为货运车集合中的每一辆货运车都附加了重要性指数e，于任意货运车k(k∈K)，其对应的重要性指数e
k
越高，在订单分配时获得优质货运订单的优先级
越高；
[0009]步骤3：需要解决的问题是：存在m辆货运车需要完成待服务货运订单集合O中所有的货物运输任务，并为货运车集合中的每一辆货运车k确定一条服务路径；
[0010]步骤4：问题的决策变量有两个，分别表示货运订单的分配方案和运输路径规划方案，一组m维的向量X＝{x1，x2，
…
，x
m
}，x
k
＝{x
k,1
,
…
,x
k,2
,
…
,x
k,n
}为一个n维的向量，其中x
k,i
＝1表示订单o
i
被货运车k选择，x
k,i
＝0，则反之(1≤i≤n)；用O
X
表示分配后的订单集合；一个m维的向量Y＝{y1，y2，
…
，y
m
}，其中y
k
这是订单集合中所有位置节点的排列组合，其中
[0011]步骤5：货运车k获得的订单总受益为：
[0012][0013]步骤6：货运车k从初始点d
k
出发前往路径序列中的第一个货运服务节点y
k,1
，y
k,1
为路径的第一个节点，为取货点，设货运车离开初始点d
k
的时间s
′
(d
k
)＝0，离开初始点d
k
时货运车所行驶过的距离d(d
k
)＝0，离开初始点d
k
货运车的载重q(d
k
)＝0；设d
k
为y
k,1
的上一个节点，y
k,0
＝d
k
，j
k
为x
m
的下一个节点，获得货运车到达货运服务节点y
k,i
(1≤i≤l(x
k
))的时间为：
[0014]s(y
k,i
)＝s
′
(y
k,i
‑1)+L(y
k,i
‑1,y
k,i
)/v
k
[0015]步骤7：同时如果货运车到达货运服务节点y
k,i
的时间大于货运服务节点y
k,i
的最早服务时间则货运车立即进行装卸货物的服务，然后离开货运服务节点y
k,i
，继续前往下一个节点y
k,i+1
，否则，货运车需要在原地等候服务时间的到来，然后再执行相同的货运服务，由此得货运车k离开货运服务节点x
i
的时间为：
[0016][0017]其中，o(y
k,i
)表示货运服务节点y
k,i
所对应的订单；
[0018]步骤8：对于货运车是否能够准时的到达相应的货运服务节点提供货运服务，直接影响到客户对整个货运服务的满意度，所用本模型基于货运车的服务延误时间，为每个货运服务节点添加了时间惩罚成本，货运车k在货运服务节点y
k,i
的时间惩罚成本表达式为：
[0019][0020]其中，w1、w2、w3表示延误时间的惩罚权重，t1、t2表示货运车延误时间的基准，当货运车到达货运服务节点x
i
的时间小于最晚服务时间则不附加额外的时间惩罚成本；当货运车到达货运服务节点x
i
的延误时间大于零小于t2时，则扣除基本货运服务收益w1比例的惩罚成本；当货运车到达货运服务节点x
i
的延误时间大于t1小于t2，则扣除基本货运服务收益w2比例的惩罚成本；货运车到达货运服务节点x
i
的延误时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合启发式算法的网约货运车调度优化方法，其特征在于，首先，根据多货运车网约货运调度的现实情况，构建了考虑公平性的多货运车的网约货运调度模型，以最大化单位调度周期内承运司机的加权收益和为目标；其次，设计了一种基于动态分组优化策略的水波优化算法，用于求解货运订单的分配问题；最后，设计混合贪心策略的禁忌搜索算法，用于求解货运车的运输路径优化问题。2.如权利要求1所述的一种基于混合启发式算法的网约货运车调度优化方法，其特征在于，所述方法包括如下步骤：步骤1：用G＝{D，L}表示调度区域，其中D为货运服务节点集合，L为服务节点间的距离集合；步骤2：假设存在m辆待作业的货运车，货运车集合K＝{k1，k2，...，k
m
}，存在n笔待服务的货运订单，订单集合为O＝{o1，o2，...，o
n
}；对于任意货运订单o(o∈O)，其取货点和卸货点分别用p
o
和s
o
来表示，m
o
表示订单o的货运需求，r
o
为承运司机完成订单o后可以获得的收益；t1，t2为时间基准，w1，w2，w3为超时惩罚权重；对于任意货运服务点d的服务时间窗为[a
d
，b
d
]，对于任意货运车k(k∈K)，其预设的初始位置为d
k
，预设的终点为j
k
；q
k
为货运车k的最大运载量，货运车k行驶的平均速度为v
k
，单位距离所花费的运输成本为c
k
；承运司机装卸单位货物的平均时间为Δt；为货运车集合中的每一辆货运车都附加了重要性指数e，对于任意货运车k，k∈K，其对应的重要性指数e
k
越高，在订单分配时获得优质货运订单的优先级越高；步骤3：需要解决的问题是：存在m辆货运车需要完成待服务货运订单集合O中所有的货物运输任务，并为货运车集合中的每一辆货运车k确定一条服务路径；步骤4：问题的决策变量有两个，分别表示货运订单的分配方案和运输路径规划方案，一组m
×
n维的向量X＝{x1，x2，
…
，x
m
}，其中X中的任意x
k
{x
k，1
，
…
，x
k，2
，
…
，x
k，n
}为一个n维的向量，其中x
k，i
＝1表示订单o
i
被货运车k选择，x
k，i
＝0，则反之(1≤i≤n)；用O
X
表示分配后的订单集合，一个m维的向量Y＝{y1，y2，
…
，y
m
}，其中y
k
这是订单集合中所有位置节点的排列组合，其中步骤5：货运车k获得的订单总受益为：步骤6：货运车k从初始点d
k
出发前往路径序列中的第一个货运服务节点y
k，1
，y
k，1
为路径的第一个节点，为取货点，设货运车离开初始点d
k
的时间s
′
(d
k
)＝0，离开初始点d
k
时货运车所行驶过的距离d(d
k
)＝0，离开初始点d
k
货运车的载重q(d
k
)＝0，设d
k
为y
k，1
的上一个节点，y
k，0
＝d
k
，j
k
为x
m
的下一个节点，获得货运车到达货运服务节点y
k，i
(1≤i≤l(x
k
))的时间为：s(y
k，i
)＝s
′
(y
k，i
‑1)+L(y
k，i
‑1，y
k，i
)/v
k
步骤7：同时如果货运车到达货运服务节点y
k，i
的时间大于货运服务节点y
k，i
的最早服务时间，则货运车立即进行装卸货物的服务，然后离开货运服务节点y
k，i
，继续前往下一个节点y
k，i+1
，否则，货运车需要在原地等候服务时间的到来，然后再执行相同的货运服
务，由此得货运车k离开货运服务节点x
i
的时间为：其中，o(y
k，i
)表示货运服务节点y
k，i
所对应的订单；步骤8：对于货运车是否能够准时的到达相应的货运服务节点提供货运服务，直接影响到客户对整个货运服务的满意度，所用本模型基于货运车的服务延误时间，为每个货运服务节点添加了时间惩罚成本，货运车k在货运服务节点y
k，i
的时间惩罚成本表达式为：其中，w1、w2、w3表示延误时间的惩罚权重，t1、t2表示货运车延误时间的基准，当货运车到达货运服务节点x
i
的时间小于最晚服务时间则不附加额外的时间惩罚成本；当货运车到达货运服务节点x
i
的延误时间大于零小于t2时，则扣除基本货运服务收益w1比例的惩罚成本；当货运车到达货运服务节点x
i
的延误时间大于t1小于t2，则扣除基本货运服务收益w2比例的惩罚成本；货运车到达货运服务节点x
i
的延误时间大于t2时，则扣除货运服务的全部收益，并且额外扣除原货运服务收益w3比例的惩罚成本；获得货运车k总的延误惩罚成本为：步骤9：获得货运车k离开货运服务节点y
k，i
的实时运载量为：步骤10：获得货运车k离开货运服务节点x
i
的实时行驶距离为：d(y
k，i
)＝d(y
k，i
‑1)+L(y
k，i
‑1，y
k，i
)步骤11：获得货运车k在整个运输过程中的行驶成本为：c(y
k
)＝c
k
*d(j
k
)步骤12：问题的目标是最大化承运司机的整体的收益，结合步骤5，8，11；获得单辆货运车k的网约货运调度模型为：获得多货运车的网约货运调度模型为：其中，问题模型有三个硬约束条件：对于货运车k的路径y
k
中的任意一点y，离开该点时，货运车中的货物不能超过其最大载
重量：完成每个选择的订单o∈O，货运车必须在前往卸货点s
o
前必须先到达取货点p
o
进行取货：其中，对表示货运服务节点x在向量X中的索引；完成每个分配的订单运输路径必须包括它的取货点p
o
和卸货点s
o
：步骤13：基于动态分组优化策略的水波优化算法的货运订单分配方法，根据步骤12中的问题模型以及约束定义适应度函数f＝
‑
G(X，Y)；步骤14：参数设置：α，k
max
，β，N，ω和c；步骤15：种群初始化定义种群大小为N，对于种群中的任意个体的位置解向量为x＝{a1，a2，...，a
n
}，其中分量a
n
为一个取值范围(0，m)上的随机数，表示第n笔订单的分配情况，随机生成N个解，初始化一个大小为N的初始种群pop；步骤16：解码：对解向量x的每一维分量x
d
进行如下处理生成一个整数x
′
d
，x
′
d

【专利技术属性】
技术研发人员：范志强，张敏霞，杜佳俊，符杭杭，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：