计及物资装载率优化的电表配送车辆路径规划方法及系统技术方案

本发明专利技术公开了计及物资装载率优化的电表配送车辆路径规划方法及系统，包括：建立大规模电表轮换配送车辆调度模型，根据每个订单编号确定配送电表种类及相应的收货点，确定每个订单发货地点；设定白鲸优化算法改进过程中的个体编码和解码格式，通过立方混沌映射构造具有高遍历性的映射初始订单种群，并计算适应度；根据平衡因子判断所述白鲸优化算法是否处于探索阶段或开发阶段，并建立一种基于种群分级的精英扰动机制提高白鲸优化算法后期的收敛精度和全局搜索能力；检查迭代次数是否满足要求。本发明专利技术针对大规模电表轮换配送要求，可有效降低车辆固定成本、配送成本、人工成本以及电表轮换储存成本，实现最优电网企业批量轮转物资调配求解方案。转物资调配求解方案。转物资调配求解方案。

【技术实现步骤摘要】
计及物资装载率优化的电表配送车辆路径规划方法及系统


[0001]本专利技术涉及物流调度的
，尤其涉及计及物资装载率优化的电表配送车辆路径规划方法及系统。

技术介绍

[0002]随着数字经济的持续发展，实体经济与数字经济相互融合，电网的智能化水平显著提高。构建智能电网和智慧电力已逐渐成为当前电网企业的主要发展趋势。物资调度作为电网企业构建智慧物流的重要组成部分，需要进行数字化，经济化改进，构建新型精细化供应系统以满足智慧物流的仓储物资的配送需求。电网物资配送涉及到一个计及复杂环境约束条件的多目标车辆路径规划问题(VehicleRoutingProblem，VRP)，而目前今针对多收货点的同时考虑运输车辆差异、时间窗、运输成本、客户满意度等问题的技术少之又少，在研究上存在不足，为此本专利技术人基于相关理论研究，结合改进白鲸算法建立多维约束条件建立多目标优化的电网物资配送调度模型，提供一种计及物资装载率优化的电表配送车辆路径规划方法。
[0003]电网配送较传统的货物配送调度方案不同，其具有配送范围广、配送货物数量多且种类复杂、签约承运车型异构、运输距离等复杂约束，因此跨区域的电网配送运输的核心问题是一个涉及多维复杂环境条件约束的多目标车辆路径规划问题。
[0004]为提高省计量中心智能电表配送效率，实现多层电表轮换配送业务中的车辆订单配送选择最优化，本专利技术是针对大规模电表轮换配送要求，致力于做到车辆固定成本最低、配送成本最小、人工成本最低、电表轮换储存成本最低，得到最优的电网企业批量轮转物资调配求解方案。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有针对在电网物资配送中多收货点同时考虑运输车辆差异、时间窗、运输成本、客户满意度等问题的技术极少，以及在研究上存在不足的问题，提出了本专利技术。
[0007]因此，本专利技术目的是提供计及物资装载率优化的电表配送车辆路径规划方法及系统。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：
[0009]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：建立大规模电表轮换配送车辆调度模型，根据每个订单编号确定配送电表种类及相应的收货点，确定每个订单发货地点；
[0010]设定白鲸优化算法改进过程中的个体编码和解码格式，通过立方混沌映射构造具有高遍历性的映射初始订单种群；
[0011]根据平衡因子判断所述白鲸优化算法是否处于探索阶段或开发阶段，并建立一种基于种群分级的精英扰动机制提高白鲸优化算法后期的收敛精度和全局搜索能力；
[0012]检查迭代次数是否满足要求。
[0013]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：建立大规模电表轮换配送车辆调度模型包括，
[0014]设定模型条件，再构建多阶段配送优化模型并满足相应的约束条件；
[0015]其中，设定模型条件如下：
[0016]在一层配送网络中车辆完成配送后返回计量中心，在二层配送网络中车辆完成配送后返回各自的供电局；
[0017]配送车辆仅考虑载重限制；
[0018]在配送过程中，当计量中心
‑
供电局的配送任务完成后，供电局进行下一层配送任务；
[0019]其中，构建多阶段配送优化模型如下：
[0020]计算第一层和第二层配送网络的车辆固定成本、计算第一层和第二层配送网络的配送成本、计算人员作业成本、计算智能电表装置的存贮成本、最小化三项成本总和得到多阶段配送优化模型以及全部满足一定的约束条件。
[0021]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：所述一定的约束条件包括供电所的需求连续性约束、供电局的需求连续性约束、第一层配送网络中的车辆的载重约束、第二层配送网络中的车辆的载重约束、第一层配送网络中的计量中心的车数约束、第二层配送网络中的任意供电局的车数约束、保证第一层配送网络中的车辆返回计量中心、保证第二层配送网络中的车辆返回供电局、消除第一层配送网络中的子回路、消除第二层配送网络中的子回路、保证第一层配送网络中的车辆进入供电局后必须离开、保证第二层配送网络中的车辆进入供电所后必须离开、第一层配送网络中的车辆的最远距离约束、第二层配送网络中的车辆的最远距离约束、第一层配送网络中的计量中心最大服务水平约束、第二层配送网络中的供电局的最大服务水平约束、供电局的最大存贮能力约束以及供电所的最大存贮能力约束。
[0022]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：通过立方混沌映射构造具有高遍历性的映射初始订单种群包括，
[0023]立方映射的公式如下：
[0024]c(o+1)＝4c(o)3‑
3y(o)
[0025]‑
1＜c(0)＜1,c(o)≠0o＝0,1,2,...
[0026]其中，c为混沌变量，设定初始白鲸种群由Nop个D维订单组成，白鲸种群数量Nop映射为订单配送方案数量，白鲸种群的维度D映射为订单个数，
[0027]生成之间的随机数作为每个订单配送方案中的第一维度的位置，根据立方映射的公式通过迭代的方法生成种群个体中每一维度的后续D
‑
1个个体，将立方映射产生的变量值映射到白鲸种群个体中，具体公式如下：
[0028]X
c
＝X
initial
·
(c+1)/2
[0029]其中，X
c
为映射后的初始订单种群，X
inItial
为初始订单种群。
[0030]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：通
过立方混沌映射构造具有高遍历性的映射初始订单种群包括，
[0031]判断映射后的初始订单方案种群混沌解，生成初始可行订单种群解；
[0032]若车辆所承运的订单不满足大规模电表轮换配送车辆调度模型中的约束时，则此时映射后的初始订单方案种群混沌解为不可接受解；
[0033]若车辆所承运的订单满足大规模电表轮换配送车辆调度模型中的约束时，则此时初始混沌解为可接受解即生成初始可行订单种群解。
[0034]作为本专利技术所述的计及物资装载率优化的电表配送车辆路径规划方法，其中：根据平衡因子判断所述白鲸优化算法是否处于探索阶段或开发阶段包括，
[0035]若平衡因子大于0.5，则白鲸优化算法处于探索阶段，需通过奇偶数的选择更新订单在种群中的位置增加全局搜索能力；
[0036]若平衡因子小于等于0.5，则白鲸优化算法处于开发阶段，需通过引入鲸鱼优化算法的包围猎物机制增加算法的局部搜索能力。
[0037]作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.计及物资装载率优化的电表配送车辆路径规划方法，其特征在于，包括：建立大规模电表轮换配送车辆调度模型，根据每个订单编号确定配送电表种类及相应的收货点，确定每个订单发货地点；设定白鲸优化算法改进过程中的个体编码和解码格式，通过立方混沌映射构造具有高遍历性的映射初始订单种群；根据平衡因子判断所述白鲸优化算法是否处于探索阶段或开发阶段，并建立一种基于种群分级的精英扰动机制提高白鲸优化算法后期的收敛精度和全局搜索能力；检查迭代次数是否满足要求。2.如权利要求1所述的计及物资装载率优化的电表配送车辆路径规划方法，其特征在于：建立大规模电表轮换配送车辆调度模型包括，设定模型条件，再构建多阶段配送优化模型并满足相应的约束条件；其中，设定模型条件如下：在一层配送网络中车辆完成配送后返回计量中心，在二层配送网络中车辆完成配送后返回各自的供电局；配送车辆仅考虑载重限制；在配送过程中，当计量中心
‑
供电局的配送任务完成后，供电局进行下一层配送任务；其中，构建多阶段配送优化模型如下：计算第一层和第二层配送网络的车辆固定成本、计算第一层和第二层配送网络的配送成本、计算人员作业成本、计算智能电表装置的存贮成本、最小化三项成本总和得到多阶段配送优化模型以及全部满足一定的约束条件。3.如权利要求2所述的计及物资装载率优化的电表配送车辆路径规划方法，其特征在于：所述一定的约束条件包括供电所的需求连续性约束、供电局的需求连续性约束、第一层配送网络中的车辆的载重约束、第二层配送网络中的车辆的载重约束、第一层配送网络中的计量中心的车数约束、第二层配送网络中的任意供电局的车数约束、保证第一层配送网络中的车辆返回计量中心、保证第二层配送网络中的车辆返回供电局、消除第一层配送网络中的子回路、消除第二层配送网络中的子回路、保证第一层配送网络中的车辆进入供电局后必须离开、保证第二层配送网络中的车辆进入供电所后必须离开、第一层配送网络中的车辆的最远距离约束、第二层配送网络中的车辆的最远距离约束、第一层配送网络中的计量中心最大服务水平约束、第二层配送网络中的供电局的最大服务水平约束、供电局的最大存贮能力约束以及供电所的最大存贮能力约束。4.如权利要求1任一所述的计及物资装载率优化的电表配送车辆路径规划方法，其特征在于：通过立方混沌映射构造具有高遍历性的映射初始订单种群包括，立方映射的公式如下：c(o+1)＝4c(o)3‑
3y(o)
‑
1＜c(0)＜1,c(o)≠0o＝0,1,2,...其中，c为混沌变量，设定初始白鲸种群由Nop个D维订单组成，白鲸种群数量Nop映射为订单配送方案数量，白鲸种群的维度D映射为订单个数，生成之间的随机数作为每个订单配送方案中的第一维度的位置，根据立方映射的公式通过迭代的方法生成种群个体中每一维度的后续D
‑
1个个体，将立方映射产生的变量值映
射到白鲸种群个体中，具体公式如下：X
c
＝X
initial
·
(c+1)/2其中，X
c
为映射后的初始订单种群，X
inItial
为初始订单种群。5.如权利要求1或4所述的计及物资装载率优化的电表配送车辆路径规划方法，其特征在于：通过立方混沌映射构造具有高遍历性的映射初始...

【专利技术属性】
技术研发人员：何兆磊，林聪，余恒洁，赵静，朱梦梦，游若莎，刘进，孙黎敏，方瑞，王景，艾渊，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：