本发明专利技术公开一种多目标车辆路径规划方法、系统、设备及介质，涉及多目标路径规划领域，方法包括根据客户集的客户点利用启发式构造方法构建初始路径规划方案集；将初始路径规划方案集中的两个初始路径规划方案作为父代，利用交叉算子生成子代路径规划方案并将子代路径规划方案保存到种群中；根据种群的大小和种群设定阈值确定最终的种群；将初始路径规划方案集和最终的种群合并，得到完整方案集；利用严格优势关系计算最终的种群中每个解的强度值；根据自适应位移的密度估计策略计算完整方案集中每个解的密度值；进而确定完整方案集中每个解的适应度值；根据适应度值确定最终路径规划方案。本发明专利技术实现带有时间窗的多目标车辆的路径规划。
【技术实现步骤摘要】
本专利技术涉及多目标路径规划领域，特别是涉及一种多目标车辆路径规划方法、系统、设备及介质。
技术介绍
1、随着科技的进步和电子商务的飞速发展，物流产业已成为拉动国家经济发展与提高居民生活水平的重要动力源泉和支柱。在物流产业中，带时间窗的多目标车辆路径问题(multi-objective vehicle routing problem with time windows，movrptw)是物流管理与运输组织优化中的核心问题之一，其研究受到了人们的广泛关注。多目标车辆路径问题是指在满足一定的约束条件下(如时间限制、车载容量限制、交通限制等)，通过对一系列客户点安排合理的行车路线，在满足客户点需求的前提下，实现配送车辆最少、配送时间最短、配送成本最低、配送路程最短等目标的优化问题。
2、带约束的多目标进化算法是常见的求解车辆路径问题的方法，基本上可分为以下这五大类：基于罚函数的方法、基于目标与约束分离的方法、多目标方法、将多目标约束问题转化为其他问题的方法和混合方法。其中基于罚函数的方法又分为静态方法、动态方法和自适应的方法。基于目标与约束分离的方法主要包括使用比较经典的约束支配原则(cdp)、ε约束方法和随机排序(stochastic ranking)。
3、对于多目标进化算法来说，如何在种群中包含非法解的情况下，引导种群进入更高质量的区域，是提高存档质量和算法性能的重要手段之一。因此，研究不合法空间对搜索出更好解的影响，并有效结合多目标进化算法，已成为目前多目标车辆路径问题研究的重点之一。
技术实现思路
1、本专利技术的目的是提供一种多目标车辆路径规划方法、系统、设备及介质，可实现带有时间窗的多目标车辆的路径规划。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种多目标车辆路径规划方法，包括：
4、根据客户集的客户点利用启发式构造方法构建初始路径规划方案集；
5、将所述初始路径规划方案集中的两个初始路径规划方案作为父代，利用交叉算子生成子代路径规划方案并将子代路径规划方案保存到种群中；
6、根据种群的大小和种群设定阈值确定最终的种群；
7、将所述初始路径规划方案集和所述最终的种群合并，得到完整方案集；
8、利用严格优势关系计算最终的种群中每个解的强度值；
9、根据自适应位移的密度估计策略计算完整方案集中每个解的密度值；
10、将所述强度值和所述密度值相加作为完整方案集中每个解的适应度值；
11、根据所述适应度值确定最终路径规划方案。
12、可选地，根据客户集的客户点利用启发式构造方法构建初始路径规划方案集，具体包括：
13、选择所述客户集中的第一客户点创建路由；
14、选择所述客户集中的第二客户点并根据所述第二客户点查询所述路由的插入位置；
15、若不存在不违反约束的插入位置，则根据所述第二客户点创建新的路由；若存在不违反约束的插入位置，则将所述第二客户点插入所述不违反约束的插入位置，并对所述第二客户点进行更新返回步骤“选择所述客户集中的第二客户点并根据所述第二客户点查询所述路由的插入位置”，直至所述客户集中的所有客户点插入路由，所有路由构成所述初始路径规划方案集。
16、可选地，根据种群的大小和种群设定阈值确定最终的种群，具体包括：
17、判断所述种群的大小是否达到种群设定阈值，得到第一判断结果；
18、若所述第一判断结果为否，则返回步骤“所述初始路径规划方案集中的两个初始路径规划方案作为父代，利用交叉算子生成子代路径规划方案并将子代路径规划方案保存到种群中”；
19、若所述第一判断结果为是，则停止生成子代路径规划方案并确定当前的种群为最终的种群。
20、可选地，所述严格优势关系的表达式为：
21、
22、其中，x1为种群中随机一个路径方案，x2为种群中随机一个与x1不同的路径规划方案，cv(x1)为路径规划方案x1的约束违反情况或者约束违反程度，cv(x2)为路径规划方案x2的约束违反情况或者约束违反程度。
23、可选地，根据自适应位移的密度估计策略计算完整方案集中每个解的密度值，具体包括：
24、获取完整方案集中每个解的约束违反情况；
25、根据所述约束违反情况利用sigmoid自适应策略计算解的位移距离的控制参数；
26、根据所述解的位移距离的控制参数计算每个解的密度值。
27、可选地，根据所述适应度值确定最终路径规划方案，具体包括：
28、获取所述完整方案集中所有适应度值小于设定适应度阈值的解的数量并将所有的解进行升序排序，得到解序列；
29、比较所述数量与外部存档的大小关系，得到比较结果；
30、若所述比较结果为数量小于外部存档，则将解序列在外部存档数量之后的解删除，利用删除后的完整方案集对外部存档进行更新；
31、若所述比较结果为数量大于外部存档，则将解序列在所述数量之后的解删除，利用自适应位移的密度估计策略对删除后的解序列中的适应度值小于设定适应度阈值的解进行截断，直至完整方案集的大小等于设定适应度阈值；
32、若所述比较结果为数量等于外部存档，则将解序列在所述数量之后的所有解删除，利用删除后的完整方案集对外部存档进行更新；
33、根据当前迭代次数和更新后的外部存档确定最终路径规划方案。
34、本专利技术还提供一种多目标车辆路径规划系统，包括：
35、构建模块，用于根据客户集的客户点利用启发式构造方法构建初始路径规划方案集；
36、子代生成模块，用于将所述初始路径规划方案集中的两个初始路径规划方案作为父代，利用交叉算子生成子代路径规划方案并将子代路径规划方案保存到种群中；
37、最终的种群确定模块，用于根据种群的大小和种群设定阈值确定最终的种群；
38、合并模块，用于将所述初始路径规划方案集和所述最终的种群合并，得到完整方案集；
39、强度值计算模块，用于利用严格优势关系计算最终的种群中每个解的强度值；
40、密度值计算模块，用于根据自适应位移的密度估计策略计算完整方案集中每个解的密度值；
41、适应度值计算模块，用于将所述强度值和所述密度值相加作为完整方案集中每个解的适应度值；
42、最终路径规划方案确定模块，用于根据所述适应度值确定最终路径规划方案。
43、可选地，构建模块具体包括：
44、选择和创建单元，用于选择所述客户集中的第一客户点创建路由；
45、选择和查询单元，用于选择所述客户集中的第二客户点并根据所述第二客户点查询所述路由的插入位置；
46、结果构建单元，用于若不存在不违反约束的插入位置，则根据所述第二客户点创建新的路由；若存在不违反本文档来自技高网
...
【技术保护点】
1.一种多目标车辆路径规划方法，其特征在于，包括：
2.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据客户集的客户点利用启发式构造方法构建初始路径规划方案集，具体包括：
3.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据种群的大小和种群设定阈值确定最终的种群，具体包括：
4.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，所述严格优势关系的表达式为：
5.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据自适应位移的密度估计策略计算完整方案集中每个解的密度值，具体包括：
6.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据所述适应度值确定最终路径规划方案，具体包括：
7.一种多目标车辆路径规划系统，其特征在于，包括：
8.根据权利要求7所述的多目标车辆路径规划系统，其特征在于，构建模块具体包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的方法。
...
【技术特征摘要】
1.一种多目标车辆路径规划方法，其特征在于，包括：
2.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据客户集的客户点利用启发式构造方法构建初始路径规划方案集，具体包括：
3.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据种群的大小和种群设定阈值确定最终的种群，具体包括：
4.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，所述严格优势关系的表达式为：
5.根据权利要求1所述的多目标车辆路径规划方法，其特征在于，根据自适应位移的密度估计策...
【专利技术属性】
技术研发人员：蔡奕侨，梁飚，喻小光，柳培忠，王成，
申请(专利权)人：华侨大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。