【技术实现步骤摘要】
本专利技术属于机器学习，尤其涉及一种智能求解装箱车队组合问题的最优成本有向变异遗传方法。
技术介绍
1、在物流与运输行业，特别是在集装箱装载领域，如何高效地利用空间，确保尽可能多的货物被合理装载，同时还要考虑到成本和时间的因素，是一个极具挑战性的问题。虽然目前的三维装箱通过启发式的算法在解空间里搜索，可以解决多车厢多货物装箱问题，但是在实际装箱求解中发现，随着某种货物的数量逐渐增多的时候，现有的算法计算开销呈指数级增长，无法在限制时间内返回请求结果。
2、在分析计算耗时非常大的案例情况时，我们发现这种情况是由于订单中货物量件数过大，在计算方案时，会导致车辆组合情况过多，每种情况都需要通过启发式算法计算是否可以成功装箱，因此造成了计算耗时过久的情况，如下表1所示，随着货物数量的增加，耗时显著增长，在接近700件货物时，已经无法在规定时间内返回结果。
3、通过统计历史订单货物数量分布发现，货物量件数过大的订单货物类型都是纸箱。纸箱的装箱规则比较简单，针对同一规格的纸箱，如果给出车辆组合方案，那么不需要通过启发式装箱算法也可以计算出是否能够成功装箱。
4、因此，问题定义为针对订单中某一种规格的纸箱数量过大时，如何缩小解空间，迅速地求解出符合要求的前n个车队组合方案，方案安装成本价格由低到高排序。表1为现有启发式方案耗时。
5、表1
6、
技术实现思路
1、本专利技术所要解决的技术问题是针对
技术介绍
的不足提供一种智能求解装箱车队组
2、本专利技术为解决上述技术问题采用以下技术方案：
3、智能求解装箱车队组合问题的最优成本有向变异遗传方法，具体包含如下步骤:
4、步骤1，求解最优的车对编排组合方式：包括对车队进行编码，求解车辆的装载货物能力，求成本最低的车队组合方案；
5、步骤2，设计成本有向变异遗传方案：包括设计非目标淘汰策略的选择算子和设计最优成本指导的变异算子，经过迭代遗传后求出前n个符合要求的车队组合方案。
6、作为本专利技术智能求解装箱车队组合问题的最优成本有向变异遗传方法的进一步优选方案，所述步骤1具体包含如下步骤；
7、步骤1.1，编码设计：把车队类型按照顺序排放，编码为s＝[n1,n2,n3,n4…ni]，其中ni为第i种车型的用车个数；
8、步骤1.2，求解车辆的装载货物能力：
9、步骤1.3，求解最优车对组合方案：车队组合方案最优解问题抽象为初始货物n个，每个货物规格相同，有n种车辆，每种车辆不限制使用个数，目标函数为总耗费钱数最少，约束条件为每种车辆能够装载的货物之和不少于目标货物总数。
10、作为本专利技术智能求解装箱车队组合问题的最优成本有向变异遗传方法的进一步优选方案，在步骤1.3中，车队组合方案最优解问题总结为整数线性规划，具体如下：
11、步骤1.31，确定决策变量，xi＝为第i辆车的数量，i∈[1,n]；
12、步骤1.32，确定目标函数为：
13、min∑i＝nxi*ci
14、其中，ci位已知的车辆成本；
15、步骤1.33，确定约束条件为：
16、∑i＝nxi*ni≥target_pack_num
17、其中，ni为已知可求解的车辆装载货物能力,target_pack_num为装载货物目标。
18、作为本专利技术智能求解装箱车队组合问题的最优成本有向变异遗传方法的进一步优选方案，在步骤2中，选择算子设计，具体如下：
19、采用非目标淘汰策略，既能保证适应度较高的个体遗传到下一代，又能保证有较高的全局收敛性；具体而言，当个体满足以下两个条件时，才会被加入种群中遗传到下一代，如果任何一个目标不满足，会被淘汰不进行遗传；
20、条件1：车队编排可以满足装载货物需求；
21、条件2：车队编排消耗的额与最佳方案耗费的差额小于阈值t。
22、作为本专利技术智能求解装箱车队组合问题的最优成本有向变异遗传方法的进一步优选方案，在步骤2中，变异算子设计：在基因节点增加一辆车或减少一辆车或不进行变化。
23、本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
24、本专利技术一种智能求解装箱车队组合问题的最优成本有向变异遗传方法，首先求解最优的车对编排组合方式，即成本最低的方案；然后设计遗传方案，包括设计非目标淘汰策略的选择算子和设计最优成本指导的变异算子，经过迭代遗传后求出前n个符合要求的车队组合方案，最后通过实验验证本方案计算耗时低，性能稳定，效果更好。
本文档来自技高网...【技术保护点】
1.智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：具体包含如下步骤:
2.根据权利要求1所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：所述步骤1具体包含如下步骤；
3.根据权利要求2所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：在步骤1.3中，车队组合方案最优解问题总结为整数线性规划，具体如下：
4.根据权利要求1所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：在步骤2中，选择算子设计，具体如下：
5.根据权利要求1所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：在步骤2中，变异算子设计：在基因节点增加一辆车或减少一辆车或不进行变化。
【技术特征摘要】
1.智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：具体包含如下步骤:
2.根据权利要求1所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：所述步骤1具体包含如下步骤；
3.根据权利要求2所述的智能求解装箱车队组合问题的最优成本有向变异遗传方法，其特征在于：在步骤1.3中，车队组合方案最优...
【专利技术属性】
技术研发人员：王康，蒋鹏，孟子涵，魏巍，蔡美婷，
申请(专利权)人：南京烽火星空通信发展有限公司，
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。