本發(fā)明涉及物流配送路徑優(yōu)化，具體為一種客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法。

背景技術(shù)：

1、車輛路徑優(yōu)化問題(vehicle?routing?problem，簡稱vrp)最早由dantzig和ramser在1960年代提出，其核心目標(biāo)是在滿足一定數(shù)量客戶需求的前提下，規(guī)劃出車輛的高效配送路線，以實現(xiàn)總行駛距離的最小化。為解決這一問題，研究者們采用了數(shù)學(xué)建模的方法，并設(shè)計了相應(yīng)的求解算法。傳統(tǒng)的路徑優(yōu)化問題通常以單一目標(biāo)為基礎(chǔ)，如總運(yùn)輸成本最小化或總配送時間最小化，旨在通過優(yōu)化單一目標(biāo)來提升物流效率和降低運(yùn)營成本。

2、然而，隨著綠色物流和可持續(xù)發(fā)展的重要性日益凸顯，低碳運(yùn)營成為車輛路徑優(yōu)化的新興目標(biāo)之一。這類問題不僅涉及多個沖突的目標(biāo)，如總運(yùn)輸成本、碳排放、客戶滿意度和運(yùn)營效率之間的權(quán)衡，還需綜合考慮車輛的載客量與載貨量、配送時間窗以及環(huán)境保護(hù)等多方面因素。傳統(tǒng)的單目標(biāo)優(yōu)化方法已難以滿足這些復(fù)雜需求，因此，多目標(biāo)優(yōu)化方法應(yīng)運(yùn)而生，以更全面地反映實際運(yùn)營中的多重考量。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是為了克服上述問題或者至少部分地解決上述問題，而提出的一種客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法，包括以下步驟：獲取站點(diǎn)的需求信息；構(gòu)建以最小化總成本、最小化碳排放成本、最小化乘客滯留成本、最小化貨物延誤成本為多重目標(biāo)的物流路徑優(yōu)化模型；確定路徑選擇、車輛使用、車輛容量、時間窗等約束條件；采用k-means聚類算法，獲取各站點(diǎn)的聚類結(jié)果；遍歷每一聚類結(jié)果，基于路徑優(yōu)化模型，采用變鄰域算子改進(jìn)nsga-ii與tabusearch的混合優(yōu)化策略，確定最優(yōu)配送路徑。

3、在一個優(yōu)選實施例中，構(gòu)建以最小化總成本、最小化碳排放成本、最小化乘客滯留成本、最小化貨物延誤成本為多重目標(biāo)的物流路徑優(yōu)化模型，采用加權(quán)和法構(gòu)建綜合目標(biāo)函數(shù)，所述綜合目標(biāo)函數(shù)為：

4、minimize?z＝α·zcost+β·zcarbon-cost+γ·zpassenger-cost+δ·zcargo-delay-cost

5、其中，α、β、γ、δ為權(quán)重系數(shù)，α+β+γ+δ＝1，用于平衡多目標(biāo)的重要性；

6、總成本表示為：

7、

8、其中，fk是車輛k的固定使用成本，yk為二進(jìn)制變量，表示車輛k是否被使用，cij代表從站點(diǎn)i到站點(diǎn)j的運(yùn)輸成本，代表從站點(diǎn)i到j(luò)的運(yùn)輸成本為二進(jìn)制變量，表示車輛k是否從站點(diǎn)i到站點(diǎn)j，n代表每個集群內(nèi)的站點(diǎn)數(shù)量，m代表車輛總數(shù)；

9、總碳排放成本表示為：

10、

11、其中，zk代表車輛k的總碳排放量，tij代表從站點(diǎn)i到站j的行駛時間，carbonk代表車輛k每公里的碳排放量，ccarbon代表車輛的單位碳排放費(fèi)用；

12、乘客滯留成本表示為：

13、

14、其中，wi代表站點(diǎn)i的乘客滯留人數(shù)；cpassenger代表根據(jù)乘客滿意度損失而定的單位乘客滯留成本；

15、貨物延誤成本表示為：

16、

17、其中，di表示站點(diǎn)i的貨物延誤時間，di表示延誤的貨物量，cdelay表示單位貨物延誤成本。

18、在一個優(yōu)選實施例中，構(gòu)建的多重目標(biāo)的所述物流路徑優(yōu)化模型，其約束條件為：

19、路徑選擇約束：

20、表示每個站點(diǎn)必須被恰好一個車輛訪問；

21、表示每個站點(diǎn)只能有一個車輛離開；

22、車輛使用約束：

23、表示車輛使用變量；

24、車輛容量約束：

25、表示貨物負(fù)載量不能超過車輛最大載貨量；

26、表示乘客數(shù)量不能超過車輛最大乘客量；

27、其中，代表車輛k到達(dá)站點(diǎn)i時的貨物負(fù)載量，ωk代表車輛k的最大載貨量，代表車輛k到達(dá)站點(diǎn)i時的乘客數(shù)量，pmax,k代表車輛k的最大乘客量；

28、時間窗約束：

29、表示保證車輛到達(dá)站點(diǎn)的時間必須在時間窗內(nèi)；

30、表示車輛行駛時間和到達(dá)時間具有一致性；

31、其中，是實數(shù)變量，表示車輛k到達(dá)站點(diǎn)i的時間，tij代表從站點(diǎn)i站點(diǎn)j的行駛時間，windowi＝[ai,bi]代表站點(diǎn)i的時間窗，車輛k到達(dá)站點(diǎn)i的時間需滿足m是一個足夠大的常數(shù)，用于確保當(dāng)時，該約束自動滿足；

32、乘客滯留人數(shù)約束：

33、表示站點(diǎn)滯留人數(shù)不少于站點(diǎn)乘客需求量與車輛上乘客數(shù)量之差；

34、其中，wi代表站點(diǎn)i的乘客滯留人數(shù)，si代表站點(diǎn)i的乘客需求量，且只有當(dāng)車輛到達(dá)時才能運(yùn)輸乘客；

35、貨物延誤時間約束：

36、表示站點(diǎn)貨物的延誤時間不小于站點(diǎn)實際交付時間與期望交付時間之差；

37、其中，di代表站點(diǎn)i的貨物延誤時間，代表實際交付時間，這里ei代表站點(diǎn)i的貨物需求的期望交付時間，延誤時間di僅在時非零；

38、邏輯約束：

39、表示車輛k只有在被使用時才可以行駛路徑；

40、表示確保貨物和乘客的裝卸過程邏輯合理，使貨物和乘客的流量具有一致性；

41、其中，dj代表站點(diǎn)j的貨物需求量。

42、在一個優(yōu)選實施例中，在所述算法改進(jìn)與求解步驟中，采用k-means聚類算法，獲取各站點(diǎn)的聚類結(jié)果，包括以下步驟：

43、s4.1：采用肘部法則確定最佳聚類數(shù)m，并隨機(jī)挑選m個站點(diǎn)作為初始的聚類中心點(diǎn)；

44、s4.2：計算每個站點(diǎn)到各個聚類中心點(diǎn)的距離，將站點(diǎn)分配給距離最近的簇中心；

45、s4.3：針對每個簇，通過對簇內(nèi)站點(diǎn)求平均坐標(biāo)或加權(quán)平均坐標(biāo)，更新聚類中心點(diǎn)；

46、s4.4：循環(huán)執(zhí)行s4.2和s4.3，直至聚類中心點(diǎn)的位置保持穩(wěn)定，或者迭代次數(shù)達(dá)到了事先設(shè)定的最大迭代值，輸出各站點(diǎn)的聚類結(jié)果。

47、在一個優(yōu)選實施例中，在所述算法改進(jìn)與求解步驟中，采用k-means聚類算法獲取各站點(diǎn)的聚類結(jié)果后，遍歷每一聚類結(jié)果，基于路徑優(yōu)化模型，采用變鄰域算子改進(jìn)nsga-ii與tabu?search的混合優(yōu)化策略進(jìn)行路徑優(yōu)化，包括以下總體步驟：

48、通過多次迭代，找到滿足所有約束條件且運(yùn)輸總成本最低、運(yùn)輸碳排放量最小，乘客以及客戶滿意度最高的最優(yōu)配送路徑，該混合優(yōu)化策略采用兩階段整數(shù)編碼表示車輛的服務(wù)路徑可行解，在解碼過程中依據(jù)染色體信息分割客戶序列給各車輛并檢查需求與容量，再借助構(gòu)建的模型獲取染色體的適應(yīng)度，在多目標(biāo)下進(jìn)行非支配排序所需的各目標(biāo)值計算、快速非支配排序、選擇、交叉、變異生成子群，通過支配關(guān)系劃分非支配等級、計算擁擠度，選擇非支配解排序等級為1的解加入精英解集，調(diào)用鄰域搜索算子結(jié)合tabu?search進(jìn)行變鄰域搜索精英解集內(nèi)的非支配個體以組成新的種群。

49、進(jìn)一步的，采用變鄰域算子改進(jìn)nsga-ii與tabu?search的混合優(yōu)化策略的具體包括以下步驟：

50、s4.5：初始化種群，令gen＝0；其中，使用兩階段整數(shù)編碼作為表示車輛的服務(wù)路徑可行解的方法，染色體的第一部分?jǐn)?shù)字表示表示客貨共享站點(diǎn)的編號序列；第二部分正數(shù)表示車輛服務(wù)客戶數(shù)量，負(fù)數(shù)表示配送中心編號；在解碼過程中，第一步是依據(jù)染色體信息分割客戶序列給各車輛，再檢查每輛車在訪問站點(diǎn)順序中是否滿足需求與容量；第二步借助構(gòu)建的模型對染色體進(jìn)行解碼，獲取染色體的適應(yīng)度f＝f1+f2+f3+f4，其中f1、f2、f3、f4分別為對應(yīng)可行解的總配送成本的倒數(shù)、總碳排放的倒數(shù)、總滯留人數(shù)的倒數(shù)和總延誤時間的倒數(shù)；

51、s4.6：判斷gen是否大于等于最大迭代代數(shù)maxgen，若是，轉(zhuǎn)入s4.15，否則，轉(zhuǎn)入s4.7；

52、s4.7：令gen＝gen+1；

53、s4.8：計算當(dāng)前種群中個體的適應(yīng)度值；在多目標(biāo)下，這里需進(jìn)行非支配排序所需的各目標(biāo)值計算：重新解碼，根據(jù)兩階段編碼的染色體得到每輛車訪問乘客與貨物站點(diǎn)的順序并確認(rèn)是否超出車輛容量或違反時間窗，若不可行則適應(yīng)度標(biāo)記為劣解或大懲罰值；對多目標(biāo)值進(jìn)行評估；

54、s4.9：根據(jù)個體的適應(yīng)度值，進(jìn)行快速非支配排序；

55、s4.10：依次執(zhí)行選擇、交叉、變異生成一代子群；

56、s4.11：通過支配關(guān)系進(jìn)一步劃分非支配等級，識別出在不同目標(biāo)上表現(xiàn)最優(yōu)的個體層級；

57、s4.12：對于每個個體，進(jìn)行擁擠度計算；

58、s4.13：對非支配解排序等級相同的個體進(jìn)行擁擠度由大到小進(jìn)行排序，選擇非支配解排序等級為1的解加入精英解集；

59、s4.14：調(diào)用鄰域搜索算子，結(jié)合tabu?search進(jìn)行變鄰域搜索精英解集內(nèi)的非支配個體，以組成新的種群，轉(zhuǎn)入s4.6；其中，在變領(lǐng)域搜索中，定義若干鄰域，按由小到大的擾動強(qiáng)度進(jìn)行搜索：若在當(dāng)前鄰域成功改進(jìn)任意目標(biāo)，則留在該鄰域深搜，否則切換到更大鄰域，兼顧乘客需求、貨物需求、時間窗、碳排放等多目標(biāo)情況，在改進(jìn)解時，判斷是否使任何目標(biāo)更差或更好，以進(jìn)行選擇或不選擇；在變鄰域搜索的同時，維持tabu表記錄近期的變換操作，防止在相同鄰域內(nèi)反復(fù)回退，若遇到能顯著改進(jìn)某個目標(biāo)的解時，可以進(jìn)行選擇，加速跳出局部極值，兼顧多目標(biāo)協(xié)調(diào)；當(dāng)變領(lǐng)域搜索和tabu搜索結(jié)束后，若新解更優(yōu)或同層次但擁擠度更好，則替換原解，形成經(jīng)局部搜索強(qiáng)化后的精英子群，與其他群體合并，再回到s4.6下一循環(huán)；

60、s4.15：當(dāng)gen≥maxgen或其他停止條件輸出最優(yōu)個體及其對應(yīng)的客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方案。

61、一種基于k-means聚類算法的多重目標(biāo)的物流路徑優(yōu)化系統(tǒng)，上述所述的客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法應(yīng)用于所述系統(tǒng)，包括有數(shù)據(jù)獲取模塊、模型構(gòu)建模塊、客戶聚類模塊、約束條件管理模塊、路徑優(yōu)化模塊以及結(jié)果輸出模塊，各個模塊之間通過數(shù)據(jù)線路依次相連，其中：

62、數(shù)據(jù)獲取模塊，用于獲取站點(diǎn)的地理坐標(biāo)以及各自的客運(yùn)與貨運(yùn)需求信息；

63、模型構(gòu)建模塊，用于構(gòu)建一個以最小化總成本、最小化碳排放成本、最小化乘客滯留成本、最小化貨物延誤成本為多重目標(biāo)的物流路徑優(yōu)化模型；

64、約束條件管理模塊，用于管理并確保所有配送路徑滿足預(yù)定的約束條件；

65、客戶聚類模塊，用于采用k-means聚類算法，獲取各站點(diǎn)的聚類結(jié)果；

66、路徑優(yōu)化模塊，用于遍歷每一所述聚類結(jié)果，基于所述客貨共享車輛協(xié)同低碳運(yùn)行車輛路徑優(yōu)化模型，采用變鄰域算子改進(jìn)nsga-ii與tabu?search的混合優(yōu)化策略，獲取多目標(biāo)車輛路徑優(yōu)化方案；

67、結(jié)果輸出模塊，用于保存并輸出最終的優(yōu)化結(jié)果。

68、一種存儲介質(zhì)，其存儲有用于改進(jìn)nsga-ii算法的多重目標(biāo)車輛路徑優(yōu)化的計算機(jī)程序，其中，所述計算機(jī)程序使得計算機(jī)執(zhí)行上述所述的客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法。

69、一種電子設(shè)備，包括有一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個所述程序被存儲在所述存儲器中，并且被配置成由一個或多個所述處理器執(zhí)行，所述程序包括用于執(zhí)行上述所述的客貨共享車輛協(xié)同低碳運(yùn)行的路徑優(yōu)化方法。

70、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：本發(fā)明通過獲取站點(diǎn)需求信息，構(gòu)建以最小化總成本、碳排放成本、乘客滯留成本和貨物延誤成本為多重目標(biāo)的物流路徑優(yōu)化模型，運(yùn)用k-means聚類算法對站點(diǎn)合理分類，采用變鄰域算子改進(jìn)的nsga-ii與tabusearch結(jié)合的混合優(yōu)化策略，結(jié)合進(jìn)化算法與局部搜索技術(shù)，提高算法收斂速度、增強(qiáng)找到全局最優(yōu)解的可能性，實現(xiàn)降低運(yùn)輸總成本、提升運(yùn)輸時效性、縮短配送時間、減少資源浪費(fèi)、提升用戶滿意度、實現(xiàn)低碳排放，兼顧社會經(jīng)濟(jì)效益與可持續(xù)發(fā)展，為鄉(xiāng)村物流配送難和成本高問題提供有效解決方案。