一种考虑随机需求与时间窗的电动车辆配送路线生成方法与流程

1.本发明涉及车辆路径问题研究技术领域，具体涉及一种考虑随机需求与时间窗的电动车辆配送路线生成方法。


背景技术：

2.日益增长的运输需求给环境带来了巨大的压力，由于电动车辆可以提供零尾气排放，高效率和低噪音的运输服务，所以电动车辆正广泛应用于配送活动中。然而电动车的运营存在一些局限性，例如续航里程有限、公共充电站数量不足、充电时间长。带时间窗的车辆路径问题（vrptw）是配送任务中核心的优化模型，电动车需要及时充电来克服其续航里程有限的缺点，而电动车辆的充电需求很容易造成客户时间窗违例，所以带时间窗的电动车辆路径问题（evrptw）是一个极具挑战性的组合优化问题。同时为了避免电动车在配送过程中出现电量不足的情况，需要准确的估计电动车的剩余电量。在现有的方法中通常假设电动车的能耗与驾驶里程成正比而忽略了车辆负载对能耗的影响。
3.然而在实际的配送过程中，由于客户需求的不确定与电动车容量的限制，通常会导致电动车载负载的不确定。而车辆负载是影响电动车能耗的关键因素，因此在实际配送过程中忽略客户需求的不确定性与车辆负载对电动车能耗的影响制定出的配送路线通常是不可行的。因此如何在需求随机与时间窗的约束下制定出可行且成本较少的配送方案至关重要，同时这也是本发明的新颖性与创造性所在。基于此本发明提出了一种考虑随机需求与时间窗的电动车辆配送路线生成方法，定义了多种移除与插入算子来改进解，同时采用自适应机制来调整算子的得分，能够有效的提高解的收敛速度。通过与现有的方法相比，本专利提出的方法能够更加准确的计算电动车的能耗，同时减少车辆数，降低配送成本。


技术实现要素：

4.本发明针对带时间窗的电动车辆路径问题的巨大复杂性，本发明提供一种考虑随机需求与时间窗的电动车辆配送路线生成方法，来生成电动车辆配送方案，减少企业的配送成本。
5.本发明解决上述技术问题的技术方案如下：本发明实施例提供一种考虑随机需求与时间窗的电动车辆配送路线生成方法，包括以下步骤：步骤1：给定客户信息，充电站信息，车场、客户、充电站间的距离矩阵与客户的需求分布和期望送达时间，定义解s为配送路线的集合，其中每条配送路线为带顺序的客户节点与充电桩节点的集合，定义目标函数为最小化用车数与车辆总耗电量，令n=0，n
ni
=25000，n
sr
=60，n
rr
=2000；步骤2：定义移除操作包含客户节点移除操作、充电桩节点移除操作、路线移除操作，其中客户节点移除操作包括随即移除算子：随机移除解中k个客户节点；目标最小移除算子：移除解中k个客户节点使得目标函数值最小；相似度最高移除算子：移除解中相似度
最高的k个客户；充电桩节点移除操作包括随即移除算子：随机移除解中σ个充电桩；路径最短移除算子：移除解中σ个充电桩使得配送车辆路径最短；充电最多移除算子：移除解中充电次数最多的σ个充电桩；路线移除操作包括随即移除算子：随机移除解中ω条路线；数量最少移除算子：移除解中客户数量小的ω条路线；里程最大移除算子：移除解中里程最长的ω条路线；耗电最多移除算子：移除解中耗电最多的ω条路线；步骤3：定义插入操作包含客户节点插入操作集合、充电桩节点插入操作集合，其中客户节点插入操作包括随机插入算子：随机将客户插入到解中；增量最小插入算子：依次将客户插入到使目标函数增量最小的位置；能耗最小插入算子：依次将客户插入到能耗增加最小的位置；充电桩节点插入操作包括距离最小插入算子：首先找出车辆到达时电量为负的客户，然后在该客户前插入使得距离增加最小的充电站；步骤4：构造初始解s
init
并赋值给当前解s
cur
，最优解s
br
，新解s
new
；步骤5：如果n》n
ni
转步骤14，否则继续；步骤6：如果n除以n
sr
的余数为0，则根据充电桩节点移除操作与充电桩节点插入操作中各算子的评分，通过轮盘赌算法随机选择出一个充电桩节点移除算子与一个充电桩节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
，转步骤9，否则继续；步骤7：如果n除以n
rr
的余数为0，则根据路线移除操作与客户节点插入操作中各算子的评分，通过轮盘赌算法随机选择出一个路线移除算子与一个客户节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
，转步骤9，否则继续；步骤8：根据客户移除操作与客户节点插入操作中各操作的评分，通过轮盘赌算法随机选择出一个客户移除算子与一个客户节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
；步骤9：如果s
temp
不可行，则对s
temp
执行充电桩节点插入操作；步骤10：如果s
temp
的目标函数大于s
br
的目标函数，则对s
temp
进行局部搜索后赋值给s
new
，否则直接将s
temp
赋值给s
new
；步骤11：如果s
new
的目标函数小于s
br
的目标函数，则将s
new
赋值给s
br
；步骤12：如果s
new
的目标函数小于s
cur
的目标函数，则将s
new
赋值给s
cur
，否则以一定概率则将s
new
赋值给s
cur
；步骤13：更新算子评分，令n=n 1，转步骤5；步骤14：输出最优解s
br
。
6.本发明实施例提供一种考虑随机需求与时间窗的电动车辆配送路线生成方法，通过自适应大规模邻域搜索算法进行迭代搜索；采用自适应机制来调整算子的得分，能够有效的提高解的收敛速度；采用本具体实施的方法，生成的电动车辆配送方案能够有效的减少配送所需车辆数，进而降低配送成本。
附图说明
7.图1为本发明实施例一种考虑随机需求与时间窗的电动车辆配送路线生成方法被执行时的流程示意图；图2为本发明实施例初始解构造流程示意图。
具体实施方式
8.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
9.图1为本发明实施例一种考虑随机需求与时间窗的电动车辆配送路线生成方法被执行时的流程示意图，如图1所示，包括以下步骤：步骤1：给定客户信息，充电站信息，车场、客户、充电站间的距离矩阵与客户的需求分布和期望送达时间，定义解s为配送路线的集合，其中每条配送路线为带顺序的客户节点与充电桩节点的集合，定义目标函数为最小化用车数与车辆总耗电量，令n=0，n
ni
=25000，n
sr
=60，n
rr
=2000；步骤2：定义移除操作包含客户节点移除操作、充电桩节点移除操作、路线移除操作，其中客户节点移除操作包括随即移除算子：随机移除解中k个客户节点；目标最小移除算子：移除解中k个客户节点使得目标函数值最小；相似度最高移除算子：移除解中相似度最高的k个客户；充电桩节点移除操作包括随即移除算子：随机移除解中σ个充电桩；路径最短移除算子：移除解中σ个充电桩使得配送车辆路径最短；充电最多移除算子：移除解中充电次数最多的σ个充电桩；路线移除操作包括随即移除算子：随机移除解中ω条路线；数量最少移除算子：移除解中客户数量小的ω条路线；里程最大移除算子：移除解中里程最长的ω条路线；耗电最多移除算子：移除解中耗电最多的ω条路线；步骤3：定义插入操作包含客户节点插入操作集合、充电桩节点插入操作集合，其中客户节点插入操作包括随机插入算子：随机将客户插入到解中；增量最小插入算子：依次将客户插入到使目标函数增量最小的位置；能耗最小插入算子：依次将客户插入到能耗增加最小的位置；充电桩节点插入操作包括距离最小插入算子：首先找出车辆到达时电量为负的客户，然后在该客户前插入使得距离增加最小的充电站；步骤4：构造初始解s
init
并赋值给当前解s
cur
，最优解s
br
，新解s
new
；步骤5：如果n》n
ni
转步骤14，否则继续；步骤6：如果n除以n
sr
的余数为0，则根据充电桩节点移除操作与充电桩节点插入操作中各算子的评分，通过轮盘赌算法随机选择出一个充电桩节点移除算子与一个充电桩节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
，转步骤9，否则继续；步骤7：如果n除以n
rr
的余数为0，则根据路线移除操作与客户节点插入操作中各算子的评分，通过轮盘赌算法随机选择出一个路线移除算子与一个客户节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
，转步骤9，否则继续；步骤8：根据客户移除操作与客户节点插入操作中各操作的评分，通过轮盘赌算法随机选择出一个客户移除算子与一个客户节点插入算子，根据选择出来的算子更新s
cur
得到临时解s
temp
；步骤9：如果s
temp
不可行，则对s
temp
执行充电桩节点插入操作；步骤10：如果s
temp
的目标函数大于s
br
的目标函数，则对s
temp
进行局部搜索后赋值给s
new
，否则直接将s
temp
赋值给s
new
；步骤11：如果s
new
的目标函数小于s
br
的目标函数，则将s
new
赋值给s
br
；步骤12：如果s
new
的目标函数小于s
cur
的目标函数，则将s
new
赋值给s
cur
，否则以一定概率则将s
new
赋值给s
cur
；
步骤13：更新算子评分，令n=n 1，转步骤5；步骤14：输出最优解s
br
。
10.具体的，步骤1中的目标函数的数学表达式为具体的，步骤1中的目标函数的数学表达式为，即最小化使用的车辆数和最小化所有车辆的耗电成本，式中x
ij
为二值决策变量，当车辆访问弧(i,j)时取1，否则取0，x
0j
代表车辆的出场弧，0节点代表车场，c
ij
(q)代表当客户需求为q时车辆通过弧(i,j)∈a时的耗电量，cf与ce分别代表单位用车成本与单位耗电成本。步骤9中判断解是否可行的标准包括：（1）解中每条线路的总运输需求不能够超过车辆容量；（2）能够满足所有客户节点的时间窗要求，即到达客户节点的时间在乘客可接受范围内；（3）不违背车辆的电量上限，即不会出现电动车电量低于最小值的情况。步骤9中s
temp
在插入客户节点后有可能违背了电量上限，因此需要通过执行充电桩节点插入操作来使其可行。
11.图2为本发明实施例初始解构造流程示意图，如图2所示，包括以下步骤：步骤41：初始化未分配客户集合cr为所有客户节点的集合，初始解s
init
为空；步骤42：选择距离车场的最远的一个客户，将其从cr中移除，并为其分配条新线路k；步骤43：判断集合cr是否为空，如果为空转步骤47；步骤44：在集合cr中选择一个使当前线路的成本增加最小的客户节点ci；步骤45：判断ci插入k后是否满足时间窗与容量约束，如果可以则将c
i 插入k，并将其从cr中移除，否则将线路k插入到s
init
，并为c
i 分配一条新线路k=k 1，转步骤43；步骤46：判断当前线路是否需要充电，如果不需要充电则转步骤43，否则在k中插入充电桩节点，转步骤43；步骤47：输出初始解s
init
。
12.具体的，步骤45中时间窗与容量约束分别指的是：（1）客户节点ci插入线路k后，车辆到达ci的时间不能够早于客户ci要求的最早送达时间，也不能够晚于客户ci要求的最晚送达时间；（2）客户节点ci插入线路k后，该线路上所有客户的最大需求，不能够超过电动车的容量。该方法是一个启发式方法，能够为算法提供一个可行的初始解。
13.仿真结果及分析为了验证本具体实施方法的有效性，本节在确定需求且考虑能耗模型的e-vrptw问题上进行实验，实验算例选择规模为100的测试案例。每个测试案例采用相同的算法参数下运行10次，优先取对应车辆数少的解。本专利所提出方法与现有方法的对比结果见表1。表中的m
ic
代表传统燃油车的数量，me代表电动车的数量，fd代表总的行驶里程，单位为千米。
14.表1 针对规模为100的案例本具体实施方法与已有方法对比简表
由表1可见，相比于传统方法给出的解，本具体实施方法的解采用更少的车辆数，但是由于电动车充电的需求，造成解的总里程更多。
15.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
16.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
17.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。