一种汽车物流路线分配调度方法与流程

本发明属于物流路线规划，具体涉及一种汽车物流路线分配调度方法。

背景技术：

1、物流是指物品从产地到消费地的有效流动和存储过程，它涉及到计划、实施和控制产品的有效流动和存储，以满足消费者的需求。物流是供应链管理的一个关键组成部分，其目标是实现货物、服务以及相关信息在正确的时间、正确的地点以最低的成本达到最佳的效果。随着经济的快速发展，汽车物流行业面临着巨大的挑战。传统的物流路线分配调度方法往往依赖于人工经验，存在效率低下、成本较高等问题。因此，研究一种高效的汽车物流路线分配调度方法具有重要的现实意义。

技术实现思路

1、本发明提供一种汽车物流路线分配调度方法，用以解决现有技术依赖人工经验进行物流规划，导致的效率低下以及成本较高的问题。

2、一种汽车物流路线分配调度方法，包括：

3、确定多个目标物流节点，针对每个目标物流节点，为其在取值区间内随机生成一个值；

4、将所有目标物流节点对应的值组成一个向量，得到目标物流节点对应的取值向量，并获取多个不同的取值向量；

5、采用物流路线分配调度优化算法对多个不同的取值向量进行优化，以确定最优取值向量；

6、对所述最优取值向量进行解码，得到多个目标物流节点对应的调度路线，并以所述调度路线对汽车物流进行调度。

7、进一步地，确定多个目标物流节点，针对每个目标物流节点，为其在取值区间内随机生成一个值，包括：

8、获取工作人员通过人机交互输入的多个目标物流节点；

9、确定取值区间为（0,1），并在（0,1）之间为每个目标物流节点随机生成一个值。

10、进一步地，将所有目标物流节点对应的值组成一个向量，得到目标物流节点对应的取值向量，并获取多个不同的取值向量，包括：

11、针对所有目标物流节点，使目标物流节点对应的元素在向量中的位置固定，并将目标物流节点对应的值放入对应的位置中，得到目标物流节点对应的取值向量，并获取多个不同的取值向量。

12、进一步地，采用物流路线分配调度优化算法对多个不同的取值向量进行优化，以确定最优取值向量，包括：

13、设置优化计数器t=1以及最大优化次数t；

14、采用运输时间以及运输成本构建适应度函数，根据所述适应度函数获取每个取值向量对应的适应度值，并根据取值向量对应的适应度值，获取最优取值向量；

15、根据所述最优取值向量，采用多空间搜索策略对取值向量进行扩展搜索，以扩展搜索范围，得到扩展搜索之后的取值向量；

16、针对扩展搜索之后的取值向量，采用混沌映射搜索策略对取值向量进行空间遍历性搜索，得到空间遍历性搜索之后的取值向量；

17、针对空间遍历性搜索之后的取值向量，采用随机飞行搜索策略对取值向量进行随机飞行搜索，得到随机飞行搜索之后的取值向量；

18、针对随机飞行搜索之后的取值向量，采用自适应权重搜索策略对取值向量进行自适应精细搜索，得到自适应精细搜索之后的取值向量；

19、判断优化计数器t的计数值是否等于或大于最大优化次数t，若是，则根据自适应精细搜索之后的取值向量，重新获取最优取值向量并输出，否则返回进行扩展搜索的步骤。

20、进一步地，采用运输时间以及运输成本构建适应度函数，根据所述适应度函数获取每个取值向量对应的适应度值，并根据取值向量对应的适应度值，获取最优取值向量，包括：

21、将取值向量对应的运输时间取倒数，得到第一倒数项；将取值向量对应的运输成本取倒数，得到第二倒数项，并将第一倒数项与第二倒数项相加，得到适应度函数；其中，适应度函数越大则预示着取值向量越优；

22、针对任意一个取值向量，将取值向量中目标物流节点按照值从小到大的顺序排列，得到目标物流节点序列；

23、当不需要回到汽车出点节点时，则将汽车出点节点添加至目标物流节点序列最前面，得到汽车物流路径；

24、当需要回到汽车出点节点时，则将汽车出点节点添加至目标物流节点序列最前面以及最后面，得到汽车物流路径；

25、获取汽车物流路径对应的目标运输时间以及目标运输成本，并根据适应度函数、目标运输时间以及目标运输成本，确定取值向量对应的适应度值；

26、获取所有取值向量对应的适应度值，根据所有取值向量对应的适应度值，获取最优取值向量。

27、进一步地，根据所述最优取值向量，采用多空间搜索策略对取值向量进行扩展搜索，以扩展搜索范围，得到扩展搜索之后的取值向量，包括：

28、针对任意一个取值向量，确定取值向量与最优取值向量之间的每个维度距离为：；其中，表示第 t次优化过程中第 i个取值向量的第 d维值与最优取值向量的第 d维值之间的第一搜索距离；表示第 t次优化过程中最优取值向量的第 d维值，表示第 t次优化过程中第 i个取值向量的第 d维值， i=1,2,...,i，i表示取值向量的总数， d=1,2,...,d，d表示目标物流节点的总数；

29、以所述第一搜索距离为基础，确定第二搜索距离以及第三搜索距离为：=*，=*；其中，表示第二搜索距离，表示第三搜索距离，表示（0,1）之间的第一随机数，表示（0,1）之间的第二随机数；

30、确定随机的第一搜索角度以及第二搜索角度为：，；其中，表示第一搜索角度，表示第二搜索角度，表示（0,1）之间的第三随机数，表示（0,1）之间的第四随机数，表示圆周率；

31、根据所述第一搜索距离、第二搜索距离、第三搜索距离、第一搜索角度以及第二搜索角度，确定第一空间搜索因子以及第二空间搜索因子为：，；其中，表示第一空间搜索因子，表示第二空间搜索因子；

32、根据所述第一空间搜索因子以及第二空间搜索因子，对取值向量进行扩展搜索，得到扩展搜索之后的取值向量为：；其中，表示第 i个扩展搜索之后的取值向量的第 d维值，表示（0,1）之间的第五随机数，表示（0,1）之间的第六随机数。

33、进一步地，针对扩展搜索之后的取值向量，采用混沌映射搜索策略对取值向量进行空间遍历性搜索，得到空间遍历性搜索之后的取值向量，包括：

34、确定混沌映射因子为：；其中，表示第 t+1次优化过程中的混沌映射因子，表示第 t次优化过程中的混沌映射因子， mod表示求余函数，表示第一常数项，且 b=0.2； c表示第二常数项，且 c=0.5；表示圆周率；

35、根据当前优化次数，确定非线性混沌搜索控制因子为：；其中， r表示非线性混沌搜索控制因子， q表示第三常数项，且 q=2； e表示自然常数，t表示最大优化次数；

36、针对扩展搜索之后的取值向量，根据所述混沌映射因子以及非线性混沌搜索控制因子 r，对取值向量进行空间遍历性搜索，得到空间遍历性搜索之后的取值向量为：；其中，表示第 t次优化过程中第 k个扩展搜索之后的取值向量的第 d维值， k=1,2,...,i，i表示取值向量的总数，表示第 k个空间遍历性搜索之后的取值向量的第 d维值，表示第 t次优化过程中最优取值向量的第 d维值，cos表示余弦函数，表示（0,2）之间的随机角度。

37、进一步地，针对空间遍历性搜索之后的取值向量，采用随机飞行搜索策略对取值向量进行随机飞行搜索，得到随机飞行搜索之后的取值向量，包括：

38、针对任意一个空间遍历性搜索之后的取值向量，采用莱维飞行策略生成一个对应的随机飞行向量；

39、根据所述随机飞行向量，对取值向量进行随机飞行搜索，得到随机飞行搜索之后的取值向量为：+||*；其中，表示第 t次优化过程中第 m个空间遍历性搜索之后的取值向量的第 d维值，表示第 m个随机飞行搜索之后的取值向量的第 d维值， m=1,2,...,i，i表示取值向量的总数，表示随机飞行向量的第 d维值，表示（0,1）之间的第七随机数，cos表示余弦函数，表示圆周率。

40、进一步地，针对随机飞行搜索之后的取值向量，采用自适应权重搜索策略对取值向量进行自适应精细搜索，得到自适应精细搜索之后的取值向量，包括：

41、根据当前优化次数，确定自适应权重为：；其中，表示第 t次优化过程中的自适应权重，sin表示正弦函数，表示圆周率，表示最大优化次数；

42、根据所述自适应权重，对取值向量进行自适应精细搜索，得到自适应精细搜索之后的取值向量为：；其中，表示第 t次优化过程中第 n个随机飞行搜索之后的取值向量的第 d维值，表示第 n个自适应精细搜索之后的取值向量的第 d维值，表示非线性混沌搜索控制因子，表示第 t次优化过程中最优取值向量的第 d维值， n=1,2,...,i，i表示取值向量的总数，表示（0,1）之间的第八随机数，表示（0,1）之间的第九随机数。

43、进一步地，对所述最优取值向量进行解码，得到多个目标物流节点对应的调度路线，并以所述调度路线对汽车物流进行调度，包括：

44、将最优取值向量中目标物流节点按照值从小到大的顺序排列，得到最优目标物流节点序列；

45、当不需要回到汽车出点节点时，则将汽车出点节点添加至最优目标物流节点序列最前面，得到多个目标物流节点对应的调度路线；

46、当需要回到汽车出点节点时，则将汽车出点节点添加至最优目标物流节点序列最前面以及最后面，得到多个目标物流节点对应的调度路线；

47、以所述调度路线对汽车物流进行调度。

48、本发明提供的一种汽车物流路线分配调度方法，通过提供一种新的编码方法将路线规划问题转换为一个连续可求解问题，能够有效地提升汽车物流路线分配调度的求解效率，并且提供了一种物流路线分配调度优化算法，能够快速对编码获取的向量进行求解，从而确定最优的调度路线，相比于现有技术，具有更高的汽车物流路线分配调度效率，能够有效地节约运输成本以及运输时间。