1.一种车辆路径问题的优化方法,其特征在于,包括如下步骤:
1)根据所要解决的车辆路径问题,建立其数学模型,所述数学模型包括目标、决策变量和约束条件;所述决策变量包括客户序列变量和车型变量,并采用双染色体分别对两种变量进行编码:客户序列变量使用排序编码的方式编码为客户染色体,车型变量使用实数编码的方式编码为车型染色体;所述约束条件包括客户的时间窗约束和多种车型车辆的载重约束;
2)随机生成至少两种车辆配送路径作为初始化种群Pt,并生成精英种群At,精英种群At初始为空;
3)根据初始化种群Pt和精英种群At,得到混合种群;
4)对混合种群进行基于遗传算法的进化操作,得到子代种群OffSringSet;根据子代种群OffSringSet,得到第一临时种群Pt′+1;所述进化操作包括选择操作、交叉操作和变异操作;所述选择操作采用二进制锦标赛选择方式作为选择算子;对客户染色体采用顺序交叉算子和交换突变算子,对车型染色体采用单点交叉算子和单点突变算子;
5)判断当前进化迭代次数与进化迭代终止次数的比值是否大于设定比值,若进化迭代次数与进化迭代终止次数的比值大于设定比值,对第一临时种群Pt′+1进行基于种群中个体间差异来调整种群中个体的进化操作,得到第二临时种群RSD_LSPt′+1,计算第二临时种群RSD_LSPt′+1和第一临时种群Pt′+1中每个个体的适应度值,挑选出较优的个体作为新的初始化种群Pt+1;
6)根据新的初始化种群Pt+1和精英种群At,得到新的精英种群At+1;
7)将新的初始化种群Pt+1和新的精英种群At+1按照步骤3)至步骤6)的方式进行进化迭代,直至进化次数达到进化迭代终止次数,从最终代种群中挑选出最优车辆配送路径。
2.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,步骤5)中,若进化迭代次数与进化迭代终止次数的比值小于等于设定比值,将第一临时种群Pt′+1作为新的初始化种群Pt+1。
3.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,当目标为至少两个目标时,步骤3)包括:从初始化种群中挑选出多个子种群SPi,子种群的数量与目标的数量一致,一个子种群包括以其中一个目标进行挑选得到的前X个最优个体;将多个子种群SPi和精英种群At进行混合,得到所述混合种群;其中,X>1,i=1,2,…,m,m为子种群总个数。
4.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,步骤4)中,还包括对子代种群OffSringSet进行插入搜索操作的步骤。
5.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,步骤6)包括:混合新的初始化种群Pt+1和精英种群At,得到精英临时种群tempEliteSolutionset;从精英临时种群tempEliteSolutionset中挑选出较优的个体作为所述新的精英种群At+1。
6.根据权利要求1或5所述的车辆路径问题的优化方法,其特征在于,步骤5)和步骤6)中,个体的适应度值为:式中,eval(k)为第二临时种群RSD_LSPt′+1或者精英临时种群tempEliteSolutiongset中个体k的适应度值,q(k)为支配k的个体的数量,p(k)为被k所支配的个体的数量,pSize为第二临时种群RSD_LSPt′+1或者精英临时种群tempEliteSolutiongset的大小。
7.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,步骤5)中,所述基于种群中个体间差异来调整种群中个体的进化操作为RSD_LS操作,所述RSD_LS操作指的是:从种群中挑选出两个适应度值不一样的个体,确定这两个个体之间的差异,并根据差异使较差的个体朝着较优的个体进化。
8.根据权利要求1所述的车辆路径问题的优化方法,其特征在于,步骤5)中,所述设定比值为50%。
9.一种车辆路径问题的优化装置,其特征在于,包括存储器和处理器,所述处理器用于执行存储在存储器中的指令以实现如权利要求1~8任一项所述的车辆路径问题的优化方法。