1.一种基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,包括以下步骤:步骤1:建立路径规划数学模型,初始化算法参数;
步骤2:顺序编码,随机生成初始狮群,计算狮群个体初始适应度值,使用帕累托非支配排序机制以及个体拥挤距离来对个体进行排序,确定初始狮王,母狮和幼狮;
步骤3:检测是否有外敌入侵,若有,查看入侵者能否支配当前狮王,能则取代当前狮王,不能则被驱赶;
步骤4:使用狮群传代算子PO和尝试次数maxtrial实现狮群位置更新;
步骤5:使用平衡化算子优化工作负载均衡目标;
步骤6:更新狮群中狮王和其他个体的最佳位置,重新确定狮群个体的身份;
步骤7:判断迭代次数t是否等于算法最大迭代次数T,如果不等于,则t+1,回到步骤3,重复进行步骤3到步骤6,直到t=T,此时记录狮群历史最优个体。
2.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于:所述步骤1建立的建立路径规划数学模型具体为:以及约束函数:
+
w∈[0,m),w∈N
其中G=(V,E)为配送网络;V为节点集,V={0,1,2,......,n},其中0表示配送中心,其余节点表示客户;E为弧集,E={(i,j)|i,j∈V,i≠j};K为车辆集,K={1,2,......,m},即m辆车,对应m位司机,zk为0‑1决策变量,0表示第k辆车因为司机个人原因无法参与配送,令num(∑zk=0)为w,表示无法参与配送的司机数,则实际车辆数为p=m‑w;dij为弧(i,j)的行驶距离;Rk为子路径集,Rk={r1,r2,......,rp},rk表示第k辆车的行驶路径; 为该路径的客户点数; 表示该路径上的第i个客户点;C为配送车辆的最大载重;Qi表示每个客户点的需求量;yik为0‑1决策变量,1表示客户点i由车辆k服务;t表示迭代次数;第一个约束函数表示每辆车服务的客户点总需求量不超过自身载重;第二个约束函数表示车辆集中哪些车参加配送;第三个约束函数表示不能参与配送的车辆数小于车辆总数m,且为正整数;第四个约束函数表示一个客户只能由一辆车提供服务。
3.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于:所述步骤1中初始化算法参数包括算法最大迭代次数T,狮群大小P,狮群成年狮子的占比B,入侵因子lf。
4.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,所述步骤2具体包括:步骤21:对配送路径进行实数编码,然后对狮群初始化;
步骤22:对经过帕累托排序的个体依据各自拥挤距离的大小确定他们的顺序,排在最前面的个体成为狮王,依据狮群成年狮子的占比B的大小确定成年狮子的个数,按照个体排列顺序确定其他个体的身份。
5.根据权利要求4所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,所述步骤21进行实数编码具体为:先生成代表配送中心的0,1~n代表所有需要配送的客户点,随机选择客户点加入,并判断是否满足所述路径规划数学模型的约束条件,不满足则插入0代表当前子路径结束,再开辟一条子路径,重复上述步骤,直到所有客户点都已经加入,最后以0结尾。
6.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,所述步骤3具体包括:步骤31:每一代一开始生成一个随机数r,r∈(0,1),比较r与入侵因子lf的大小,若比它小则代表有外敌入侵,进入步骤32,若比它大则没有入侵,结束步骤31,进入步骤4;
步骤32:通过贪婪插入法生成一个较优个体当作入侵者,它的适应度值若能支配现有狮王则替代狮王,反之被驱赶。
7.根据权利要求6所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,所述步骤32中贪婪插入法具体流程为:* *
步骤321:输入一组可行解R={R1,R2,......,Rm},L←R;
步骤322:RL←L,但在过程中不增加 的子集;
步骤323:RL如不为空,则F←RL为经过帕累托排序和拥挤距离判断后的最优解;如RL为空,则F←L为经过帕累托排序和拥挤距离判断后的最优解;
步骤324:输出F。
8.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,步骤4具体包括:步骤41:采用狮群传代算子PO更新狮群位置,狮群移动策略为:
公式中 表示个体i在t代中的最佳位置,第一个公式表示狮王的位置更新策略,其中tg表示狮群个体在t代中的最优位置;第二个公式表示母狮的位置更新策略,其中 表示母狮中的随机个体m在t代中的最优位置;第三个公式表示幼狮的位置更新策略,其中q为0‑1之间的随机数,q≤1/3表示向狮王方向移动,1/3<q≤2/3则向母狮方向移动,2/3<q≤1表示被驱逐,向着狮群反方向移动;
步骤42:采用尝试次数maxtrial实现狮群位置更新,尝试次数maxtrial公式为:
9.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于:所述步骤5采用三种平衡化算子来优化工作负载均衡目标:平衡化算子1:路径部分节点逆向
选取当前个体的最长路径,产生随机正整数i,j,逆转这两个节点之间的访问顺序;
平衡化算子2:交换双节点
选取当前解的最长路径,产生随机正整数数i,j,交换这两个客户点的访问顺序;
平衡化算子3:移除并插入
从解中选出最长的路径和最短的路径,将最长的路径中对该路径影响最小的客户点移除,插入到最短路径中并产生最小路径增长,移除的客户点满足以下公式:假设移除点为w,加入点的位置表示为:
三种所述平衡化算子操作后的结果需要在满足所述路径规划数学模型的约束条件且新个体能支配旧个体的情况下才会被接受,三种所述平衡化算子随机选择。
10.根据权利要求1所述的基于改进狮群算法的疫情下社区物资车辆路径优化方法,其特征在于,所述步骤7具体为:更新个体i在t代中的最佳位置和狮群个体在t代中的最优位置,计算t除以10的余数是否为0,t为迭代次数,t除以10的余数为0则使用帕累托排序和拥挤距离判断对狮群进行排序,重新确定狮群个体的身份,除以10的余数不为0则不再重新对狮群进行排序。