1.一种多仓库配送任务的路径规划方法,其特征在于,所述路径规划方法,应用于由M个仓库、N个具有配送时间限制的任务节点和K辆具有容量限制的无差别车辆所构成的车辆配送任务中;所述路径规划方法包括以下步骤:将反映车辆行驶路径成本的旅行成本、反映库存成本的仓库库存总和以及车辆配送任务模型的鲁棒性作为目标函数;将每个客户只分配给一个仓库、每个客户只接受一次配送服务、每辆车不能从一个仓库行驶到另一个仓库、分配到不同仓库的客户不能得到同一辆车的配送服务、每辆车配送路线的初始地点和结束地点需在同一个仓库以及消除子路线作为约束条件,以构建能够生成多个路径规划方案的车辆配送任务模型并将车辆配送任务模型作为双层优化模型的上层模型;
通过模拟退火方式从上层模型随机生成的多个路径规划方案的旅行成本中选择最小的旅行成本,获得最小旅行成本对应的路径规划方案,以构建双层优化模型的下层模型;
将根据双层优化模型获得的多个路径规划方案作为模拟退火遗传算法的初始种群,来训练克里金模型,获得用于描述客户分配关系和路径距离相关性的路径距离拟合模型,并将路径距离拟合模型作为代理模型;
对作为初始种群的多个路径规划方案进行交叉变异生成子代,并将子代输入代理模型对子代进行评估;根据评估结果,使用非支配排序获取非支配等级最高的解并通过局部搜索方法与模拟退火方法获得新的子代;使用新的子代重新训练代理模型以更新代理模型并通过环境选择策略更新父代;在满足终止条件时停止模拟退火遗传算法,将新的子代作为最优规划路径;
所述鲁棒性为:
。
2.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述通过模拟退火方式从上层模型随机生成的多个路径规划方案的旅行成本中选择最小的旅行成本,具体步骤包括:随机生成符合目标函数和约束条件的多个路径规划方案;
获取初始种群的第一目标函数、第二目标函数和第三目标函数的求解结果;
设计模拟退火方法,包括:初始温度设为1000摄氏度,停止温度设为1摄氏度,退火速率设为0.999摄氏度/秒;
使用模拟退火方法对第一目标函数、第二目标函数和第三目标函数的求解结果进行处理以获取最终解;
其中,所述模拟退火的迭代过程中,使用重插入、Swap交换或2-Opt两交换优化的局部搜索启发式算法产生子代,在子代与最终解中选出适合目标函数的值更新最终解。
3.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述获得用于描述客户分配关系和路径距离相关性的路径距离拟合模型,并将路径距离拟合模型作为代理模型,具体步骤包括:根据作为初始种群的多个路径规划方案,提取每个方案的两个特征参数;其中,所述两个特征参数为客户到仓库的平均距离以及客户分配方案的聚合度;
根据两个特征参数训练克里金模型,获得代理模型。
4.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述对作为初始种群的多个路径规划方案进行交叉变异生成子代,具体步骤包括:根据作为初始种群的多个路径规划方案,利用二元锦标赛方法生成一个大小为的交配池;其中,交配池中为最小旅行成本、最大仓库库存的总和以及最大鲁棒性对应的路径规划方案;
从交配池中选两个个体作为父代和,生成交叉概率;
若小于,则:随机选择仓库,选择和的第d个仓库的所属路由和,删除中与和中与重复的客户节点,合并和作为新路由并替换中路由和中路由以生成子代和;是0至1的随机数;
若大于等于,则:随机选择每个父代解中不属于同一仓库的两个客户节点和,交换两个客户生成子代;
对子代的仓库库存总和进行调整,当仓库库存总和小于实际总需求时,调整仓库库存总和至实际总需求;当仓库库存总和大于实际总需求时,根据仓库库存总和与实际总需求的差值的固定百分比,调整仓库库存总和。
5.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述使用新的子代重新训练代理模型以更新代理模型,具体步骤包括:将真实目标值作为子代解集,从子代解集中选择个体分配给代理模型,并将子代解集加入到用于存放固定数量解的存档中;
当存档的解的个数小于代理模型存档的最大存档个数,则重新训练代理模型以更新代理模型;
否则,从存档中选择最大存档个数对应数量的解,并根据选择的解对应的目标函数值,选择最优的目标函数值对应的解作为Leader;
根据真实目标值和预测误差进行非支配排序和拥挤度获取,选择结果的前两个层级的结果作为精英解;
获取每个精英解与Leader的两个特征参数之间的欧式距离;若欧式距离小于40,获取下个精英解;否则,向精英解的存档中添加存档与精英解之间欧式距离小于40的精英解;若中的解的个数大于30,则使用训练代理模型,并从中除去训练使用的解,更新代理模型;若以上条件都不满足,则仅更新代理模型。
6.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述通过环境选择策略更新父代,具体步骤包括:将子代和父代进行合并获得合并多个路径规划方案;
根据合并多路径规划方案获得上层模型的三个目标函数的值;
根据三个目标函数的值,使用非支配排序和拥挤度获得解;
选择符合需求的解对应的路径规划方案作为新的父代。
7.如权利要求1所述的一种多仓库配送任务的路径规划方法,其特征在于,所述在满足终止条件时停止模拟退火遗传算法,具体步骤包括:采用基于熵的终止条件的方法获取种群的多样性;
根据种群的多样性变化程度,当多样性变化程度在连续三代的遗传算法中小于0.001时,停止算法迭代,否则返回至对父代进行交叉变异的操作继续进行迭代。
8.一种多仓库配送任务的路径规划系统,其特征在于,包括:
上层模型构建模块,用于将反映车辆行驶路径成本的旅行成本、反映库存成本的仓库库存总和以及车辆配送任务模型的鲁棒性作为目标函数;将每个客户只分配给一个仓库、每个客户只接受一次配送服务、每辆车不能从一个仓库行驶到另一个仓库、分配到不同仓库的客户不能得到同一辆车的配送服务、每辆车配送路线的初始地点和结束地点需在同一个仓库以及消除子路线作为约束条件,以构建能够生成多个路径规划方案的车辆配送任务模型并将车辆配送任务模型作为双层优化模型的上层模型;
下层模型构建模块,用于通过模拟退火方式从上层模型随机生成的多个路径规划方案的旅行成本中选择最小的旅行成本,获得最小旅行成本对应的路径规划方案,以构建双层优化模型的下层模型;
双层优化模型优化模块,用于将根据双层优化模型获得的多个路径规划方案作为模拟退火遗传算法的初始种群,来训练克里金模型,获得用于描述客户分配关系和路径距离相关性的路径距离拟合模型,并将路径距离拟合模型作为代理模型;对作为初始种群的多个路径规划方案进行交叉变异生成子代,并将子代输入代理模型对子代进行评估;根据评估结果,使用非支配排序获取非支配等级最高的解并通过局部搜索方法与模拟退火方法获得新的子代;使用新的子代重新训练代理模型以更新代理模型并通过环境选择策略更新父代;在满足终止条件时停止模拟退火遗传算法,将新的子代作为最优规划路径;
所述鲁棒性为:
。