专利名称：基于负载均衡和lk算法的车辆路径规划方法
技术领域：
本发明属于计算机应用技术领域，涉及车辆路径规划，具体地说是一种利用计算 机软件进行车辆路径规划的方法，用于物流配送业务中的车辆路径规划。
背景技术：
车辆路径规划是物流配送的核心环节。车辆路径规划的性能好坏直接影响物流配 送的效率，对车辆路径进行有效规划可以提高物流经济效益、实现物流科学化和高效化。它 在现实生产和生活中具有广泛的应用，例如邮政投递、飞机、铁路车辆、水运船舶及公共汽 车的路径规划、管道铺设、计算机网络拓扑设计等都属于车辆路径规划的范畴，因此研究车 辆路径规划具有重要意义。车辆路径规划可以简单表述为一个供应中心用M辆运输车向N个用户配送物资， 要求在给定的运输网络中合理安排每辆车的服务对象和行车路线，即确定哪些用户该由何 车辆、按何顺序、在何时运送，使得用户的需求得到满足的前提下，达到如路程最短、成本最 小、耗费时间最少等目的。总的来说，车辆路径的规划就是在满足用户需求且路程最短、成本最小或者耗费 时间最短的约束条件下，如何获得最佳的车辆路径规划方案。因为车辆路径规划方案的性 能好坏直接影响运输效率的优劣，因此恰当的车辆路径规划方法，可以为用户提供合理的 规划方案，从而加快对用户需求的响应速度，提高服务质量，增强用户对物流环节的满意度。目前，对车辆路径规划主要包括精确方法，经典启发式方法和元启发式方法。精 确方法是早期求解车辆路径规划的主要方法，包括分支定界法，剪枝法，K度中心树法，动 态规划法，集合覆盖法等。这类方法是基于数学规划和网络最大流和最小流的思想，用这类 方法求解车辆路径规划很困难，甚至不能求得路径规划方案，即使能求得，也只能处理小规 模的车辆路径规划。经典启发式方法主要包括以节约算法和插入法为代表的构造类算法， 以扫描法和Petal法为代表的两阶段法和基于边交换的改进类算法。这类方法由于加入了 启发式信息，并借助机器学习的思想，因此可以在较短的时间内获得可行的路径规划方案， 但是这类方法的缺点是易陷入局部最优，求得的路径规划方案较差，尤其对于规模大复杂 度高的车辆路径规划，用这类方法获得的路径规划方案无法满足要求。元启发式方法是目 前广泛研究的一类方法，主要包括禁忌搜索算法，模拟退火算法，遗传算法，蚁群算法，粒 子群算法等。这类方法主要基于计算智能的思想，因此具有较好的全局搜索能力，对于规模 大复杂度高的车辆路径规划虽然能够获得高质量的路径规划，但是由于这类方法的搜索过 程具有随机性，因此求取速度慢。
发明内容
本发明的目的在于克服上述已有方法的不足，提出一种基于负载均衡和 Lin-Kernighan(LK)算法的车辆路径规划方法，以提高车辆路径规划的质量和效率，满足复杂度高的大规模车辆路径规划要求。实现本发明目的的技术方案是先利用需求结点地理位置的启发式信息，兼顾负 载均衡，确定每辆运输车辆的服务对象，对运输任务进行划分；再利用高效率高性能的LK 算法优化各个车辆的运送路径，具体步骤包括如下(1)将车辆、场地、任务数据输入到计算机中，利用计算机对三者建立车辆路径规 划模型，其中场地包括供应节点和需求节点；(2)用K均值聚类算法对需求节点按照地理位置进行聚类，得到初始任务划分方 案D = (D1, D2, LDJ，Di为第i类划分的需求节点集合，i = 1,2,...η,η为聚类的类别数， 即运输车辆的个数；(3)对初始任务划分方案D = (D1, D2, LDJ进行如下调整，得到调整后的任务划分 方案D' = {D' i;D' 2，LD' J (3a)计算在当前任务划分方案D = (D1, D2, L Dj的前提下每个划分的运输任务 负载，记为Q = IQ1, Q2, LQJ，&为Di的任务负载，(i = 1,2,...η)；求集合Q的方差dQ，若 dQ保持10次迭代不降低，则停止，令D' =D，相应的D' iZDiG = ^，...!!)，输出当前 任务划分即调整后的任务划分方案D' = {D' 1 D' 2,LD' J ；否则转3b)继续迭代；(3b)令& = max (Q1, Q2, LQj (i = 1，2，Ln)，对应的第i个划分Di的运输任务为 Di = W1, d2，LdJ，s为第i辆车辆要到达的需求节点数，Cli为Di中的各需求节点(i = 1， 2，... η)，记任务划分集合D中各类的聚类中心为M = {mi，叫，LmJ，Hii为Di的聚类中心(i =^,...nhc^SDi中的第j个需求点d」(j = 1,2, Ls)和M中第q个聚类中心m, (q = 1，2 · · · η)之间的距离，计算cP = mm\d]q-d]1\ (V/' = l,...,s,/i,q =，将 Di 中的第 j 个需求点…迁移到第q个划分Dtl中，更新当前划分D ；(3c)重新计算第i个划分和第q个划分的聚类中心Hii和m,，返回步骤(3a)；(4)将D' = (D1 ‘，D' 2，LD' n}中D' i的运输任务分配给第i辆车辆(i = 1， 2，...η)，对各个车辆，将D' i与供应节点合并，构成节点集合=Ci = D' iU {0}(i = l, 2，... η)，{0}为供应节点；用LK算法求解每个节点集合Ci (i = 1，2，... η)的最优TSP路 径，得到每辆车辆的运输路径；(5)计算机将最终路径规划方案传输到车辆。本发明与现有技术相比具有以下优点1.质量高，尤其对大规模车辆路径规划更能体现其优势本发明由于采用了先聚类再优化的策略，而且既考虑了地点聚集性，又考虑了各 个车辆的运输负载均衡，因此在车辆路径规划时更能平衡好各项因素，同时由于本发明在 求取各个车辆的运输路径时采用了目前求解大规模TSP性能最突出的启发式算法LK算法， 因此提高了规模大复杂度高的车辆路径规划的质量。2.效率高，尤其对大规模车辆路径规划更能体现其优势本发明由于在K均值聚类的基础上，考虑各个车辆的运输负载均衡，对车辆的运 输任务进行调整，使得各个车辆的运输任务尽可能均衡，从而使得各个车辆的路径规划复 杂度相当，因此可以最大程度地提高车辆路径规划的效率；同时由于本发明采用了目前求 解大规模TSP效率最突出的启发式算法LK对各个车辆的运送路径进行优化，因此提高了规 模大复杂度高的车辆路径规划的效率。
图1是本发明的流程图；图2是本发明与现有TH、IRA方法在均勻分布模型实例下的视觉效果对比图；图3是本发明与现有TH、IRA方法在混合高斯模型实例下的视觉效果对比图；图4是本发明在大规模均勻分布模型实例下的视觉效果图；图5是本发明在大规模混合高斯模型实例下的视觉效果图。
具体实施例方式参照图1，本发明的具体实施过程如下步骤1，将车辆、场地、任务数据输入到计算机中，利用计算机对三者建模，得到车 辆路径规划模型，其中场地包括供应节点和需求节点。假设不考虑车辆在每个需求节点的卸货时间的差异；假设车辆勻速行驶，不考虑 天气和路况的影响；每个需求节点对物资需求的紧迫程度相同；约束条件为派出车辆数目的不能超过车辆总数；每辆车从仓库出发完成运输任 务后返回仓库一次；每个需求节点仅能被访问一次；车辆卸货后必须离开，不能停留在需 求节点；所有的车辆在0时刻被派出；供应点输出的物资总量不能超过可供应量；各个车辆 的运送总量不超过其最大载货量。建立的车辆路径规划模型，表示如下
权利要求
1.一种基于负载均衡和LK算法的车辆路径规划方法，包括如下步骤(1)将车辆、场地、任务数据输入到计算机中，利用计算机对三者建立车辆路径规划模 型，其中场地包括供应节点和需求节点；(2)用K均值聚类算法对需求节点按照地理位置进行聚类，得到初始任务划分方案D =ID1, D2, LDJ，Di为第i类划分的需求节点集合，i = 1,2,...η,η为聚类的类别数，即运 输车辆的个数；(3)对初始任务划分方案D=(D1,D2,LDJ进行如下调整，得到调整后的任务划分方案 D' = {D' 1； D' 2，LD' J (3a)计算在当前任务划分方案D = (D1, D2, LDJ的前提下每个划分的运输任务负载， 记为Q = IQ1, Q2, LQJ，&为Di的任务负载(i = 1，2，Ln)；求集合Q的方差dQ，若dQ保持 10次迭代不降低，则停止，令D' =D，相应的D' i = DiG = 1，2，Ln)，输出当前任务划分 即调整后的任务划分方案D' = {D' 1 D' 2,LD' J ；否则转步骤(3b)继续迭代；(3b)令仏=max (Q1, Q2, LQj (i = 1,2, Ln)，对应的第i个划分Di的运输任务为Di =Id1, d2，LdJ, s为第i辆车辆要到达的需求节点数，CliSDi中的各需求节点(i = 1， 2，... η)，记任务划分集合D中各类的聚类中心为M = {mi，叫，LmJ，Hii为Di的聚类中心(i =^,...nhc^SDi中的第j个需求点d」(j = 1,2, Ls)和M中第q个聚类中心m, (q = 1，2 · · · η)之间的距离，计算(P =min|f -叫(yj = l,...,Syi,q = l,...,n,q^i) ,^fDi 中的第 j个需求点Cli迁移到第q个划分Dtl中，更新当前划分D ；(3c)重新计算第i个划分和第q个划分的聚类中心Hii和πν返回步骤(3a)；(4)将D'= {D' 1； D' 2, LD' }中0' i的运输任务分配给第i辆车辆(i = l，2， Ln)，对各个车辆，将D' i与供应节点合并，构成节点集合Ci = D' ,U {0}(i = l,2,Ln), {0}为供应节点；用LK算法求解每个节点集合Ci (i = 1,2, Ln)的最优TSP路径，得到每辆 车辆的运输路径；(5)计算机将最终路径规划方案传输到车辆。
2.根据权利要求1所述的车辆路径规划方法，其中步骤(1)所述的车辆路径规划模型， 表示如下
3.根据权利要求1所述的车辆路径规划方法，其中步骤( 所述的利用K均值聚类算 法对需求节点按照地理位置进行聚类，按如下步骤进行(2a)从需求节点集合中任意选择η个节点作为初始聚类中心，η为车辆个数； (2b)根据各聚类中心，计算每个需求节点与这些各个聚类中心的距离，并根据最小距 离重新对需求节点进行划分；(2c)若聚类的各类集合不再发生变化，停止划分，输出聚类结果，得到初始任务划分方 案D= {D1; D2, LDJ，否则，重新计算各类聚类中心，返回步骤(2b) 0
4.根据权利要求1所述的车辆路径规划方法，其中步骤(4)所述的用LK算法求解每个 节点集合Ci (i = 1，2，Ln)的最优TSP路径，按如下步骤进行 (4a)对集合Ci随机产生一条初始路径T ； (4b)令计数器ρ = 1 ；(4c)在第 j 步中选择 \ = (t2p_i; t2p) e T 与力=(t2p,t2p+l) Γ，用 yi，y2，· · ·，yp 代替X1, X2, ... , x;p,其中x;p表示需求节点、时禾口需求节点、ρ之间的边，yp表示需求节点、ρ禾口 需求节点t2p+1之间的边；(4d)如果路径没有得到改善，根据停止规则，转到步骤Ge)；否则ρ = p+1，返回步骤 (4c)；(4e)如果在第k步路径得到了最好的改善，令ρ = k，进行k-opt交换，然后再随机产 生一条新的初始路径，返回步骤Gb)；否则，执行步骤Gf)； (4f)停止并输出路径。
全文摘要
本发明公开了一种基于负载均衡和LK算法的车辆路径规划方法，主要解决现有技术对大规模车辆路径规划的求取质量差及效率低等问题。该方法的实现步骤为1.将车辆、场地、任务数据输入到计算机中，利用计算机对三者建模，得到车辆路径规划模型；2.对需求节点按照地理位置进行K均值聚类，得到初始任务划分方案；3.考虑初始任务划分方案中各个任务划分的负载均衡对初始任务划分方案进行调整，得到调整后的任务划分方案；4.将调整后的任务划分方案中的各运输任务分配给各车辆，并采用LK算法求取各车辆的最优运输路径；5.计算机将最终路径规划方案传输到车辆。本发明与现有技术相比，具有质量高和效率高的优点，可用于解决实际应用中的车辆路径规划。
文档编号G06Q50/00GK102136104SQ20111006832
公开日2011年7月27日 申请日期2011年3月22日 优先权日2011年3月22日
发明者公茂果, 刘美云, 刘芳, 吴建设, 尚荣华, 戚玉涛, 李阳阳, 焦李成, 郝红侠, 马文萍 申请人:西安电子科技大学