1.基于精英驱动粒子群算法的快递配送路线优化方法,其特征在于,步骤如下:
步骤1、设置快递端参数,所述快递端参数包括集散点信息、配送点信息、快递内容信息和运输工具;
步骤2、从第三方的电子地图供应商获取路网数据;
步骤3、获取订单数据,并根据订单数据生成基本配送任务和约束条件;
步骤4、从预设的优化目标集合中确定至少一种优化目标,并将优化目标在适应度函数中呈现,得到需要优化的目标函数;优化目标包括:成本最低、时间最短、营业点及时派送;
步骤5、基于枚举法处理步骤2中路网数据、步骤3中基本配送任务及约束条件,以获取配送方案的搜索空间;所述搜索空间包括运输路线、运输工具、集散点、配送点;配送员配送路线;
步骤6、基于需优化的目标函数用精英驱动粒子群算法寻找最优解,具体过程如下:
以步骤4所选择的优化目标对需要优化的目标函数的各部分权重进行调整,然后利用精英驱动粒子群方法寻找最优解,精英驱动粒子群方法公式如下:
其中,t为迭代计数,及时间步;c1,c2,c3是学习因子,即调整社会学习、邻里学习、自我学习的偏向权重;r1,r2,r3是服从[0,1]区间内均匀分布的随机数,使得搜索过程具有随机性,更能覆盖整个搜索空间;w表示惯性权重,指当前时间步的速度继承上一时间步速度的多少;x为各个粒子的位置,每个粒子的位置都代表着一条快递路线信息,所述快递路线信息包括运输路线、运输工具、集散点、配送点和配送员配送路线;v是粒子各自的速度,由于每一次迭代的时间步长均为1,即可以认为是粒子的位移量,在该位移量的驱使下粒子由当前的解跳转至另一个解;i,j分别是粒子标号以及维度标号;gbest为当前所有粒子搜索到的最优的位置,即全局最优粒子;pbest为当前各个粒子搜索到的最优的位置,nbest为当前粒子的各个邻居搜索到的最优的位置,即邻域最优粒子;
ggr与ngr为全局最优粒子与邻域最优粒子对每个粒子的引力系数,具体计算公式如下:
其中,dist代表当前粒子分别与全局最优粒子与邻域最优粒子的距离;distgmax是整个搜索空间的最大欧式距离,distnmax是邻域最优粒子所能影响的最大距离,每个维度的最大、最小搜索位置由被量化的路网信息给出:
distnmax为邻域最优粒子的影响范围,引力系数与粒子间距离的平方成反比,而这也符合牛顿对万有引力的计算,同时公式(4)(5)计算出的引力系数总是一个在区间[0.5,1]间的数。
2.根据权利要求1所述的基于精英驱动粒子群算法的快递配送路线优化方法,其特征在于,以步骤4所选择的优化目标对需要优化的目标函数的各部分权重进行调整,利用含有三个优化目标的优化函数可以表示为:
f(x)=αf(x)+βg(x)+γh(x)(6)
其中f(x)为成本目标,g(x)为时间目标,h(x)为营业点即时派送目标。