技术特征：
1.一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，该方法包括：构建混合整数规划模型；获取物流运送路线图，判断该货物的物流运送路线图是否为欧拉回路，若为欧拉回路，则根据欧拉回路进行货物运输；若为非欧拉回路，则根据物流运送路线图获取一条遍历所有顶点的哈密顿回路，将该回路作为货物地面运输路线，对剩余客户节点的货物进行空中运输；根据混合整数规划模型、货物地面运输路线以及货物空中运输路线构建运输路线的目标函数；采用改进的遗传算法对目标函数进行求解，得到货物运输路线的成本；将成本最低的物流路线作为货物的运输路线。2.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，构建混合整数规划模型的过程包括：确定货物运输工具，根据货物运输工具确定模型参数，该参数包括运输工具成本、客户节点、所有节点数量、运输工具由一个节点到另一个节点的路径、运输工具从节点i到节点j的行驶距离以及运输工具的运输时间；根据模型参数构建混合整数规划模型。3.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，获取物流运送路线图的过程包括：获取所有客户节点以及配送中心，配送中心根据货物上的信息将货物运送给对应的客户节点；根据货物运输的路径构建物流运送路线图。4.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，判断该货物的物流运送路线图是否为欧拉回路包括：确定物流运送路线图的起始位置和终点位置；根据起始位置和终点位置得到货物的运输路线；若运输路线经过物流运送路线图中每条边一次，则该物流运送路线图为欧拉回路，否则不为欧拉回路。5.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，构建运输路线的目标函数为：其中，c表示货物运输路径的成本，c1表示货车单位行驶成本，i和j均表示客户节点，n表示所有节点数量，x
ij
表示货车有节点i到节点j的路径，d
ij
表示货车从节点i到节点j的行驶距离，c2表示无人机单位飞行成本，n表示客户节点数量，y
ijk
表示无人机经过节点i、节点j以及节点k的路径，l
ijk
表示无人机从节点i到节点j再回到节点k的飞行距离，c3表示无人机悬停成本，c4表示货车等待费用，π
i
表示无人机和货车在点i处的时间，α表示运输工具在a
i
之后到达的惩罚系数，a
i
表示客户i约定的最晚服务时间，表示货车到达客户点i的时间，表示无人机到达客户点i的时间。6.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，采用改进的遗传算法对目标函数进行求解的过程包括：步骤1：根据货物地面运输路线以及货物空中运输路线对种群进行初始化，得到得到染色体长度为p的初始化种群；设置迭代次数；
步骤2：计算mpp模型的适应度；步骤3：根据mpp模型的适应度对方案群体进行选择、交叉以及变异运算，得到新的路径方案群体；步骤4：迭代次数加1；步骤5：判断当前的迭代次数是否满足终止条件，若不满足终止条件，则返回步骤2，若满足终止条件，则输出具有最小适应度路径方案；步骤6：将货车的哈密顿回路作为备选路径方案，将备选路径方案与最优路径方案进行对比，得到成本最低的路径方案。7.根据权利要求6所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，染色体长度的计算公式为：p＝(n-h)*3其中，n为总客户点个数，h为货车服务的客户点数。8.根据权利要求6所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，遗传算法的适应度函数为运输路线的目标函数。
技术总结
本发明属于物流技术领域，具体涉及一种基于非欧拉回路的邮递员问题路径优化方法，该方法包括：构建混合整数规划模型；获取物流运送路线图，判断该货物的物流运送路线图是否为欧拉回路，若为欧拉回路，则根据欧拉回路进行货物运输；若为非欧拉回路，则根据物流运送路线图选取哈密顿回路作为货物地面运输路线，对剩余的货物进行空中运输；构建运输路线的目标函数；采用改进的遗传算法对目标函数进行求解，得到货物运输路线的成本；将成本最低的物流路线作为货物的运输路线；本发明通过构建了一种以成本最低为目标的混合整数规划模型计算货物的运输成本，解决非欧拉回路中货车与无人机协同路径优化问题。协同路径优化问题。协同路径优化问题。
技术研发人员：余海燕 廖雅婷 李腊全
受保护的技术使用者：重庆邮电大学
技术研发日：2022.06.02
技术公布日：2022/8/30