[發明專利]一種考慮車輛路徑與三維裝箱的車貨匹配方法

有效

• 申請號: 202010719420.0
• 申請日: 2020-07-23
• 公開（公告）號: CN111882200B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 趙姣;張佳蕊;王寧;王茵
• 申請（專利權）人: 長安大學
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/0639;G06Q10/083;G06N3/006
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

本發明公開了一種考慮車輛路徑與三維裝箱的車貨匹配方法，屬于車貨匹配領域。本發明的考慮車輛路徑與三維裝箱的車貨匹配方法，在運行效率方面小規模問題求解速度穩定在10s左右，大規模問題穩定在1200s左右，且誤差率穩定在在1％以內；優化目標多樣，同時考慮了車輛的運營成本、空載成本、重心偏移距離成本以及同一貨主貨物匹配不同車輛的懲罰成本，不僅降低了運輸放的營運成本、降低了車輛空載率，還保證了車輛的運輸安全以及裝載效率；除此之外，本發明的車貨匹配方法同時考慮了車輛的路徑問題以及貨物三維裝載問題，經過該方法不僅可以得到車貨匹配結果，還可以得到車輛訪問路徑以及車廂內裝載貨物的最優位置以及裝載順序。

技術領域

本發明屬于車貨匹配領域，尤其是一種考慮車輛路徑與三維裝箱的車貨匹配方法。

背景技術

近年來，汽車貨運總量雖有所下降，但仍占較大比重。然而，汽車貨物運輸仍存在空車率高、車貨裝載混亂、配載不合理等問題。這些問題導致了汽車貨運成本居高不下，造成了巨大的貨運損失，嚴重制約了汽車貨運業的進一步發展。因此，在車貨匹配階段，有必要考慮集裝箱裝載問題(CLP)和車輛路徑問題(VRP)。這兩個問題都是具有挑戰性的問題，被認為是經典的NP-hard問題。將CLP和VRP結合起來產生了一個具有三維裝載約束的車輛路徑問題(3L-CVRP)。

國內外對這一問題的研究并不多。Tarantilis等人于2009年結合了TS和GLS策略，提出了一種混合的元啟發式方法GTS，用以解決3L-CVRP問題，但考慮的集裝箱尺寸相同，未考慮分批交付導致的優先級問題，簡化了裝載約束；Escobar等人于2015年提出了一種混合的元啟發式方法，稱為GTS-GRASP的3L-CVRP，使用GranularTabu搜索方法(GTS)來解決相應的車輛路徑問題(VRP)和給定路徑下的集裝箱裝載問題，在問題求解方面，多采用分段匹配，將車輛路徑問題與三維裝箱問題的目標割裂，優化結果整體效益較差；算法性能方面，上述的GTS算法將蟻群算法與禁忌搜索算法結合，提高解的搜索能力，但蟻群算法較為復雜，運行效率低。

發明內容

本發明的目的在于克服現有車貨匹配問題求解方法運行效率低，優化目標單一，車輛路徑問題、三維裝載問題、車貨匹配問題未實現整體優化的缺點，提供一種考慮車輛路徑與三維裝箱的車貨匹配方法。

為達到上述目的，本發明采用以下技術方案予以實現：

一種考慮車輛路徑與三維裝箱的車貨匹配方法，包括以下步驟：

1)根據車輛數量、貨主數量和貨主的貨物數量生成車貨匹配結果并進行初始化；其中，生成車貨匹配結果的一部分保留隨機性，剩余的一部分車貨匹配結果中將同一貨主貨物對應實數的整數部分修正為相同的值；

所述車貨匹配結果由隨機實數組合編碼得到，車貨匹配結果的編碼為帶有兩位小數的實數，其中，實數的整數部分表示貨物匹配的車輛序號，小數部分數值的大小為貨物放入車輛的先后順序以及車輛訪問的貨主先后順序；

2)設置最大迭代次數并將當前迭代代數設為1，初始化歷史最優匹配結果及其適應度值，設置最大迭代速度并將當前迭代速度設為0，初始化學習因子及慣性權重范圍，開始迭代；

3)判斷當前迭代代數是否達到最大迭代次數；

若達到最大迭代次數，則跳轉到步驟8)；

否則，則跳轉到步驟4)；

4)更新車貨匹配結果；

5)計算更新后的車貨匹配結果的適應度值；

適應度函數為：車輛的運營成本的性能指標函數、車輛空載成本的性能指標函數、車輛的重心偏移成本的性能指標函數和懲罰成本的性能指標函數；

所述車輛的運營成本包括載貨行駛成本；