[發明專利]一種調度方法

在審

• 申請號: 202110463378.5
• 申請日: 2021-04-23
• 公開（公告）號: CN113177757A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 李進;余建成
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q10/06;G06K9/62;G06N3/00
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 田金霞

1.一種調度方法，其特征在于，包括以下步驟：

以所有啟用運輸裝置的任務節點總行駛距離為目標一；以二氧化碳排放量為目標二；以滿足時間窗口的滿意度為目標三；

以聚類算法，根據任務節點坐標，獲取若干任務節點聚類；

以任務節點聚類組合作為初始染色體確定目標函數評價群體，利用以所述目標一、目標二、目標三為目標函數值的適應度函數選擇最佳的染色體，生成若干配送調度方案；

以所述配送調度方案確定信息素初始分布，執行蟻群算法；以局部信息素大小變化調整信息素計算方法，獲取優化蟻群算法；

利用優化蟻群算法求解運輸裝置物流配送調度數據，直到達到最大循環次數或算法收斂時停止運算，輸出問題求解的路徑及其長度。

2.根據權利要求1所述的調度方法，以聚類算法，根據任務節點坐標，獲取若干任務節點聚類的方法包括：

以一個配送周期的任務節點需求總量和運輸裝置最大載重，計算聚類中心數K；

以所有任務節點中任意的K個任務節點作為初始點聚類中心，根據每一任務節點相對其對應配送中心節點的坐標以及不同任務節點之間的歐氏距離，計算每個任務節點到聚類中心的配送時間，從K個配送時間中選擇最小數值對應任務點加入到對應聚類，直至不再生成新的聚類中心點。

3.根據權利要求1所述的調度方法，以任務節點聚類組合作為初始染色體，具體的包括按照從第一個聚類到最后一個聚類的次序組合生成初始染色體。

4.根據權利要求3所述的調度方法，以任務節點聚類組合作為初始染色體確定目標函數評價群體，利用以所述目標一、目標二、目標三為目標函數值的適應度函數選擇最佳的染色體，在交叉與變異操作過程中采用自適應策略進行調整；當運行到最大迭代次數或者最優個體的適應度函數值等于種群平均適應度函數值時，算法運行結束，輸出若干優化解。

5.根據權利要求1所述的調度方法，獲取優化蟻群算法的方法還包括信息素更新調整方法：

所有螞蟻每完成一次遍歷循環后，進行局部信息素大小變化調整；

再依次對所有存在可行解的信息素進行全局更新；

直至算法收斂或達到最大循環次數，輸出最優解。

6.根據權利要求1所述的調度方法，獲取優化蟻群算法的方法還包括以搜索熱區機制調整轉移概率的方法，包括：

其中，Φ_ij(t)表示邊(i,j)在t時刻是否在搜索熱區中而取不同的值，

式中的表示螞蟻k的轉移概率，i是螞蟻當前所在的坐標點，j是尚未訪問的螞蟻爬行坐標點；τ_ij(t)表示螞蟻在坐標(i,j)上的信息素濃度，α表示為螞蟻個體在覓食探索道路上用于交流的信息素的剩余量對蟻群路線轉移的誘發因子；η_ij(t)表示邊(i,j)的能見度，反映了調度節點第i個螞蟻爬行位置點移到調度點j的啟發程度，β為啟發式信息對覓食螞蟻個體行進方向作用的期望誘發因素；allowed_k＝{1,2,L n-1}-tab_k表示為螞蟻k在覓食爬行過程中下一步可行進路徑節點，tab_k為tab表，意義為記錄螞蟻k爬行路線過程的路徑記錄表。

7.根據權利要求5所述的調度方法，以局部信息素大小變化調整公式為：

其中，ρ₁表示求解過程中信息素揮發情況，L_best表示本解題過程階段內最優路徑解的值；

以最差解進行全局更新的公式為：

其中，L_worst為最長路徑的大小距離值；

在信息素調整過程內結合公式(1)和公式(2)實現循環過程中信息素的更新與調整。