CN102538812A - 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法 - Google Patents

基于动态多车型路径规划的禁忌搜索仿真优化系统及方法 Download PDF

Info

Publication number
CN102538812A
CN102538812A CN2011104027118A CN201110402711A CN102538812A CN 102538812 A CN102538812 A CN 102538812A CN 2011104027118 A CN2011104027118 A CN 2011104027118A CN 201110402711 A CN201110402711 A CN 201110402711A CN 102538812 A CN102538812 A CN 102538812A
Authority
CN
China
Prior art keywords
incident
simulation process
time
emulation
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011104027118A
Other languages
English (en)
Inventor
范文慧
徐华予
王威
寿文卉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN2011104027118A priority Critical patent/CN102538812A/zh
Publication of CN102538812A publication Critical patent/CN102538812A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于动态多车型路径规划的禁忌搜索仿真优化系统及方法，该方法包括以下步骤：将路径信息数据录入到系统中并存储；根据存储的路径信息数据制定多个路径方案；对每个路径方案中的事件进行仿真处理并判断，得出最佳路径方案并显示。对货物配送路径规划问题进行优化，在本发明的方法基础上，对动态信息进行仿真建模，抽象出该类问题的四种基本事件，即所述每个路径方案包括出发事件、行驶事件、服务事件和返回事件。本发明提出一种基于动态多车型路径规划的禁忌搜索仿真优化方法，能够在合理时间内得到动态信息约束下的最佳规划路径，具有较好的稳定性和高效性，并且可以处理大规模数据信息。

Description

基于动态多车型路径规划的禁忌搜索仿真优化系统及方法
技术领域
本发明涉及路径规划领域，尤其涉及一种基于动态多车型路径规划的禁忌搜索仿真优化系统及方法。
背景技术
随着运筹学的发展，优化方法在物流配送系统中得到了越来越广泛的研究与应用。北美及欧洲的实际案例统计显示，在物流配送系统中对运输配送的优化可以节约5％～20％的成本。
动态多车型路径规划问题一直是人们研究的难点。这主要体现在：考虑随机因素，难以在不违反约束条件的情况下用常规静态方案解决动态问题；模型复杂，难以建立数据解析表达。因此，研究动态多车型路径规划问题本身具有挑战性，仿真优化算法的设计与改进具有重大意义。
目前关于车辆路径问题的仿真优化方法的研究仍然较少，因为仿真优化方法相对于传统优化方法会消耗更多的时间，而很多模型的优化方法已经比较耗时。
发明内容
针对上述问题，本发明的目的在于提供一种基于动态多车型路径规划的禁忌搜索仿真优化系统及方法，解决了多类要素综合制约的动态多车型路径规划问题，相比优化方法具有更好的评估效果。
为达到上述目的，本发明所述一种基于动态多车型路径规划的禁忌搜索仿真优化系统，包括信息录入模块、数据存储模块、网络优化模块、控制模块、比较模块以及显示模块，其中；
信息录入模块，将路径信息数据录入到系统中；
数据存储模块，存储被录入的路径信息数据；
网络优化模块，根据数据存储模块内的路径信息数据产生多个路径方案；
控制模块，对每个路径方案进行仿真处理；
判断模块，对仿真结果进行判断，得出最佳路径方案；
显示模块，将最佳路径方案进行显示。
优选地，所述控制模块包括出发控制单元、行驶控制单元、服务控制单元和返回控制单元，其中；
出发控制单元，对路径方案中的出发事件进行仿真处理；
行驶控制单元，对路径方案中的行驶事件进行仿真处理；
服务控制单元，对路径方案中的服务事件进行仿真处理；
返回控制单元，对路径方案中的返回事件进行仿真处理。
为达到上述目的，本发明所述一种优化方法，其特征在于，包括以下步骤；
将路径信息数据录入到系统中并存储；
根据存储的路径信息数据制定多个路径方案；
对每个路径方案中的事件进行仿真处理并判断，得出最佳路径方案并显示。
优选地，对路径方案中的出发事件进行仿真处理包括以下步骤：
设置仿真钟，置为零，预设当天所需最长工作时间；
读取所规划路径上所有需求点的路径信息；
读取所派车辆的车载重量信息；
计算所有需求点的需求物品重量总和，并与所派车辆的车载重量比较：
若需求物品重量总和大于所派车辆的车载重量，则读取另一车辆信息；
若需求物品重量总和小于所派车辆的车载重量，则进行行驶事件的仿真处理。
优选地，对路径方案中的行驶事件进行仿真处理包括以下步骤：
计算事件中起始需求点和终止需求点之间的行驶时间，计入到仿真钟；
读取到达终止需求点所预设的时间范围；
并使时间上限值与仿真钟所记时间值进行比较：
若时间上限值大于仿真钟所记时间值，则进入服务事件的仿真处理；
若时间上限值小于仿真钟所记时间值，则等待服务。
优选地，对路径方案中的服务事件进行仿真处理包括以下步骤：
计算服务事件中需求点的服务时间，并计入到在行驶事件中重置后的仿真钟；
判断是否存在下一个需求点：
若存在，则重新进入行驶事件的仿真处理；
若不存在，则进入返回事件的仿真处理。
优选地，对路径方案中的返回事件进行仿真处理包括以下步骤：
计算从最终需求点回到配送中心的行驶时间，计入在最后服务事件后的仿真钟，并与预设当天所需时间比较：
若仿真钟最终时间大于预设当天所需时间，则工作超时；
若仿真钟最终时间大于预设当天所需时间，则进行下一个路径方案的仿真处理，仿真钟重置为零。
本发明的有益效果为：
本发明提出一种基于动态多车型路径规划的禁忌搜索仿真优化方法，能够在合理时间内得到动态信息约束下的最佳规划路径，具有较好的稳定性和高效性，并且可以处理大规模数据信息。
附图说明
图1是本发明实施例所述系统的结构示意图；
图2是本发明实施例所述的四种事件的示意图；
图3是本发明实施例所述的仿真流程图。
具体实施方式
下面结合说明书附图对本发明做进一步的描述。
如图1所示，本发明实施例所述一种基于动态多车型路径规划的禁忌搜索仿真优化系统，包括信息录入模块、数据存储模块、网络优化模块、控制模块、比较模块以及显示模块，其中；
信息录入模块，将路径信息数据录入到系统中；
数据存储模块，存储被录入的路径信息数据；
网络优化模块，根据数据存储模块内的路径信息数据产生多个路径方案；
控制模块，对每个路径方案进行仿真处理；
判断模块，对仿真结果进行判断，得出最佳路径方案；
显示模块，将最佳路径方案进行显示。
其中，对动态信息进行仿真建模，抽象出该类问题的四种基本事件，即所述每个路径方案包括出发事件、行驶事件、服务事件和返回事件。所述控制模块包括出发控制单元、行驶控制单元、服务控制单元和返回控制单元，其中；
出发控制单元，对路径方案中的出发事件进行仿真处理；
行驶控制单元，对路径方案中的行驶事件进行仿真处理；
服务控制单元，对路径方案中的服务事件进行仿真处理；
返回控制单元，对路径方案中的返回事件进行仿真处理。
关于对各个事件的仿真处理，在下面的方法中进行详细叙述。
如图2-3所示，本发明实施例所述一种基于动态多车型路径规划的禁忌搜索仿真优化方法，包括网络优化模块、仿真模块及判断模块，该方法包括以下步骤：
1)将路径信息数据录入到系统中并存储；
2)根据存储的路径信息数据制定多个路径方案；
3)对每个路径方案中的事件进行仿真处理并判断，得出最佳路径方案并显示。
对货物配送路径规划问题进行优化，在本发明的方法基础上，对动态信息进行仿真建模，抽象出该类问题的四种基本事件，即所述每个路径方案包括出发事件、行驶事件、服务事件和返回事件。
该配送路径是一个完整的回路，即从配送中心出发，经过不确定的运输时间与服务时间来对若干需求点进行服务，最后回到配送中心。在该配送过程中需经历四类事件，以为为进行四类事件的详细说明：
对路径方案中的出发事件进行仿真处理包括以下步骤：
设置仿真钟，置为零，预设当天所需最长工作时间；
读取所规划路径上所有需求点的路径信息；
读取所派车辆的车载重量信息；
计算所有需求点的需求物品重量总和，并与所派车辆的车载重量比较：
若需求物品重量总和大于所派车辆的车载重量，则读取另一车辆信息；
若需求物品重量总和小于所派车辆的车载重量，则进行行驶事件的仿真处理。
具体实施步骤为：
(1)设置仿真钟，置为零，预设当天最长工作时间为T；
(2)读取所规划路径上所有需求点的坐标、需求量、行驶时间、时间窗(时间范围)等信息；
(3)读取所派车辆的车载重量信息；
(4)计算所有需求点的需求量总和，并与所派车辆的车载重量比较：
1)若需求量总和大于车载重量，返回步骤(3)重新读取另一所派车辆的车载重量信息；
2)若需求量总和小于车载重量，则进行所述行驶事件的调用；
对路径方案中的行驶事件进行仿真处理包括以下步骤：
计算事件中起始需求点和终止需求点之间的行驶时间，计入到仿真钟；
读取到达终止需求点所预设的时间范围；
并使时间上限值与仿真钟所记时间值进行比较：
若时间上限值大于仿真钟所记时间值，则进入服务事件的仿真处理；
若时间上限值小于仿真钟所记时间值，则等待服务。
具体实施步骤为：
(1)设置需求点i和需求点j，预设两需求点之间的行驶时间Tij；
(2)计算到达需求点j的所用时间为fj＝A+Tij；
(3)读取需求点j的时间窗【aj，bj】；
(4)重置仿真钟A＝max{fj，aj}，将fj与aj进行比较：
1)若fj＜aj，车辆原地等待，直到时间下限aj后开始服务；
2)若fj＞aj，立即开始服务；
对路径方案中的服务事件进行仿真处理包括以下步骤：
计算服务事件中需求点的服务时间，并计入到在行驶事件中重置后的仿真钟；
判断是否存在下一个需求点：
若存在，则重新进入行驶事件的仿真处理；
若不存在，则进入返回事件的仿真处理。
具体实施步骤为：
(1)设置参数j，即将被服务需求点j的编号，预设服务时间为Sj；
(2)重置仿真钟A＝A+Sj；
(3)判断是否会有下一个需求点：
1)若存在下一个需求点，依次返回行驶事件、服务事件；
2)若不存在下一个需求点，则进行返回事件的调用；
对路径方案中的返回事件进行仿真处理包括以下步骤：
计算从最终需求点回到配送中心的行驶时间，计入在最后服务事件后的仿真钟，并与预设当天所需时间比较：
若仿真钟最终时间大于预设当天所需时间，则工作超时；
若仿真钟最终时间大于预设当天所需时间，则进行下一个路径方案的仿真处理，仿真钟重置为零。
具体实施步骤为：
(1)设置参数j，即最后被服务需求点j的编号，预设回到配送中心的行驶时间为Tj0；将实际所需时间与最长时间进行比较：
1)若A+Tj0＞T，设定为工作超时；
2)若A+Tj0＜T，设定为可选方案；
(2)重置仿真钟A为零。
上述仿真钟的推进机制采用下一事件时间推进。每个时间表根据每条路径由“出发时间→行驶事件→服务事件→……→行驶事件→服务事件→返回事件”这样的形式组成。仿真钟按照事件表中的事件顺序依次推进计算得出。
以上，仅为本发明的较佳实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (7)

1.一种基于动态多车型路径规划的禁忌搜索仿真优化系统，其特征在于，包括信息录入模块、数据存储模块、网络优化模块、控制模块、比较模块以及显示模块，其中；
信息录入模块，将路径信息数据录入到系统中；
数据存储模块，存储被录入的路径信息数据；
网络优化模块，根据数据存储模块内的路径信息数据产生多个路径方案；
控制模块，对每个路径方案进行仿真处理；
判断模块，对仿真结果进行判断，得出最佳路径方案；
显示模块，将最佳路径方案进行显示。
2.根据权利要求1所述的基于动态多车型路径规划的禁忌搜索仿真优化系统，其特征在于，所述控制模块包括出发控制单元、行驶控制单元、服务控制单元和返回控制单元，其中；
出发控制单元，对路径方案中的出发事件进行仿真处理；
行驶控制单元，对路径方案中的行驶事件进行仿真处理；
服务控制单元，对路径方案中的服务事件进行仿真处理；
返回控制单元，对路径方案中的返回事件进行仿真处理。
3.一种优化方法，其特征在于，包括以下步骤；
将路径信息数据录入到系统中并存储；
根据存储的路径信息数据制定多个路径方案；
对每个路径方案中的事件进行仿真处理并判断，得出最佳路径方案并显示。
4.根据权利要求3所述的优化方法，其特征在于，对路径方案中的出发事件进行仿真处理包括以下步骤：
设置仿真钟，置为零，预设当天所需最长工作时间；
读取所规划路径上所有需求点的路径信息；
读取所派车辆的车载重量信息；
计算所有需求点的需求物品重量总和，并与所派车辆的车载重量比较：
若需求物品重量总和大于所派车辆的车载重量，则读取另一车辆信息；
若需求物品重量总和小于所派车辆的车载重量，则进行行驶事件的仿真处理。
5.根据权利要求4所述的优化方法，其特征在于，对路径方案中的行驶事件进行仿真处理包括以下步骤：
计算事件中起始需求点和终止需求点之间的行驶时间，计入到仿真钟；
读取到达终止需求点所预设的时间范围；
并使时间上限值与仿真钟所记时间值进行比较：
若时间上限值大于仿真钟所记时间值，则进入服务事件的仿真处理；
若时间上限值小于仿真钟所记时间值，则等待服务。
6.根据权利要求5所述的优化方法，其特征在于，对路径方案中的服务事件进行仿真处理包括以下步骤：
计算服务事件中需求点的服务时间，并计入到在行驶事件中重置后的仿真钟；
判断是否存在下一个需求点：
若存在，则重新进入行驶事件的仿真处理；
若不存在，则进入返回事件的仿真处理。
7.根据权利要求6所述的优化方法，其特征在于，对路径方案中的返回事件进行仿真处理包括以下步骤：
计算从最终需求点回到配送中心的行驶时间，计入在最后服务事件后的仿真钟，并与预设当天所需时间比较：
若仿真钟最终时间大于预设当天所需时间，则工作超时；
若仿真钟最终时间大于预设当天所需时间，则进行下一个路径方案的仿真处理，仿真钟重置为零。
CN2011104027118A 2011-12-07 2011-12-07 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法 Pending CN102538812A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011104027118A CN102538812A (zh) 2011-12-07 2011-12-07 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011104027118A CN102538812A (zh) 2011-12-07 2011-12-07 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法

Publications (1)

Publication Number Publication Date
CN102538812A true CN102538812A (zh) 2012-07-04

Family

ID=46346296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011104027118A Pending CN102538812A (zh) 2011-12-07 2011-12-07 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法

Country Status (1)

Country Link
CN (1) CN102538812A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517200A (zh) * 2013-09-29 2015-04-15 日电（中国）有限公司 用于物流配送的能耗计算方法、配送方案获取方法和装置
CN104951918A (zh) * 2015-06-11 2015-09-30 上海德马物流技术有限公司 一种时间窗路径规划方法
CN105157712A (zh) * 2015-08-18 2015-12-16 浙江工商大学 一种车辆路径的规划方法和规划系统
CN106021800A (zh) * 2016-06-06 2016-10-12 中国科学院力学研究所 一种海底崎岖地形长输管线路由选择方法
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法
CN109472417A (zh) * 2018-11-16 2019-03-15 东北农业大学 一种外卖集中地区共同配送模式下路线优化算法
CN109740882A (zh) * 2018-12-21 2019-05-10 宜宝科技（北京）有限公司 用于体检车的数据处理方法及装置
CN109934405A (zh) * 2019-03-12 2019-06-25 北京科技大学 基于模拟退火算法的有时限的多车型多车次路径规划方法
CN112990633A (zh) * 2019-12-18 2021-06-18 菜鸟智能物流控股有限公司 指标数据生成方法、物流成本仿真方法、设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797113A (en) * 1995-02-28 1998-08-18 Matsushita Electric Industrial Co., Ltd. Method and system for determining transportation route
CN102169637A (zh) * 2010-12-08 2011-08-31 北京大学 面向城市交通的动态路径诱导方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797113A (en) * 1995-02-28 1998-08-18 Matsushita Electric Industrial Co., Ltd. Method and system for determining transportation route
CN102169637A (zh) * 2010-12-08 2011-08-31 北京大学 面向城市交通的动态路径诱导方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
《中国优秀硕士学位论文全文数据库 信息科技辑》 20070430 郭志品 "供应链环境下物流配送优化研究与实现" 正文第13,14页 4-7 , *
《北京交通大学学报》 20040625 张炯，郎茂祥 "有时间窗配送车辆调度问题的禁忌搜索算法" 第1部分、第2部分第4段，第3部分第4段 2,5-7 第28卷, 第2期 *
《铁道运输与经济》 20070424 李松，刘兴，李瑞彩 "基于混合禁忌搜索算法的物流配送路径优化问题研究" 1.2节 6,7 第29卷, 第3期 *
张炯，郎茂祥: ""有时间窗配送车辆调度问题的禁忌搜索算法"", 《北京交通大学学报》 *
李松，刘兴，李瑞彩: ""基于混合禁忌搜索算法的物流配送路径优化问题研究"", 《铁道运输与经济》 *
郭志品: ""供应链环境下物流配送优化研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517200B (zh) * 2013-09-29 2018-12-04 日电（中国）有限公司 用于物流配送的能耗计算方法、配送方案获取方法和装置
CN104517200A (zh) * 2013-09-29 2015-04-15 日电（中国）有限公司 用于物流配送的能耗计算方法、配送方案获取方法和装置
CN104951918A (zh) * 2015-06-11 2015-09-30 上海德马物流技术有限公司 一种时间窗路径规划方法
CN105157712A (zh) * 2015-08-18 2015-12-16 浙江工商大学 一种车辆路径的规划方法和规划系统
CN106021800B (zh) * 2016-06-06 2019-02-12 中国科学院力学研究所 一种海底崎岖地形长输管线路由选择方法
CN106021800A (zh) * 2016-06-06 2016-10-12 中国科学院力学研究所 一种海底崎岖地形长输管线路由选择方法
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法
CN109472417A (zh) * 2018-11-16 2019-03-15 东北农业大学 一种外卖集中地区共同配送模式下路线优化算法
CN109740882A (zh) * 2018-12-21 2019-05-10 宜宝科技（北京）有限公司 用于体检车的数据处理方法及装置
CN109740882B (zh) * 2018-12-21 2022-02-08 宜宝科技（北京）有限公司 用于体检车的数据处理方法及装置
CN109934405A (zh) * 2019-03-12 2019-06-25 北京科技大学 基于模拟退火算法的有时限的多车型多车次路径规划方法
CN112990633A (zh) * 2019-12-18 2021-06-18 菜鸟智能物流控股有限公司 指标数据生成方法、物流成本仿真方法、设备、存储介质
CN112990633B (zh) * 2019-12-18 2024-04-05 菜鸟智能物流控股有限公司 指标数据生成方法、物流成本仿真方法、设备、存储介质

Similar Documents

Publication Publication Date Title
CN102538812A (zh) 基于动态多车型路径规划的禁忌搜索仿真优化系统及方法
James Two-stage request scheduling for autonomous vehicle logistic system
Chang et al. From timetabling to train regulation—a new train operation model
Wang Locating flow-recharging stations at tourist destinations to serve recreational travelers
CN109002625B (zh) 一种基于鲁棒优化的接驳公交网络设计方法
CN102930399A (zh) 地铁乘务管理系统的排班方法
CN106203895A (zh) 一种物流虚拟运行仿真系统
Gronalt et al. Analyzing railroad terminal performance in the timber industry supply chain–a simulation study
López-Ramos Integrating network design and frequency setting in public transportation networks: a survey
Sun et al. Exploration of an integrated automated public transportation system
Li et al. Meal delivery routing optimization with order allocation strategy based on transfer stations for instant logistics services
CN107103133B (zh) 一种可视化的非全跑道运行方案仿真评估系统和方法
Aksyonov et al. Decision Support for Gasoline Tanker Logistics with BPsim. DSS
Wu et al. Mixed-integer programming for a new bus-lane reservation problem
Mulumba et al. Optimization of the drone-assisted pickup and delivery problem
Cui et al. A Time‐Dependent Vehicle Routing Problem for Instant Delivery Based on Memetic Algorithm
Konstantin et al. Petrol delivery management with BPsim. DSS
Liu et al. Research in public transport vehicle scheduling
Do Trung et al. Sustainable business model innovation in last mile logistics
Liu et al. Using agent simulations to evaluate the effect of a regional BCP on disaster response
CN102523261B (zh) 一种分布式数据处理系统
Zhang Lifting the Efficiency of Food Delivery with Drone Resupply
Sels et al. A Passenger Knock-On Delay Model for Timetable Optimisation
Perumal Integrated optimization of vehicle and crew scheduling in public transport
Suraraksa et al. Development of the military-3PL integrated operation strategy for national defense transportation using simulation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120704