CN107451693B - 多点多目标的危化品运输路径优化方法 - Google Patents

多点多目标的危化品运输路径优化方法 Download PDF

Info

Publication number
CN107451693B
CN107451693B CN201710653720.1A CN201710653720A CN107451693B CN 107451693 B CN107451693 B CN 107451693B CN 201710653720 A CN201710653720 A CN 201710653720A CN 107451693 B CN107451693 B CN 107451693B
Authority
CN
China
Prior art keywords
path
transportation
target
optimization
objective function
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.)
Active
Application number
CN201710653720.1A
Other languages
English (en)
Other versions
CN107451693A (zh
Inventor
王静虹
李景娜
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech 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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201710653720.1A priority Critical patent/CN107451693B/zh
Publication of CN107451693A publication Critical patent/CN107451693A/zh
Application granted granted Critical
Publication of CN107451693B publication Critical patent/CN107451693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明多点多目标的危化品运输路径优化方法涉及运输路径的优化方法，特别是一种结合模糊折衷规划，扩展标号法和启发式算法对多点多目标的危化品运输路径进行优化的方法。结合模糊折衷规划、扩展标号法和启发式算法，包括利用模糊折衷规划算法对已知运输网络进行路径优化，将多目标问题转化为单目标问题，进行首次优化；利用启发式算法中的迭代算法对进行首次优化后的优化路线进行再次优化，删除风险较大的路径，使下层目标在上层要求的范围之内，再次求得满足要求的优化路线；根据优化准则进行对比分析，再次优化。

Description

多点多目标的危化品运输路径优化方法
技术领域
本发明多点多目标的危化品运输路径优化方法涉及运输路径的优化方法，特别是一种结合模糊折衷规划，扩展标号法和启发式算法对多点多目标的危化品运输路径进行优化的方法。
背景技术
优化方法的可靠性对于政府维护社会稳定和使运输商的利益最大化有着非常重要的作用，特别是一些运行效率好的优化方法在整个运输优化过程中起着至关重要的作用。目前对于危化品运输路径的优化方法，大多仍然基于传统的方法，只是用单一的一种优化方法对路径进行优化，由于用单一的一种优化方法只可以解决部分优化，同时这种优化方法存在的弊端不能得到很好的解决，致使最终得到的优化路径不能很好的满足政府和运输商的需求，这就迫切需要寻找一种综合优化方法对路径进行优化。
发明内容
本发明的目的是针对上述不足之处提供一种多点多目标的危化品运输路径优化方法，综合模糊折衷规划、扩展标号法和启发式算法的优势，形成一种综合优化方法，对运输路径进行多次优化，在运输之前规划好运输过程中的最优路径和备用路径，使得在运输过程中一旦发生事故，可以以最快的速度重新规划路径和使用备用路径，减少事故发生后产生的人员伤亡和经济损失。
本发明是采取以下技术方案实现的：一种多点多目标的危化品运输路径优化方法结合模糊折衷规划、扩展标号法和启发式算法，包括如下步骤：
I、利用模糊折衷规划算法对已知运输网络进行路径优化，将多目标问题转化为单目标问题，进行首次优化；
II、利用启发式算法中的迭代算法对步骤I中进行首次优化后的优化路线进行再次优化，删除风险较大的路径，使下层目标在上层要求的范围之内，再次求得满足要求的优化路线；
III、根据优化准则步骤II中获得的优化路径进行对比分析，再次优化，优化方法为：当多种危化品同时运输时，根据多种危化品同时在同一条道路上运输时会增加运输风险的优化准则，避免运输路线的重合和相似路段，减小运输风险。
步骤I的具体过程如下：
I-1）用dijkstra算法分别求出每种危险化学品的每个目标函数的最短路径，如果每种危险化学品的目标函数的最短路径都相同，则该最短路径为运输的最优路径，否则转向步骤（I-2）；
I-2）求出步骤（I-1）中每个目标函数最短路径的另外2个目标值，在每个目标函数的3个目标值中，确定该目标函数的上边界r+和下边界r-；
I-3）确定目标函数的隶属度函数，即
Figure 522930DEST_PATH_IMAGE001
上式中k为第k种目标函数，rk表示第k种目标函数的实际值，rk -,rk +分别表示第k种目标函数的下边界和上边界；
I-4）用层次分析法确定目标函数的权重w=(w1，w2，w3)，并选择合适的加权开方乘方平均数
Figure 100002_DEST_PATH_IMAGE002
将危险品公路运输路径多目标决策模型中的目标函数表示为单目标函数；
I-5）用基于集成目标函数最优折衷路径的扩展标号法，求得确定环境下危险品公路运输路径的多点多目标模型的最优折衷解；即求得首次优化路径。
步骤I-4）中合适的加权即
Figure 100002_DEST_PATH_IMAGE003
的取值为1，2或
Figure DEST_PATH_IMAGE004
。
步骤II的过程如下：
II-1）初始化
设起始运输网络为E，取
Figure 100002_DEST_PATH_IMAGE005
；
进行第
Figure DEST_PATH_IMAGE006
次迭代：
（II-1-1）上层路网规划；
利用 dijkstra 算法在路段有风险容量约束的运输网络
Figure 100002_DEST_PATH_IMAGE007
中分别选择出第k中危险品的风险最小路径，路径弧段集合
Figure 100002_DEST_PATH_IMAGE008
和对应节点构成新的运输网络
Figure DEST_PATH_IMAGE009
，相应的模型如下，
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE011
约束条件为：
Figure DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
式中，
Figure DEST_PATH_IMAGE014
为第
Figure DEST_PATH_IMAGE015
次迭代后第k种危险品的最小风险值，
Figure DEST_PATH_IMAGE016
为第
Figure 201255DEST_PATH_IMAGE015
次迭代后第k种危险品的总风险值；
Figure DEST_PATH_IMAGE017
为0-1变量，当第
Figure 184255DEST_PATH_IMAGE015
次迭代种第k种危险品选用路段(i,j)时，取值为1，否则为0；
Figure DEST_PATH_IMAGE018
为0-1变量，当
Figure DEST_PATH_IMAGE019
时，
Figure DEST_PATH_IMAGE020
；
（II-1-2）下层路径选择，利用 dijkstra 算法在指定的路网
Figure DEST_PATH_IMAGE021
分别选择出第k中危险品的成本最小路径，路径弧段集合
Figure DEST_PATH_IMAGE022
；
（II-1-3）稳定性判断，若
Figure DEST_PATH_IMAGE023
且
Figure DEST_PATH_IMAGE024
，则启发式网络由
Figure 64617DEST_PATH_IMAGE022
确定，总风险为
Figure DEST_PATH_IMAGE025
，转向（II-1-5），否则转向步骤（II-1-4）；
（II-1-4）反馈调整，假设弧段（i,j)是运输商为第k种危险品选择的路段，但该路段为政府部门不期望选择的路段，则从运输网络
Figure DEST_PATH_IMAGE026
中删除弧段（i，j）和（j，i），令
Figure DEST_PATH_IMAGE027
，
Figure DEST_PATH_IMAGE028
，转向（II-1-1）；
（II-1-5）稳定性检验，令
Figure DEST_PATH_IMAGE029
为
Figure DEST_PATH_IMAGE030
确定的运输网络，并且满足
Figure DEST_PATH_IMAGE031
，求得在运输网络
Figure 623863DEST_PATH_IMAGE029
中的风险最大路径，若
Figure 977484DEST_PATH_IMAGE023
且
Figure 651042DEST_PATH_IMAGE024
，则
Figure 381100DEST_PATH_IMAGE026
为稳定运输网络，总风险值为
Figure 456504DEST_PATH_IMAGE025
，停止计算，否则，
Figure 981026DEST_PATH_IMAGE026
为不稳定运输网络，实际总风险值为
Figure DEST_PATH_IMAGE032
，转向步骤（II-1-4）。
根据本发明的综合优化方法，在上述步骤（I-1）中，利用dijkstra算法，在所给的运输网络中先求出每个目标函数的最短路径，由于最优路径是在最短路径的基础上得到的，所以步骤（I-1）为总的优化奠定了基础；在上述步骤（I-4）中，用层次分析法求得最短路径上每个目标函数的权重向量，使得目标函数量化，并将多目标重新转化成单目标问题；在步骤（I-5）中，用扩展标号法求解总函数的最有折衷解，完成首次优化；在步骤II中利用启发式算法去除风险较大路段，对上面已经优化过的目标函数再次进行优化；如果步骤II获得的优化路径为多条路径，则在步骤III中，根据优化准则，对以求得的优化路径进行对比分析，重新选取最优路径，最终获得满足各方面要求的最优运输路径。
本发明结合模糊折衷规划，扩展标号法和启发式算法所得到的综合算法对危化品运输进行路径优化，其优点为：该方法是一种综合算法，聚集了模糊折衷规划，扩展标号法和启发式算法这三种算法的优势，弥补了单个算法的缺陷，从而使得到的最终优化路径满足各方面的要求且适用性更加广泛；由于综合三种算法的特点和优势对运输路径进行多次优化，使得到的最终优化路径为最优路径，减少运输过程中的风险和成本。
附图说明
以下将结合附图对本发明作进一步说明：
图1是本发明方法的具体实施流程图；
图2是本发明实施例中某化工园区部分区域的公路运输网络图；
图3是本发明实施例中第一次迭代后确定的上层运输网络图；
图4是本发明实施例中构建新的运输网络图；
图5是本发明实施例中第二次迭代后确定的上层运输网络图；
图6是本发明实施例中危化品A和B的最优路线图；
图6中的长点划线代表危化品A的最优路线（Node1→Node3→Node4→Node5），短虚线代表危化品B的最优路线（Node2→Node5→Node6→Node8）。
具体实施方式
以下结合附图对本发明的对危化品运输路径优化的综合方法进行详细说明，本发明的优化方式是为了减小优化路线的风险和成本误差，寻找各方面都达到最优的优化路线。
参照附图1，结合模糊折衷规划、扩展标号法和启发式算法的综合优化方法如下：
首先，利用模糊折衷规划进行首次优化，在模糊折衷规划算法过程中，利用dijkstra算法求解目标函数的最短路径，用层次分析法确定每个目标在总目标中所占的权重，并选择合适的加权开方乘方平均数
Figure DEST_PATH_IMAGE033
将危险品公路运输路径多目标决策模型中的目标函数表示为单目标函数。再用基于集成目标函数最优折衷路径的扩展标号法，求得确定环境下危险品公路运输路径的多点多目标模型的最优折衷解，得到首次优化的优化路线。由于用模糊折衷规划算法得到的运输路径最优路线很可能为多条路线，且当多种危化品同时运输时，所求得的多种危化品运输的最优路线很可能存在交叉重合的现象，在这种情况存在的情况下，无疑在很大程度上增加了运输风险，致使所求的最优路线不被人们所接受。因此，利用启发式算法中的迭代算法对上面已经求出的优化路线进行多次迭代，直至迭代完全，在已求出的优化路线的基础上进行再次优化，然后再根据优化准则对获得的优化路径进行对比分析，重新选取最优路径，最终获得满足各方面要求的最优运输路径和备用运输路径。
以上所述的以模糊折衷规划、扩展标号法和启发式算法的综合优化方法，其特征在于：利用运输网络的已知权重向量，求解优化运输路线，并根据每次所求出优化运输路线存在的不足再进行多次路径优化，直至所求得的优化路线在各个方面最大化满足人们的需求。
图1为本发明所述的综合优化方法的流程图，接下来通过具体实施例对该方法所述各步骤进行详细说明。
S101根据实例用模糊折衷规划算法对已知运输网络进行路径优化
选取某化工园区部分区域抽象后的公路运输网络为例，抽象后的公路运输网络如图2所示，本运输过程中需要满足三个运输目标，即:运输风险，运输成本和敏感目标人数，其中运输网络每条弧的权重为三个目标的一个三维向量
Figure DEST_PATH_IMAGE034
，
Figure DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
，其中
Figure 548405DEST_PATH_IMAGE034
表示弧
Figure DEST_PATH_IMAGE037
的运输风险，
Figure 223099DEST_PATH_IMAGE035
表示弧
Figure 887430DEST_PATH_IMAGE037
的运输成本，
Figure 848433DEST_PATH_IMAGE036
表示弧
Figure 496583DEST_PATH_IMAGE037
的敏感目标人数，现有一批危险品A和B需要分别从节点1运送到节点7，从节点2运送到节点8，需要为危险品A和B分别选择一条最佳的运输路径。在该区域的公路运输网络图2中，弧上面的参数分别代表危化品A和B的三个目标函数的权重向量。
步骤S101可以采用以下实现步骤：
(1)先求出与始发点相连接的弧的运输风险、运输成本和敏感目标人数的最小值。由已知条件可以得到：危险品A与节点1连接的最小值分别为2、1、2；危险品B与节点2连接的最小值分别为3、1、3。
(2)运用Dijkstra算法，分别求出每个目标函数即运输风险、运输成本及敏感目标人数的最短路径。求得：危险品A的最短路径分别为①→③→④→⑤→⑦，①→②→⑤→⑦，①→④→⑤→⑦；危险品B的最短路径分别为②→⑤→⑥→⑦→⑧，②→⑤→⑥→⑧，②→④→⑥→⑧。
(3)求出每个目标函数最短路的其它另外2个目标值，如表1所示：
表1 目标函数最短路线的目标值
Figure DEST_PATH_IMAGE038
(4)确定目标函数的上下边界r+、r-，如表2所示：
表2 目标函数的上下边界r+、r-
Figure DEST_PATH_IMAGE039
(5）确定每个目标的隶属度函数如下所示:
危化品A：
Figure DEST_PATH_IMAGE040
；
Figure DEST_PATH_IMAGE041
；
Figure DEST_PATH_IMAGE042
;
危化品B：
Figure DEST_PATH_IMAGE043
；
Figure DEST_PATH_IMAGE044
；
Figure DEST_PATH_IMAGE045
;
（6）用层次分析法确定危化品运输的每个目标的权重，步骤如下：
对于危化品A：
A1、建立层次结构模型
Figure DEST_PATH_IMAGE046
A2、构造判断矩阵：按照“1-9比例尺度”给Xi/Xj赋值：
Figure DEST_PATH_IMAGE047
;
A3、计算A的特征值和特征向量：
求得A的最大特征值为
Figure DEST_PATH_IMAGE048
;
对应的特征向量为：
Figure DEST_PATH_IMAGE049
;
一致性指标为：
Figure DEST_PATH_IMAGE050
查表可得：n=3时，RI=0.58
则一致性比率：
Figure DEST_PATH_IMAGE051
，所以A的不一致程度在容许范围内，则A的特征向量可作为权向量;每个目标的权重为：
Figure DEST_PATH_IMAGE052
;
A4、计算权重及进行一致性检验：
用同样的方法构造第三层对于第二层的每一个准则的成对比较矩阵，为：
Figure DEST_PATH_IMAGE053
；
Figure DEST_PATH_IMAGE054
；
Figure DEST_PATH_IMAGE055
;
计算各Bk所对应的权向量
Figure DEST_PATH_IMAGE056
，最大特征值
Figure DEST_PATH_IMAGE057
，以及一致性指
Figure DEST_PATH_IMAGE058
如下表3：
表3
Figure DEST_PATH_IMAGE059
Figure 838220DEST_PATH_IMAGE058
均小于0.1，符合一致性检验；则路线1对总目标的权值为：
Figure DEST_PATH_IMAGE060
同样可算得：W2=0.6089； W3=0.2865;
于是得到方案层对于目标层的权向量为：
Figure DEST_PATH_IMAGE061
，
即危化品A的权重为：
Figure DEST_PATH_IMAGE062
;
同理，可计算得到危化品B的权重为：
Figure DEST_PATH_IMAGE063
;
（7）选择合适的加权开方乘方平均数
Figure DEST_PATH_IMAGE064
，结合隶属度函数将多目标最短路问题转化为极大化模糊折衷规划问题，并运用基于集成目标函数最优折衷路径的扩展符号解既定权重和既定条件下的最满意路径，给出该路径的运输风险、运输成本和敏感目标人数。
（8）在上面所求得的危化品A和B的权重条件下，当
Figure DEST_PATH_IMAGE065
时，可根据以下公式进行计算，然后在Matlab环境下按照上述算法步骤编制计算机程序，得到的计算结果如表4，危险品A最满意的运输路径分别为路线①→②→⑤→⑦，①→②→⑤→⑥→⑦，①→③→④→⑤→⑦，危化品B的最满意路径为②→⑤→⑥→⑧。
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE068
Figure DEST_PATH_IMAGE069
表4 不同
Figure DEST_PATH_IMAGE070
时最优折衷解路径计算结果
Figure DEST_PATH_IMAGE071
S102利用启发式算法中的迭代算法对上面已经求出的优化路线进行再次优化
S102-1、第一次迭代：
S102-11、上层路网规划：利用dijkstra算法在路网图2中得到危险品A的风险最小路径Route11：1-3-4-5-7，风险值为R11=5；危险品B风险最小路径Route21：2-5-6-7-8，风险值为R21=4，总风险值R1=9；路段(6, 7)为风险最大路段，其最大风险值
Figure DEST_PATH_IMAGE072
。确定的上层运输网络
Figure DEST_PATH_IMAGE073
,如图3。
S102-12、下层路径选择：在图3中利用dijkstra算法得到危险品A有两条成本最少路径，分别为Route1-11：1-3-4-5-7和Route1-21：1-3-4-5-6-7。危险品B也有两条成本最少路径，分别为Route2-11：2-5-6-7-8和Route2-21：2-5-7-8。对应的成本及风险见表5。显然，总成本值
Figure DEST_PATH_IMAGE074
。
表 5 两种危险品运输成本最少路线的运输风险和运输成本值
Figure DEST_PATH_IMAGE075
S102-13、稳定性判断：由(1)(2)结果可知，当
Figure DEST_PATH_IMAGE076
时，
Figure DEST_PATH_IMAGE077
且不满足
Figure 931291DEST_PATH_IMAGE024
，则该上层网络不稳定。由表 5 可以看出，Route1-21 的运输风险大于Route1-11，Route2-21的大于 Route2-11，其中Route1-21和Route2-21都是上层政府部门未为相应危险品规划的路径，若运输商随机选择了这两条路径，显然与政府部门的利益相违背，因此政府部门需要根据运输商的选择重新对上层路径作出规划。
S102-14、反馈调整：通过计算检查发现，对于路段(6,7)的总运输风险为7，为路网中总运输风险最大的路段，且为政府部门不希望运输商选择的路段，故设定危险品车辆禁止从该路段通行，并将其从原始网络E1中删除后构建新的网络
Figure DEST_PATH_IMAGE078
，如图4。
S102-2、按照上述步骤进行第二次迭代
S102-21、上层路网规划：利用dijkstra算法在路网图4中得到危险品A的风险最小路径Route11：1-3-4-5-7，风险值为R12=5；危险品B风险最小路径Route22：2-5-6-8，风险值为R21=6，总风险值R2=11，确定的上层运输网络
Figure DEST_PATH_IMAGE079
如图5所示。
S102-22、下层路径选择：在图4中利用dijkstra算法得到危险品A的成本最少路径，为Route1-12：1-3-4-5-7。危险品B的成本最少路径，为Route2-12：2-5-7-8和Route2-12：2-5-6-8。对应的成本及风险见表6。显然，总成本值C2=17，总风险值为
Figure DEST_PATH_IMAGE080
。
表 6 两种危险品运输成本最少路线的运输风险和运输成本值
Figure DEST_PATH_IMAGE081
S102-23、稳定性判断：由(1)(2)结果可知，当
Figure DEST_PATH_IMAGE082
时，
Figure DEST_PATH_IMAGE083
且满足
Figure DEST_PATH_IMAGE084
，则该上层网络稳定。对第二次迭代后的运输网络进行检验。
S102-24、稳定性检验：第二次迭代后的上层运输网络中选择风险最大路径，对应的风险值为
Figure DEST_PATH_IMAGE085
，且对应的总成本为11。由判断条件
Figure DEST_PATH_IMAGE086
，则所得到的运输网络为稳定网络，停止计算。
则有迭代算法得到的危化品1优化路线为1-3-4-5-7，危化品2优化路线为2-5-6-8。
S103根据优化准则对S101和S102获得的优化路径进行对比分析，再次优化
危化品A和危化品B的最优运输路线中都经过路段②→⑤，所以当任何一种危化品发生事故时，另一种危化品运输就要重新规划最优运输路线，需要重新寻找路段②→⑤的替代路线，所以危化品A的最优路线①→②→⑤→⑦在两种危险品同时运输时，存在较大风险，为保证两种危险品的安全运输，则同样的优化路线①→③→④→⑤→⑦可以在极大程度上降低运输风险。则危化品A和危化品B同时运输时的最优路径分别为①→③→④→⑤→⑦和②→⑤→⑥→⑧。
S104基于此综合优化方法计算得到危化品运输的最佳路径
经过前三个步骤得综合求解，最终可求得使危化品A和危化品B同时运输时的最优路径分别为①→③→④→⑤→⑦和②→⑤→⑥→⑧，最优路线图如图6所示。

Claims (3)

1.一种多点多目标的危化品运输路径优化方法，其特征在于，结合模糊折衷规划、扩展标号法和启发式算法，包括如下步骤，
I)利用模糊折衷规划算法对已知运输网络进行路径优化，将多目标问题转化为单目标问题，进行首次优化；在此步骤中，用扩展标号法，求得确定环境下危险品公路运输路径的多点多目标模型的最优折衷解；
II)利用启发式算法中的迭代算法对步骤I)中进行首次优化后的优化路线进行再次优化，删除风险较大的路径，使下层目标在上层要求的范围之内，再次求得满足要求的优化路线；
III)根据优化准则步骤II)中获得的优化路径进行对比分析，再次优化，优化方法为：当多种危化品同时运输时，根据多种危化品同时在同一条道路上运输时会增加运输风险的优化准则，避免运输路线的重合和相似路段，减小运输风险。
2.根据权利要求1所述的一种多点多目标的危化品运输路径优化方法，其特征在于，步骤I）的具体过程如下：
I-1）用dijkstra算法分别求出每种危险化学品的每个目标函数的最短路径，如果每种危险化学品的目标函数的最短路径都相同，则该最短路径为运输的最优路径，否则转向步骤（I-2）；
I-2）求出步骤（I-1）中每个目标函数最短路径的另外2个目标值，在每个目标函数的3个目标值中，确定该目标函数的上边界r+和下边界r-；
I-3）确定目标函数的隶属度函数，即
Figure DEST_PATH_IMAGE002
上式中k为第k种目标函数，rk表示第k种目标函数的实际值，rk -,rk +分别表示第k种目标函数的下边界和上边界；
I-4）用层次分析法确定目标函数的权重
Figure DEST_PATH_IMAGE003
，并选择合适的加权开方乘方平均数
Figure DEST_PATH_IMAGE005
将危险品公路运输路径多目标决策模型中的目标函数表示为单目标函数；
I-5）用基于集成目标函数最优折衷路径的扩展标号法，求得确定环境下危险品公路运输路径的多点多目标模型的最优折衷解；即求得首次优化路径。
3.根据权利要求2所述的一种多点多目标的危化品运输路径优化方法，其特征在于，步骤I-4）中合适的
Figure DEST_PATH_IMAGE007
的取值为1，2或
Figure DEST_PATH_IMAGE008
。
CN201710653720.1A 2017-08-02 2017-08-02 多点多目标的危化品运输路径优化方法 Active CN107451693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710653720.1A CN107451693B (zh) 2017-08-02 2017-08-02 多点多目标的危化品运输路径优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710653720.1A CN107451693B (zh) 2017-08-02 2017-08-02 多点多目标的危化品运输路径优化方法

Publications (2)

Publication Number Publication Date
CN107451693A CN107451693A (zh) 2017-12-08
CN107451693B true CN107451693B (zh) 2021-03-02

Family

ID=60490219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710653720.1A Active CN107451693B (zh) 2017-08-02 2017-08-02 多点多目标的危化品运输路径优化方法

Country Status (1)

Country Link
CN (1) CN107451693B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374006A (zh) * 2018-12-06 2019-02-22 兰州交通大学 多目标的危险品道路运输路径规划方法
CN111161443A (zh) * 2019-01-17 2020-05-15 浙江诸暨美数信息科技有限公司 一种基于历史数据的巡逻路径设置方法
CN111667088A (zh) * 2019-03-08 2020-09-15 南京农业大学 一种自动危险品运输车的专用道设置优化方法
CN109948855B (zh) * 2019-03-22 2021-08-31 杭州电子科技大学 一种带时间窗的异构危化品运输路径规划方法
CN110533238B (zh) * 2019-08-22 2022-08-26 杭州电子科技大学 二型模糊环境下的危化品车辆路径规划方法
CN110956336B (zh) * 2019-12-13 2023-05-30 中海服信息科技股份有限公司 一种基于图算法的行车路线挖掘方法
CN111126904B (zh) * 2019-12-16 2023-01-03 西南交通大学 一种基于ArcGis的危险品运输管理方法
CN113554372A (zh) * 2020-04-23 2021-10-26 深圳顺丰泰森控股(集团)有限公司 路由生成方法、装置、设备及存储介质
CN112434849B (zh) * 2020-11-19 2022-03-11 上海交通大学 基于改进多目标算法的危险品运输路径动态规划方法
CN112446538B (zh) * 2020-11-23 2022-11-08 合肥工业大学 一种基于个性化避险的最优路径获取方法
CN112766847A (zh) * 2021-01-11 2021-05-07 科技谷（厦门）信息技术有限公司 一种基于危险品多式联运路径优化方法
CN113592275B (zh) * 2021-07-23 2024-03-05 深圳依时货拉拉科技有限公司 一种货运调度方法、计算机可读存储介质及计算机设备
CN113516323B (zh) * 2021-09-15 2021-11-30 山东蓝湾新材料有限公司 运输路径推荐方法
CN115271259B (zh) * 2022-09-22 2023-04-18 交通运输部水运科学研究所 基于定位技术的危险货物集装箱的安全风险管理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761588A (zh) * 2014-02-18 2014-04-30 张家港美核电子科技有限公司 基于多目标建模优化的危化品运输调度方法
CN104156840A (zh) * 2014-07-29 2014-11-19 江汉大学 一种危化品运输路径规划方法和装置
CN104933474A (zh) * 2015-05-24 2015-09-23 北京化工大学 危险化学品运输的模糊双层优化方法
CN105740976A (zh) * 2016-01-28 2016-07-06 中国人民解放军军械工程学院 一种多目标情境下获取最优运输路径的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102116635A (zh) * 2009-12-30 2011-07-06 西门子公司 一种确定导航路径的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761588A (zh) * 2014-02-18 2014-04-30 张家港美核电子科技有限公司 基于多目标建模优化的危化品运输调度方法
CN104156840A (zh) * 2014-07-29 2014-11-19 江汉大学 一种危化品运输路径规划方法和装置
CN104933474A (zh) * 2015-05-24 2015-09-23 北京化工大学 危险化学品运输的模糊双层优化方法
CN105740976A (zh) * 2016-01-28 2016-07-06 中国人民解放军军械工程学院 一种多目标情境下获取最优运输路径的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
发达运输网络环境下危险品公路运输路径决策;马昌喜 等;《交通运输系统工程与信息》;20090831;第9卷(第4期);第134-139页 *
基于风险分析的危险品道路运输路径选择模型及算法研究;陈飞飞;《中国优秀硕士学位论文全文数据库工程科技II辑》;20150315(第3期);第C034-1908页 *

Also Published As

Publication number Publication date
CN107451693A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107451693B (zh) 多点多目标的危化品运输路径优化方法
Qiongbing et al. A new crossover mechanism for genetic algorithms with variable-length chromosomes for path optimization problems
Ciaffi et al. Feeder bus network design problem: A new metaheuristic procedure and real size applications
CN106453085A (zh) 基于业务重要度的风险均衡路由分配的方法及系统
Azis et al. Comparison of Floyd-Warshall algorithm and greedy algorithm in determining the shortest route
CN108880886B (zh) 一种跨区域电力系统保护通信网规划方法
CN110039540A (zh) 一种多目标同时优化的服务机器人路径规划方法
CN105704025B (zh) 基于混沌搜索和人工免疫算法的路由优化方法
Hu et al. Multi-objective new product development by complete Pareto front and ripple-spreading algorithm
CN113063419B (zh) 一种无人机路径规划方法及系统
Koduvilarpatti Strength Pareto evolutionary algorithm based multi-objective optimization for shortest path routing problem in computer networks
Girgis et al. Routing and capacity assignment problem in computer networks using genetic algorithm
CN108400935A (zh) 一种基于遗传算法的业务路径选择方法、装置及电子设备
Remya et al. OD matrix estimation from link counts using artificial neural network
Chitra et al. A nondominated sorting genetic algorithm for shortest path routing problem
CN109996133A (zh) 一种光网络规划方法、装置、电子设备及存储介质
Xie et al. An adaptive multi-objective immune algorithm for optimal design of truss structures
Girsang et al. Rectifying the inconsistent fuzzy preference matrix in AHP using a multi-objective bicriterionAnt
He et al. An evolutionary algorithm for the multi-objective shortest path problem
CN110956336B (zh) 一种基于图算法的行车路线挖掘方法
CN110365585B (zh) 一种基于多代价指标的路由裁剪优化方法
Burak et al. A multi-objective genetic algorithm for jacket optimization
Zhang et al. Multi-objective layout optimization of aircraft multi-branch cable harness based on MOPSO/D
Zhang et al. Selection of inspection path optimization scheme based on analytic hierarchy process and inspection experimental study
Ajani et al. IcSDE+--An Indicator for Constrained Multi-Objective Optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant