CN108171353A

CN108171353A - 一种基于时间片的电动汽车充电预约匹配方法

Info

Publication number: CN108171353A
Application number: CN201810200003.8A
Authority: CN
Inventors: 李哲涛; 赵新宇; 宁颖; 李祥林; 王建辉; 戴骥; 余荣; 邓清勇; 裴廷睿
Original assignee: Xiangtan University
Current assignee: Xiangtan University
Priority date: 2018-03-12
Filing date: 2018-03-12
Publication date: 2018-06-15
Anticipated expiration: 2038-03-12
Also published as: CN108171353B

Abstract

本发明提出了一种基于时间片的电动汽车充电预约匹配方法，基于物联网平台设计。首先通过获取电动汽车位置、电动汽车剩余电量、充电桩位置以及道路交通情况的信息，确定用户电量耗尽前可到达的所有充电桩集合。其次计算出到达充电桩的最小有效路程、充电费用、充电等待时间，剔除不满足用户要求的充电桩，形成参与匹配的电动汽车与充电桩集合。然后基于Hall婚配定理，综合考虑剩余电量和申请时间，对拥挤集中多余的电动汽车进行剔除。最后采用人机交互的方式获取偏重系数，建立综合满意度矩阵，基于进化匈牙利算法得到用户综合满意度最高的匹配结果，并通过网络分别发送给电动汽车和充电桩。本发明能有效的提高充电桩资源利用率，满足充电汽车用户的需求，具有广泛的适应性。

Description

一种基于时间片的电动汽车充电预约匹配方法

技术领域

本发明涉及一种基于时间片的电动汽车充电预约匹配方法，属于新能源汽车服务与信息处理技术领域。

背景技术

随着社会的发展，电动汽车已经成为未来汽车产业的发展趋势，并为世界能源的可持续发展带来了重大的经济效益，具有深远的影响。然而，目前电动汽车充电问题对于充电汽车用户、充电站运营商甚至政府部门都是亟待解决的难题，传统的按需就近充电是一种无序的充电策略，其处理和控制无序，难以满足大量用户的充电需求，充电桩的利用率不高，会造成资源浪费、等待时间较长等问题。物联网技术的发展给电动汽车的充电问题带来了很好的解决办法，通过物联网平台，对电动汽车的充电申请实现集中有序调度，更有利于达到资源配置效率最大化，满足用户的充电需求，从而推动充电汽车的发展。在物联网环境下，可通过车载通讯设备实时获得电动汽车位置、电动汽车剩余电量，同时也能从现有的地图导航软件获取充电桩的地理位置和道路的实时交通情况。在此基础上设计高效的算法来快速地优化匹配预约申请，并通过物联网平台将结果发送给充电汽车和充电桩，此发明能大幅度提高资源利用率，稳定电动汽车充电秩序，解决用户充电难题。

发明内容

针对目前无序的充电现象，本发明基于物联网平台设计，提出了一种基于时间片的电动汽车充电预约匹配方法；首先通过获取电动汽车位置、电动汽车剩余电量、充电桩位置以及道路的交通情况的信息，确定用户电量耗尽前可到达的所有充电桩集合；其次计算出到达充电桩的最小有效路程、充电费用、充电等待时间，剔除不满足用户要求的充电桩，形成参与匹配的电动汽车与充电桩最终可行集合；然后基于Hall 婚配定理，综合考虑剩余电量和申请时间，对拥挤集中多余的电动汽车进行剔除；最后采用人机交互的方式获取偏重系数，建立综合满意度矩阵，基于进化匈牙利算法得到用户综合满意度最高的匹配结果，并通过网络分别发送给电动汽车和充电桩。主要内容分为以下四个步骤：

步骤一、启动时间片内充电服务匹配预约计时器

步骤二、确定每个充电汽车用户所对应的充电桩可行集

1.确定电量耗尽前可到达的所有充电桩集合：

1)通过物联网平台，实时获取电动汽车位置、电动汽车剩余电量、充电桩位置以及道路的交通情况；

2)根据电动汽车的单位时间耗电量、剩余电量、平均速度，计算出申请充电的电动汽车所能行驶到的充电桩，确定初步可行集合。

2.剔除超出用户接受范围的充电桩，确定最终可行集合：

1)获取用户的预约充电量、能接受的最大路程、最大充电费用、最大排队等待时间；

2)计算可行集中每个充电桩所需的等待时间；

3)计算出用户到其可行集中每个充电桩的充电费用；

4)剔除不满足用户要求的充电桩，确定最终集合。

3.若某电动汽车用户的可行集为空集时，则直接拒绝该用户的预约申请。

步骤三、基于Hall婚配定理来确定参与匹配的充电汽车集合以及充电桩集合，并结束预约

1.对申请充电的电动汽车用户是否产生拥挤集进行判断：

1)如果Hall条件成立，即不存在拥挤集，则参与匹配的充电汽车集合以及充电桩原集合(EV,CI)中的数据会被新的集合(EV^*,CI^*)数据所取代；

2)如果Hall条件不成立，即第i辆电动汽车与此前的某辆或某些电动汽车会产生拥挤状态，导致这几辆电动汽车无法与不同的充电桩进行匹配，因此充分考虑申请时间、剩余电量两个因素，从拥挤集CS中剔除一辆电动车，使集合(EV,CI)满足Hall条件。

2.判断电动汽车的申请时间是否达到每轮计时器的固定时间片T、接受预约申请的电动汽车数量是否达到充电桩的最大值N，若满足其中任意一个条件，则平台关闭预约申请通道，并对接受申请的电动汽车进行预约匹配，若不满足，则反复执行步骤二、三。

步骤四、建立综合满意度矩阵，基于进化匈牙利算法确定最终的匹配结果

1.采用人机交互的方式获取偏重系数，建立综合满意度矩阵：

1)构建行程矩阵与费用矩阵；

2)对矩阵每一行进行归一化处理,确定相对满意度矩阵；

3)用户输入偏重系数，形成最终的综合满意度矩阵；

4)判断上述步骤产生的充电汽车数目n与所对应的充电桩数目m是否相同：

a.若n和m相同，则综合满意度矩阵Z不需修改；

b.若n＜m，则采用加边补M法对综合满意度矩阵增加m-n行，相应的综合满意度值以M代替，M 的具体数值在不影响进化匈牙利算法的情况下根据实际进行确定，M在此处应取0；

c.考虑到预约申请的电动汽车数量达到充电桩的最大值时，物联网平台会关闭预约申请通道，故不存在n＞m这种情况。

2.基于进化匈牙利算法求取用户综合满意度最高的匹配结果：

1)初始化种群规模及进化最大代数，寻求评价矩阵与目标分配方案；

2)上述得到的目标分配方案对其先进行均匀变异方式的操作，得到该轮内其他个体；

3)其后对所有的个体进行交叉操作：对该轮内的个体，每隔两代进行局部交叉操作，其他各代进行均匀交叉操作，其后再对种群中的个体采用均匀变异的方式进行操作；

4)在上述步骤后得到的结果中选择评价值最大的解作为当轮预约的结果，评价值由以下公式得：

其中，f为评价值，i为预约充电的充电汽车编号，j为空闲充电桩的编号，k为n,m中的最大值，r_ij为目标分配方案矩阵中的元素，Z_ij为评价矩阵Z中的元素；

5)判断是否满足终止条件，如果满足则进行下一步，否则重复步骤3)、4)，其中终止条件为当前的循环次数达到最大代数；

6)输出由改进的进化匈牙利算法得到的匹配结果。

3.完成本轮时间片内的充电汽车预约匹配。

步骤五、在下一时间片进行预约匹配，反复执行以上所有步骤

附图说明

图1是本发明平台端预约匹配流程图；

图2是本发明剔除超出用户接受范围的充电桩流程图；

图3是本发明用户端预约匹配流程图。

具体实施方法

步骤一、启动充电服务匹配预约计时器

步骤二、确定每个充电汽车用户所对应的充电桩可行集

1.确定电量耗尽前可到达的所有充电桩集合：

1)系统通过物联网平台开始接受充电汽车的充电预约，并实时获得电动汽车位置、电动汽车剩余电脑、充电桩位置及其道路的交通情况，对各个充电桩进行统一编号，并按时间顺序对接收到申请的充电汽车进行编号，其中被上一轮标记的用户优先编号：

a.通过电动汽车位置信息和所有充电桩位置计算出第i辆电动汽车距离第j个空闲充电桩的第n条路径的长度为S(_n)_ij；

b.通过道路的交通情况获取该路径的预计拥堵时间，根据电动汽车ev_i的平均车速V_i，将拥堵时间换算成路程JS_(n)ij,则路径n下第i辆电动汽车距离第j个充电桩的有效路程记为Y_(n)ij，且 Y_(n)ij＝S_(n)ij+JS_(n)ij；

c.对比不同路径的有效路程，得到最小有效路程的路径，并将该路径的最小有效路程记为Y_ij，其中i表示第i辆电动汽车，j表示第j个空闲充电桩；

2)根据电动汽车的单位时间耗电量、剩余电量、平均速度，计算出申请充电的电动汽车所能行驶到的充电桩，确定初步可行集合，根据第i辆电动汽车的单位时间耗电量Q_i、电动汽车剩余电量E_i，可得到该电动汽车的最大行驶路程为若S_m≥Y_ij,则将该充电桩ci_j放入该电动汽车的可行集FS_i中， FS_i＝{ci_j|ci_j∈CI},其中CI表示所有充电桩的集合。

2.剔除超出用户接受范围的充电桩，确定最终可行集合：

1)获取用户的预约充电量、能接受的最大路程、充电最大费用、最大排队等待时间：

用户通过该系统，输入自己的约定充电量AE_ik，即充电结束时的电量，输入自己所能接受的最大行驶路程AS_i、充电最大费用AP_i以及最大排队等待时间AT，其中i表示第i辆电动汽车，k表示用户所处的轮数；

2)计算可行集中每个充电桩所需的等待时间：

已知前面几轮匹配预约的计算结果，第j个充电桩，在第k轮预约匹配中，匹配到第i辆电动车，则第j个充电桩在第k轮中，被占用的时间可以表示为

其中P表示充电桩充电的功率，

所以在第k+1轮的预约申请中，可算出当前第i辆电动车到达第j个充电桩所需的等待时间

当时，令

其中l表示第l轮预约申请中，充电桩处于空闲状态，即t_jm＝0；表示每轮预约申请及匹配的平均时长；

3)计算出用户到其可行集中每个充电桩的充电费用：

充电桩的单位电价包含基本电价费用及充电服务费用，考虑到充电设施的地理位置、建设规模等不同，充电服务费用可能存在差异，另外由于充电设施用电执行分类目录电价政策，各充电桩基本电价也不尽相同。将各充电桩的充电费用纳入考虑范围内，则

其中，R_j表示充电桩ci_j的单位电价；

4)剔除不满足用户要求的充电桩，确定最终集合，从得到的充电桩初步可行集中，对于以下几种情况：

a.第j个充电桩ci_j距离该电动汽车ev_i的最小有效路程超过用户可接受的最大路程：Y_ij＞AS_i；

b.某充电桩ci_j的充电费用超过用户可接受的最大费用：C_ij＞AP_i；

c.电动汽车ev_i到达充电桩ci_j所需的充电等待时间超过用户可接受的最大排队等待时间T_ij ^w＞AT；

则将充电桩ci_j从可行集中剔除，得到最终的可行集FS_i。

步骤三、基于Hall婚配定理确定参与匹配的充电汽车集合以及充电桩集合，并结束预约

1.对申请充电的电动汽车用户是否产生拥挤集进行判断：

在本轮匹配中，如果第i辆电动汽车与充电桩之间的匹配导致某辆或某些充电汽车无法获得充电服务，则所有这些电动汽车之间会产生拥挤，所构成的集合称为电动汽车拥挤集CS；设G是具有二划分 (EV,CI)的二部图，G有饱和EV中每个顶点的匹配充分必要条件是：对于任何有称为Hall条件，其中EV表示该轮预约申请的所有电动车集合；如果要求电动汽车集合中的每一辆电动汽车均可以与不同的充电基础设施进行匹配，那么充电汽车集合的任意子集合均不满足拥挤集情况，因此Hall条件正是不存在拥挤集的等价条件；若二划分存在S不满足Hall条件，则S中的最小集合即为CS。

2.考虑申请时间、剩余电量两个因素，从拥挤集中剔除多余的电动汽车，使集合满足要求：

假定平台接受到第i辆电动汽车的预约申请，且之前已经接收了j(j＜i)辆电动汽车的申请，则需要对新的二划分(EV^*,CI^*)是否满足Hall条件进行判断：对于EV^*的任意子集S，判断是否满足其中EV^*、CI^*表示新的电动汽车集合以及新的充电桩集合：

1)如果Hall条件成立，即不存在拥挤集，则原二划分(EV,CI)中的数据会被新的二划分(EV^*,CI^*) 数据所覆盖；

2)如果Hall条件不成立，即第i辆电动汽车与此前的某辆或某些电动汽车会产生拥挤状态，导致这几辆电动汽车无法与不同的充电桩进行匹配，因此需要充分考虑申请时间、剩余电量两个因素，对拥挤集CS 中多余的电动汽车进行标记和剔除，使集合(EV,CI)满足Hall条件：

a.当电动汽车拥挤集CS中最大剩余电量Q_max与最小剩余电量Q_min满足：

表明此电动汽车拥挤集CS中的剩余电量分布不均，差值较大，为了保护电量低的电动汽车不被剔除，则将含有最大剩余电量Q_max的车辆剔除，反之则考虑申请时间因素；

b.当上述公式不满足时，则表明拥挤集CS中的电动汽车剩余电量差值不大，采用申请时间先后顺序的原则进行剔除，先申请的电动汽车用户接受预约申请，而将拥挤集CS^*中最后申请的电动汽车用户进行剔除；

c.对于被上一轮标记的电动汽车用户，在本轮的此步骤中不会被剔除，对于本轮在拥挤集中剔除的电动汽车用户，系统会将该用户放置下一轮预约匹配中，并在下一轮中优先编号；

3.判断电动汽车的申请时间和接受预约申请的电动汽车数量，满足条件之一，则电动汽车预约申请结束：

1)达到每轮计时器的固定值T；

2)所有接受预约申请的电动汽车数量达到充电桩的最大值N；

若满足其中任意一个条件，则物联网平台关闭预约申请通道，并开始对接受申请的电动汽车进行预约匹配，若不满足，则反复执行步骤二、三。

1)构建行程矩阵与费用矩阵：

a.用最小有效路程Y_ij构建行程矩阵如下：

其中，Y为行程矩阵，Y_nm为充电汽车ev_n分配给充电桩ci_m时所需的最小有效路程，n、m分别表示本轮预约申请结束时，参与本轮预约匹配的电动汽车及充电桩的最大数量，且n≤m；

b.用充电费用值C_ij构建费用矩阵如下：

其中，C为费用矩阵，C_nm为充电汽车ev_n分配给充电桩ci_m时所会产生的费用值，n、m分别表示本轮预约申请结束时，参与本轮预约匹配的电动汽车及充电桩的最大数量，且n≤m；

2)对矩阵每一行进行归一化处理,确定相对满意度矩阵：

考虑到不同的指标的属性值的数值差别很大，为了使综合指标的数值不偏向某一指标并显示出某电动汽车对于所有充电桩的相对满意度，对以上矩阵的每一行进行归一化处理：

其中：表示第i辆电动汽车到第j个充电桩归一化后的最小有效路程，表示第i辆电动汽车到第 j个充电桩归一化后的充电费用，Y_i ^max、Y_i ^min表示第i辆电动汽车所对应所有充电桩的最小有效路程的最大值及最小值，表示第i辆电动汽车所对应所有充电桩的充电费用的最大值及最小值，

则可得出行程相对满意度矩阵及费用相对满意度矩阵

3)用户输入偏重系数，形成最终的综合满意度矩阵：

a.用户根据自己对行程距离和费用的偏重程度，在平台中输入对应的偏重系数值α；

b.根据所定义的α值构建综合满意度矩阵：

Z＝αY+(1-α)C

其中α必须满足0≤α≤1；

4)判断上诉步骤产生的充电汽车数目n与所对应的充电桩数目m的大小关系：

a.若n和m相同，则综合满意度矩阵Z不需修改；

b.若n＜m，则采用加边补M法对综合满意度矩阵增加m-n行，相应的综合满意度值以M代替，M 的具体数值在不影响进化匈牙利算法的情况下根据实际进行确定，若将最大值作为最优，则M应取0，若将最小值作为最优，则M应取无穷大值，此处M应取为0；

1)初始化：

a.根据运行速度的要求进而设置种群规模和进化最大代数，在该充电汽车预约充电的场景中，为达到实时性能高，设置种群规模的个数为10，进化最大代数为100；

b.利用匈牙利算法处理评价矩阵Z：

i)找出评价矩阵Z每行中的最小元素，并分别从每行中减去，其后在找出评价矩阵Z每列中的最小元素，并分别从每列中减去；

ii)圈出不同行且不同列的0元素，进行试指派；

iii)用最少的直线覆盖评价矩阵Z中的0元素；

iv)调整评价矩阵，使出现新的0元素，以达到增加0元素的目标；

v)若上述步骤得到的矩阵中能够找出k个独立0元素，即矩阵每一行都有一个0元素，且这些0元素的所在列不会重合。就以这k个独立的0元素对应的解矩阵作为相应的目标分配方案；

c.得到相应的目标分配方案，目标分配方案按以下方式编码：

其中，k为n,m中的最大值，矩阵内的r_ij＝1或0，当r_ij＝1时，表示充电汽车ev_i分配给充电桩ci_j，当r_ij＝0时，表示充电汽车ev_i没有分配给充电桩ci_j。

2)上述得到的目标分配方案对其先进行均匀变异的操作，得到该轮内其他个体；

3)其后对所有的个体进行交叉操作：对该轮内的个体，每隔两代进行局部交叉操作，其他各代进行均匀交叉操作；其后再对种群中的个体采用均匀变异的方式进行操作；

4)在上述步骤后得到的结果中选择评价值最大的解作为预约匹配的结果值，评价值由以下公式得到：

6)输出匹配结果。

3.完成本时间片内的充电汽车预约匹配。

步骤五、在下一时间片进行预约匹配，反复执行以上所有步骤。

Claims

1.一种基于时间片的电动汽车充电预约匹配方法，所述匹配方法至少包括以下步骤：

步骤一、启动充电服务匹配预约计时器；

步骤二、确定每个充电汽车用户所对应的充电桩可行集：

1)确定电量耗尽前可到达的所有充电桩集合；

2)剔除超出用户接受范围的充电桩，确定最终可行集合；

步骤三、确定参与匹配的充电车集合以及充电桩集合，并结束预约：

1)对申请充电的电动汽车用户是否产生拥挤集进行判断；

2)考虑申请时间、剩余电量两个因素，对拥挤集中多余的电动汽车进行剔除和标记，使其满足条件；

3)判断电动汽车的申请时间是否达到每轮计时器的固定时间T、接受预约申请的电动汽车数量是否达到充电桩的最大值N，若满足其中任意一个条件，则物联网平台关闭预约申请通道，并开始对接受申请的电动汽车进行预约匹配，若不满足，则反复执行步骤二、三；

步骤四、建立综合满意度矩阵，基于进化匈牙利算法确定最终的匹配结果：

1)采用人机交互的方式获取偏重系数，建立综合满意度矩阵；

2)基于进化匈牙利算法求取用户综合满意度最高的匹配结果；

3)完成本轮时间片内的充电汽车预约匹配；

2.根据权利要求1所述的一种基于时间片的电动汽车充电预约匹配方法，其特征在于启动充电服务匹配预约，确定每个充电汽车用户所对应的充电桩可行集，至少还包括以下步骤：

1)通过物联网平台，获取电动汽车位置、电动汽车剩余电量、充电桩位置以及道路的交通情况，对各个充电桩、充电汽车进行编号，其中被上一轮标记的用户优先编号：

a.通过电动汽车位置信息和所有充电桩位置计算出第i辆电动汽车距离第j个空闲充电桩的第n条路径的长度为S_(n)ij；

b.通过道路的交通情况获取路径n的预计拥堵时间，根据电动汽车ev_i的平均车速V_i，将拥堵时间换算成路程JS_(n)ij，则路径n下第i辆电动汽车距离第j个充电桩的有效路程记为Y_(n)ij＝S_(n)ij+JS_(n)ij；

c.对比不同路径的有效路程，得到最小的有效路程的路径，并将该路径的最小有效路程记为Y_ij，其中i表示第i辆电动汽车，j表示第j个空闲充电桩；

2)根据电动汽车的单位时间耗电量Q_i、剩余电量E_i、平均速度V_i，计算出申请充电的电动汽车所能行驶到的充电桩，确定初步可行集合；

3)定义充电结束时的电量为约定充电量，获取用户的约定充电量AE_ik、能接受的最大路程AS_i、充电费用AP_i以及最大排队等待时间AT，其中i表示第i辆电动汽车，k表示用户所处的轮数；

4)计算可行集合中每个充电桩所需的等待时间：

已知前面几轮匹配预约的计算结果，第j个充电桩，在第k轮预约匹配中，匹配到第i辆电动车，则第j个充电桩在第k轮充电中，被占用的时间可以表示为

其中P表示充电桩充电的功率，

因此在第k+1轮的预约申请中，可算出当前第i辆电动车到达第j个充电桩所需的等待时间：

其中当T_wij≤0时，令T_wij＝0，l表示第l轮预约申请中充电桩处于空闲状态，即t_jm＝0；表示每轮预约申请及匹配的平均时长；

5)计算出用户到其可行集中每个充电桩的充电费用：

充电桩的单位电价包含基本电价费用及充电服务费用，考虑到充电设施的地理位置、建设规模等不同，所以充电服务费用可能存在差异，另外由于充电设施用电执行分类目录电价政策，其基本电价也不尽相同，所以我们不得不将每个充电桩的充电费用纳入考虑范围内，则

其中R_j表示充电桩ci_j的单位电价；

6)剔除不满足用户要求的充电桩，确定最终集合。

3.根据权利要求1所述的一种基于时间片的电动汽车充电预约匹配方法，其特征在于确定参与匹配的充电车集合以及充电桩集合，至少还包括以下步骤：

1)对申请充电的电动汽车用户是否产生拥挤集进行判断；

2)充分考虑申请时间、剩余电量两个因素，从拥挤集中剔除多余的电动汽车，使集合满足要求：

表明此电动汽车拥挤集CS中的剩余电量分布不均，差值较大，为了保护电量低的电动汽车不被剔除，则将含有最大剩余电量Q_max的车辆剔除；

3)判断电动汽车的申请时间是否达到每轮计时器的固定时间片T、接受预约申请的电动汽车数量是否达到充电桩的最大值N，若满足其中任意一个条件，则平台关闭预约申请通道，并对接受申请的电动汽车进行预约匹配，若不满足，则继续接受电动汽车的充电预约申请。

4.根据权利要求1和权利要求2所述的一种基于时间片的电动汽车充电预约匹配方法，其特征在于构建人机交互的评价指标及进化匈牙利算法，确定最终的匹配结果，至少还包括以下几个步骤：

1)采用人机交互的方式获取偏重系数，建立综合满意度矩阵：

a.用最小有效路程Y_ij构建行程矩阵Y，用充电费用值C_ij构建费用矩阵C；

b.对矩阵每一行进行归一化处理,确定相对满意度矩阵：

其中，表示第i辆电动汽车到第j个充电桩归一化后的最小有效路程，表示第i辆电动汽车到第j个充电桩归一化后的充电费用，Y_i ^max、Y_i ^min表示第i辆电动车对应的所有充电桩的最小有效路程的最大值及最小值，表示第i辆电动车对应的所有充电桩的充电费用的最大值及最小值，

则可得出行程相对满意度矩阵及费用相对满意度矩阵

c.用户输入偏重系数，形成最终的综合满意度矩阵：

Z＝αY+(1-α)C

其中α必须满足0≤α≤1；

d.判断充电汽车数目n与所对应的充电桩数目m是否相同：

若n和m相同，则综合满意度矩阵Z不必修改；若n＜m，则采用加边补M法对综合满意度矩阵增加m-n行，相应的综合满意度值以M代替，M的具体数值在不影响进化匈牙利算法的情况下根据实际进行确定，M在此处应取0；考虑到预约申请的电动汽车数量达到充电桩的最大值时，物联网平台会关闭预约申请通道，故不存在n＞m这种情况；

2)基于进化匈牙利算法求取最优匹配结果：

a.初始化：

i)设置种群规模和进化最大代数；

ii)利用匈牙利算法处理评价矩阵Z；

iii)得到相应的目标分配方案，目标分配方案按以下方式编码：

b.上述得到的目标分配方案对其先进行均匀变异的操作，得到该轮内其他个体；

c.对所有的个体进行交叉操作：对该轮内的个体，每隔两代进行局部交叉操作，其他各代进行均匀交叉操作；其后再对种群中的个体采用均匀变异的方式进行操作；

d.在结果中选择评价值大的解作为当轮的解，评价值按以下公式得：

e.判断循环次数是否达到最大代数，如果达到则进行下一步，否则返回步骤c、d，其中终止条件为当前的循环次数达到最大代数；

f.输出匹配结果；

3)完成本轮时间片内的充电汽车预约匹配。