CN110222890A - 一种车辆与无人机物流配送的双层路径优化方法及系统 - Google Patents

Abstract

本发明实施例提供一种车辆与无人机物流配送的双层路径优化方法，所述方法包括：建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。根据本技术方案，在初步建立的双层路径基础上，通过对路径进行邻域分组优化，获得双层路径的最节约成本路径。

Description

一种车辆与无人机物流配送的双层路径优化方法及系统

技术领域

本发明涉及物流配送领域，具体涉及一种车辆与无人机物流配送的双层路径优化方法及系统。

背景技术

近年来，蓬勃发展的电子商务促进了快递行业的飞速发展。顾客希望在网上下单购物后的一两天内能够收到包裹，但是传统的基于地面车辆的配送方式很难满足顾客日益增长的配送需求和快速高效的时间要求。车辆会受到地面现有基础设施和道路、河流等地理环境障碍的限制，这将大大增加配送时间和运营成本。并且大量的地面车辆给城市带来了交通堵塞，产生的大气污染也不环保。这些问题促使人们寻找更为高效环保低成本的配送方式，并转向无人机配送。

由于自动化和人工智能技术的快速发展，无人机配送已经成为可能。一方面，无人机可以不考虑地面障碍和交通状况，直接飞至相应的收件地址，从而大大降低运输成本和时间。另一方面，无人机更为环保，产生的空气污染更少。目前已经有许多公司意识到这些优势，开始研究无人机配送问题。然而，人机续航时间短、载荷能力低，飞行时间有限，只能携带小包裹，这些特性导致使用无人机完成所有包裹的配送并不是最佳选择。

考虑到实际困难，车辆和无人机都有各自的局限性和优点。然而，如果车和无人机协同配合，两者在功能特性上的互补能够在实际应用中带来巨大的优势。首先，地面车辆行驶距离长，装载能力强，既可以作为移动仓库，装载大量包裹，又可以作为无人机的移动基站，大大增大无人机的有效运载范围。此外，无人机受地面交通的限制较小，在一些车辆难以到达的地区，比如一些交通拥堵或者交通不便的地方，能够表现的更好。对于无人机续航时间较短的问题，可以通过在车辆内更换电池或充电进行再利用。

在现有技术中对于车和无人机协同的双层路由问题(2E-RP-T&D)，由于双层路径的复杂性，传统的求解旅行商问题TSP和车辆路径优化问题VRP的邻域搜索会产生很多不可行的解，耗费大量无用的计算量。

发明内容

本发明实施例提供一种车辆与无人机物流配送的双层路径优化方法及系统，通过对路径进行邻域分组优化，获得双层路径的最节约成本路径。

为达到上述目的，一方面，本发明实施例提供了一种车辆与无人机物流配送的双层路径优化方法，所述方法包括：

建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

另一方面，本发明实施例提供了一种车辆与无人机物流配送的双层路径优化系统，所述系统包括：

双层路径建立单元：用于建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

邻域分组单元：用于根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

路径确定单元：用于分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

上述技术方案具有如下有益效果：通过对双层路径进行邻域分组，获得每个邻域组的最节约成本路径，减少了双层路径整体计算中的复杂性，并可以通过简单的运算获得最优的解。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种车辆与无人机物流配送的双层路径优化方法的流程图；

图2是本发明实施例一种车辆与无人机物流配送的双层路径优化系统的结构示意图；

图3是本发明一实施例情况1中伴飞子路由生成示意图；

图4是本发明一实施例情况2.1中伴飞子路由生成示意图；

图5是本发明一实施例情况2.2中伴飞子路由生成示意图；

图6是本发明一实施例情况3中伴飞子路由生成示意图；

图7是本发明一实施例的一种邻域优化示意图；

图8是本发明一实施例的又一种邻域优化示意图；

图9是本发明一实施例的再一种邻域优化示意图；

图10是本发明实施例在一实际应用中的配送范围内的顾客分布图；

图11是本发明实施例在一实际应用中初步获得的双层路径图；

图12是本发明实施例在一实际应用中优化后的双层路径图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，是本发明实施例一种车辆与无人机物流配送的双层路径优化方法的流程图，所述方法包括：

S101：建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

以仓库为起点，通过临近点搜索建立由车辆对区域内需要配送的所有顾客节点进行配送的车辆配送主路径。基于“车辆第一，无人机第二”(Truck First,Drone Second)的思想，将临近点搜索和节约策略结合起来。首先，利用临近点搜索(Nearest NeighborSearch,NNS)建立了一个有向的主干线，使车辆能够访问所有的顾客节点。

临近点搜索算法是一种著名的构造搜索算法，是最早提出的求解旅行商问题TSP的方法之一。利用临近点搜索算法构造出访问所有顾客点的车辆路径。该算法每次均选择下一个最近的未访问节点，直到所有节点都被访问。运行速度快，求得的解的质量很大程度上取决于顾客节点的布局。

依次判断将车辆配送主路径上的每一个能由无人机进行配送的顾客节点替换为由无人机配送的成本是否低于替换之前的成本，若是，则将该顾客节点替换为由无人机配送，形成一个无人机伴飞子路由；

在完成临近点搜索后，可以构建一个有向主路由，形成一个顾客列表。不同顾客的包裹重量不同。其中一些是重包裹，只能用车辆运送，而另外一些是轻型包裹，可以用无人机运送。对于车辆路径中的轻包裹，根据无人机配送能力、配送货物的重量、配送路程以及替换前后的成本对比，如果可以由无人机运送，我们将使用无人机代替车辆运送。替换过程是根据Clarke和Wright(1964)提出的节约成本策略逐一进行的。节约算法最初应用于车辆路径问题(VRP)，其目的是找到所有给定顾客的最优路径。其主要思想是在车辆荷载的限制下，将两条线路组合成一条线路，找到最大的距离缩减量。同样，本文的算法试图通过将车辆顾客替换为无人机顾客来最大限度的节省成本。

为了在每次更换操作中找到最节约成本的顾客点，根据前一个顾客和后一个顾客的配送方式确定了以下几种情况；

1、若当前判断的顾客节点的前、后端顾客节点均为由车辆配送的顾客节点，则当所述判断为是时，将该顾客节点替换为由无人机配送，形成一个无人机伴飞子路由；

如图3所示，车辆依次拜访三个顾客节点，中间的一个顾客节点②需要进行配送的货物较轻，根据无人机配送能力、配送货物的重量、配送路程判断可以由车辆改为无人机送货。无人机从顾客节点①出发，配送顾客节点②后返回顾客节点③，生成新的无人机伴飞子路由。那么，该替换所节省的成本可以计算为其中，为车辆从顾客节点i(或仓库i)到顾客节点j(或仓库j)的行驶成本，为伴飞子路由(1-2-3)的飞行成本。

2、若当前判断的顾客节点为无人机伴飞子路由的前端或末端节点，则在该伴飞子路由上的无人机能够对该顾客节点进行配送的情况下，若所述判断为是时，将该顾客节点加入该无人机伴飞子路由，形成一个新的无人机伴飞子路由；

2.1如图4所示，车辆路径上的顾客节点②原来作为已有的伴飞子路由的回收无人机末端，现在加进了伴飞路由的末端。顾客节点①由无人机配送，顾客节点②和顾客节点③由车辆依次配送。在这种情况下，需要判断无人机在完成顾客节点①配送后是否可以服务顾客节点②。除了有效载荷的限制，整个线路的能耗需要重新计算。如果更换可行，节省的成本可以计算为其中为原伴飞子路由(---1-2)的飞行成本，为添加了顾客节点③的新伴飞子路由的飞行成本。

2.2如图5所示，将一辆车辆访问节点，即无人机的伴随子路径的起飞节点，添加到该伴随子路径的起点。顾客节点②被车辆访问，是无人机的起飞节点。如果顾客节点②中的包裹可以通过无人机送达，并添加到伴随子路由的起始位置，则节省的成本可以计算为，其中为原子路由(2-3---)的飞行成本，为添加节点①后的子路由的飞行成本。

3、若当前判断的顾客节点为两个无人机伴飞子路由的连接点，判断是否能将该顾客节点替换为无人机配送以合并该两个无人机伴飞子路由，若是，则将该顾客节点替换为无人机配送，合并该两个无人机伴飞子路由形成一个新的无人机伴飞子路由。

如图6所示，合并两个无人机的伴随子路由。可以看出，顾客节点②被车辆访问，车辆是第一个伴飞子路由的着陆节点(---1-2)和第二个伴飞子路由的起飞节点(-2-3--)。如果可以将两个伴随子路由合并为一个伴随子路由，则节省的成本可以计算为其中为子路由(---1-2)的飞行成本，为子路由(2-3--)的飞行成本，为子路由(--1-2-3---)的飞行成本。

在上述几种情况中，能够由该伴飞子路由上的无人机配送的顾客节点则包括：在该伴飞子路由上的无人机完成原有的配送任务时，根据该无人机的载荷能力，还能够对其进行货物配送的顾客节点。

重复上一步骤，确定车辆配送主路径上的顾客节点是否能替换为由无人机配送，直至当前车辆配送路径上无法找到可替换并节约成本的顾客节点，获得包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径。

根据上述的4种情况，检查车辆访问的所有节点，计算出每一个可能的节点所节省的成本，并将节省成本最大的节点替换为无人机访问。重复这个计算和替换步骤，直到不存在能够替换的车辆节点或者替换后依旧无法节约成本，这意味着不能通过改变顾客的配送方式来降低总成本。

S102：根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

S103：分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

针对双层路径设计了邻域搜索算子，并在算子中对所述双层路径进行了一定的调整，以确保解的可行性。在每次迭代中，都会搜索当前解的相关邻域解，并对生成的可行解进行比较，选择成本最小的解。包括将邻域组中的一个顾客节点从其所在的双层路径上删除，并将该顾客节点重新插入到该双层路径的其他位置；或者随机交换邻域组中任意两个顾客节点的位置，遍历该邻域组中的每一个顾客节点的所有的可行性位置，确定该邻域组的最节约成本路径。

当删除的顾客节点为车辆配送主路径上的顾客节点，该顾客节点的插入方式包括：插入到车辆配送主路径上的其他位置、插入到已有无人机伴飞子路由中以及形成一个新的无人机伴飞子路由。

如图7所示，删除-插入邻域是解决TSP相关问题的常用方法。在该算子中，删除一个顾客节点，并将其重新插入到其他位置，得到一个新的临时解。与传统的TSP问题不同，双层路径问题中有两种路径，地面车辆路径和无人机路径。我们限制被删除的节点只能重新插入到同一类型的路由中，也就是说顾客的配送方式不能更改。在删除过程中，可以随机选择一个顾客，也可以删除对路线距离影响最大的顾客。具体来说，首先会生成一个随机数来确定删除的方式。如果根据距离则计算每个顾客节点的两边的距离，并移除两边距离最长的顾客节点。然而，如果它被随机移除，则解的搜索空间更为多样化。对于插入操作，在考虑了所有的可行性位置后，贪婪地选择成本增加最少的最佳插入位置。

由于无人机顾客节点仅位于无人机路径上，无人机顾客节点的重新插入将仅限于无人机的续航能力。然而，车辆顾客节点的情况更为复杂。图7给出了当删除点为车辆点时的几个典型操作。图7(a)展示了一个相对简单的移动，其中顾客节点③只位于车辆路线上，顾客节点③的重新加入对无人机路线没有影响。但图7(b)和(c)中的顾客节点②，同时位于车辆路线和无人机路线上。在(b)中，虽然顾客节点②的位置改变，但顾客节点②还是位于无人机回收点的前，则无人机仍在顾客节点②点起飞。但是，(c)中，如果顾客节点②的位置改变导致无人机路径反向，则将顾客节点②转换为无人机路径的回收点。根据能量消耗模型，无人机在这条路径上消耗的能量会发生变化。

如图8所示，重定位的邻域与删除-插入邻域相似，主要区别在于重定位必须改变顾客节点的配送方式。由无人机配送的顾客节点很容由车辆配送，但是将车辆配送的顾客改变为无人机顾客节点较为困难。图8给出了将无人机顾客节点重定位为车辆顾客节点的三个典型操作。将车辆顾客从车辆路线上移除后，最简单的方法是将其插入新的无人机行程中，如图8(a)所示。另外，如图8(b)所示，将顾客插入到当前无人机路由也是一种方法。比较两种可能的解决方案，选择成本更低的方案。

如图9所示，邻域2-交换即在解中随机选择两个顾客节点，并对他们的位置进行交换。由于双层路径的复杂性，这里的2-交换操作比传统TSP使用的更加复杂，并且在每一次操作中都要检查无人机的续航能力和载荷能力。如果不改变双层路径的结构，在单一类型路线(如车辆路线或无人机路线)上的两个节点之间的交换是简单的。但如果选择的一个车辆点也是无人机的发射或着陆点，则该节点在无人机路径中的作用应由另一个交换节点替代。图9给出了一些特殊情况。如图9(a)所示，无人机的起飞节点从顾客节点②变更为顾客节点⑦，此时更换后的无人机伴飞路由的可行性需要被重新验证。在图(b)中，如果无人机发射点和返回点都保持不变，那么无人机路径(3,7,1)会在另一条路径(4,5,2)内，故需要在交换后做一些调整，选择顾客节点⑥作为新的返回节点。

上述邻域组的操作实际上为一种模拟退火算法，将模拟退火算法与随机概率相结合，能够在求解过程中避开陷入局部最优解。然而,由于计算过程中缺少存储过程，导致短期内可能存在重复同一不可行或者不优的搜索，或者循环搜索。因此，禁忌列表(TabuList)的加入能够有效提高模拟退火的性能。

当确定该邻域组中的最节约成本路径后，将该邻域组加入到禁忌列表中，所述禁忌列表中的邻域组在双层路径优化结束前，不再加入到路径优化过程。

在每次迭代中，都会选择一些邻域来生成新的邻域解。如果新的解比旧的更好(成本更低)，那么它将被接受。或者，如果新的解成本更高，此时它有一定的概率被接受。一旦新的解被接受，则该邻域操作将被添加到禁忌列表中。在温度下降之前，禁忌列表中的邻域操作都禁止使用，直至温度下降，列表被释放。

如图2所示，是本发明实施例一种车辆与无人机物流配送的双层路径优化系统的结构示意图，所述系统包括：

双层路径建立单元21：用于建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

邻域分组单元22：用于根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

路径确定单元23：用于分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

进一步地，所述双层路径建立单元21包括：

主路径建立模块：用于建立由车辆对区域内需要配送的所有顾客节点进行配送的车辆配送主路径；

判断模块：用于按照车辆配送方向，依次判断将车辆配送主路径上的每一个能由无人机进行配送的顾客节点替换为由无人机配送的成本是否低于替换之前的成本，若是，则将该顾客节点替换为由无人机配送，形成一个无人机伴飞子路由；

路径建立模块：用于重复上一步骤，确定车辆配送主路径上的顾客节点是否能替换为由无人机配送，直至当前车辆配送路径上无法找到可替换并节约成本的顾客节点，获得包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径。

进一步地，所述路径确定单元23，具体用于：

将邻域组中的一个顾客节点从其所在的双层路径上删除，并将该顾客节点重新插入到该双层路径的其他位置；或者随机交换邻域组中任意两个顾客节点的位置，遍历该邻域组中的每一个顾客节点的所有的可行性位置，确定该邻域组的最节约成本路径。

进一步地，在所述路径确定单元23中：

当删除的顾客节点为车辆配送主路径上的顾客节点，该顾客节点的插入方式包括：插入到车辆配送主路径上的其他位置、插入到已有无人机伴飞子路由中以及形成一个新的无人机伴飞子路由。

进一步地，所述路径确定单元23，具体还用于：

当确定该邻域组中的最节约成本路径后，将该邻域组加入到禁忌列表中，所述禁忌列表中的邻域组在双层路径优化结束前，不再加入到路径优化过程。

根据本发明的方法和系统，首先，根据实际的道路距离，车辆从仓库出发，每次选择距离最近的顾客，直到所有的包裹都送达为止。当车辆返回仓库时，得到车辆配送主路径，并形成一个顾客的顺序列表。而后根据这一顺序寻找节约成本最大的顾客点。在每次循环中，每个车辆顾客点都会被判断是否可以替换为无人机点。如果可以，则计算减少的成本。如果能找到一个或更多的顾客,选择最节约成本的顾客并改变其配送方式。如果无法找到可替换并节约成本的顾客点,结束循环并输出得到的两阶段的车&无人机解。再通过将模拟退火算法与随机概率相结合，在求解过程中避开陷入局部最优解，获得最终的最节约成本路径。

应用实例

以长沙实际路网为基础构造了实际案例，并进行了敏感性分析。如图10所示，在长沙市东部城区选取了95个主路交叉口，标注了30个顾客节点。通过连接这些十字路口，形成了一个车辆行驶的公路网。

具体来说，十字路口的经纬度坐标是通过百度地图得到的。对于车辆的行驶距离，使用百度提供的工具对实际路段进行距离计算，生成初始距离矩阵。然后用Floyd算法得到基于公路网的任意两交叉口之间的最短距离距离。每个顾客对应的包裹是随机生成的，所有包裹重，轻包裹的比例为95％。

首先建立车辆配送主路径和无人机伴飞子路由，在邻近的搜索构建车辆配送主路径后，通过成本节约原理，将可由无人机替换配送的顾客节点替换为无人机配送，初步获得双层路径如图11所示。

将模拟退火算法应用于改进图11的结果，得到优化后的双层路径规划结果如图12所示。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrativecomponents)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆与无人机物流配送的双层路径优化方法，其特征在于，所述方法包括：

建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

2.如权利要求1所述的车辆与无人机物流配送的双层路径优化方法，其特征在于，所述建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径，包括：

以仓库为起点，通过临近点搜索建立由车辆对区域内需要配送的所有顾客节点进行配送的车辆配送主路径；

依次判断将车辆配送主路径上的每一个能由无人机进行配送的顾客节点替换为由无人机配送的成本是否低于替换之前的成本，若是，则将该顾客节点替换为由无人机配送，形成一个无人机伴飞子路由；

重复上一步骤，确定车辆配送主路径上的顾客节点是否能替换为由无人机配送，直至当前车辆配送路径上无法找到可替换并节约成本的顾客节点，获得包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径。

3.如权利要求1所述的车辆与无人机物流配送的双层路径优化方法，其特征在于，分别对所述每个领域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，包括：

将邻域组中的一个顾客节点从其所在的双层路径上删除，并将该顾客节点重新插入到该双层路径的其他位置；或者随机交换邻域组中任意两个顾客节点的位置，遍历该邻域组中的每一个顾客节点的所有的可行性位置，确定该邻域组的最节约成本路径。

4.如权利要求3所述的车辆与无人机物流配送的双层路径优化方法，其特征在于，

将邻域组中的一个顾客节点从其所在的双层路径上删除，并将该顾客节点重新插入到该双层路径的其他位置，包括：

当删除的顾客节点为车辆配送主路径上的顾客节点，该顾客节点的插入方式包括：插入到车辆配送主路径上的其他位置、插入到已有无人机伴飞子路由中以及形成一个新的无人机伴飞子路由。

5.如权利要求1所述的车辆与无人机物流配送的双层路径优化方法，其特征在于，所述分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，包括：

当确定该邻域组中的最节约成本路径后，将该邻域组加入到禁忌列表中，所述禁忌列表中的邻域组在双层路径优化结束前，不再加入到路径优化过程。

6.一种车辆与无人机物流配送的双层路径优化系统，其特征在于，所述系统包括：

双层路径建立单元：用于建立包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径；

邻域分组单元：用于根据所述双层路径对需要配送的顾客节点进行邻域分组，所述每个邻域组对应一段双层路径；

路径确定单元：用于分别对所述每个邻域组中的顾客节点在其对应的双层路径上的位置进行重新分配，以确定每个邻域组的最节约成本路径，合并每个邻域组的最节约成本路径，获得车辆与无人机物流配送的双层路径。

7.如权利要求6所述的车辆与无人机物流配送的双层路径优化系统，其特征在于，所述双层路径建立单元包括：

主路径建立模块：用于建立由车辆对区域内需要配送的所有顾客节点进行配送的车辆配送主路径；

判断模块：用于按照车辆配送方向，依次判断将车辆配送主路径上的每一个能由无人机进行配送的顾客节点替换为由无人机配送的成本是否低于替换之前的成本，若是，则将该顾客节点替换为由无人机配送，形成一个无人机伴飞子路由；

路径建立模块：用于重复上一步骤，确定车辆配送主路径上的顾客节点是否能替换为由无人机配送，直至当前车辆配送路径上无法找到可替换并节约成本的顾客节点，获得包括车辆配送主路径以及无人机伴飞子路由的物流配送双层路径。

8.如权利要求6所述的车辆与无人机物流配送的双层路径优化系统，其特征在于，所述路径确定单元，具体用于：

将邻域组中的一个顾客节点从其所在的双层路径上删除，并将该顾客节点重新插入到该双层路径的其他位置；或者随机交换邻域组中任意两个顾客节点的位置，遍历该邻域组中的每一个顾客节点的所有的可行性位置，确定该邻域组的最节约成本路径。

9.如权利要求8所述的车辆与无人机物流配送的双层路径优化系统，其特征在于，在所述路径确定单元中：

当删除的顾客节点为车辆配送主路径上的顾客节点，该顾客节点的插入方式包括：插入到车辆配送主路径上的其他位置、插入到已有无人机伴飞子路由中以及形成一个新的无人机伴飞子路由。

10.如权利要求6所述的车辆与无人机物流配送的双层路径优化系统，其特征在于，所述路径确定单元，具体还用于：

当确定该邻域组中的最节约成本路径后，将该邻域组加入到禁忌列表中，所述禁忌列表中的邻域组在双层路径优化结束前，不再加入到路径优化过程。