CN115545582A - 一种电动牵引车循环送货调度问题的解决方法和装置 - Google Patents

一种电动牵引车循环送货调度问题的解决方法和装置 Download PDF

Info

Publication number
CN115545582A
CN115545582A CN202211532927.0A CN202211532927A CN115545582A CN 115545582 A CN115545582 A CN 115545582A CN 202211532927 A CN202211532927 A CN 202211532927A CN 115545582 A CN115545582 A CN 115545582A
Authority
CN
China
Prior art keywords
solution
charging
task
initial solution
electric tractor
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.)
Granted
Application number
CN202211532927.0A
Other languages
English (en)
Other versions
CN115545582B (zh
Inventor
毛照昉
宋满金
黄典
方侃
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202211532927.0A priority Critical patent/CN115545582B/zh
Publication of CN115545582A publication Critical patent/CN115545582A/zh
Application granted granted Critical
Publication of CN115545582B publication Critical patent/CN115545582B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及管理科学技术领域，特别是指一种电动牵引车循环送货调度问题的解决方法和装置，所述方法包括：S1、对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；S2、使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；S3、基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。采用本发明有助于填补当前电动牵引车循环送货调度问题中的算法不足，可以高效解决大规模算例，不依赖算例本身具有良好的适用性。

Description

一种电动牵引车循环送货调度问题的解决方法和装置
技术领域
本发明涉及管理科学技术领域，特别是指一种电动牵引车循环送货调度问题的解决方法和装置。
背景技术
在现代大规模生产中，许多制造企业采用循环送货（Milk-run）的方式向装配线供货，在汽车总装等复杂工业生产线中实现了大规模使用。在这种模式下，通常使用电动牵引车从仓库向附近的工位交付零部件。在此基础上研究电动牵引车循环送货调度问题（Electric Vehicle Milk-run scheduling Problem，EVMSP）， 探明如何将一组运行时间、能源消耗均不同的任务分配给电动牵引车，以及如何执行电动牵引车的充电决策。与传统动力的牵引车相比，电动牵引车具有污染小等优势，但也存在电池容量有限的缺点。除了执行预定的行程，即把零件运到工位并返回仓库外，还需要仔细规划充电时间间隔，防止超出充电区容量。第二个方面考虑车辆间的公平性。电动牵引车间的工作量不均衡不仅会引发操作人员不满，也会降低部分电动牵引车的预期使用寿命。第三方面要考虑计划时段内电价的波动，工厂要额外决策电动牵引车的充电时段，使其既能完成既定任务，又不至于支付昂贵的电费。在工业用电资源紧张的背景下，优化电动牵引车的调度问题具有重要的理论意义和实践价值。
发明内容
本发明提供了一种电动牵引车循环送货调度问题的解决方法和装置，用以解决电动牵引车循环送货调度问题。所述技术方案如下：
一方面，提供了一种电动牵引车循环送货调度问题的解决方法，所述方法包括：
S1、对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
S2、使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
S3、基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
可选地，所述S1，具体包括：
将所述任务列表中的任务按照起始时间排序，得到任务优先级列表；
按照所述任务优先级列表，依次将所述任务分配给可用的车辆，得到所述初始解，所述可用的车辆是指满足时间约束的车辆，所述时间约束是指要分配的所述任务与所述车辆已承担的所有任务的时间窗没有重叠。
可选地，所述充电策略规则：输入所述初始解的电动牵引车任务分配表，对于每一辆车，在能够满足所有后续行程的电量前提下，选择电价低，且充电区容量未满的时刻进行充电。
可选地，所述充电策略规则具体为：若一辆车仅承担一次任务，则无需充电；若一辆车承担两个任务，则依次选择电价低且充电区容量未满的时间段进行充电；若一辆车承担三个及以上任务，则选择时间靠前的充电时段进行充电；
所述S2，具体包括：
当车辆按所述充电策略规则充电，但是剩余电量不足以支付任务的电量消耗，则认为违反了电量约束，所述初始解的分配方案输出为不可行；若所述初始解的分配方案没有违反电量约束，则将得到增加了充电时间表的新初始解，所述新初始解包括车辆的任务分配表和充电时间表，并根据所述新初始解计算目标函数值，所述目标函数值是车辆使用成本、工作量差异与充电成本之和。
可选地，所述S3，具体包括：
S31、将所述新初始解作为当前解和全局最优解，令所述当前解的目标函数值
Figure 407479DEST_PATH_IMAGE001
等于所述新初始解的目标函数值
Figure 356981DEST_PATH_IMAGE002
，令当前温度
Figure 820061DEST_PATH_IMAGE003
等于初始温度
Figure 208317DEST_PATH_IMAGE004
；
S32、在当前温度
Figure 43549DEST_PATH_IMAGE003
进行迭代，每次迭代选择一个邻域操作，得到一个新解，所述新 解包括新的电动牵引车任务分配表
Figure 226268DEST_PATH_IMAGE005
，根据所述充电策略规则进行检查，获取增加了充电 时间表的新解，并计算目标函数值
Figure 678109DEST_PATH_IMAGE006
；
若
Figure 870056DEST_PATH_IMAGE007
，则接受新解；若
Figure 356533DEST_PATH_IMAGE008
，随机生成
Figure 615213DEST_PATH_IMAGE009
间的 参数
Figure 147826DEST_PATH_IMAGE010
，若
Figure 753251DEST_PATH_IMAGE011
，则接受新解，反之拒绝新解；
S33、迭代完成后，记录当前温度的最优解，若所述当前温度的最优解的目标函数值小于全局最优解的目标函数值，则令全局最优解等于所述当前温度的最优解，并更新邻域操作的权重及冷却后的温度，重复S32，直到当前温度低于设置的终止温度，将全局最优解作为最终的最优解。
可选地，所述邻域操作包括下面至少一种：
将工作量最低的两辆车的任务由一辆车承担的合并操作；将工作量最多的车的一个随机任务分配给工作量最少的车的定向分配操作；将任务分配给一辆电量充足的车的免充电插入操作。
可选地，所述S32的每次迭代选择一个邻域操作，得到一个新解，具体包括：
对于一组邻域操作
Figure 687709DEST_PATH_IMAGE012
,
Figure 25280DEST_PATH_IMAGE013
是邻域操作的集合，其权重为
Figure 310768DEST_PATH_IMAGE014
，利用轮盘赌的 方式选择邻域操作；
所述轮盘赌的方式为：随机生成一个
Figure 952840DEST_PATH_IMAGE009
之间的小数
Figure 7383DEST_PATH_IMAGE015
，若
Figure 702807DEST_PATH_IMAGE016
，则选择
Figure 350957DEST_PATH_IMAGE017
，所述
Figure 298184DEST_PATH_IMAGE017
是邻域操作j的权重；
在迭代开始前，所有邻域操作的权重都为1，随着迭代的运行，对
Figure 207235DEST_PATH_IMAGE018
进行更新，更 新规则基于最优解的质量而相应变化：
（1）
Figure 73559DEST_PATH_IMAGE019
，若
Figure 209006DEST_PATH_IMAGE020
产生了全局最优解；
（2）
Figure 553399DEST_PATH_IMAGE021
，若
Figure 956437DEST_PATH_IMAGE020
提升了解的质量，但未产生全局最优解；
（3）
Figure 728083DEST_PATH_IMAGE022
，若
Figure 475460DEST_PATH_IMAGE020
未提升解的质量；
其中，
Figure 764490DEST_PATH_IMAGE023
,
Figure 382553DEST_PATH_IMAGE024
, 和
Figure 731626DEST_PATH_IMAGE025
是自定义的参数，
Figure 435139DEST_PATH_IMAGE026
。
另一方面，提供了一种电动牵引车循环送货调度问题的解决装置，所述装置包括：
获取模块，用于对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
检查模块，用于使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
迭代模块，用于基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述电动牵引车循环送货调度问题的解决方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述电动牵引车循环送货调度问题的解决方法。
本发明提供的技术方案带来的有益效果至少包括：
本发明提出的一种电动牵引车循环送货调度问题的解决方法，有助于填补当前电动牵引车循环送货调度问题中的算法不足，不仅可以高效解决大规模算例，同时不依赖于算例本身，具有良好的适用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的一种电动牵引车循环送货调度问题的解决方法流程图；
图2是电动牵引车循环送货的工作示意图；
图3是本发明实施例提供的一种电动牵引车循环送货调度问题的解决装置框图；
图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供了一种电动牵引车循环送货调度问题的解决方法，所述方法包括：
S1、对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
S2、使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
S3、基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
下面结合图2，详细说明本发明实施例的一种电动牵引车循环送货调度问题的解决方法。
如图2所示，电动牵引车循环送货调度问题EVMSP包括为车队分配有时间表的任 务，并且每次任务的能耗不超过车辆的剩余电量。工厂内循环送货的行程可视为一组任务
Figure 386915DEST_PATH_IMAGE027
，每个任务具有时间窗
Figure 266009DEST_PATH_IMAGE028
及能耗
Figure 645038DEST_PATH_IMAGE029
,
Figure 475329DEST_PATH_IMAGE030
表示任务的开始时间，
Figure 965216DEST_PATH_IMAGE031
表 示任务的结束时间。工厂内有一组车队
Figure 698816DEST_PATH_IMAGE032
以及容量有限的充电区域，某一时刻的充电价格 为
Figure 514326DEST_PATH_IMAGE033
。电动牵引车循环送货调度问题研究重点是由哪些车辆承担循环送货任务，以及如何 安排电动牵引车的充电时刻表，以便用最少的车辆完成所有任务，而且同时考虑任务公平 性和充电价格，也就是说，本发明实施例的电动牵引车循环送货调度问题EVMSP的目标，是 最小化车辆使用成本、工作量差异与充电成本之和。
本发明实施例提供的一种电动牵引车循环送货调度问题的解决方法，所述方法包括：
S1、对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
贪婪算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，所做出的仅是在某种意义上的局部最优解。贪婪算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题能产生整体最优解或者是整体最优解的近似解。
本发明实施例对于给定的任务列表，使用贪婪算法主要是指在先不考虑电量约束的情况下，对循环送货任务得到电动牵引车调度的初始解，然后再把电量约束考虑进来对初始解进行验证。
可选地，所述S1，具体包括：
将所述任务列表中的任务按照起始时间排序，得到任务优先级列表；
按照所述任务优先级列表，依次将所述任务分配给可用的车辆，得到所述初始解，所述可用的车辆是指满足时间约束的车辆，所述时间约束是指要分配的所述任务与所述车辆已承担的所有任务的时间窗没有重叠。
特别地，若车辆没有承担任务，则所述车辆对于每一个任务都是可用的。
这样在保证不违反时间约束的前提下，能够使用尽可能少的车辆并且维护了公平性。
S2、使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
可选地，所述充电策略规则：输入所述初始解的电动牵引车任务分配表，对于每一辆车，在能够满足所有后续行程的电量前提下，选择电价低，且充电区容量未满的时刻进行充电。
可选地，所述充电策略规则具体为：若一辆车仅承担一次任务，则无需充电；若一辆车承担两个任务，则依次选择电价低且充电区容量未满的时间段进行充电；若一辆车承担三个及以上任务，则选择时间靠前的充电时段进行充电；
所述S2，具体包括：
当车辆按所述充电策略规则充电，但是剩余电量不足以支付任务的电量消耗，则认为违反了电量约束，所述初始解的分配方案输出为不可行；若所述初始解的分配方案没有违反电量约束，则将得到增加了充电时间表的新初始解，所述新初始解包括车辆的任务分配表和充电时间表，并根据所述新初始解计算目标函数值，所述目标函数值是车辆使用成本、工作量差异与充电成本之和。
对于车辆使用成本
Figure 333377DEST_PATH_IMAGE034
，工作量差异
Figure 361376DEST_PATH_IMAGE035
以及充电价格
Figure 74117DEST_PATH_IMAGE036
，所述目标函数值
Figure 670315DEST_PATH_IMAGE037
。车辆使用成本
Figure 101296DEST_PATH_IMAGE038
使用车辆总数*单位车辆使用成本；工作量差异
Figure 932986DEST_PATH_IMAGE039
，其中
Figure 874135DEST_PATH_IMAGE040
为最繁忙车辆的任务数，
Figure 31447DEST_PATH_IMAGE041
为最轻松车辆的任务数；充电价格
Figure 559511DEST_PATH_IMAGE042
，其中
Figure DEST_PATH_IMAGE043
是某一时间段，
Figure 601416DEST_PATH_IMAGE044
是所有时间段的集合，
Figure 23170DEST_PATH_IMAGE045
为
Figure 351384DEST_PATH_IMAGE043
的电价，
Figure 366744DEST_PATH_IMAGE046
是0-1变量，
Figure 71395DEST_PATH_IMAGE047
是某一车辆，
Figure 733276DEST_PATH_IMAGE048
是所有车辆的集合，当车辆
Figure 232390DEST_PATH_IMAGE047
在
Figure 735047DEST_PATH_IMAGE049
充电时
Figure 712230DEST_PATH_IMAGE050
，否则为 0。
S3、基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
可选地，所述S3，具体包括：
S31、将所述新初始解作为当前解和全局最优解，令所述当前解的目标函数值
Figure 108576DEST_PATH_IMAGE001
等于所述新初始解的目标函数值
Figure 653958DEST_PATH_IMAGE002
，令当前温度
Figure 768545DEST_PATH_IMAGE003
等于初始温度
Figure 159206DEST_PATH_IMAGE004
；
S32、在当前温度
Figure 675638DEST_PATH_IMAGE003
进行迭代，每次迭代选择一个邻域操作，得到一个新解，所述新 解包括新的电动牵引车任务分配表
Figure 890456DEST_PATH_IMAGE005
，根据所述充电策略规则进行检查，获取增加了充电 时间表的新解，并计算目标函数值
Figure 226760DEST_PATH_IMAGE006
；
若
Figure 811325DEST_PATH_IMAGE007
，则接受新解；若
Figure 57630DEST_PATH_IMAGE008
，随机生成
Figure 803869DEST_PATH_IMAGE009
间的 参数
Figure 502834DEST_PATH_IMAGE010
，若
Figure 625511DEST_PATH_IMAGE011
，则接受新解，反之拒绝新解；
S33、迭代完成后，记录当前温度的最优解，若所述当前温度的最优解的目标函数值小于全局最优解的目标函数值，则令全局最优解等于所述当前温度的最优解，并更新邻域操作的权重及冷却后的温度，重复S32，直到当前温度低于设置的终止温度，将全局最优解作为最终的最优解。
可选地，所述邻域操作包括下面至少一种：
将工作量最低的两辆车的任务由一辆车承担的合并操作；将工作量最多的车的一个随机任务分配给工作量最少的车的定向分配操作；将任务分配给一辆电量充足的车的免充电插入操作。
这些邻域操作能够有效加快邻域搜索的速度，并且向有利于目标优化的方向改善，因此可以提高算法运行速度并改善解的质量。
可选地，所述S32的每次迭代选择一个邻域操作，得到一个新解，具体包括：
对于一组邻域操作
Figure 850956DEST_PATH_IMAGE012
,
Figure 909042DEST_PATH_IMAGE013
是邻域操作的集合，其权重为
Figure 485517DEST_PATH_IMAGE014
，利用轮盘赌的 方式选择邻域操作；
所述轮盘赌的方式为：随机生成一个
Figure 785786DEST_PATH_IMAGE009
之间的小数
Figure 600158DEST_PATH_IMAGE015
，若
Figure 94725DEST_PATH_IMAGE016
，则选择
Figure 892916DEST_PATH_IMAGE017
，所述
Figure 91816DEST_PATH_IMAGE017
是邻域操作j的权重；
在迭代开始前，所有邻域操作的权重都为1，随着迭代的运行，对
Figure 167220DEST_PATH_IMAGE018
进行更新，更 新规则基于最优解的质量而相应变化：
（1）
Figure 691742DEST_PATH_IMAGE019
，若
Figure 587017DEST_PATH_IMAGE020
产生了全局最优解；
（2）
Figure 120766DEST_PATH_IMAGE021
，若
Figure 909731DEST_PATH_IMAGE020
提升了解的质量，但未产生全局最优解；
（3）
Figure 979056DEST_PATH_IMAGE022
，若
Figure 486260DEST_PATH_IMAGE020
未提升解的质量；
其中，
Figure 433488DEST_PATH_IMAGE023
,
Figure 342538DEST_PATH_IMAGE024
和
Figure 208863DEST_PATH_IMAGE025
是自定义的参数，
Figure 78730DEST_PATH_IMAGE026
。
这样增加邻域自适应功能，使得对于求解有贡献的邻域操作，能够在之后的迭代中有更大几率被选中。
可选地，所述S3还包括：
设置所述初始温度、所述终止温度、冷却系数以及当前温度下的最大迭代次数。
可选地，所述S3还包括：在当前温度到达终止温度时进行重升温，以增强算法的局部搜索能力。
若当前温度
Figure 688703DEST_PATH_IMAGE003
小于等于终止温度时，将当前温度升至初始温度
Figure 593205DEST_PATH_IMAGE004
，重复S3步骤； 重复升温达到预设次数，终止改进模拟退火算法，将当前最优解作为最终的最优解，并输出 该解。
如图3所示，本发明实施例提供了一种电动牵引车循环送货调度问题的解决装置，所述装置包括：
获取模块310，用于对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
检查模块320，用于使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
迭代模块330，用于基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
本发明实施例提供的一种电动牵引车循环送货调度问题的解决装置，其功能结构与本发明实施例提供的一种电动牵引车循环送货调度问题的解决方法相对应，在此不再赘述。
图4是本发明实施例提供的一种电子设备400的结构示意图，该电子设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）401和一个或一个以上的存储器402，其中，所述存储器402中存储有至少一条指令，所述至少一条指令由所述处理器401加载并执行以实现上述电动牵引车循环送货调度问题的解决方法的步骤。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述电动牵引车循环送货调度问题的解决方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电动牵引车循环送货调度问题的解决方法，其特征在于，所述方法包括：
S1、对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
S2、使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
S3、基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
2.根据权利要求1所述的方法，其特征在于，所述S1，具体包括：
将所述任务列表中的任务按照起始时间排序，得到任务优先级列表；
按照所述任务优先级列表，依次将所述任务分配给可用的车辆，得到所述初始解，所述可用的车辆是指满足时间约束的车辆，所述时间约束是指要分配的所述任务与所述车辆已承担的所有任务的时间窗没有重叠。
3.根据权利要求2所述的方法，其特征在于，所述充电策略规则：输入所述初始解的电动牵引车任务分配表，对于每一辆车，在能够满足所有后续行程的电量前提下，选择电价低，且充电区容量未满的时刻进行充电。
4.根据权利要求3所述的方法，其特征在于，所述充电策略规则具体为：若一辆车仅承担一次任务，则无需充电；若一辆车承担两个任务，则依次选择电价低且充电区容量未满的时间段进行充电；若一辆车承担三个及以上任务，则选择时间靠前的充电时段进行充电；
所述S2，具体包括：
当车辆按所述充电策略规则充电，但是剩余电量不足以支付任务的电量消耗，则认为违反了电量约束，所述初始解的分配方案输出为不可行；若所述初始解的分配方案没有违反电量约束，则将得到增加了充电时间表的新初始解，所述新初始解包括车辆的任务分配表和充电时间表，并根据所述新初始解计算目标函数值，所述目标函数值是车辆使用成本、工作量差异与充电成本之和。
5.根据权利要求1所述的方法，其特征在于，所述S3，具体包括：
S31、将所述新初始解作为当前解和全局最优解，令所述当前解的目标函数值
Figure 508285DEST_PATH_IMAGE001
等 于所述新初始解的目标函数值
Figure 902357DEST_PATH_IMAGE002
，令当前温度
Figure 720140DEST_PATH_IMAGE003
等于初始温度
Figure 516058DEST_PATH_IMAGE004
；
S32、在当前温度
Figure 269251DEST_PATH_IMAGE003
进行迭代，每次迭代选择一个邻域操作，得到一个新解，所述新解包 括新的电动牵引车任务分配表
Figure 524520DEST_PATH_IMAGE005
，根据所述充电策略规则进行检查，获取增加了充电时间 表的新解，并计算目标函数值
Figure 21361DEST_PATH_IMAGE006
；
若
Figure 61998DEST_PATH_IMAGE007
，则接受新解；若
Figure 720512DEST_PATH_IMAGE008
，随机生成
Figure 964543DEST_PATH_IMAGE009
间的参数
Figure 999495DEST_PATH_IMAGE010
，若
Figure 894639DEST_PATH_IMAGE011
，则接受新解，反之拒绝新解；
S33、迭代完成后，记录当前温度的最优解，若所述当前温度的最优解的目标函数值小于全局最优解的目标函数值，则令全局最优解等于所述当前温度的最优解，并更新邻域操作的权重及冷却后的温度，重复S32，直到当前温度低于设置的终止温度，将全局最优解作为最终的最优解。
6.根据权利要求5所述的方法，其特征在于，所述邻域操作包括下面至少一种：
将工作量最低的两辆车的任务由一辆车承担的合并操作；将工作量最多的车的一个随机任务分配给工作量最少的车的定向分配操作；将任务分配给一辆电量充足的车的免充电插入操作。
7.根据权利要求5所述的方法，其特征在于，所述S32的每次迭代选择一个邻域操作，得到一个新解，具体包括：
对于一组邻域操作
Figure 724054DEST_PATH_IMAGE012
,
Figure 845594DEST_PATH_IMAGE013
是邻域操作的集合，其权重为
Figure 58139DEST_PATH_IMAGE014
，利用轮盘赌的方式 选择邻域操作；
所述轮盘赌的方式为：随机生成一个
Figure 417576DEST_PATH_IMAGE009
之间的小数
Figure 808106DEST_PATH_IMAGE015
，若
Figure 885783DEST_PATH_IMAGE016
，则选择
Figure 403483DEST_PATH_IMAGE017
，所述
Figure 883006DEST_PATH_IMAGE017
是邻域操作j的权重；
在迭代开始前，所有邻域操作的权重都为1，随着迭代的运行，对
Figure 444438DEST_PATH_IMAGE018
进行更新，更新规 则基于最优解的质量而相应变化：
（1）
Figure 598294DEST_PATH_IMAGE019
，若
Figure 903373DEST_PATH_IMAGE020
产生了全局最优解；
（2）
Figure 502982DEST_PATH_IMAGE021
，若
Figure 110680DEST_PATH_IMAGE020
提升了解的质量，但未产生全局最优解；
（3）
Figure 38316DEST_PATH_IMAGE022
，若
Figure 756874DEST_PATH_IMAGE020
未提升解的质量；
其中，
Figure 335622DEST_PATH_IMAGE023
,
Figure 114223DEST_PATH_IMAGE024
和
Figure 27690DEST_PATH_IMAGE025
是自定义的参数，
Figure 549938DEST_PATH_IMAGE026
。
8.一种电动牵引车循环送货调度问题的解决装置，其特征在于，所述装置包括：
获取模块，用于对于给定的任务列表，使用贪婪算法获取电动牵引车调度的初始解，所述初始解包括电动牵引车任务分配表；
检查模块，用于使用充电策略规则，检查所述初始解的分配方案是否违反了电量约束，若违反，则调整所述电动牵引车任务分配表，对调整后的电动牵引车任务分配表，重复使用所述充电策略规则检查；若不违反，则输出增加了充电时间表的新初始解；
迭代模块，用于基于改进模拟退火算法框架，对所述新初始解进行迭代获取最优方案。
9.一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，其特征在于，所述至少一条指令由所述处理器加载并执行以实现如权利要求1-7任一项所述电动牵引车循环送货调度问题的解决方法。
10.一种计算机可读存储介质，所述存储介质中存储有至少一条指令，其特征在于，所述至少一条指令由处理器加载并执行以实现如权利要求1-7任一项所述电动牵引车循环送货调度问题的解决方法。
CN202211532927.0A 2022-12-02 2022-12-02 一种电动牵引车循环送货调度问题的解决方法和装置 Active CN115545582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211532927.0A CN115545582B (zh) 2022-12-02 2022-12-02 一种电动牵引车循环送货调度问题的解决方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211532927.0A CN115545582B (zh) 2022-12-02 2022-12-02 一种电动牵引车循环送货调度问题的解决方法和装置

Publications (2)

Publication Number Publication Date
CN115545582A true CN115545582A (zh) 2022-12-30
CN115545582B CN115545582B (zh) 2023-04-07

Family

ID=84722368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211532927.0A Active CN115545582B (zh) 2022-12-02 2022-12-02 一种电动牵引车循环送货调度问题的解决方法和装置

Country Status (1)

Country Link
CN (1) CN115545582B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682768A (zh) * 2012-04-23 2012-09-19 天津大学 基于语音识别技术的汉语学习系统
CN105740977A (zh) * 2016-01-28 2016-07-06 福州大学 一种基于多目标粒子群的停电管理优化方法
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法
CN111325483A (zh) * 2020-03-17 2020-06-23 郑州天迈科技股份有限公司 一种基于电池容量预测的电动公交车辆排班方法
CN111382947A (zh) * 2020-03-17 2020-07-07 郑州天迈科技股份有限公司 一种基于贪婪禁忌搜索的车辆排班算法
CN112001560A (zh) * 2020-09-01 2020-11-27 湖南智慧畅行交通科技有限公司 基于迭代邻域搜索的二阶段公交车辆排班算法
CN112183841A (zh) * 2020-09-23 2021-01-05 上海电机学院 基于模拟退火算法的含电动汽车微电网的优化调度方法
CN112257999A (zh) * 2020-10-10 2021-01-22 东南大学 一种面向大规模纯电动公交车辆调度问题的自适应大型邻域搜索方法
CN113205239A (zh) * 2021-03-17 2021-08-03 郑州天迈科技股份有限公司 一种任务量配置优先的公交车辆调度方法及系统
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法
CN114707972A (zh) * 2022-06-08 2022-07-05 广东工业大学 一种基于工作量均衡的高铁站检票任务排班方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682768A (zh) * 2012-04-23 2012-09-19 天津大学 基于语音识别技术的汉语学习系统
CN105740977A (zh) * 2016-01-28 2016-07-06 福州大学 一种基于多目标粒子群的停电管理优化方法
CN106503836A (zh) * 2016-10-09 2017-03-15 电子科技大学 一种多目标优化的纯电动汽车物流配送优化调度方法
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法
CN111325483A (zh) * 2020-03-17 2020-06-23 郑州天迈科技股份有限公司 一种基于电池容量预测的电动公交车辆排班方法
CN111382947A (zh) * 2020-03-17 2020-07-07 郑州天迈科技股份有限公司 一种基于贪婪禁忌搜索的车辆排班算法
CN112001560A (zh) * 2020-09-01 2020-11-27 湖南智慧畅行交通科技有限公司 基于迭代邻域搜索的二阶段公交车辆排班算法
CN112183841A (zh) * 2020-09-23 2021-01-05 上海电机学院 基于模拟退火算法的含电动汽车微电网的优化调度方法
CN112257999A (zh) * 2020-10-10 2021-01-22 东南大学 一种面向大规模纯电动公交车辆调度问题的自适应大型邻域搜索方法
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法
CN113205239A (zh) * 2021-03-17 2021-08-03 郑州天迈科技股份有限公司 一种任务量配置优先的公交车辆调度方法及系统
CN114707972A (zh) * 2022-06-08 2022-07-05 广东工业大学 一种基于工作量均衡的高铁站检票任务排班方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王泽等: "考虑电量消耗的车辆调度优化研究", 《工业工程》 *

Also Published As

Publication number Publication date
CN115545582B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
James Two-stage request scheduling for autonomous vehicle logistic system
US10320203B2 (en) Adaptive charging algorithms for a network of electric vehicles
Li et al. Boosting grid efficiency and resiliency by releasing V2G potentiality through a novel rolling prediction-decision framework and deep-LSTM algorithm
Li-ying et al. Multiple charging station location-routing problem with time window of electric vehicle.
CN115100896B (zh) 一种考虑机会充电策略的电动需求响应公交调度方法
Mavrovouniotis et al. Electric vehicle charging scheduling using ant colony system
CN112356721A (zh) 基于云平台的电动汽车充电引导方法及系统
CN112488444A (zh) 电动汽车快慢同步有序充电调度方法以及电量结算方法
CN110796286B (zh) 一种适用于电动汽车规模化应用的配电系统的灵活规划方法
CN110705745A (zh) 一种电动公交车充电站优化规划与有序退出方法
Rajani et al. A hybrid optimization based energy management between electric vehicle and electricity distribution system
CN114914923B (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
Lee et al. Genetic algorithm-based charging task scheduler for electric vehicles in smart transportation
Jiang et al. On large action space in EV charging scheduling optimization
CN115587645A (zh) 一种考虑充电行为随机性的电动汽车充电管理方法及系统
Wang et al. Electric vehicle charging scheduling strategy for supporting load flattening under uncertain electric vehicle departures
Zhou et al. Design and optimization of solar-powered shared electric autonomous vehicle system for smart cities
Wu et al. On optimal charging scheduling for electric vehicles with wind power generation
CN115545582B (zh) 一种电动牵引车循环送货调度问题的解决方法和装置
CN117207819A (zh) 一种基于混合线性整数规划模型的电动汽车充电引导方法及系统
Konara et al. Charging coordination of opportunistic EV users at fast charging station with adaptive charging
CN111361443A (zh) 光伏充电站充电控制方法及装置
CN111429014A (zh) 基于双队列动态定价模型的电动汽车充电站选择方法
CN116596252A (zh) 一种电动汽车集群多目标充电调度方法

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