CN117973990A - 时序约束下多卡车多无人机包裹投递任务分配方法 - Google Patents

时序约束下多卡车多无人机包裹投递任务分配方法 Download PDF

Info

Publication number
CN117973990A
CN117973990A CN202410390352.6A CN202410390352A CN117973990A CN 117973990 A CN117973990 A CN 117973990A CN 202410390352 A CN202410390352 A CN 202410390352A CN 117973990 A CN117973990 A CN 117973990A
Authority
CN
China
Prior art keywords
unmanned aerial
time
truck
customer
location
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
CN202410390352.6A
Other languages
English (en)
Other versions
CN117973990B (zh
Inventor
白小山
李宝德
刘尊
李坚强
吴宗泽
葛树志
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.)
Shenzhen University
Original Assignee
Shenzhen 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 Shenzhen University filed Critical Shenzhen University
Priority to CN202410390352.6A priority Critical patent/CN117973990B/zh
Publication of CN117973990A publication Critical patent/CN117973990A/zh
Application granted granted Critical
Publication of CN117973990B publication Critical patent/CN117973990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • 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
    • G06Q10/06—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
    • 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

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

Abstract

本发明公开了一种时序约束下多卡车多无人机包裹投递任务分配方法，在第一阶段根据卡车‑无人机的初始位置、待配送客户的位置以及表示时序约束的有向无环图，采用续航约束检查方法获取满足续航约束的卡车‑无人机路径，在第二阶段采用变邻域下降算法对满足续航约束的卡车‑无人机路径进行改进，得到卡车‑无人机的联合配送路径，完成多卡车多无人机包裹投递任务分配。本发明能够安排每对卡车‑无人机的服务路径，使得在满足无人机载货量、飞行时长以及时序约束的同时，最小化最后一个客户被服务的时间。

Description

时序约束下多卡车多无人机包裹投递任务分配方法
技术领域
本发明属于物流任务分配技术领域，具体涉及一种时序约束下多卡车多无人机包裹投递任务分配方法的设计。
背景技术
电商市场的快速发展带来了巨大的市场需求增长，对物流运输行业造成了强烈的冲击。面对不断增加的包裹数量，物流供应商迫切需要调整策略。在这个挑战中，最后一公里配送成为物流供应商急需解决的核心问题之一。尽管地面卡车等车辆可以运输大量包裹，但由于运输速度较慢，许多企业开始尝试采用卡车与无人机结合的配送方式以弥补这一不足。无人机具有独立于物理道路网络、不受交通拥堵影响的特点，能够显著缩短配送时间。然而，无人机的载货量和飞行时间有限，因此卡车与无人机的协同投递成为提高配送效率的一种创新解决方案。在这种配送方式中，多辆卡车可以分别携带一架无人机共同向一组分散的客户点各投递一个包裹，卡车在向客户投递包裹的同时，可以释放无人机去服务其他客户，然后在另一个合适的客户位置回收无人机，为无人机提供包裹补给和电池更换服务。当无人机先于卡车抵达回收位置时，需在该位置处悬停等待卡车回收，无人机的飞行时长有限且每次飞行最多携带一个包裹。
此外，在包裹投递过程中，一些更为重要且更紧急的客户需要被优先服务。在这种情况下，卡车和无人机在为客户提供服务时必须遵循相应的时序约束。因此，解决时序约束下多卡车多无人机包裹投递任务分配问题的关键在于：如何合理安排每对卡车-无人机的路径，以在满足所有时序约束的前提下最小化最后一个客户被服务的时间。
在现有技术中，可将任务分配方法分为精确算法和启发式算法。经典的精确算法有分支定界法，其基本思想是对满足无人机载货约束、续航约束以及时序约束下优化问题的所有可行解空间进行搜索，当可行解空间过大时，搜索效率比较低，无法在多项式时间内最优求解NP-hard优化问题；经典的启发式算法有自适应大邻域搜索算法，其原理简单、适用性广，能够在多项式时间内获得大规模优化问题的次优解，但是其参数调整难度大，且难以应对服务各个客户所要遵循的时序约束。
发明内容
本发明的目的是提出一种时序约束下多卡车多无人机包裹投递任务分配方法，能够安排每对卡车-无人机的路径，使得在满足无人机载货约束、续航约束以及时序约束的同时，最小化最后一个客户被服务的时间。
本发明的技术方案为：时序约束下多卡车多无人机包裹投递任务分配方法，包括以下步骤：
S1、根据卡车-无人机的初始位置、待配送客户的位置以及表示时序约束的有向无环图，采用续航约束检查方法获取满足续航约束的卡车-无人机路径。
S2、采用变邻域下降算法对满足续航约束的卡车-无人机路径进行改进，得到卡车-无人机的联合配送路径，完成多卡车多无人机包裹投递任务分配。
进一步地，步骤S1包括以下分步骤：
S1-1、根据m对卡车-无人机的初始位置、n个待配送客户的位置以及表示时序约束的有向无环图/>，将所有待配送客户分配给卡车进行服务，以得到满足时序约束的m条卡车路径/>。
S1-2、根据满足时序约束的m条卡车路径，采用拆分算法获取卡车-无人机联合路径，并使用长度为n的列表/>将所有客户标记分类。
S1-3、根据满足时序约束的m条卡车路径和列表/>，检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束，并将违反续航约束的无人机对应的客户重新分配给携带该无人机的卡车进行服务。
S1-4、判断是否存在预计被服务时间有更新的客户，若是则进入步骤S1-5，否则得到最后一个客户被服务的时间，进入步骤S2，其中/>表示客户位置c预计被服务的时间。
S1-5、获取预计被服务时间有更新的客户并更新时间，返回步骤S1-3。
进一步地，步骤S1-2中使用长度为n的列表将所有客户标记分类的具体方法为：
（1）若客户位置由卡车服务且该卡车正携带着无人机，则将该位置客户标记为0，即令/>。
（2）若客户位置由卡车服务且该卡车所携带的无人机已被释放，则将该位置客户标记为1，即令/>。
（3）若客户位置由无人机服务，则将该位置客户标记为2，即令/>。
进一步地，步骤S1-3中检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束的具体方法为：
针对路径中所安排的各个客户/>，其中/>，/>，/>表示路径/>的长度，按照从前往后的顺序依次检查/>和/>、/>和/>、…、和/>的客户类型，并根据相邻两个客户的不同类型，分为8种可能的情况：
情况（1）：，/>；
情况（2）：，/>；
情况（3）：，/>；
情况（4）：，/>；
情况（5）：，/>；
情况（6）：，/>；
情况（7）：，/>；
情况（8）：，/>。
针对情况（1）、（6）和（7），采用公式（1）计算卡车到达客户所在位置的时间：
（1）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户/>所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间。
针对情况（2）和（8），采用公式（2）计算无人机到达客户所在位置的时间/>：
（2）
其中表示无人机被释放时所在的客户位置，/>表示客户位置/>预计被服务的时间，/>表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户/>所在位置的飞行时间。
针对情况（3），采用公式（3）计算卡车到达客户所在位置的时间/>：
（3）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户/>所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间。
针对情况（4），采用公式（1）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>：
（4）
其中表示无人机被释放后所服务的客户位置，/>表示客户位置/>预计被服务的时间，/>表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户所在位置的飞行时间。
通过公式（5）检查续航约束：
（5）
其中表示无人机的最大飞行时长。
若满足公式（5），则路径暂时满足续航约束，并继续往路径/>后端检查；若不满足，则无人机的本次投递任务违反续航约束，取消无人机的本次投递任务，将对应的客户重新分配给携带该无人机的卡车进行服务，并更新列表/>。
针对情况（5），采用公式（3）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>，并进行情况（4）相同的续航约束检查过程。
采用公式（6）计算客户所在位置预计被服务的时间/>：
（6）
其中表示客户/>所在位置最早允许被服务的时间，且/>。
进一步地，步骤S1-5中通过公式（7）更新时间：
（7）
其中表示客户位置/>最早允许被服务的时间，/>，/>表示客户位置/>在有向无环图/>中的子客户集合，/>表示客户位置/>预计被服务的时间，客户位置/>在客户位置/>之前被服务且/>，/>表示预计被服务时间有更新的客户位置集合，/>为一个趋近于零的正数。
进一步地，步骤S2中有三种领域结构：
邻域1：翻转中的一段路径，该段路径的长度在4到/>之间，其中/>，表示路径/>的长度。
邻域2：交换中两个不相邻客户的位置。
邻域3：将某个客户插入到另一个客户后面的位置。
进一步地，步骤S2包括以下分步骤：
S2-1、初始化设置变量，/>，/>。
S2-2、判断是否满足，若是则令变量a加1，/>并进入步骤S2-3，否则进入步骤S2-5。
S2-3、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-4，否则进入步骤S2-5。
S2-4、判断是否满足，若是则进入步骤S2-9，否则返回步骤S2-2。
S2-5、翻转路径。
S2-6、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-8，否则进入步骤S2-7。
S2-7、令变量b加1，并返回步骤S2-2。
S2-8、判断是否满足，若是则返回步骤S2-7，否则令/>并返回步骤S2-1。
S2-9、初始化变量，/>，/>。
S2-10、判断是否满足，若是则令变量a加1，/>并进入步骤S2-11，否则进入步骤S2-13。
S2-11、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-12，否则进入步骤S2-13。
S2-12、判断是否满足，若是则进入步骤S2-17，否则返回步骤S2-10。
S2-13、交换客户和/>的位置。
S2-14、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-16，否则进入步骤S2-15。
S2-15、令变量b加1，并返回步骤S2-10。
S2-16、判断是否满足，若是则返回步骤S2-15，否则令/>并返回步骤S2-1。
S2-17、初始化变量，/>，/>，/>。
S2-18、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-19，否则进入步骤S2-22。
S2-19、判断是否满足，若是则令/>，变量/>加1，/>并进入步骤S2-20，否则进入步骤S2-22。
S2-20、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-21，否则进入步骤S2-22。
S2-21、判断是否满足，若是则完成多卡车多无人机包裹投递任务分配，否则返回步骤S2-18。
S2-22、将客户插入到客户/>的后一个位置。
S2-23、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-25，否则进入步骤S2-24。
S2-24、令变量b加1，并返回步骤S2-18。
S2-25、判断是否满足，若是则返回步骤S2-24，否则令/>并返回步骤S2-1。
进一步地，步骤S2-6、S2-14和S2-23中判断当前卡车路径是否满足时序约束的具体方法为：
A1、令有向无环图，并在有向无环图/>中添加从客户/>指向客户的有向边，其中/>。
A2、获取有向无环图中入度为零的客户点集合/>。
A3、判断集合中客户点个数是否为零，若是则进入步骤A4，否则进入步骤A5。
A4、判断有向无环图中客户点个数是否为零，若是则满足时序约束，否则表示有向无环图/>中存在环，不满足时序约束。
A5、在有向无环图中删除集合/>里包含的所有客户位置及其相连的有向边，然后清空集合/>，返回步骤A2。
本发明的有益效果是：
（1）本发明提供了一种两阶段的多卡车多无人机协同包裹投递任务分配方法，能够安排每对卡车-无人机的服务路径，使得在满足无人机载货量、飞行时长以及时序约束的同时，最小化最后一个客户被服务的时间。
（2）本发明通过使用拆分算法使得每条卡车路径都一一对应着一条卡车-无人机联合路径，因此可以仅通过对卡车路径进行扰动来改进卡车-无人机联合路径，从而简化了邻域结构。
（3）本发明在第二阶段提出了一种快速高效的时序约束检查方法，将其融入变邻域下降算法来应对复杂的时序约束，大大改善了局部搜索算法难以应对复杂时序约束的缺点。
附图说明
图1所示为本发明实施例提供的时序约束下多卡车多无人机包裹投递任务分配方法流程图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。
本发明实施例提供了一种时序约束下多卡车多无人机包裹投递任务分配方法，如图1所示，包括以下步骤S1~S2：
S1、根据卡车-无人机的初始位置、待配送客户的位置以及表示时序约束的有向无环图，采用续航约束检查方法获取满足续航约束的卡车-无人机路径。
步骤S1包括以下分步骤S1-1~S1-5：
S1-1、根据m对卡车-无人机的初始位置、n个待配送客户的位置以及表示时序约束的有向无环图/>，将所有待配送客户分配给卡车进行服务，以得到满足时序约束的m条卡车路径/>。
本发明实施例中，采用专利《CN116070882B,时序约束下基于边际成本的多机器人协同任务分配方法》相同的方法将所有待配送客户分配给卡车进行服务。
S1-2、根据满足时序约束的m条卡车路径，采用拆分算法获取卡车-无人机联合路径，并使用长度为n的列表/>将所有客户标记分类。
本发明实施例中，采用文献《Kundu A, Escobar R G, Matis T I. An efficientrouting heuristic for a drone-assisted delivery problem[J]. IMA Journal ofManagement Mathematics, 2022, 33(4): 583-601.》相同拆分算法获取卡车-无人机联合路径。
本发明实施例中，使用长度为n的列表将所有客户标记分类的具体方法为：
（1）若客户位置由卡车服务且该卡车正携带着无人机，则将该位置客户标记为0，即令/>。
（2）若客户位置由卡车服务且该卡车所携带的无人机已被释放，则将该位置客户标记为1，即令/>。
（3）若客户位置由无人机服务，则将该位置客户标记为2，即令/>。
此时，每对卡车-无人机的路径都可以通过卡车路径和列表/>来表示。
S1-3、根据满足时序约束的m条卡车路径和列表/>，检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束，并将违反续航约束的无人机对应的客户重新分配给携带该无人机的卡车进行服务。
本发明实施例中，检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束的具体方法为：
针对路径中所安排的各个客户/>，其中/>，/>，/>表示路径/>的长度，按照从前往后的顺序依次检查/>和/>、/>和/>、…、和/>的客户类型，并根据相邻两个客户的不同类型，分为8种可能的情况：
情况（1）：，/>；
情况（2）：，/>；
情况（3）：，/>；
情况（4）：，/>；
情况（5）：，/>；
情况（6）：，/>；
情况（7）：，/>；
情况（8）：，/>。
针对情况（1）、（6）和（7），采用公式（1）计算卡车到达客户所在位置的时间：
（1）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户/>所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间。
针对情况（2）和（8），采用公式（2）计算无人机到达客户所在位置的时间/>：
（2）
其中表示无人机被释放时所在的客户位置，/>表示客户位置/>预计被服务的时间，/>表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户/>所在位置的飞行时间。
针对情况（3），采用公式（3）计算卡车到达客户所在位置的时间/>：
（3）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户/>所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间。
针对情况（4），采用公式（1）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>：
（4）
其中表示无人机被释放后所服务的客户位置，/>表示客户位置/>预计被服务的时间，/>表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户所在位置的飞行时间。
通过公式（5）检查续航约束：
（5）
其中表示无人机的最大飞行时长。
若满足公式（5），则路径暂时满足续航约束，并继续往路径/>后端检查；若不满足，则无人机的本次投递任务违反续航约束，取消无人机的本次投递任务，将对应的客户重新分配给携带该无人机的卡车进行服务，并更新列表/>。
针对情况（5），采用公式（3）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>，并进行情况（4）相同的续航约束检查过程。
采用公式（6）计算客户所在位置预计被服务的时间/>：
（6）
其中表示客户/>所在位置最早允许被服务的时间，且/>。
S1-4、判断是否存在预计被服务时间有更新的客户，若是则进入步骤S1-5，否则得到最后一个客户被服务的时间，进入步骤S2，其中/>表示客户位置c预计被服务的时间。
S1-5、获取预计被服务时间有更新的客户并更新时间，返回步骤S1-3。
本发明实施例中，通过公式（7）更新时间：
（7）
其中表示客户位置/>最早允许被服务的时间，/>，/>表示客户位置/>在有向无环图/>中的子客户集合，/>表示客户位置/>预计被服务的时间，客户位置/>在客户位置/>之前被服务且/>，/>表示预计被服务时间有更新的客户位置集合，/>为一个趋近于零的正数。
S2、采用变邻域下降算法对满足续航约束的卡车-无人机路径进行改进，得到卡车-无人机的联合配送路径，完成多卡车多无人机包裹投递任务分配。
邻域是指与当前解在解空间中相邻的一组解。在优化算法中，通过应用某个算子对当前解进行扰动，得到一个新的解，这个新解被称为当前解的邻域解。简而言之，邻域包含通过对当前解进行轻微变动而获得的相关解集。
本发明实施例中，有三种领域结构：
邻域1：翻转中的一段路径，该段路径的长度在4到/>之间，其中/>，表示路径/>的长度。
邻域2：交换中两个不相邻客户的位置。
邻域3：将某个客户插入到另一个客户后面的位置。
步骤S2中的变邻域下降算法会依次在邻域1、邻域2和邻域3中按照预先定义的顺序进行搜索。一旦在某个邻域中找到局部最优解，算法将直接进入下一个邻域进行搜索。整个过程直到在邻域3中找到局部最优解，算法随即结束。
步骤S2包括以下分步骤S2-1~S2-25：
S2-1、初始化设置变量，/>，/>。
S2-2、判断是否满足，若是则令变量a加1，/>并进入步骤S2-3，否则进入步骤S2-5。
S2-3、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-4，否则进入步骤S2-5。
S2-4、判断是否满足，若是则进入步骤S2-9，否则返回步骤S2-2。
S2-5、翻转路径。
S2-6、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-8，否则进入步骤S2-7。
S2-7、令变量b加1，并返回步骤S2-2。
S2-8、判断是否满足，若是则返回步骤S2-7，否则令/>并返回步骤S2-1。
S2-9、初始化变量，/>，/>。
S2-10、判断是否满足，若是则令变量a加1，/>并进入步骤S2-11，否则进入步骤S2-13。
S2-11、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-12，否则进入步骤S2-13。
S2-12、判断是否满足，若是则进入步骤S2-17，否则返回步骤S2-10。
S2-13、交换客户和/>的位置。
S2-14、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-16，否则进入步骤S2-15。
S2-15、令变量b加1，并返回步骤S2-10。
S2-16、判断是否满足，若是则返回步骤S2-15，否则令/>并返回步骤S2-1。
S2-17、初始化变量，/>，/>，/>。
S2-18、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-19，否则进入步骤S2-22。
S2-19、判断是否满足，若是则令/>，变量/>加1，/>并进入步骤S2-20，否则进入步骤S2-22。
S2-20、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-21，否则进入步骤S2-22。
S2-21、判断是否满足，若是则完成多卡车多无人机包裹投递任务分配，否则返回步骤S2-18。
S2-22、将客户插入到客户/>的后一个位置。
S2-23、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-25，否则进入步骤S2-24。
S2-24、令变量b加1，并返回步骤S2-18。
S2-25、判断是否满足，若是则返回步骤S2-24，否则令/>并返回步骤S2-1。
本发明实施例中，步骤S2-6、S2-14和S2-23中判断当前卡车路径是否满足时序约束的具体方法为：
A1、令有向无环图，并在有向无环图/>中添加从客户/>指向客户的有向边，其中/>。
A2、获取有向无环图中入度为零的客户点集合/>。
A3、判断集合中客户点个数是否为零，若是则进入步骤A4，否则进入步骤A5。
A4、判断有向无环图中客户点个数是否为零，若是则满足时序约束，否则表示有向无环图/>中存在环，不满足时序约束。
A5、在有向无环图中删除集合/>里包含的所有客户位置及其相连的有向边，然后清空集合/>，返回步骤A2。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，包括以下步骤：
S1、根据卡车-无人机的初始位置、待配送客户的位置以及表示时序约束的有向无环图，采用续航约束检查方法获取满足续航约束的卡车-无人机路径；
S2、采用变邻域下降算法对满足续航约束的卡车-无人机路径进行改进，得到卡车-无人机的联合配送路径，完成多卡车多无人机包裹投递任务分配。
2.根据权利要求1所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S1包括以下分步骤：
S1-1、根据m对卡车-无人机的初始位置、n个待配送客户的位置以及表示时序约束的有向无环图/>，将所有待配送客户分配给卡车进行服务，以得到满足时序约束的m条卡车路径/>；
S1-2、根据满足时序约束的m条卡车路径，采用拆分算法获取卡车-无人机联合路径，并使用长度为n的列表/>将所有客户标记分类；
S1-3、根据满足时序约束的m条卡车路径和列表/>，检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束，并将违反续航约束的无人机对应的客户重新分配给携带该无人机的卡车进行服务；
S1-4、判断是否存在预计被服务时间有更新的客户，若是则进入步骤S1-5，否则得到最后一个客户被服务的时间，进入步骤S2，其中/>表示客户位置c预计被服务的时间；
S1-5、获取预计被服务时间有更新的客户并更新时间，返回步骤S1-3。
3.根据权利要求2所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S1-2中使用长度为n的列表将所有客户标记分类的具体方法为：
（1）若客户位置由卡车服务且该卡车正携带着无人机，则将该位置客户标记为0，即令/>；
（2）若客户位置由卡车服务且该卡车所携带的无人机已被释放，则将该位置客户标记为1，即令/>；
（3）若客户位置由无人机服务，则将该位置客户标记为2，即令/>。
4.根据权利要求2所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S1-3中检查每辆卡车所携带的无人机在为客户提供服务时是否违反续航约束的具体方法为：
针对路径中所安排的各个客户/>，其中/>，/>，/>表示路径/>的长度，按照从前往后的顺序依次检查/>和/>、/>和/>、…、/>和/>的客户类型，并根据相邻两个客户的不同类型，分为8种可能的情况：
情况（1）：，/>；
情况（2）：，/>；
情况（3）：，/>；
情况（4）：，/>；
情况（5）：，/>；
情况（6）：，/>；
情况（7）：，/>；
情况（8）：，/>；
针对情况（1）、（6）和（7），采用公式（1）计算卡车到达客户所在位置的时间/>：
（1）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间；
针对情况（2）和（8），采用公式（2）计算无人机到达客户所在位置的时间/>：
（2）
其中表示无人机被释放时所在的客户位置，/>表示客户位置/>预计被服务的时间，表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户/>所在位置的飞行时间；
针对情况（3），采用公式（3）计算卡车到达客户所在位置的时间/>：
（3）
其中表示客户/>所在位置预计被服务的时间，/>表示无人机到达客户所在位置的时间，/>表示卡车从客户/>所在位置到客户/>所在位置的行驶时间；
针对情况（4），采用公式（1）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>：
（4）
其中表示无人机被释放后所服务的客户位置，/>表示客户位置/>预计被服务的时间，/>表示无人机到达客户位置/>的时间，/>表示无人机从客户位置/>到客户/>所在位置的飞行时间；
通过公式（5）检查续航约束：
（5）
其中表示无人机的最大飞行时长；
若满足公式（5），则路径暂时满足续航约束，并继续往路径/>后端检查；若不满足，则无人机的本次投递任务违反续航约束，取消无人机的本次投递任务，将对应的客户重新分配给携带该无人机的卡车进行服务，并更新列表/>；
针对情况（5），采用公式（3）计算卡车到达客户所在位置的时间/>，同时采用公式（4）计算无人机到达客户/>所在位置的时间/>，并进行情况（4）相同的续航约束检查过程；
采用公式（6）计算客户所在位置预计被服务的时间/>：
（6）
其中表示客户/>所在位置最早允许被服务的时间，且/>。
5.根据权利要求4所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S1-5中通过公式（7）更新时间：
（7）
其中表示客户位置/>最早允许被服务的时间，/>，/>表示客户位置/>在有向无环图/>中的子客户集合，/>表示客户位置/>预计被服务的时间，客户位置/>在客户位置/>之前被服务且/>，/>表示预计被服务时间有更新的客户位置集合，/>为一个趋近于零的正数。
6.根据权利要求2所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S2中有三种领域结构：
邻域1：翻转中的一段路径，该段路径的长度在4到/>之间，其中/>，/>表示路径/>的长度；
邻域2：交换中两个不相邻客户的位置；
邻域3：将某个客户插入到另一个客户后面的位置。
7.根据权利要求6所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S2包括以下分步骤：
S2-1、初始化设置变量，/>，/>；
S2-2、判断是否满足，若是则令变量a加1，/>并进入步骤S2-3，否则进入步骤S2-5；
S2-3、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-4，否则进入步骤S2-5；
S2-4、判断是否满足，若是则进入步骤S2-9，否则返回步骤S2-2；
S2-5、翻转路径；
S2-6、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-8，否则进入步骤S2-7；
S2-7、令变量b加1，并返回步骤S2-2；
S2-8、判断是否满足，若是则返回步骤S2-7，否则令/>并返回步骤S2-1；
S2-9、初始化变量，/>，/>；
S2-10、判断是否满足，若是则令变量a加1，/>并进入步骤S2-11，否则进入步骤S2-13；
S2-11、判断是否满足，若是则令变量j加1，/>，/>并进入步骤S2-12，否则进入步骤S2-13；
S2-12、判断是否满足，若是则进入步骤S2-17，否则返回步骤S2-10；
S2-13、交换客户和/>的位置；
S2-14、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-16，否则进入步骤S2-15；
S2-15、令变量b加1，并返回步骤S2-10；
S2-16、判断是否满足，若是则返回步骤S2-15，否则令/>并返回步骤S2-1；
S2-17、初始化变量，/>，/>，/>；
S2-18、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-19，否则进入步骤S2-22；
S2-19、判断是否满足，若是则令/>，变量/>加1，/>并进入步骤S2-20，否则进入步骤S2-22；
S2-20、判断是否满足，若是则令变量/>加1，/>并进入步骤S2-21，否则进入步骤S2-22；
S2-21、判断是否满足，若是则完成多卡车多无人机包裹投递任务分配，否则返回步骤S2-18；
S2-22、将客户插入到客户/>的后一个位置；
S2-23、判断当前卡车路径是否满足时序约束，若是则采用步骤S1-1~S1-4相同的方法得到最后一个客户被服务的时间，并进入步骤S2-25，否则进入步骤S2-24；
S2-24、令变量b加1，并返回步骤S2-18；
S2-25、判断是否满足，若是则返回步骤S2-24，否则令/>并返回步骤S2-1。
8.根据权利要求7所述的时序约束下多卡车多无人机包裹投递任务分配方法，其特征在于，所述步骤S2-6、S2-14和S2-23中判断当前卡车路径是否满足时序约束的具体方法为：
A1、令有向无环图，并在有向无环图/>中添加从客户/>指向客户/>的有向边，其中/>；
A2、获取有向无环图中入度为零的客户点集合/>；
A3、判断集合中客户点个数是否为零，若是则进入步骤A4，否则进入步骤A5；
A4、判断有向无环图中客户点个数是否为零，若是则满足时序约束，否则表示有向无环图/>中存在环，不满足时序约束；
A5、在有向无环图中删除集合/>里包含的所有客户位置及其相连的有向边，然后清空集合/>，返回步骤A2。
CN202410390352.6A 2024-04-02 2024-04-02 时序约束下多卡车多无人机包裹投递任务分配方法 Active CN117973990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410390352.6A CN117973990B (zh) 2024-04-02 2024-04-02 时序约束下多卡车多无人机包裹投递任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410390352.6A CN117973990B (zh) 2024-04-02 2024-04-02 时序约束下多卡车多无人机包裹投递任务分配方法

Publications (2)

Publication Number Publication Date
CN117973990A true CN117973990A (zh) 2024-05-03
CN117973990B CN117973990B (zh) 2024-06-21

Family

ID=90866074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410390352.6A Active CN117973990B (zh) 2024-04-02 2024-04-02 时序约束下多卡车多无人机包裹投递任务分配方法

Country Status (1)

Country Link
CN (1) CN117973990B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118378981A (zh) * 2024-06-21 2024-07-23 深圳大学 一种基于改进变邻域下降的多卡车多无人机任务分配方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9792576B1 (en) * 2016-10-24 2017-10-17 International Business Machines Corporation Operating a plurality of drones and trucks in package delivery
US20190228573A1 (en) * 2018-01-25 2019-07-25 General Electric Company Automated and adaptive three-dimensional robotic site surveying
CN111752303A (zh) * 2020-06-15 2020-10-09 中国人民解放军国防科技大学 一种小型无人机中继充电路径规划方法及系统
CN111864891A (zh) * 2015-12-31 2020-10-30 深圳市大疆创新科技有限公司 Uav混合电力系统和方法
CN114424167A (zh) * 2019-05-06 2022-04-29 强力物联网投资组合2016有限公司 用于促进工业物联网系统智能开发的平台
US20220245574A1 (en) * 2019-11-05 2022-08-04 Strong Force Vcn Portfolio 2019, Llc Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks
KR20220112357A (ko) * 2021-02-04 2022-08-11 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템
US20220274703A1 (en) * 2021-02-28 2022-09-01 Michele Di Cosola Autonomous Inspection System within a Smart Self-Healing Node Centric Blockchain Network for Safety and Quality Management
US20230095505A1 (en) * 2021-09-22 2023-03-30 Michele DiCosola Custom advertising and brand wraps for smart drones
US20230130011A1 (en) * 2020-04-10 2023-04-27 Beijing Jingdong Qianshi Technology Co., Ltd. Collaborative charging method and apparatus, and logistics devices
CN116502874A (zh) * 2023-06-27 2023-07-28 深圳大学 时序约束下基于边际成本的单卡车单无人机任务规划方法
CN117151422A (zh) * 2023-09-28 2023-12-01 汕头大学 卡车-无人机多目标协同配送规划方法与系统
CN117726059A (zh) * 2024-02-08 2024-03-19 深圳大学 一种时间窗约束下的卡车无人机任务分配方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864891A (zh) * 2015-12-31 2020-10-30 深圳市大疆创新科技有限公司 Uav混合电力系统和方法
US9792576B1 (en) * 2016-10-24 2017-10-17 International Business Machines Corporation Operating a plurality of drones and trucks in package delivery
US20190228573A1 (en) * 2018-01-25 2019-07-25 General Electric Company Automated and adaptive three-dimensional robotic site surveying
CN114424167A (zh) * 2019-05-06 2022-04-29 强力物联网投资组合2016有限公司 用于促进工业物联网系统智能开发的平台
US20220245574A1 (en) * 2019-11-05 2022-08-04 Strong Force Vcn Portfolio 2019, Llc Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks
US20230130011A1 (en) * 2020-04-10 2023-04-27 Beijing Jingdong Qianshi Technology Co., Ltd. Collaborative charging method and apparatus, and logistics devices
CN111752303A (zh) * 2020-06-15 2020-10-09 中国人民解放军国防科技大学 一种小型无人机中继充电路径规划方法及系统
KR20220112357A (ko) * 2021-02-04 2022-08-11 강원대학교산학협력단 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템
US20220274703A1 (en) * 2021-02-28 2022-09-01 Michele Di Cosola Autonomous Inspection System within a Smart Self-Healing Node Centric Blockchain Network for Safety and Quality Management
US20230095505A1 (en) * 2021-09-22 2023-03-30 Michele DiCosola Custom advertising and brand wraps for smart drones
CN116502874A (zh) * 2023-06-27 2023-07-28 深圳大学 时序约束下基于边际成本的单卡车单无人机任务规划方法
CN117151422A (zh) * 2023-09-28 2023-12-01 汕头大学 卡车-无人机多目标协同配送规划方法与系统
CN117726059A (zh) * 2024-02-08 2024-03-19 深圳大学 一种时间窗约束下的卡车无人机任务分配方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118378981A (zh) * 2024-06-21 2024-07-23 深圳大学 一种基于改进变邻域下降的多卡车多无人机任务分配方法
CN118378981B (zh) * 2024-06-21 2024-10-11 深圳大学 一种基于改进变邻域下降的多卡车多无人机任务分配方法

Also Published As

Publication number Publication date
CN117973990B (zh) 2024-06-21

Similar Documents

Publication Publication Date Title
CN117973990B (zh) 时序约束下多卡车多无人机包裹投递任务分配方法
Murray et al. The multiple flying sidekicks traveling salesman problem: Parcel delivery with multiple drones
Ghilas et al. An adaptive large neighborhood search heuristic for the pickup and delivery problem with time windows and scheduled lines
Ghilas et al. A scenario-based planning for the pickup and delivery problem with time windows, scheduled lines and stochastic demands
Serper et al. The design of capacitated intermodal hub networks with different vehicle types
Azcuy et al. Designing integrated urban delivery systems using public transport
Lin A cooperative strategy for a vehicle routing problem with pickup and delivery time windows
US20080077464A1 (en) Vehicle scheduling and routing with trailers
Coltin et al. Scheduling for transfers in pickup and delivery problems with very large neighborhood search
CN113177752B (zh) 一种路线规划方法、装置及服务器
Martins-Turner et al. How driving multiple tours affects the results of last mile delivery vehicle routing problems
JP2006240795A (ja) 輸送計画作成システム
Yeung et al. A flexible real-time ridesharing system considering current road conditions
Ren et al. A dynamic routing optimization problem considering joint delivery of passengers and parcels
JP2009146004A (ja) 配車計画装置及び配車計画方法
Gaul et al. Solving the dynamic dial-a-ride problem using a rolling-horizon event-based graph
De Giovanni et al. Algorithms for a vehicle routing tool supporting express freight delivery in small trucking companies
Godart et al. MILP for a variant of Pickup & Delivery Problem for both passengers and goods transportation
Zhu et al. Battery Electric Vehicle Traveling Salesman Problem with Drone
JP4025652B2 (ja) 輸送計画作成システム及び方法
CN113739812B (zh) 配送计划生成方法、装置、系统及计算机可读存储介质
JP2007084320A (ja) 鉛蓄電池配送システム
Martins-Turner et al. Agent-based modelling and simulation of tour planning in urban freight traffic
Stopka Modelling distribution routes in city logistics by applying operations research methods
Wang et al. Petrol truck scheduling optimization considering multi-path selection and congestion

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