買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請的專利一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN113919557B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111128670.8，技術(shù)領(lǐng)域涉及：G06Q10/047；該發(fā)明授權(quán)一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法和系統(tǒng)是由王萬良;陳浩立;尤文波;邢方森;吳偉壯;趙燕偉設(shè)計研發(fā)完成，并于2021-09-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法和系統(tǒng)在說明書摘要公布了：一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法，包括：S1.分析建立基本數(shù)學(xué)模型；S2.設(shè)計種群個體染色體編碼；S3.采用隨機(jī)和貪婪結(jié)合方式產(chǎn)生規(guī)模為N的初始種群，并對種群進(jìn)行帕累托非支配排序；S4.通過選擇、交叉、變異三種進(jìn)化操作得到下一代種群；S5.將父代種群與子代種群合并形成新種群，選取較優(yōu)的個體組成新的父代種群；S6.通過種群進(jìn)化算子操作產(chǎn)生新的子代種群，重復(fù)步驟S4；S7.若不滿足種群迭代終止條件，返回步驟S4、S5，直至達(dá)到終止條件；S8.由自適應(yīng)NSGAⅡ算法輸出最優(yōu)解集，從而得到配一臺車輛的配送路線。本發(fā)明還包括一種基于自適應(yīng)NSGAII的物流路線優(yōu)化系統(tǒng)。本發(fā)明能解決配送路線優(yōu)化問題。

本發(fā)明授權(quán)一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于自適應(yīng)NSGAII的物流路線優(yōu)化方法，其特征在于：包含以下步驟：S1：分析建立基本數(shù)學(xué)模型；S11：在一條路線上，假設(shè)采用同一輛車，對于分路線i，物流配送產(chǎn)生的金錢成本Ci包括車輛的派送成本和耗油費(fèi)用，其計算公式如下：Ci＝Vi+Ri×Oi+Wi×αi其中，Vi是分路線i的派遣成本，Ri為分路線i的總路程，Oi為分路線i的油耗成本，Wi為分路線i的總載重量，αi為分路線i的每公里每噸油耗成本系數(shù)；設(shè)kx為物流配送方案x中分路線的數(shù)量；則方案x產(chǎn)生的總金錢Cx成本為： S12：在每條路線上，考慮每個配送點(diǎn)所需的卸貨時間以及車輛行駛時間所造成的時間成本；設(shè)Pi為分路線i的總配送點(diǎn)數(shù)，Ri是分路線i的總路程，Si是車輛在該路線行駛的平均速度，Ui為每個配送點(diǎn)卸貨時間；對于分路線i，物流配送產(chǎn)生的時間成本Ti的計算公式如下： 則配送方案x產(chǎn)生的時間成本Tx為： S13：通過同時最小化金錢成本和時間成本，來評估本系統(tǒng)的優(yōu)越性，其定義如下：minFx＝Cx,TxT設(shè)大車派遣成本為vb，小車派遣成本為vl；大車最大載重量為wb,小車最大載重量為wl；大車每公里每噸油耗成本系數(shù)為αb,小車每公里每噸油耗成本系數(shù)為αl；大車每個配送點(diǎn)卸貨時間為ub,小車每個配送點(diǎn)卸貨時間為ul；大車行駛平均速度為sb,小車行駛平均速度為sl；大車每公里油耗成本為ob,小車每公里油耗成本為ol；因此建立模型如下：minFx＝Cx,TxT 其中，X為個體決策空間，kx為方案x中分路線的數(shù)量，Ri是分路線i的總路程，Pi為分路線i的總配送點(diǎn)數(shù)，Wi為分路線i的總貨物量；式③表示對于分路線i，無論哪種車型的車，都不能大于其對應(yīng)車型的最大載重量；式④～式⑧表示在分路線i上，對所用車輛賦予其相應(yīng)車型的信息；式⑨表示分路線i對應(yīng)車輛最大行駛距離；S2：設(shè)計種群個體染色體編碼，采用固定長度的不重復(fù)整數(shù)編碼方式，每個染色體基因代表對應(yīng)位置訪問顧客點(diǎn)，染色體長度M為待訪問顧客總數(shù)；S3：采用隨機(jī)和貪婪結(jié)合方式產(chǎn)生規(guī)模為N的初始種群，并對種群進(jìn)行帕累托非支配排序；其中，非支配排序的步驟為S31至S35；S31：計算所有個體的支配計數(shù)ni，即支配個體i的所有個體數(shù)量，和計算支配解集Si，即個體i所支配的個體集合；S32：找出種群中非支配個體，即ni＝0的個體，將非支配個體放入集合F1中；S33：對于F1中的每個個體，找出集合中每個個體所支配的個體集合Si，對于Si中的個體l，對nl進(jìn)行減1操作，即nl＝nl-1，將個體l存放在集合H中；S34：定義集合F1為第一層非支配集合，并為F1中每個個體標(biāo)記相同的非支配序列irank；S35：對集合H中的個體，按照以上步驟S32、步驟S33和步驟S34，直至將所有個體分層；S4：通過選擇、交叉、變異三種進(jìn)化操作得到下一代種群；選擇、交叉、變異進(jìn)化操作的具體步驟如S41至S43所示；S41：在選擇操作中，利用競標(biāo)賽來選擇帕累托層級低，即較優(yōu)帕累托支配，并且擁擠度小，即擁擠距離大的優(yōu)良種群個體，將其保存至規(guī)模固定的精英檔案集；S42：在交叉操作中，引入自適應(yīng)策略，以隨迭代次數(shù)自適應(yīng)變化的交叉概率，從多個交叉算子構(gòu)成的交叉算子池中根據(jù)算子選擇概率分布選擇交叉操作，并根據(jù)此次交叉操作結(jié)果對算子選擇權(quán)重進(jìn)行反饋調(diào)整；其中交叉算子描述如S421至S425所示；S421：部分匹配交叉，首先隨機(jī)選擇交換片段的起止位置，交換父染色體對應(yīng)起止位置片段，并相互替換沖突基因點(diǎn)；S422：順序交叉，首先隨機(jī)選擇連續(xù)片段的起止位置，將父代1對應(yīng)片段復(fù)制到子個體1對應(yīng)位置，再從父代2中選擇子代1缺少的基因并按父代1中的順序加入子代1，同理生成子代2；S423：基于位置交叉，首先隨機(jī)選擇多個不連續(xù)基因點(diǎn)位置，將父代1對應(yīng)基因點(diǎn)復(fù)制到子個體1對應(yīng)位置，再從父代2中選擇子代1缺少的基因并按父代1中的順序加入子代1，同理生成子代2；S424：循環(huán)交叉，首先從父代1中隨機(jī)選擇一個基因，再從父代2中找到相應(yīng)位置點(diǎn)基因，然后返回父代1中找到父代2對應(yīng)基因位置點(diǎn)基因，重復(fù)該操作直至形成閉環(huán)，該閉環(huán)所包含基因復(fù)制到子代1中相同位置，剩余基因點(diǎn)從父代2中順序選擇，同理形成子代2；S425：子路徑交換交叉，首先隨機(jī)選擇父代1的一組連續(xù)基因，按照原順序替換父代2中對應(yīng)基因組；S43：在變異操作中，采用與自適應(yīng)交叉策略相同方式，以隨迭代次數(shù)自適應(yīng)變化的變異概率，從多個變異算子構(gòu)成的算子池中根據(jù)算子選擇概率分布選擇變異操作，并根據(jù)此次變異操作結(jié)果對算子選擇權(quán)重進(jìn)行反饋調(diào)整；其中變異算子描述如S431至S433所示；S431：交換變異，隨機(jī)選擇染色體的兩個基因點(diǎn)位置，并交換其值；S432：反轉(zhuǎn)變異，隨機(jī)選擇染色體的一組連續(xù)基因片段，并反轉(zhuǎn)其順序；S433：亂序變異，隨機(jī)選擇染色體的一組連續(xù)基因片段，并打亂其順序；S44：算子自適應(yīng)反饋機(jī)制，對于每次交叉、變異操作所生成的新一代個體，通過觀測其個體質(zhì)量來調(diào)整所選算子權(quán)重比例：子代優(yōu)于兩個父代且最終進(jìn)入精英檔案集則權(quán)重加4分；子代優(yōu)于一個父代且進(jìn)入精英檔案集則權(quán)重加3分；子代優(yōu)于兩個父代但未進(jìn)入精英檔案集則權(quán)重加2分；子代優(yōu)于一個父代但未進(jìn)入精英檔案集則權(quán)重加1分；其余情況權(quán)重不變；最后對所有算子權(quán)重進(jìn)行歸一化；S5：將父代種群與子代種群合并形成新種群，而后對新種群進(jìn)行快速非支配排序，同時對每個非支配層中的個體進(jìn)行擁擠度計算；根據(jù)非支配關(guān)系以及個體的擁擠度，選取較優(yōu)的個體組成新的父代種群；其中，擁擠度計算為步驟S51到S54所示：S51：初始化，nd＝0,n∈1,…NS52：對于每個目標(biāo)函數(shù)fm，根據(jù)該目標(biāo)函數(shù)對種群的個體進(jìn)行排序，記為個體目標(biāo)函數(shù)值fm的最大值，為個體目標(biāo)函數(shù)值fm的最小值；S53：對排序后兩個邊界的擁擠度1d和Nd置為∞；S54：計算擁擠度： S6：通過種群進(jìn)化算子操作產(chǎn)生新的子代種群，重復(fù)步驟S41至S44；S7：若不滿足種群迭代終止條件，返回步驟S4、S5，直至達(dá)到終止條件；S8：由自適應(yīng)NSGAⅡ算法輸出最優(yōu)解集，解集中的每個解代表了一種顧客點(diǎn)訪問序列，利用了一個輔助數(shù)組來存儲每一臺配送車輛起始配送點(diǎn)，從而得到一臺車輛的配送路線。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。