一种基于路径最优的车辆调度方法与流程

本发明属于车辆调度，具体涉及一种基于路径最优的车辆调度方法。

背景技术：

1、在现代社会中，随着城市化进程的加速和交通运输需求的增加，车辆调度系统变得越来越重要。对于许多行业，包括物流、快递、公共交通等，高效的车辆调度系统可以带来诸多好处，如降低成本、提高服务质量、减少交通拥堵等。因此，研究和开发一种基于优化算法的车辆调度方法变得尤为重要。

2、目前，已经有一些现有技术针对车辆调度问题提出了一些解决方案。其中，一种常见的方法是基于传统的优化算法，如贪婪算法、遗传算法、模拟退火算法等。这些算法通常是基于启发式的思想，通过不断地迭代搜索来寻找最优的车辆调度方案。然而，这些传统的优化算法在处理大规模、复杂的车辆调度问题时存在一些局限性。

3、首先，传统的优化算法通常只能找到局部最优解，而无法保证找到全局最优解。由于车辆调度问题通常是一个高度复杂、多变量的组合优化问题，传统的优化算法很容易陷入局部最优解而无法得到全局最优解，导致调度方案的效果不尽如人意。其次，传统的优化算法在处理大规模数据时往往耗时较长，计算复杂度较高。由于车辆调度问题涉及到大量的车辆、路线和任务，传统的优化算法需要进行大量的计算和搜索，导致算法的运行时间过长，无法满足实时调度的需求。另外，传统的优化算法通常只能考虑静态的车辆调度方案，无法适应实时交通状况的变化。在实际情况下，交通状况、客户需求等因素都可能发生变化，需要及时调整车辆调度方案以适应变化的环境，而传统的优化算法往往无法实现动态调度。除此之外，现有的车辆调度系统往往缺乏对路线选择和车辆行驶路径的优化考虑。在传统的车辆调度系统中，往往只关注车辆的到达时间和任务分配，而忽视了路线选择对于车辆行驶时间和成本的影响。这导致了车辆调度方案的效率和经济性不尽如人意。

技术实现思路

1、本发明的主要目的在于提供一种基于路径最优的车辆调度方法，本发明有效提高了车辆调度的效率和经济性，降低了运输成本，提高了运输效率，增强了系统的灵活性和适应性。

2、为了解决上述问题，本发明的技术方案是这样实现的：

3、一种基于路径最优的车辆调度方法，所述方法包括：

4、步骤1：定义目标区域的道路网络的有向图，包括：节点集合、边集合和权重集合；节点集合中每个节点表示一个地点，边集合中每条边代表从一个节点到另一个节点的路径，权重集合中每个权重权表示从一个节点到另一个节点的距离；对节点进行排序，使得所有的边从排在前面的节点指向排在后面的节点，得到排序后的有向图；

5、步骤2：定义每条边的最大流量，计算排序后的有向图中的增广路径，所述最大流量表示了该条边所对应的路径能够允许的最大的车流量；初始化一群车辆，并将这些车辆放置在有向图中的增广路径中的不同节点上，该节点为车辆的初始节点；每个车辆从初始节点出发，基于预设的策略，选择下一个要访问的节点；每当车辆经过一个节点时，在该节点添加信息素；

6、步骤3：每个车辆完成一次路径后，更新路径上的信息素浓度；对于每个车辆的路径，根据路径上的节点顺序计算总距离；

7、步骤4：迭代执行步骤2到步骤3，直到达到设定的迭代次数；在每次迭代执行过程中，针对每个车辆，若计算出的总距离低于此前每次迭代执行后计算出的总距离，则将该总距离作为最优距离，并将最优距离对应的路径作为全局最优路径；同时，在每次迭代结束时，对所有节点的信息素进行稀释操作，以使得信息素的浓度低于设定的阈值；

8、步骤5：根据全局最优路径更新预设的策略；并输出全局最优路径作为每辆车辆的最优路径，进行车辆调度。

9、进一步的，步骤1中，定义一个带权重的有向图：

10、，

11、其中表示节点集合，表示边集合,表示权重集合；每个节点代表一个任务或者一个地点，每条边代表从节点到节点的路径，其权重表示从节点到节点的距离；对节点进行排序，使得所有的边从排在前面的节点指向排在后面的节点的方法包括：初始化一个空的排序结果列表，用来存储最终的排序结果；对于有向图中的每个节点，计算其入度，入度表示指向该节点的边的数量；同时，记录每个节点的出度，出度表示从该节点出发的边的数量；从图中选择一个入度为0的节点作为起始节点，将其加入到排序结果列表中；如果有多个入度为0的节点，随机选择一个节点作为起始节点；将起始节点的所有出边从图中移除，并更新相邻节点的入度；同时，对于剩余的节点，重新计算它们的出度；迭代执行，直到所有节点都被加入到拓扑排序结果列表中；在迭代执行过程中，需要不断检查图的合法性，如果存在入度不为0的节点，而且没有入度为0的节点可以选择，则说明图中存在环路，即图中存在循环依赖关系，则从环路中随机选择一条边进行删除；如果所有节点都被加入到排序结果列表中，完成对节点的排序。

12、进一步的，步骤2中计算排序后的有向图中的增广路径的方法包括：首先，对排序后的有向图进行凹凸拓扑排序；凹凸拓扑排序的具体过程包括：将节点分为凹点和凸点；凹点是指其入度小于出度的节点，而凸点是指其入度大于等于出度的节点；基于凹凸拓扑排序后的有向图，构建层次图；层次图是一个新的有向图，其中节点的层次表示了其在拓扑序列中的位置；边的方向与排序后的有向图相同，但是只包含从低层次节点指向高层次节点的边，层次图中只包含从凹点指向凸点的边；迭代执行以下过程：从任意一个节点开始，通过广度优先搜索寻找从该节点到汇节点的增广路径；该路径的流量受限于路径上最小的残余容量；然后，将该路径上的所有边的流量增加到最大流量，即路径上的最小残余容量，以得到一条增广路径；如果存在增广路径，则更新排序后的有向图中的流量，并继续查找下一条增广路径；否则，终止迭代过程；所述汇节点定义为，从该节点出发的边所对应的路径的最大流量的和值最大。

13、进一步的，步骤2中，每个车辆从初始节点出发，基于预设的策略，选择下一个要访问的节点的方法包括：对于当前所在节点，车辆计算每个相邻节点的概率，根据计算得到的概率进行轮盘赌选择，确定下一个要访问的节点，具体包括：生成一个随机数，然后按照累积概率进行选择，直到找到一个节点，使得累积概率超过；车辆将选择的节点j作为下一个要访问的节点，然后继续探索。

14、进一步的，概率使用如下公式进行计算：

15、；

16、其中，是一个控制参数，用于调整距离的影响，为预设值；也是一个控制参数，用于调整距离和信息素浓度对路径选择概率的影响，为预设值；是一个控制参数，用于调整信息素浓度的影响，为预设值；表示从节点到节点的信息素浓度；表示与节点相邻的节点集合；和均为下标索引。

17、进一步的，步骤3中每个车辆完成一次路径后，更新路径上的信息素浓度的方法包括：

18、；

19、其中，

20、；

21、其中，为信息素挥发率，为信息素变化量，为当前路径的长度，为节点到节点的路径长度，为当前的路径长度的均值，为路径长度的标准差，为自然对数的底；为更新后的路径上的信息素的浓度；为当前的信息素的浓度。

22、进一步的，步骤4中，在每次迭代结束时，对所有节点的信息素进行稀释操作，以使得信息素的浓度低于设定的阈值的方法包括：

23、；

24、其中，

25、;

26、其中，为车辆的数量；为进行稀释后的信息素的浓度。

27、进一步的，步骤5中，根据全局最优路径更新预设的策略为通过如下公式，更新概率：

28、；

29、其中，为全局最优路径校正函数。

30、进一步的，全局最优路径校正函数使用如下公式进行表示：

31、；

32、其中，为增广路径的数量；为排序后的有向图中的节点总数量。

33、本发明的一种基于路径最优的车辆调度方法，具有以下有益效果：

34、本发明定义了目标区域的道路网络的有向图，并对节点进行了排序，以得到排序后的有向图。这一步骤为后续的路径选择和车辆调度奠定了基础。有向图中的节点和边分别代表着地点和路径，而排序后的有向图则能够更好地反映路径的顺序关系，有助于计算增广路径和确定车辆调度的顺序。这样一来，车辆在行驶过程中能够更加合理地选择路径，避免了传统方法中常见的路线不合理和行驶距离过长的问题，从而降低了运输成本，提高了运输效率。本发明采用了凹凸拓扑排序的方法，计算增广路径。这一步骤能够有效地寻找从起点到终点的最短路径，并结合增广路径的计算，为车辆调度提供了更精准的路径规划。通过不断地迭代执行增广路径的计算过程，能够实现对车辆调度方案的优化，提高了调度的准确性和效率。而且，在每次路径计算后，还会更新路径上的信息素浓度，从而使系统能够根据实际情况动态调整车辆调度方案，适应交通状况的变化和客户需求的变更，增强了系统的灵活性和适应性。其次，本发明采用了信息素浓度的更新机制，能够实现动态调度和优化。在每个车辆完成一次路径后，根据路径上的信息素浓度进行更新，使得系统能够根据实际情况动态调整车辆调度方案，适应交通状况的变化和客户需求的变更。这种动态调度机制可以有效提高车辆调度的灵活性和适应性，从而更好地满足实际运输需求。本发明还考虑了路径选择概率的计算，通过公式中的参数调节，实现了对路径选择概率的动态调整。这种基于概率的路径选择机制能够更加智能地指导车辆行驶，使得车辆能够更有效地选择合适的路径，避免了传统方法中的盲目选择和浪费，提高了车辆调度的效率和经济性。