申请/专利权人：山东博安智能科技股份有限公司

申请日：2024-04-10

公开（公告）日：2024-06-18

公开（公告）号：CN118015818B

主分类号：G08G1/00

分类号：G08G1/00;G08G1/01;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及车辆调度技术领域，更进一步地，涉及一种基于路径最优的车辆调度方法。所述方法包括：步骤1：定义目标区域的道路网络的有向图；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；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；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；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。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。

主权项：1.一种基于路径最优的车辆调度方法，其特征在于，所述方法包括：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；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；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；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；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；步骤1中，定义一个带权重的有向图： ，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；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；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；概率使用如下公式进行计算： ；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；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： ；其中， ；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；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： ；其中， ;其中，为车辆的数量；为进行稀释后的信息素的浓度，表示从节点到节点的校正值；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： ；其中，为全局最优路径校正函数；全局最优路径校正函数使用如下公式进行表示： ；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；公式中的表示全局最优路径的长度，而是当前路径的长度；公式中的表示以2为底的对数函数。

全文数据：

权利要求：

百度查询： 山东博安智能科技股份有限公司 一种基于路径最优的车辆调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD