买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州大学

摘要：本发明涉及物流配送技术领域，具体涉及一种多配送中心电动汽车路径规划方法。本发明对于具有多配送中心，多个客户点以及多辆电动汽车进行配送的问题进行了建模，利用以机器学习模型为评估模块的遗传算法对于上述问题进行了求解，同时在遗传算法中根据机器学习模型的评估来判断遗传算法中染色体的关键基因，通过关键基因来对遗传算法的迭代进行一定的引导提高了遗传算法在本问题上的求解效率。有效解决了电动汽车在城市中多配送中心以及考虑续航的路径问题，降低了电动汽车在配送时的电费成本并且减少了配送时间。

主权项：1.一种多配送中心电动汽车路径规划方法，其特征在于：包括：获取配送中心集合、客户点集合和充电站集合；根据所述配送中心集合、客户点集合和充电站集合，在考虑客户服务时间窗以及电动汽车电量使用的前提下构建目标函数；通过以机器学习为评估模型的遗传算法对构建的目标函数求解，包括：S1：对得到的配送中心集合、客户点集合和充电站集合以及配送电动汽车进行编码，每个配送中心、客户点、充电站以及配送电动汽车对应一个独立的代码，同时根据编码的对应关系建立对应的解码表，以每一个客户点均有对应的配送中心和配送车辆为约束条件，对生成的代码进行随机的排序得到一个序列，得到的序列即为一个个体基因型，序列中每一个代码即为一个基因；S2：根据得到配送中心集合以及客户点集合数据配置遗传算法中的参数，包括：种群规模NP，最大迭代次数iteration、交叉率Pc、染色体长度L、变异率Pm、惩罚系数afa；S3：重复步骤S1中以每一个客户点均有对应的配送中心和配送车辆为约束条件，对生成的代码进行随机的排序得到一个序列，每进行一次排列生成一个新的个体基因型，直至生成的个体基因型的数量与配置的种群规模数量NP一致时停止对生成的代码进行随机的排序，将已经生成的个体基因型组成一个集合得到遗传算法中的初始种群，利用建立的目标函数对初始种群的每个个体基因型进行计算，对比得出初始种群中目标函数值最优的个体基因型，此个体基因型即为当前种群的最优解，将其称为当前最优解，将初始种群的最优解也作为此时的全局最优解；S4：利用机器学习中的随机森林算法构建评估模型，利用构建的评估模型对初始种群中的每一个个体基因型进行适应度评估，根据得到的每个个体基因型的适应度来计算每个个体基因型在生成新的种群时被选择的概率；S5:依据遗传算法配置的交叉率Pc和变异率Pm选择一次向新的种群添加新的个体基因型的操作包括交叉、变异和复制，若此次选择中未选中交叉，也未选中变异则进行复制，选定要进行的操作后，依据S4中得到的每个个体基因型在生成新的种群时被选择的概率对初始种群中的个体基因型进行选择，并且进行选定好的操作，将操作生成的新的个体基因型添加到新的种群中，同时对生成的新的个体基因型利用步骤S4中构建的评估模型进行适应度评估得到此新的个体基因型的适应度，同时利用机器学习模型来学习此个体基因型中每个基因在进行适应度评估中的权重，根据得到每个基因在个体基因型中的权重来确定此个体基因型的关键基因，确定的关键基因在此个体基因型之后的迭代过程中位置不发生改变；S6：重复进行步骤S5，直至新的种群中个体基因型的数量与配置的种群规模NP相同，此时完成了一次迭代，同时得到新的种群中每个个体基因型的适应度，通过对比新的种群中每个个体的适应度值得出新的种群中目标函数值最优的个体基因型，作为新的种群的当前最优解，将新的种群的当前最优解与全局最优解做对比，确定新的全局最优解；S7：重复步骤S6，每重复一次迭代次数+1，当迭代次数与配置的最大迭代次数iteration相同时停止对步骤S6的重复，输出全局最优解对应的个体基因型，根据建立的解码表对得到的基因型进行解码，并且通过计算得到电动汽车充电的路径和充电站，得到路径-充电的最优方案。

全文数据：

权利要求：

百度查询： 苏州大学 一种多配送中心电动汽车路径规划方法