CN109190835B - 一种基于时间窗限制的露天矿卡车调度路径优化方法 - Google Patents
一种基于时间窗限制的露天矿卡车调度路径优化方法 Download PDFInfo
- Publication number
- CN109190835B CN109190835B CN201811070104.4A CN201811070104A CN109190835B CN 109190835 B CN109190835 B CN 109190835B CN 201811070104 A CN201811070104 A CN 201811070104A CN 109190835 B CN109190835 B CN 109190835B
- Authority
- CN
- China
- Prior art keywords
- truck
- time
- path
- constraint
- pheromone
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 9
- 239000003016 pheromone Substances 0.000 claims description 46
- 241000257303 Hymenoptera Species 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 230000002028 premature Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种基于时间窗限制的露天矿卡车调度路径优化方法,在现有卡车调度路径优化的基础上,将卡车在某一卸载点或装载点所用时间视为约束条件,同时考虑不同型号卡车最大载重量的约束,建立以运输所用时间、所用卡车总数和运输总成本最小化为目标的露天矿卡车调度路径优化模型,然后采用基本蚁群算法进行模型的求解。蚁群算法具有求解精度高、收敛速度快等优点,非常适合于解决路径优化问题。在对露天矿卡车调度路径优化模型进行求解过程中,能够快速得到符合实际需要的运输路径。与现有技术相比,本发明可实现卡车调度路径优化,对于提高矿山运输效率,提升企业经济效益,降低运输成本有着重要的指导意义。
Description
技术领域
本发明属于露天矿山作业优化技术领域,同时属于计算机应用领域、复杂约束函数优化技术领域,特别涉及一种基于时间窗限制的露天矿卡车调度路径优化方法。
背景技术
露天矿是以电铲采掘、卡车运输为主的大型露天生产***,卡车调度路径优化在矿山经营过程中起着十分重要的作用。目前在露天矿运输***中普遍运用的是实时调度。实时调度是露天矿路径优化调度的核心,实时调度的好坏将直接影响采掘及运输设备效率的发挥、产量计划的完成以及整个矿山的生产经营情况,是卡车调度***能否见效的关键所在。然而露天矿生产运输道路网多变,装载、卸载地点位置不固定,卡车的行驶密度大,运输强度高使得原有实时调度在时间的约束上显现出很大缺点,很难适应现有大型露天矿的生产调度。因此为了解决此问题,有必要研究一种有时间窗约束的露天矿卡车调度路径优化方法。
发明内容
为了克服上述现有技术的缺点,解决当前露天矿实时调度问题,本发明的目的在于提供一种基于时间窗限制的露天矿卡车调度路径优化方法,建立以时间最短、所用卡车数和运输总成本最小为目标的卡车调度模型,并运用基本蚁群优化算法,对卡车调度路径优化问题进行解算。
为了实现上述目的,本发明采用的技术方案是:
在现有卡车调度路径优化的基础上,将卡车在某一卸载点或装载点所用时间视为约束条件,同时考虑不同型号卡车最大载重量的约束,建立以运输所用时间、所用卡车总数和运输总成本最小化为目标的露天矿卡车调度路径优化模型,然后采用基本蚁群算法进行模型的求解。蚁群算法具有求解精度高、收敛速度快等优点,非常适合于解决路径优化问题。在对露天矿卡车调度路径优化模型进行求解过程中,能够快速得到符合实际需要的运输路径。
与现有技术相比,本发明可实现卡车调度路径优化,对于提高矿山运输效率,提升企业经济效益,降低运输成本有着重要的指导意义。
附图说明
图1是本发明中采用基本蚁群算法求解模型的流程图。
图2是单车场卡车调度问题路径示意图(1代表装载点,2-11代表卸载点)。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
本发明是一种基于时间窗限制的露天矿卡车调度路径优化方法,包含有以下步骤:
1、根据现有露天矿卡车实时调度实际运输过程,以运输所用时间、所用卡车总数和运输总成本最小化为目标,建立露天矿卡车调度路径优化模型。
(1)运输所用时间、所用卡车总数和运输总成本最小化目标
运输路径的优化从根本上讲就是合理化的安排运载行驶路线,需要综合考虑卡车容量、运距、运输时间和运输费用等多种因素。
具体地,根据露天矿山卡车调度实际运输情况,构建以时间最短、所用卡车数和运输总成本最小为目标的露天矿卡车调度路径优化模型,目标函数如下:
表示最小化配送总成本。它由三项组成车辆行驶距离成本、车辆启用数目成本以及时间延误的惩罚成本。
惩罚函数详细说明:
假设每辆卡车都有一个指定的卸载时间窗口(ei,li),到达卸载点时刻最好在此时间范围内;当卡车在规定的卸载时间窗内卸载,则不须支付任何惩罚成本;车辆如果早到或晚到,随着早到或晚到时间长度的增加,惩罚成本呈直线增加。
定义的惩罚成本函数表达式如下:
可表示成
Pi(si)=pmax(ei-si,0)+qmax(si-li,0) (1-3)
式中的用到的参数符号作以下的定义:
ei:卡车到i卸载点的时间限制窗的始点
li:卡车到i卸载点的时间限制窗的终点
si:卡车到i卸载点的时间
q:卡车晚于时间窗到达卸载点处的单位时间惩罚值,q的值根据现场实际情况来取值
p:卡车提前到达卸载点处发生的等待单位时间的机会成本;
(2)约束条件
s.t
xijk∈{0,1} i,j∈{1,2,…N},k∈{1,2,…,K} (1-10)
Pi(si)=pmax(ei-si,0)+qmax(si-li,0) (1-11)
以上约束条件中各式简要说明如下:
约束(1-4)表示运载卡车数量不超过总卡车数量K
约束(1-5)表示每辆车均从装载点出发并最终返回此装载点
约束(1-6)表示每辆卡车所装载的量不超过车量的载重量限制
约束(1-7)表示流守恒条件,即运载卡车到达某卸载点后,必须离开该卸载点
约束(1-8)表示卡车出发时间和返回时间均在规定的时间窗内
约束(1-9)表示卡车从卸载点i到达卸载点j的时间约束
约束(1-10)表示整数化约束,限制了xijk只能取0或1,即表示运载或不运载
约束(1-11)表示惩罚成本函数表达式
变量和参数符号定义
N:露天矿卸载点总数目;
i,j:单个卸载点,i,j∈{0,1,2,...N},i,j=0代表装载点;
k:各运载卡车编号,k∈{1,2,…,K};
cij:从卸载点i到卸载点j的运输成本,这里考虑距离,其中i≠j;
Q:卡车的最大载重量;
di:每辆卡车的装载量;
tij:卡车从卸载点i行驶到卸载点j的时间,其中i≠j;
fi:卡车在卸载点i卸载所需的时间(停留时间);
wi:若车辆提前到达卸载点i则必须的等待时间,其中w0=0
当xijk=1时,表示卡车从i点行驶到了j点,已经启用了一辆卡车,此时目标函数中的卡车启用成本会发生变化;当xijk=0时,表示卡车没有行驶,没有启用卡车,即无卡车启用成本。
2.用基本蚁群算法进行求解,参考图1,基本设计思路如下
(1)蚂蚁状态转移概率
引入如下标记:其中n是城市个数(在这里表示卸载点个数),m表示蚂蚁数量,(dij)n×n表示城市i和城市j之间的距离。
为了使蚁群在寻优的过程中适应带时间窗的路径问题,将蚂蚁视为运载矿物的卡车,卡车从当前的节点出发,依据路径选择规则决定下个到达的节点。节点i处的蚂蚁k在t时刻以概率转移至下一个节点j,蚂蚁的状态转移概率公式中有四个决定性因素:信息素浓度τij、启发式信息ηij、时间窗限制因素卡车容量因素kij。计算公式如下(1-12)式:
公式(1-12)中allowedk是蚂蚁尚未访问过的卸载点集合。计算选择概率时,除了要考虑信息素浓度、启发式信息之外,还要考虑到时间窗限制因素、卡车容量因素的限制。公式中的每一项的含义为:
1)信息素浓度τij
初始信息素τ0设为0,当一轮算法迭代完成之后,所有蚂蚁都找到了一条合法路径,蚂蚁在走过的路径上留下信息素,每轮迭代结束后更新全局信息素。
2)启发式信息ηij
启发式信息与两点间的距离成反比,表达式为:
时间窗限制因素反映了卡车到达某卸载点的允许时间范围,dj是卸载点j的最后允许到达时刻,即可接受时间窗下限时刻。时间窗限制因素的表达式为:
4)卡车容量因素限制
设Gi为卡车在节点i的累积载重量,Qi表示节点i的所能承载的量,Q为卡车总容量。则卡车容量因素的表达式为:
α、β、γ、θ称为权衡因子,表示各影响因子的相对强弱,需要通过多次实验根据算法寻优结果的变化来确定具体数值。表示信息素浓度对蚂蚁进行路径选择的影响程度,β为启发信息重要程度,表示路径上的期望度对蚂蚁进行路径选择的影响程度,γ是时间窗限制因素在概率计算中的权重,γ值越大,蚂蚁选择时间窗下限最早到来的点可能性越大。θ是卡车容量因素的权衡因子,θ值越大,蚂蚁选择卸载点容许量大的的可能性越大,卡车最终满载率可能最高。
(2)信息素更新
所有蚂蚁完成一次寻优以后,仅对最优路径进行全局信息素更新,更新方式为:τij(t+1)=(1-ρ)τij(t)+Δτij(t,t+1) (1-16)
其中Δτij(t,t+1)是本轮所有蚂蚁在边ij上所释放的信息素的总和,表达式为:
当所有蚂蚁均完成了信息素的更新操作之后,记录当前的最短路径,并且对禁忌表以及信息素的增加值Δτij(t,t+1)进行初始化。
若信息素浓度太高,蚂蚁就越容易选择这条路径,所以在这里规定信息素更新不能超过[τmin,τmax],使蚁群算法避免因信息素值过小或信息素过高导致陷入局部最优值,使算法能够在整个解空间中寻找最优解。在初始信息素尚未更新之前,τmin和τmax分别用如下两个公式来确定:
其中ρ为信息素挥发系数,信息素挥发系数的引入,使信息素随着时间的推移逐渐减少,避免过早的聚集到算法初期所寻找到的局部最优解上;Lbest为本轮循环结束后,全部的可行解当中的最优解所对应的路径长度。当路径中的信息素更新完成之后,τmax改为使用公式(1-18)来确定:
对蚂蚁所构建的路径进行局部搜索,蚁群算法信息素更新,所有卸载点都被访问完毕后一次迭代结束。清除蚁群算法禁忌表,进入下一轮算法的迭代,不断进行上述操作,直到迭代完成。
假设蚂蚁寻优出3条距离装载点1较近的路径R1,R2,R3,如图2所示。1代表卡车装载点位置,2-11代表各辆卡车要运往的卸载点位置,可以派一部分卡车在R1路径进行运输,一部分在R2进行运输,另一部分在R3进行运输。运输路径可表示为:
R1:1—4—3—2—1
R2:1—8—11—10—9—1
R3:1—5—6—7—1
3.采用基本蚁群算法求解带时间窗的露天矿路径优化步骤
设置蚁群算法参数,状态转移概率影响因子的初始值。通过蚁群算法求解带时间窗限制的露天矿卡车路径问题,判断其路径是否满足载重约束和时间约束,接着更新全局信息素。上述整个过程完成为一次迭代,当算法迭代完成,则输出结果,结束运算过程,否则继续进行蚁群算法求解。具体操作步骤如下:
Step1:初始化控制参数,基础数据,设置各边初始信息素,最大迭代步数NCmax。
Step2:进行蚂蚁搜索,设置蚂蚁起点,按照状态转移概率的计算公式来选择下一个访问的节点,更新蚁群路径。
Step3:判断是否所有蚂蚁都访问节点完毕,若完毕则蚁群算法完成,转Step4;若未访问完毕则转Step2继续搜寻蚂蚁路径。
Step4:考虑模型的载重约束(卡车运载量不能超过卡车最大容量)、时间窗约束(卡车到达卸载点是否在时间限制范围之内),蚂蚁游历完一周后计算路径和费用,统计所用车辆数。
Step5:根据全局更新规则更新信息素。
Step6:判断算法迭代次数是否完成,若迭代完成则输出结果,若迭代未完成则清空蚂蚁的禁忌表,重复Step2-Step5继续进行迭代计算,直到求得最优解或达到最大迭代次数。
综上,本发明针对基于时间窗限制的露天矿卡车调度路径优化问题,以时间最短、所用卡车数和运输总成本最小化为目标,考虑了卡车运输过程的时间限制和卡车的载重限制等条件,构建了露天矿卡车调度路径优化模型。采用基本蚁群算法进行优化编制,有效地解决了露天矿卡车调度路径优化问题,满足了实际矿山运输的需要。
Claims (4)
1.一种基于时间窗限制的露天矿卡车调度路径优化方法,其特征在于,在现有卡车调度路径优化的基础上,将卡车在某一卸载点或装载点所用时间视为约束条件,同时考虑不同型号卡车最大载重量的约束,建立以运输所用时间、所用卡车总数和运输总成本最小化为目标的露天矿卡车调度路径优化模型,然后采用基本蚁群算法进行模型的求解;
其中,所述露天矿卡车调度路径优化模型的目标函数如下:
惩罚成本函数的定义如下:
假设每辆卡车都有一个指定的卸载时间窗口(ei,li),当卡车在该时间窗内卸载,则不须支付任何惩罚成本,车辆如果早到或晚到,随着早到或晚到时间长度的增加,惩罚成本呈直线增加;
惩罚成本函数的表达式如下:
式中参数定义如下:
ei:卡车到i卸载点的时间限制窗的始点;
li:卡车到i卸载点的时间限制窗的终点;
si:卡车到i卸载点的时间;
q:卡车晚于时间窗到达卸载点处的单位时间惩罚值,q的值根据现场实际情况来取值
p:卡车提前到达卸载点处发生的等待单位时间的机会成本;
所述目标函数的约束条件如下:
xijk∈{0,1}i,j∈{1,2,…N},k∈{1,2,…,K} (7)
Pi(si)=pmax(ei-si,0)+qmax(si-li,0) (8)
以上约束条件中:
约束(1)表示运载卡车数量不超过总卡车数量K;
约束(2)表示每辆车均从装载点出发并最终返回此装载点;
约束(3)表示每辆卡车所装载的量不超过车量的载重量限制;
约束(4)表示流守恒条件,即运载卡车到达某卸载点后,必须离开该卸载点;
约束(5)表示卡车出发时间和返回时间均在规定的时间窗内;
约束(6)表示卡车从卸载点i到达卸载点j的时间约束;
约束(7)表示整数化约束,限制xijk只能取0或1,即表示运载或不运载;
约束(8)表示惩罚成本函数表达式;
各公式中变量和参数符号定义:
N:露天矿卸载点总数目;
i,j:单个卸载点,i,j∈{0,1,2,…N},i,j=0代表装载点;
k:各运载卡车编号,k∈{1,2,…,K};
cij:从卸载点i到卸载点j的运输成本,这里考虑距离,其中i≠j;
Q:卡车的最大载重量;
di:每辆卡车的装载量;
tij:卡车从卸载点i行驶到卸载点j的时间,其中i≠j;
fi:卡车在卸载点i卸载所需的时间,即停留时间;
wi:若车辆提前到达卸载点i则必须的等待时间,其中w0=0
当xijk=1时,表示卡车从i点行驶到了j点,已经启用了一辆卡车,此时目标函数中的卡车启用成本会发生变化;当xijk=0时,表示卡车没有行驶,没有启用卡车,即无卡车启用成本;
利用基本蚁群算法求解所述露天矿卡车调度路径优化模型的目标函数,包括如下步骤:
(1)计算蚂蚁状态转移概率
引入如下标记:其中n是城市个数,在这里表示卸载点个数,m表示蚂蚁数量,(dij)n×n表示城市i和城市j之间的距离;
为了使蚁群在寻优的过程中适应带时间窗的路径问题,将蚂蚁视为运载矿物的卡车,卡车从当前的节点出发,依据路径选择规则决定下个到达的节点;节点i处的蚂蚁k在t时刻以概率转移至下一个节点j,蚂蚁的状态转移概率计算公式如下:
公式中allowedk是蚂蚁尚未访问过的卸载点集合,公式中的每一项的含义为:
1)信息素浓度τij
初始信息素τ0设为0,当一轮算法迭代完成之后,所有蚂蚁都找到了一条合法路径,蚂蚁在走过的路径上留下信息素,每轮迭代结束后更新全局信息素;
2)启发式信息ηij
启发式信息与两点间的距离成反比,表达式为:
时间窗限制因素反映了卡车到达某卸载点的允许时间范围,dj是卸载点j的最后允许到达时刻,即可接受时间窗下限时刻,时间窗限制因素的表达式为:
4)卡车容量因素限制
设Gi为卡车在节点i的累积载重量,Qi表示节点i的所能承载的量,Q为卡车总容量,则卡车容量因素的表达式为:
α、β、γ、θ称为权衡因子,表示各影响因子的相对强弱,需要通过多次实验根据算法寻优结果的变化来确定具体数值,表示信息素浓度对蚂蚁进行路径选择的影响程度,β为启发信息重要程度,表示路径上的期望度对蚂蚁进行路径选择的影响程度,γ是时间窗限制因素在概率计算中的权重,γ值越大,蚂蚁选择时间窗下限最早到来的点可能性越大,θ是卡车容量因素的权衡因子,θ值越大,蚂蚁选择卸载点容许量大的的可能性越大,卡车最终满载率可能最高;
(2)信息素更新
所有蚂蚁完成一次寻优以后,仅对最优路径进行全局信息素更新,更新方式为:τij(t+1)=(1-ρ)τij(t)+Δτij(t,t+1)
其中Δτij(t,t+1)是本轮所有蚂蚁在边ij上所释放的信息素的总和,表达式为:
当所有蚂蚁均完成了信息素的更新操作之后,记录当前的最短路径,并且对禁忌表以及信息素的增加值Δτij(t,t+1)进行初始化;Lbest为本轮循环结束后,全部的可行解当中的最优解所对应的路径长度;
对蚂蚁所构建的路径进行局部搜索,蚁群算法信息素更新,所有卸载点都被访问完毕后一次迭代结束,清除蚁群算法禁忌表,进入下一轮算法的迭代,不断进行上述操作,直到迭代完成。
3.根据权利要求1所述基于时间窗限制的露天矿卡车调度路径优化方法,其特征在于,采用基本蚁群算法求解带时间窗的露天矿路径优化,步骤如下:设置蚁群算法参数,状态转移概率影响因子的初始值;通过蚁群算法求解带时间窗限制的露天矿卡车路径问题,判断其路径是否满足载重约束和时间约束,接着更新全局信息素;上述整个过程完成为一次迭代,当算法迭代完成,则输出结果,结束运算过程,否则继续进行蚁群算法求解。
4.根据权利要求3所述基于时间窗限制的露天矿卡车调度路径优化方法,其特征在于,采用基本蚁群算法求解带时间窗的露天矿路径优化的具体操作步骤如下:
Step1:初始化控制参数,基础数据,设置各边初始信息素,最大迭代步数NCmax;
Step2:进行蚂蚁搜索,设置蚂蚁起点,按照状态转移概率的计算公式来选择下一个访问的节点,更新蚁群路径;
Step3:判断是否所有蚂蚁都访问节点完毕,若完毕则蚁群算法完成,转Step4;若未访问完毕则转Step2继续搜寻蚂蚁路径;
Step4:考虑模型的载重约束、时间窗约束、蚂蚁游历完一周后计算路径和费用,统计所用车辆数;
Step5:根据全局更新规则更新信息素;
Step6:判断算法迭代次数是否完成,若迭代完成则输出结果,若迭代未完成则清空蚂蚁的禁忌表,重复Step2-Step5继续进行迭代计算,直到求得最优解或达到最大迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811070104.4A CN109190835B (zh) | 2018-09-13 | 2018-09-13 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811070104.4A CN109190835B (zh) | 2018-09-13 | 2018-09-13 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190835A CN109190835A (zh) | 2019-01-11 |
CN109190835B true CN109190835B (zh) | 2021-08-03 |
Family
ID=64911148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811070104.4A Active CN109190835B (zh) | 2018-09-13 | 2018-09-13 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190835B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382942B (zh) * | 2020-03-09 | 2022-04-01 | 西安建筑科技大学 | 一种集成交货期配置的置换流水车间能效优化调度方法 |
US11631038B2 (en) | 2020-04-22 | 2023-04-18 | Caterpillar Inc. | System and method for multi-phase optimization of haul truck dispatch |
JP7481903B2 (ja) * | 2020-05-22 | 2024-05-13 | 株式会社東芝 | 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム |
CN112150076B (zh) * | 2020-09-29 | 2023-11-21 | 陕西科技大学 | 基于工位排序的车间物料动态配送模型设计及实现方法 |
CN112257519B (zh) * | 2020-09-30 | 2022-12-13 | 赛轮集团股份有限公司 | 露天矿山非公路自卸卡车在矿区运输路线识别方法 |
CN112488441B (zh) * | 2020-10-23 | 2024-05-14 | 湖南大学 | 一种露天矿卡车智能调度方法及*** |
CN112418497B (zh) * | 2020-11-10 | 2023-04-11 | 河南科技大学 | 一种面向制造物联的物料配送路径优化方法 |
CN112508344B (zh) * | 2020-11-12 | 2023-02-07 | 青岛慧拓智能机器有限公司 | 一种考虑设备利用率的露天矿车流规划方法 |
CN112270135B (zh) * | 2020-11-13 | 2023-02-03 | 吉林烟草工业有限责任公司 | 一种物流发运调度智能配送方法、装置、设备及存储介质 |
CN112595334B (zh) * | 2020-12-24 | 2024-04-30 | 江苏徐工工程机械研究院有限公司 | 露天矿山的卸载区的地图更新方法、装置和*** |
CN113095753B (zh) * | 2021-04-06 | 2024-07-02 | 江苏省港口集团信息科技有限公司 | 一种基于集装箱智能管理派位的无人集卡调度方法 |
CN113222460B (zh) * | 2021-05-31 | 2023-06-23 | 西安建筑科技大学 | 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 |
CN113222462B (zh) * | 2021-05-31 | 2023-06-16 | 西安建筑科技大学 | 一种基于协同进化的露天矿多能源卡车调度优化方法 |
CN113610451B (zh) * | 2021-06-22 | 2023-10-20 | 陕西同力重工股份有限公司 | 利用电子围栏对露天矿山车辆管理的方法、装置及*** |
CN113570112B (zh) * | 2021-06-30 | 2024-04-16 | 南京理工大学 | 求解考虑合作的带时间窗的车辆路径问题的优化算法 |
CN113219933B (zh) * | 2021-07-08 | 2021-09-14 | 北京踏歌智行科技有限公司 | 基于数字孪生预测的露天矿无人驾驶卡车调度***及方法 |
CN114706094B (zh) * | 2022-06-07 | 2022-08-23 | 青岛慧拓智能机器有限公司 | 卸载点位的卸载可用状态检测方法、装置及计算机设备 |
CN115526432B (zh) * | 2022-11-04 | 2023-04-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的能源优化方法及装置 |
CN116430877A (zh) * | 2023-06-13 | 2023-07-14 | 上海伯镭智能科技有限公司 | 一种基于云端数据的无人驾驶矿车任务分配方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036379A (zh) * | 2014-06-26 | 2014-09-10 | 广东工业大学 | 求解带硬时间窗时变关联物流运输车辆路径问题的方法 |
CN104504459A (zh) * | 2014-12-08 | 2015-04-08 | 上海维祥信息技术有限公司 | 物流运输优化方法及*** |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
CN105513340A (zh) * | 2015-12-17 | 2016-04-20 | 西安建筑科技大学 | 一种基于gps的露天矿端限量式单道平硐车辆通行控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1701454B1 (en) * | 2005-03-07 | 2008-10-22 | Mitsubishi Electric Information Technology Centre Europe B.V. | Method for transmitting UWB pulse sequences in a cost-efficient manner |
US8125529B2 (en) * | 2009-02-09 | 2012-02-28 | Trimble Navigation Limited | Camera aiming using an electronic positioning system for the target |
-
2018
- 2018-09-13 CN CN201811070104.4A patent/CN109190835B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036379A (zh) * | 2014-06-26 | 2014-09-10 | 广东工业大学 | 求解带硬时间窗时变关联物流运输车辆路径问题的方法 |
CN104504459A (zh) * | 2014-12-08 | 2015-04-08 | 上海维祥信息技术有限公司 | 物流运输优化方法及*** |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
CN105513340A (zh) * | 2015-12-17 | 2016-04-20 | 西安建筑科技大学 | 一种基于gps的露天矿端限量式单道平硐车辆通行控制方法 |
Non-Patent Citations (1)
Title |
---|
基于改进蚁群算法的露天矿卡车优化调度研究;刘浩洋;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20140515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109190835A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190835B (zh) | 一种基于时间窗限制的露天矿卡车调度路径优化方法 | |
CN110097234B (zh) | 工业卷烟运输智能调度方法及*** | |
CN108417031B (zh) | 一种基于Agent仿真的智能停车泊位预约策略优化方法 | |
CN111967668A (zh) | 一种基于改进蚁群算法的冷链物流路径优化方法 | |
CN112001064B (zh) | 一种集装箱码头间全自主水上运输调度方法及*** | |
CN108985597A (zh) | 一种动态物流调度方法 | |
CN111721297A (zh) | 一种智能车库多agv的路径规划方法 | |
CN108959783B (zh) | 一种智能车间的布局仿真优化方法及装置 | |
CN104036379A (zh) | 求解带硬时间窗时变关联物流运输车辆路径问题的方法 | |
CN106295851A (zh) | 一种集卡信息服务与调度***及其工作方法 | |
CN106251012A (zh) | 一种带软时间窗物流运输调度的路径计算方法及装置 | |
CN113947310A (zh) | 一种车间物料配送路径优化方法 | |
CN113592158A (zh) | 多agv路径规划和多agv智能生产线中agv与机器联合调度方法 | |
CN115081674B (zh) | 新型卡车排队行驶模式下的本地集装箱运输排版优化方法 | |
CN115576343A (zh) | 一种结合无人机配送的多目标车辆路径优化方法 | |
CN116151499A (zh) | 一种基于改进模拟退火算法的智能多式联运路径规划方法 | |
CN113848970A (zh) | 一种车辆-无人机多目标协同路径规划方法 | |
JP2011022974A (ja) | 搬送車システムと搬送車システムの管理方法 | |
CN115345549A (zh) | 结合装载方案的车辆路径调整方法及*** | |
CN114444809A (zh) | 一种数据驱动下的多目标露天矿卡路径优化方法 | |
CN114612046A (zh) | 配送路径智能优化的方法 | |
WO2024032376A1 (zh) | 基于混合遗传算法的车辆路径优化方法及应用 | |
CN117022398A (zh) | 考虑客流分配的城市轨道交通列车时刻表优化方法及*** | |
CN112613701A (zh) | 一种成品卷烟物流调度方法 | |
CN116307558A (zh) | 一种基于智能调度行为的共享单车***投放规模计算方法 |
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 |