-
公开(公告)号：CN115936568A
公开(公告)日：2023-04-07
申请号：CN202310032703.1
申请日：2023-01-10
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种动态车辆配送任务的路径规划方法、电子设备和存储介质，该方法包括：1建立车辆配送任务模型；2全局变量初始化；3获取在当前时间片出现的新的仓库需求；4更新待访问的仓库需求集合；5基于泊松分布规律，得到当前时间片的虚拟仓库需求位置集合；6构造虚拟仓库需求信息7利用基于倾斜变邻域下降搜索的路径求解器进行求解，从而得到当前时间片下的路径规划方案；8车队中的各辆车按照路径规划方案执行配送任务；9若达到终止循环条件则返回路径规划方案，否则返回步骤3。本发明能通过需求点预测的方法模拟出仓库位置，并将其放入求解器中进行计算，从而使路径规划方案更适应于未来的动态变化。
-
公开(公告)号：CN115730886A
公开(公告)日：2023-03-03
申请号：CN202211634900.2
申请日：2022-12-19
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种基于可行区域拓扑学习的约束进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点和M个无差别车辆所组成的配送环境中，并包括：1、建立车辆配送任务模型；2、基于可行区域拓扑学习的思想，利用约束多目标优化算法求解任务问题模型，进化过程中对历史种群信息进行收集选择并训练生长神经气体网络模型，利用训练的学习模型辅助生成后代解；3、进化时迭代优化当前种群，直到满足停止条件；4、输出给定任务下的最优配送方案。本发明能同时对车辆运输配送路线、各车辆装载量方差进行优化，满足行驶距离最短和车辆装载量均衡的需求，从而达到提高配送效率的目的。
-
公开(公告)号：CN110276517A
公开(公告)日：2019-09-24
申请号：CN201910388033.0
申请日：2019-05-10
Applicant: 安徽大学
Abstract: 本发明公开了一种基于MOPSO的电动汽车充电站选址方法，包括：S1、构建以充电站建站成本、用户往返充电站时间和充电站服务范围人口数为目标函数，以充电站容量约束和充电站电压偏移为约束条件的充电站选址约束多目标优化模型；S2、设计基于竞争和教学机制的多目标粒子群优化算法进行求解，通过竞争机制构造精英种群，其他个体通过教学机制向精英个体学习生成子代种群；S3、采用自适应约束处理技术对两类复杂约束条件进行动态处理，并选择优秀的可行解进入下一代种群；S4、判断当前迭代次数是否达到最大迭代次数，若是，输出最优可行的选址方案解集；否则，执行步骤S2，如此，最终获得电动汽车充电站选址不同需求下的最优可行方案。
-
公开(公告)号：CN118036835A
公开(公告)日：2024-05-14
申请号：CN202311761108.8
申请日：2023-12-20
Applicant: 安徽大学
IPC: G06Q10/047 , G06Q10/083 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的ALNS算法的电动车辆任务配送方法，是应用于由1个仓库点、n个配送任务点和m个充电设施所组成的配送网络中，包括：1、分析与负载约束相关的路径优化和与电量约束相关的充电决策优化之间的耦合关系，建立电动汽车车辆任务问题模型；2、基于负载约束和电量约束条件设计路径破坏算子和路径修复算子，设计神经网络模型输出选择的路径破坏算子和路径修复算子；3、建立马尔可夫决策过程、采集状态转移数据，训练深度Q网络模型，迭代优化路径方案直到满足停止条件；4、输出当前任务下最佳路径方案。本发明对电动车辆任务配送问题中负载约束和电量约束进行统一求解，从而能提高配送效率并降低配送成本。
-
公开(公告)号：CN114118926B
公开(公告)日：2024-02-13
申请号：CN202111451538.0
申请日：2021-12-01
Applicant: 安徽大学
IPC: G06Q10/0835
Abstract: 本发明公开了一种基于去噪自编码器的协同进化算法的车辆任务配送方法，是应用于由一个仓库点、N个配送任务点所组成的配送环境中，并包括：1、建立车辆配送任务模型forigin和车辆配送任务辅助模型fhelp；2、分别使用主种群与辅助种群求解任务模型forigin和辅助模型fhelp，并利用去噪自编码器模型建立辅助种群与主种群间映射关系；3、进化时一方面将辅助种群的最优配送方案通过训练后的学习模型转化，将转化后的配送方案放入主种群中；另一方面直接将主种群的最优配送方案放入辅助种群中，重复以上过程，直至算法终止；4、输出给定任务下的最优配送方案。本发明能对车辆配送路径和车辆装载量方差同时进行优化，从而能提高配送效率。
-
Patent Agency Ranking
公开(公告)号：CN117474431A
公开(公告)日：2024-01-30
申请号：CN202311463141.2
申请日：2023-11-06
Applicant: 安徽大学
IPC: G06Q10/0835 , G06N3/006 , G06F18/23
Abstract: 本发明公开了一种用于外卖配送流程中的路线生成方法，包括：1构建外卖配送路线模型；2随机生成初始化种群；3使用评价指标对种群中的个体进行评价；4生成交配池并对交配池中的个体进行交叉变异操作，生成子代种群；5使用评价指标对子代种群中的个体进行评价；6合并父代与子代种群，依据环境选择策略生成下一代种群；7若达到终止条件，输出最终种群；否则返回步骤4顺序执行；8在最终种群中选择部分个体组成在线问题中的指导路径；9使用指导路径生成在线问题中的配送路径。本发明在计算资源有限的情况下，以期能够在较短的时间内得到较优的配送路径，减少用餐高峰期时系统的响应时间，提高用户的满意度。
-
公开(公告)号：CN114118600A
公开(公告)日：2022-03-01
申请号：CN202111457640.1
申请日：2021-12-02
Applicant: 安徽大学
Abstract: 本发明公开了一种用于城市垃圾收集的路线规划方法，是应用于由垃圾处理场、K辆垃圾运输车和L个垃圾站点所构成的城市垃圾收集环境中，并包括：1随机生成初始种群，并对所有个体进行评价；2根据垃圾收集点的分组相似性进行多种群划分；3对子种群间进行交互操作；4对交互后的子种群进行交叉和变异操作，生成临时子代；5依据环境选择策略对交互后的子种群及临时子代进行比较，获得下一代种群，并选出每个子种群的领导；6若达到终止条件，输出最终种群；否则返回步骤3执行；7对最终种群的所有个体按评价值进行降序排序，选出最小评价值的路线规划方案。本发明能权衡路线规划方案的最优性和鲁棒性，从而能获得适应多种场景的路线规划方案。
-
公开(公告)号：CN112417604A
公开(公告)日：2021-02-26
申请号：CN202011410857.2
申请日：2020-12-04
Applicant: 安徽大学
IPC: G06F30/15 , G06F30/27 , G06Q10/04 , G06Q10/06 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明公开了一种基于多目标优化的电动汽车配送任务自适应分配方法，包括：S1、假设在仓库内有一批相同的电动汽车，要将全部配送任务分配给电动汽车；规划配送路径的同时考虑充电设施选址，构建电动汽车任务分配多目标优化模型；S2、设计适用于路径规划和充电决策联合优化的染色体混合编码方案；S3、基于学习机制的多目标进化算法挖掘迭代进程历史信息；S4、插值拟合历史优秀解的进化轨迹预测潜在最优解的路径模式；S5、构建路径规划与选址方案的对应关系获取给定路径下的最优选址方案。本发明能对车辆运输配送路径和充电设施选址同时进行优化，从而能产生一组各个方面均优的分配方案，以根据实际情况选择合适的实施方案。
-
公开(公告)号：CN109241134A
公开(公告)日：2019-01-18
申请号：CN201810946382.5
申请日：2018-08-20
Applicant: 安徽大学
IPC: G06F16/2458 , G06Q30/06
Abstract: 本发明公开了一种基于代理模型的商品组合模式多目标挖掘方法，包括：定义大规模商品事务数据库和大规模商品事务数据库中的商品组合模式集合，并将商品组合模式集合中商品组合模式的挖掘问题转换为商品组合模式多目标优化问题；通过基于代理模型的多目标优化方法对商品组合模式多目标优化问题进行优化，得到商品组合模式集；从商品组合模式集中选出预设个个体作为结果商品组合模式集并输出。
-
公开(公告)号：CN119721421A
公开(公告)日：2025-03-28
申请号：CN202411910669.4
申请日：2024-12-24
Applicant: 安徽大学
IPC: G06Q10/047 , G06Q10/0835
Abstract: 本发明提出一种基于场景预测的动态路径规划方法及设备，包括以下步骤：构建静态车辆路径规划模型；建立动态车辆路径规划的目标函数；计算潜在客户影响程度；根据潜在客户影响程度，构建预测客户集；基于预测客户集，进行动态车辆路径问题的求解。本发明根据潜在客户对已知客户路径的改变程度，计算每个潜在客户的影响程度；利用影响程度通过轮盘赌生成预测场景；在固定时间片上根据预测场景更新路径信息，以提升规划效率和解的质量；基于周期性重优化与连续性重优化的方法对场景状态进行调整；为待访问和已访问的路线设定禁忌列表，避免局部搜索和贪婪插入过程中影响既定路线。本方法有效解决了动态路径规划中的路径优化问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.018 seconds)
