(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111448825.6 (22)申请日 2021.11.30 (71)申请人 上海海洋大学 地址 201306 上海市浦东 新区沪城环路9 99 号 (72)发明人 伍大清　崔继业　闫蓉　吴辰翔　 李康　 (74)专利代理 机构 上海申浩 律师事务所 31280 代理人 张洁 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/08(2012.01) G06N 3/00(2006.01) (54)发明名称 一种基于自适应动态搜索蚁群算法的生鲜 品低碳物流配送路径规划模块及其方法 (57)摘要 一种基于自适应动态搜索蚁群算法的低碳 物流路径 规划系统， 包括： 数据输入模块， 路径规 划模块， 车辆选择路径时， 车辆优先为转移概率 最大的客户进行配送， 当随机数大于固定值时， 车辆优先为转移因子最大的客户进行配送； 当随 机数小于固定值时， 采用轮盘赌法进行下一个客 户点的选取； 数据计算模块， 更新信息素后继续 进行新一轮的车辆路径规划。 本申请输出物流配 送车辆路径规划结果， 输出最终规划路径的各项 目标参数， 并画出历次迭代的总目标的变化曲线 和车辆路径示意图。 该系统和方法能快速为物流 配送车辆规划路径， 同时还考虑了经济成本和环 境成本， 有利于物流配送企业更好得规划车辆 路 径。 权利要求书2页 说明书6页 附图1页 CN 114118597 A 2022.03.01 CN 114118597 A 1.一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统， 其特征在于， 包括数 据输入模块、 路径规划模块、 数据计算模块、 优化调整模块、 数据输出模块， 所述数据输入模块， 用于读取配送中心、 配送车量、 客户的各项基本数据， 具体包括： 配 送中心的位置坐标； 配送车量的数量、 载重限制； 客户的数量、 位置坐标、 需求量、 开车门卸 货的服务时间以及配送的时间窗等数据； 所述路径规划模块， 用于自适应得规划车辆路径， 蚁群算法单位启发式因子是蚂蚁从 一点转移到另一点重要影响因素， 是转移概率的重要组成部分； 为启发式因子赋予不同的 自适应函数， 使三 者之间权 重比例不断变化， 自适应得调整转移概 率； 车辆选择路径时， 车辆优先为转移概率最大的客户进行配送， 当随机数大于固定值时， 车辆优先为转移因子最大 的客户进行配送； 当随机数小于固定值时， 采用轮盘赌法进行下 一个客户点的选取； 所述数据计算模块， 用于计算总运输距离、 总运输成本、 固定成本等各项不同成本、 碳 排放量、 车辆使用数目等， 以便为之后的优化调整做好 准备； 所述优化调整模块， 用于采用蚁周模型更新信息素， 信息素变化量为信息素更新常数 除以达成最优目标时的总距离； 最优路径上 的信息素挥发后加上信息素变化量， 不是最优 路径的其他路径只进行信息素 的挥发， 不增加 其他形式的信息素补充， 更新信息素后 继续 进行新一轮的车辆路径规划； 所述数据输出模块， 用于输出最终规划路径的各项目标参数， 包括总运输距离、 总运输 成本、 固定成本等各项不同成本、 碳排放量、 车辆使用数目等； 物 流配送车辆路径规划结果， 包括每辆车 的路径； 历次迭代的车辆路径的总目标 的变化曲线； 最终优化结果车辆路径示 意图。 2.一种基于权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划 系统的方法， 其特 征在于， 包括如下步骤： 读取配送中心、 配送车量、 客户的各项基本数据； 基于改进蚁群算法的自适应转移概率， 以及读取的配送中心、 配送车量、 客户的各项基 本数据进行初始的车辆规划路径； 通过公式计算得出初始车辆路径规划的总距离、 总成本、 碳排放量等各项目标参数， 并 取各项目标参数的最优值； 基于混沌原理， 在全局求解得到优化解之后再局部搜索， 根据新得到的优化解更新信 息素后进行优化调整； 输出物流配送车辆路径规划结果， 输出最终规划路径的各项目标参数， 并画出历次迭 代的总目标的变化曲线和车辆路径示 意图。 3.根据权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特 征在于， 所述配送中心、 配送车量、 客户的各项基本数据， 具体包括： 配送中心的位置坐标； 配送车量的数量、 载重限制； 客户的数量、 位置坐标、 需求 量、 开车门卸货的服 务时间以及配送的时间窗等数据。 4.根据权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特征在于， 所述自适应转移 概率包含不同启发式因子， 并且启发式因子有不同的权　利　要　求　书 1/2 页 2 CN 114118597 A 2自适应重要程度， 传统蚁群算法的转移概率容易让算法产生局部最优， 为解决此问题引入 一个随机数进行转移概 率的选择， 通过随机数的产生从两个转移方式 中进行选择。 5.根据权利要求4所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特征在于， 启发式因子是蚂蚁从一点转移到另一点重要影响因素， 是转移概率的 重要组成部 分； 随着迭代次数的不断增加， 启发式因子的重要程度也发生变化， 若其重要程 度为固定常数不利于摆脱原有算法的弊端， 因此为赋予不同的自适应函数， 使三者之间权 重比例不断变化， 自适应得调整转移概 率。 6.根据权利要求4所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特征在于， 随机数选定后， 将其与另一固定值作比较， 当随机数大于固定值时， 车 辆优先为转移因子最大 的客户进行配送； 当随机数小于固定值时， 采用轮盘赌法进行下一 个客户点的选取； 同时， 车辆优先为 转移概率最大的客户进行配送。 7.根据权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特 征在于， 得到一个车辆路径后， 计算 其目标参数， 具体包括： 总运输距离、 总运输成本、 固定成本等各项不同成本、 碳 排放量、 车辆使用数目等； 计算得出结果后， 要比较得 出最优目标。 8.根据权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统 的方法， 其特 征在于， 更新信息素的混沌扰动机制， 具体来说， 混沌扰动就是利用混纯系统的随机性特点， 产生一个范围内的伪随机变量， 在信息素 的更新中加入这个随机变量， 就可以使得在搜索过程中寻找最优解时跳出局部最优， 提高 了算法的搜索性能， 信息素更新采用蚁周模型， 具体表现为： 信息素变化量为信息素更新常 数除以达成最优目标时的总距离 。 9.权利要求1所述的一种基于自适应动态搜索蚁群算法的低 碳物流路径规划系统的方 法， 其特征在于， 加入了混沌变量， 并为其增加了调整变化系 数， 最优路径上 的信息素挥发 后加上信息素变化量， 不是最优路径的其他路径只进行信息素的挥发， 不增加 其他形式的 信息素补充。 10.权利要求1所述的一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统的 方法， 其特 征在于， 最终优化车辆路径结果与图片输出， 具体包括： 最终规划路径的各项目标参数， 包括总运输距离、 总运输成本、 固定成本等各项不同成 本、 碳排放量、 车辆使用数目等； 物流配送车辆路径规划结果， 包括每辆车的路径； 历次迭代的车辆路径的总目标的变化曲线； 最终优化结果车辆路径示 意图。权　利　要　求　书 2/2 页 3 CN 114118597 A 3