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！

龙图腾网获悉浙江工业大学申请的专利一种基于蚁群算法的带道路与时间窗车辆路径优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115470651B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211216756.0，技术领域涉及：G06F30/20；该发明授权一种基于蚁群算法的带道路与时间窗车辆路径优化方法是由鲁建厦;董嘉威;赵国利;翁微妮设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于蚁群算法的带道路与时间窗车辆路径优化方法在说明书摘要公布了：本发明公开了一种基于蚁群算法的带道路与时间窗车辆路径优化方法，该方法包括：以总物流配送成本最低为目标建立目标函数，构建带时间窗约束车辆路径问题优化模型，并设定约束条件；根据已知的车间各工位需求点距离信息，采用Floyd算法生成符合车间实际道路环境的最短距离矩阵；设计蚁群算法的状态转移规则和信息素更新相关参数，采用改进的蚁群算法对求得的距离矩阵进行多次状态转移和信息素更新操作，通过多次迭代逐渐使可行解向最优解靠近，从而得到最优路径。本发明旨在有效求得优良的车辆行驶路线，降低物流配送成本；提高算法的搜索效率与收敛速度，跳出局部最优解，增加最优解的数量。

本发明授权一种基于蚁群算法的带道路与时间窗车辆路径优化方法在权利要求书中公布了：1.一种基于蚁群算法的带道路与时间窗车辆路径优化方法，其特征在于，包括以下步骤： S1、以包括车辆可变距离运输成本、固定车辆运输成本和车辆等待时间成本在内的总物流配送成本最小化为目标，建立带软时间窗约束的车辆路径优化模型； S2、根据车间实际布局的物流路线构建了各工位需求点的距离关系，调用Floyd算法求解得到最短距离矩阵； S3、在蚁群算法状态转移规则中增加了轮盘赌法选择下一目标点从而跳出局部最优解；在状态转移概率中增加了工位配送时间窗宽度和车辆等待时间长度两个影响选择下一目标点的因素； 在蚁群算法信息素更新中，使用自适应挥发因子加快前期收敛速度，将当前迭代过程中走过最佳路线的总成本代替路径长度作为影响信息素更新的因素，得到改进的蚁群算法； 采用改进的蚁群算法对步骤S2求得的距离矩阵进行多次状态转移和信息素更新操作，通过多次迭代逐渐使可行解向最优解靠近，从而得到所有车辆的最优路径； 所述S3具体步骤如下： 步骤3.1，初始化参数； 步骤3.2，令迭代次数NC＝1，将m辆车随机放在调度中心，设置k＝1； 步骤3.3，重置第k辆车的访问节点集合Ni；根据状态转移概率选择下一个要访问的需求点判断需求点j的需求量和目前车辆装载量的和是否超过第k辆车的最大装载量，超过第k辆车的最大装载量则转到步骤3.4，若没有超过第k辆车的最大装载量，则更新第k辆车的访问节点集合Ni和禁忌表； 状态转移概率包含以下内容：构建一个0到1之间的随机数r，制定一个控制状态转移规则的参数r0；如果r≤r0，则选择状态转移概率最大的点作为前进的下一点；如果r＞r0，则根据各点的状态转移概率利用轮盘赌的方法挑选前进的下一点； 当r≤r0时，通过计算状态转移概率选择下一目标点，状态转移概率公式如下： 其中，Pijkt表示选择下一节点的转移概率，τij为路段dij上释放的信息素浓度，α和β分别表示信息素和启发函数的影响程度因子，w1j是需求点j配送时间窗宽度，w2j是车辆到达需求点j的等待时间长度，γ和δ分别表示时间窗跨度和等待时间的重要程度因子,ηij为路段dij的启发函数；启发函数计算公式为： 当r＞r0时，利用轮盘赌法随机挑选下一点；对于需求点j的需求量和目前车辆装载量的和没有超过第k辆车的最大装载量的点，根据状态转移概率的大小进行排序，构建一个0到1之间的随机数R，如果R≥ppi-1并且R≤ppi，则挑选需求点i作为路径的下一点；ppi代表排序在需求点i之前所有点的状态转移概率之和； 步骤3.4，如果进入步骤3.5；否则，k＝k+1，转到步骤3.3； 步骤3.5，一次循环停止标准：如果km，则停止，记录进全局可行解集M并进入步骤3.6；否则，k＝k+1转到步骤3.3； 步骤3.6，算法停止：如果迭代次数小于等于预先设定的最大迭代次数NCmax，记录全局可行解集M里的所有解并进入步骤3.7；否则，算法终止并输出M作为所有车辆的最优路径； 步骤3.7，解的评估：根据适应度函数Fx＝1Z判断本次迭代产生的最优路径S是否较之前所得的最优路径S*更优、若并没有之前所得的解更优，则不更新S*；若S比S*更优，则将S*更新为S； 步骤3.8，更新信息素； 步骤3.8.1，设置挥发因子ρ的值；为平衡算法的局部和全局搜索能力，避免陷入早熟，将挥发因子ρ设置为如下式的自适应调整方式： 步骤3.8.2，当蚂蚁在每次迭代中找到该次迭代的最优路径时，通过下式执行全局信息素更新： 在这个等式中，Δτijkt表示在t时刻，路径i，j上的信息素的值，由第k辆车来释放；ρ为信息素挥发系数； 在式中，Q代表更新信息素浓度的常数，Costbest代表第k辆车在当前迭代过程中走过最优路径的总成本； 步骤3.9，设置NC＝NC+1，重置禁忌表，进入步骤3.3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。