Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学凌海峰获国家专利权

合肥工业大学凌海峰获国家专利权

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!

龙图腾网获悉合肥工业大学申请的专利一种电动货运汽车充电站选址和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:CN119558616B

龙图腾网通过国家知识产权局官网在2025-11-04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:202411770861.8,技术领域涉及:G06Q10/0631;该发明授权一种电动货运汽车充电站选址和车辆路径优化方法是由凌海峰;肖玮琪;刘业政;姜元春;孙见山;钱洋;陈夏雨;杨明设计研发完成,并于2024-12-04向国家知识产权局提交的专利申请。

一种电动货运汽车充电站选址和车辆路径优化方法在说明书摘要公布了:本发明公开了一种电动货运汽车充电站选址和车辆路径优化方法,通过确定充电站选址和路径规划过程中的充电站选址和路径规划模型和优化目标,并使用结合细菌觅食算法和K‑mediods聚类算法的改进量子蚁群算法,对充电站选址和车辆路径进行优化。本发明可在短时间内提供电动货运汽车充电站选址和配送过程的最优选址方案和优化车辆配送路径,从而降低电动货运汽车充电站选址和配送过程的选址和车辆配送成本,优化充电站建设位置,解决车辆配送成本,能够有效解决在电动货运汽车充电站选址和配送过程由于不当选址方案和车辆配送路径安排导致的企业成本浪费,经济效益不高的问题。

本发明授权一种电动货运汽车充电站选址和车辆路径优化方法在权利要求书中公布了:1.一种电动货运汽车充电站选址和车辆路径优化方法,其特征在于:包括以下步骤: S1:建立电动货运汽车充电站选址和配送过程的数学模型,并基于电动汽车充电站建设成本和车辆运输成本两项物流成本最小化,对所述数学模型进行求解,获取候选充电站选址位置和最小化路径的集合; S2:在候选充电站选址位置中随机选择个充电站生成初始聚类中心,基于初始聚类中心以及客户点到最近聚类中心的总距离最小的预设条件,通过细菌觅食算法获取第一聚类中心集群,并通过K-mediods聚类算法对第一聚类中心集群进行迭代更新,获取总距离最小的第一聚类中心集群作为最佳聚类中心集群,最佳聚类中心即作为充电站选址位置; S3:基于所述充电站选址位置和量子蚁群算法对最小化路径进行优化,包括如下步骤: S31:初始化信息素矩阵和相关变量,信息素矩阵用于储存每一对节点之间的信息素浓度,每次访问客户返回配送中心前判断电量是否充足,若电量不足则就近访问步骤S2所获得的最佳充电站选址位置进行充电; S32:计算可访问客户集合,若可访问客户集合为空则返回配送中心,若可访问客户集合不为空,则依据量子计算规则计算各客户访问概率; S33:基于各客户访问概率并依据轮盘赌规则选择下一个访问客户,完成配送服务后返回配送中心,并获取信息素矩阵; S34:基于不断更新的量子旋转门对信息素矩阵进行迭代更新,获取最小化路径的最优值; 步骤S32中,依据量子计算规则计算各客户访问概率的步骤具体包括: S32a:初始化量子蚁群,对于个独立个体的蚁群,设为该蚁群第次迭代的第个独立个体,这个个体在节点的信息素定义为式21; ; 式中,表示在第次迭代中,第个节点的信息素状态,,表示节点的总数,包括配送中心,充电站点和客户点,初始时刻,初始化,其中是0对应的概率幅,是1对应的概率幅,和则分别表示量子比特处于“0”态和“1”态的概率,两者的平方和为1,为量子比特启发式因子,是一个动态变化参数,表示节点量子态概率幅的相对重要性,代表信息素挥发因子; S32b:通过式22计算转移概率; 22 式22中,表示边,表示边上的信息素浓度,表示量子比特的启发式信息,表示边上的量子比特启发式信息,表示信息素的启发式因子,表示启发式信息的启发式因子,表示车辆到达客户点时间,表示客户时间窗限制最大值,表示客户时间窗限制最小值,表示边上的启发式信息,通过式23计算得到; 23 通过式24获得; 24 式24中,表示第个量子位的量子态坍缩到的概率; 步骤S34具体包括如下步骤: S34a:迭代1~aIter次,每次迭代中每只蚂蚁完成当前的配送任务,即跑完一个回路后,计算适应度值,如果当前迭代值大于已有的最优值,则更新最优值,否则跳转到下一步; S34b:量子旋转门进行更新,更新完成后进行蚁群信息素、蚁群信息强度的更新; S34c:每次迭代中,对每一只蚂蚁的回路进行适应度计算,依据适应度进行优化,若当前到达最大迭代次数,退出算法,输出最优值;否则,,然后输出最优值。

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合肥工业大学,其通讯地址为:210008 江苏省南京市屯溪路193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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。