(19)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 202210804716.1 (22)申请日 2022.07.08 (71)申请人 海默潘多拉数据科技 （深圳） 有限公 司 地址 518063 广东省深圳市南 山区粤海街 道高新区社区高新南九道 45号西北工 业大学三航科技大厦12层 (72)发明人 周建峰　李晓芳　朱运周　崔文豪　 刘凯　田小凯　 (74)专利代理 机构 重庆为信知识产权代理事务 所(普通合伙) 50216 专利代理师 姚坤 (51)Int.Cl. G06Q 10/08(2012.01) G06N 3/12(2006.01) (54)发明名称 基于遗传优化算法的泡排剂运输车辆路径 规划方法 (57)摘要 本发明公开了一种基于遗传优化算法的泡 排剂运输 车辆路径规划方法， 首先收集气井信息 和车辆信息； 对所有气井和运输车辆编号； 再生 成个体和初始种群的生成并进行适应度计算； 按 照适应度从大到小排序， 选 择前50％的个体 保留 到下一代； 在留下的个体中随机选取一个进行变 异操作， 并将产生的新个体插入到种群中， 直到 种群恢复初始种群大小； 重复若干次直至输出车 辆调度计划。 采用本发明的显著效果是能够随着 生产数据的变化， 实时精准的提供发车时间、 行 车路线及所需载重， 降低运输成本的同时提升运 输效率。 权利要求书2页 说明书5页 附图1页 CN 115187165 A 2022.10.14 CN 115187165 A 1.一种基于遗传优化算法的泡排剂运输车辆路径规划方法， 其特征在于按以下步骤进 行： 步骤一、 收集气井信息和车辆信息； 步骤二、 对所有气井依次编号 为1‑n， 所有运输车辆编号 为1‑m； 步骤三、 个 体生成， 具体为： 随机生成1 ‑n的全排列， 在排列中随机插 入m‑1个0； 步骤四、 初始种群的生成； 按照根据步骤三的方法， 随机生成5 00个个体作为初始种群； 步骤五、 适应度计算； 根据以下公式 ①计算个体适应度score； score＝‑(wt×t+ws×s+wn×n+wf×(nm))， 公式① 公式①中： t为当次配送总时间， 即 当次参与配送的所有车辆的运行时间之和； wt为当次配送总时间的权 重； s为当次配送总路程， 即 当次参与配送的所有车辆的运行路程之和； ws为当次配送总路程的权 重； n为参与当次配送的车辆总数； wn为参与当次配送的车辆总数的权 重 nm为参与当次配送的车辆总成本； wf为参与当次配送的车辆总成本的权 重； 步骤六、 按步骤五的方法计算每个个体的适应度， 按照适应度从大到小排序， 选择前 50％的个体保留到下一代； 步骤七、 在留下的个体中随机选取一个进行变异操作， 并将产生的新个体插入到种群 中， 直到种群恢复初始种群大小； 步骤八、 重复执 行步骤五 ‑步骤七若干次； 步骤九、 输出 车辆调度计划。 2.根据权利要求1所述的基于遗传优化算法的泡排剂运输车辆路径规划方法， 其特征 在于： 所述步骤一中的所述气 井信息包括每口气井的位置坐标、 每个气 井的泡排剂需求量、 每口气井之间可达路径距离、 每口气井到泡排剂供应站点里程数据、 每口气井要求投放泡 排剂的时刻； 所述 运输车辆信息包括每辆车的最大 载重量、 续 航里程、 最大服 务时长。 3.根据权利要求1所述的基于遗传优化算法的泡排剂运输车辆路径规划方法， 其特征 在于： 所述步骤七中， 变异操作的方法为： 随机选定个体数组中的两个元素， 并交换两个元 素的值； 若变异后的个体不合法， 则变异失败， 撤销变异操作； 若变异后的个体合法， 则变异 成功， 保留变异操作。 4.根据权利要求1所述的基于遗传优化算法的泡排剂运输车辆路径规划方法， 其特征 在于： 所述 步骤九中， 所述车辆调度计划包括执 行运输任务的车号及其装载量和行 车路线。 5.根据权利要求1、 2、 3或4所述的基于遗传优化算法的泡排剂运输车辆路径规划方法， 其特征在于： 所述车辆调 度计划还包括执行运输任务的每辆车的发车时间Start_T， 按照公 式④计算；权　利　要　求　书 1/2 页 2 CN 115187165 A 2公式④中： TY_time为在井场要求投放 泡排剂的时刻； 为每辆车总行驶里程； avg_V为车辆平均速度； sum_load为车载泡排剂的量； tf_sd为车辆投放速度。权　利　要　求　书 2/2 页 3 CN 115187165 A 3