2022电工杯B题思路模型分析

数模竞赛pawn

已于 2022-08-04 17:24:38 修改

阅读量3.1k

点赞数 5

分类专栏：数学建模比赛文章标签：自动驾驶人工智能算法

于 2022-05-27 13:50:58 首次发布

本文链接：https://blog.csdn.net/zzzzzzzxxaaa/article/details/125002418

版权

数学建模比赛专栏收录该内容

71 篇文章 352 订阅

订阅专栏

B题思路分析

B题是一道路径优化类的题目，我们可以知道：

目标函数：完成一次整体配送所需要的时间最短

决策变量：物资集中地点，配送目标地点，各点之间路线情况，各点之间距离，各点当日物资需求量，配送车辆最大载重量。

常量包括：配送车辆的数量（每个物资集中点一辆）和行驶速度，无人机数量（每个物资集中点一台）、最大载重量、行驶速度和最长飞行时间。

约束条件：

配送车辆可在某地点释放无人机，再前往其他地点配送
配送车辆可先于无人机到达某地点等待接收无人机，也可比无人机晚到某地点再回收无人机。为了配送时间最短，应尽量让无人机先到达某地，而后配送车辆到达进行回收。
无人机在一次飞行过程中可对一个地点进行配送，也可根据实际情况对多个地点进行配送。
无人机完成一次飞行后可返回配送车辆换装电池，然后再次进行配送。

更多思路：主页

可以梳理题目中的假设：

5G网络能够覆盖整个配送区域；
每个应急物资集中地点限配送一辆车，只能携带一辆无人机；
不考虑配送车辆及无人机装卸物资的时间；
不考虑配送车辆及无人机在各个配送点的停留时间。

问题一，图 1 给出 14 个地点，其中实线代表各地点之间的路线情况。若目前所有应急物资集中在第 9 个地点，配送车辆的最大载重量为 1000 千克，采取配送车辆（无人机不参与）的配送模式。请结合附件 1，建立完成一次整体配送的数学模型，并给出最优方案。

共给出14个地点，相互之间距离如下表：

空白的位置即代表无法通行。

14个地点当日物资需求量也给出了，如下表：

所有物资总重量为762kg，车辆最大载重量为1000kg，不考虑配送车辆还需要返回应急物资集中地点的情况。

整个配送物资的流程是配送车辆从第9个地点出发，满载物资游走于各个地点之间，知道满足所有所有地点的物资配送需求并回到第9个地点。

第一问就是旅行商问题，求从第9个地点出发遍历14个地点，最终又返回第9个地点的最短路径，进而算出所需消耗的时间。

可使用穷举法，也可使用免疫算法、蚁群算法、遗传算法等进行求解。

问题二，图2中实线代表车辆和无人机都可以走的路线，虚线代表只有无人机可以走的路线。应急物资仍然集中在第9个地点，配送车辆的最大载重量为1000 千克，采取“配送车辆+无人机”的配送模式。请结合附件2，建立完成一次整体配送的数学模型，并给出最优方案。

问题2还是14个地点，但相互之间增加了无人机的路径，如下表：

红色即表示仅无人机可以飞行的路径，黑色是无人机和车辆均可通行。14个地点当日所需物资与问题一相同。

整个配送物资的流程是配送车辆从第9个地点出发，满载物资游走于各个地点之间，与此同时可以分配一些地点的物资配送任务给无人机，直到满足所有地点的物资配送需求后回到第9个地点。

此时可以先根据点与点之间距离、无人机续航和平均速度初步计算出哪些地点可以使用无人机配送，将其纳入可行解构范围。而后根据问题一算法求解。

问题三，若问题2中的配送车辆的最大载重量为500千克，其他条件不变。请结合附件2，建立完成一次整体配送的数学模型，并给出最优方案。

问题三将配送车辆的最大载重变成了500kg，因所有地点所需救援物资总重为762kg，所以至少需要配送两次。

第一种，先使用聚类的方式将所有地点分为两类（=所需物资总重/最大载重量，进一制），聚类时还需考虑每一类的所需物质之和小于最大载重量500kg。而后使用与问题一一致的高级优化算法进行求解。

问题四，图3中有30个地点，计划设置两个应急物资集中地点，若配送车辆的最大载重量为 500 千克，采取“配送车辆+无人机”的配送模式。请结合附件3，建立完成一次整体配送的数学模型，确定两个应急物资集中地点的最佳位置。

给出一共30个地点，相互之间距离如下表：

30个地点当日物资需求量也给出了，如下表：

所有物资总重为1568kg，车辆最大载重量为500kg，所以至少要分为4辆车运输（=所需物资总重/最大载重量，进一制）。

题目要求确定两个应急物资集中地点的最佳位置。

本问应该使用聚类的方式将所有地点分为两类，在每一类中单独运用问题三中的算法计算最短时间，总的最短配送时间为这两类地点各自配送时间中较长的哪一个。

可以多试几种聚类方式，比较哪种聚类方式可以得到更短的配送时间。

部分代码

from datetime import datetime
import random
import math

from utils.logger import log_vrp as log


dts = datetime.now()


# nodes
NUM_NODE = 50
NUM_NODE_NAV = 10
LIST_NODE_UAV = list(range(NUM_NODE - NUM_NODE_NAV + 1, NUM_NODE + 1))

# coordinates
random.seed(2021)
RANGE_COORDINATE = (0, 100)
LIST_COORDINATE = [(random.randint(RANGE_COORDINATE[0], RANGE_COORDINATE[1]),
                    random.randint(RANGE_COORDINATE[0], RANGE_COORDINATE[1])) for _ in range(NUM_NODE)]

# distance
ORIGIN = (round((RANGE_COORDINATE[1] - RANGE_COORDINATE[0]) / 2),
          round((RANGE_COORDINATE[1] - RANGE_COORDINATE[0]) / 2))
LIST_COORDINATE_ = [ORIGIN] + LIST_COORDINATE
MAT_DISTANCE = [[0.0 for _ in range(0, NUM_NODE + 1)] for _ in range(0, NUM_NODE + 1)]
range_wave = (0.8, 1.2)
for i in range(0, NUM_NODE + 1):
    for j in range(0, NUM_NODE + 1):
        distance = round(math.sqrt((LIST_COORDINATE_[i][0] - LIST_COORDINATE_[j][0]) ** 2
                                   + (LIST_COORDINATE_[i][1] - LIST_COORDINATE_[j][1]) ** 2)
                         * (range_wave[0] + random.random() * (range_wave[1] - range_wave[0])), 4)
        MAT_DISTANCE[i][j] = distance

# cost
COST_UAV = 0.1

# weight, load
upper_weight_item = 20
LIST_WEIGHT = [random.randint(0, upper_weight_item) for _ in range(NUM_NODE)]
UPPER_LOAD = 100
log.info(msg="total weight:  {}".format(sum(LIST_WEIGHT)))


dte = datetime.now()
tm = round((dte - dts).seconds + (dte - dts).microseconds / (10 ** 6), 3)
log.info(msg="random data generating time:  {} s".format(tm))