基于改进k-means和遗传算法的油田特种车辆优化调度

摘要

针对采油厂特种车辆数目少、作业任务多、调度复杂且人工安排结果差的问题,提出了一种基于改进k-means和遗传算法的多目标分阶段求解的特车优化调度方法。该方法以最少车辆使用数目为主要目标,采用改进k-means算法完成对所有任务的最优分组;以最大任务完成数目为次要目标,利用基于贪婪修正策略和裂变策略的改进遗传算法调整最优分组方案;最后,以最短行驶距离为次要目标,利用穷举法优化行车路线。理论分析和仿真实验表明,k-means算法求得的任务分组结果要明显优于禁忌搜索算法、模拟退火算法,改进遗传算法求得的任务完成结果要比传统遗传算法好,故该方法可在现有车辆不足的情况下尽可能多地完成上报的需求不同的任务,并减少车辆的行驶距离,因此尤其适用于求解车载能力有限的需车型、需车数不确定的调度问题。