本发明涉及外卖智能调度，尤其涉及基于智能外卖平台骑手可靠度评估的订单优化分配方法。
背景技术：
1、随着“互联网+”时代的到来，外卖行业迅速崛起，成为连接餐饮商家与消费者的关键桥梁。然而，随着订单量的爆炸式增长，如何高效、准确地分配外卖订单，成为外卖平台亟需解决的重要问题。传统的人工分配方式不仅效率低下，而且难以保证订单分配的最优性，尤其是在面对骑手可靠度参差不齐、配送环境复杂多变的情况下，不能有效进行订单优化分配的问题。
技术实现思路
1、本发明提供基于智能外卖平台骑手可靠度评估的订单优化分配方法，以克服上述技术问题。
2、为了实现上述目的，本发明的技术方案是：
3、基于智能外卖平台骑手可靠度评估的订单优化分配方法，包括以下步骤：
4、s1：构建以外卖平台配送总成本最低、骑手可靠度最大以及客户满意度最大为目标的多目标外卖订单优化分配模型；
5、且所述多目标外卖订单优化分配模型包括外卖平台配送总成本目标函数、骑手可靠度目标函数、客户满意度目标函数以及约束函数；
6、s2：基于线性加权和法，对所述多目标外卖订单优化分配模型进行融合，获取单一目标函数模型；
7、s3：根据自适应大邻域搜索算法结合模拟退火机制，构建订单优化分配策略；并基于所述订单优化分配策略获取使单一目标函数模型最优的订单优化分配方案。
8、进一步的，s1中构建的所述多目标外卖订单优化分配模型，其表达式为
9、（1）
10、（2）
11、（3）
12、所述约束函数为：
13、（4）
14、（5）
15、（6）
16、（7）
17、（8）
18、（9）
19、（10）
20、（11）
21、（12）
22、（13）
23、（14）
24、（15）
25、式中：表示外卖平台配送总成本目标函数；表示骑手可靠度目标函数；表示客户满意度目标函数；表示所有新接受的订单集合；表示当前尚未完成的订单集合；表示骑手尚未完成的订单集合；表示所有订单的集合，即；表示经验丰富的骑手集合；表示新加入的骑手集合；表示所有的骑手集合，即；表示客户点集合；表示商家点集合；表示可指派骑手当前位置点集合；表示所有节点集合，即；表示从节点到节点的距离；表示外卖只能平台承诺给订单的送达时间；表示客户可接受订单的最晚送达时间；表示骑手的行驶速度；表示经验丰富骑手的平均行驶速度；表示新加入骑手的平均行驶速度；表示骑手行驶单位距离所花费的成本；表示节点为客户或商家时的取送货量，且当表示客户时取货量取负，当表示商家时送货量取正；表示骑手一次配送能携带的最大外卖份数；表示服务时间；表示订单密度，且其值为订单数与骑手数的比值；表示用于衡量系统给每个骑手分配订单数量的均衡程度的均衡阈值；表示骑手走过第个节点，到达节点时的载货量；表示骑手走过第个点到达节点时的时间；表示客户的订单由商家服务时的决策变量；表示骑手是由节点走到节点时的决策变量；表示订单由骑手配送时的决策变量；约束函数（4）与约束函数（5）表示骑手从当前位置出发，且每个客户点和商家点在配送过程中仅被访问一次；约束函数（6）表示新接收的订单中，客户点与商家点必须被分配给同一位骑手，以确保订单的完整性和连续性；约束函数（7）表示对于前一阶段未完成的订单，必须由原先分配的骑手继续完成配送；约束函数（8）与约束函数（9）确保所有订单都完成从商家点到客户点的取送餐过程；约束函数（10）表示不同类型骑手的配送速度存在差异；约束函数（11）要求所有订单必须遵循先取餐后送餐的顺序；约束函数（12）与约束函数（13）设定骑手在配送路径中任何时刻所携带的外卖份数不得超过其最大承载能力；约束函数（14）表示新接受的订单分配需满足均衡阈值约束，确保每位骑手的工作量相对均衡，避免某些骑手过载而其他骑手空闲，以提升整体配送效率和服务质量；约束函数（15）表示决策变量的取值范围。
26、进一步的，s2中基于线性加权和法对多目标外卖订单优化分配模型进行融合，获取的单一目标函数模型表达式为
27、（16）
28、式中：表示对多目标外卖订单优化分配模型进行融合后的单一目标函数模型；分别表示对应设置的外卖平台配送总成本目标、骑手可靠度目标以及订单交付客户时间的骑手可靠度目标的权重参数，且，。
29、进一步的，s3中根据自适应大邻域搜索算法结合模拟退火机制，构建的订单优化分配策略具体为
30、s31：采用整数编码的方法，获取包含条骑手配送路径的解编码，且每条骑手配送路径包含若干商家节点与客户节点，且同一订单的商家与客户对应捆绑，以用于获取新增订单；
31、s32：将所有新增订单置于未插入订单集合中，基于贪婪算法依次选择未插入订单集合中的新增订单进行插单操作并输出初始解；
32、s33：基于自适应大邻域搜索算法，定义外卖订单取送货节点的移出算子，且所述移出算子包括随机移除算子、最差移除算子以及时空相似度移除算子；
33、随机移除算子：随机移除若干订单对应的取送货节点，对初始解进行扰动；
34、最差移除算子：获取新增订单对单一目标函数模型影响程度的订单降序序列表，并基于所述新增订单降序序列表移除前个订单对应的取送货节点；
35、时空相似度移除算子：随机选择一个新增订单，并基于时空相似度函数移除该新增订单与其时空相似度最高的订单对应的取送货节点，直至移除订单数与总订单数的占比达；
36、且所述时空相似度函数的表达式为
37、（17）
38、式中：表示两订单的时空相似性度；与分别表示订单的取餐节点与送餐节点；与分别表示订单的取餐节点与送餐节点；表示骑手到达节点的时间；表示权重系数；
39、s34：根据贪婪与随机选择规则，构建外卖订单取送货节点的修复算子，以根据所述修复算子将通过移出算子移除的外卖订单取送货节点以订单为单位重新迭代插入各骑手配送路径，获得新可行解；
40、所述修复算子包括贪婪修复算子与最大后悔值修复算子；
41、所述贪婪修复算子：依照贪婪原则将订单插入骑手路径的最佳位置，且插单方式与步骤s32至s33相同；
42、且所述订单插入骑手路径的最佳位置获取方法为
43、基于单一目标函数模型，获取新订单添加至骑手路径时最小目标变化值，并将其最小目标变化值对应的骑手路径作为新订单插入的最佳位置；
44、所述最大后悔值修复算子：获取插入了新增订单的全部订单中的某一个订单的后悔值，即订单插入最佳位置与次佳位置的目标值之差，并依次迭代选择最大后悔值对应的订单插入其最佳位置；
45、s35：设置各移出算子与修复算子的算子组合分配权重，并根据算子组合分配权重获取新订单插入各骑手配送路径的当前可行解；
46、采用自适应轮盘机制进行动态选择移出算子与修复算子组合的迭代，以便获得新的可行解；
47、且在每次迭代周期后，根据搜索过程中算子引起的目标值增量计算该算子在迭代周期的新权值，且所述目标值增量具体为在基于搜索过程中算子迭代前后得到的单一目标函数模型值的差值绝对值；
48、则更新算子权重值的表达式为
49、（18）
50、式中：表示常数，且；
51、s36：采用模拟退火算法控制自适应大邻域搜索算法的新的可行解是否被接受，直至达到终止迭代次数后，输出最优的可行解；
52、且所述最优的可行解即为新订单插入骑手配送路径的最优方案。
53、进一步的，s32中所述基于贪婪算法依次选择未插入订单集合中的新增订单进行插单操作的方法，具体为：
54、s321：基于单一目标函数模型，获取新订单插入骑手路径时最小目标变化值，并将其最小目标变化值对应的骑手路径作为新订单插入的最佳位置；
55、且若骑手与订单匹配不满足容量约束即约束函数（12）与约束函数（13）、时间约束即约束函数（14），则；且用表示插入订单
56、引起的最小目标值变化，满足；
57、s322：选择对应的订单插入对应最佳位置，并将该订单移出未插入订单集合；
58、s323：若未插入订单集合为空或没有订单能够执行插入操作，则输出初始解；
59、否则返回步骤s321。
60、进一步的，s36中采用模拟退火算法控制自适应大邻域搜索算法的新的可行解是否被接受的接收准则，具体为
61、采用模拟退火策略metropolis将新的可行解与当前可行解进行比较；
62、若新的可行解优于当前可行解，则接受新的可行解；
63、若新的可行解劣于当前可行解，则以概率接受劣解，其中
64、与分别代表新的可行解与当前可行解对应的单一目标函数模型的目标值；
65、代表当前第次迭代的温度，且，表示冷却系数。
66、有益效果：本发明提供了基于智能外卖平台骑手可靠度评估的订单优化分配方法，通过综合考虑骑手的历史配送记录、用户评价、配送准时率、服务态度等多个因素，构建以外卖平台配送总成本最低、骑手可靠度最大以及客户满意度最大为目标的多目标外卖订单优化分配模型与约束函数；采用线性加权和法将多目标转换为单目标优化问题，使得众包外卖平台决策者对于配送总成本、平台整体匹配骑手可靠度以及订单交付客户时间满意度的决策偏好得以量化，从而更加明确地指导优化过程；基于自适应大邻域搜索算法结合模拟退火机制，构建订单优化分配策略，能够实时分析订单需求，如配送距离、时间窗口、商品特性等，同时结合骑手的实时位置、在途订单量、预计完成时间等信息，运用智能匹配策略，将订单分配给最合适的骑手。以获取订单的优化分配方案。
1.基于智能外卖平台骑手可靠度评估的订单优化分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于智能外卖平台骑手可靠度评估的订单优化分配方法，其特征在于，s1中构建的所述多目标外卖订单优化分配模型，其表达式为
3.根据权利要求1所述的基于智能外卖平台骑手可靠度评估的订单优化分配方法，其特征在于，s3中根据自适应大邻域搜索算法结合模拟退火机制，构建的订单优化分配策略具体为
4.根据权利要求3所述的基于智能外卖平台骑手可靠度评估的订单优化分配方法，其特征在于，s32中所述基于贪婪算法依次选择未插入订单集合中的新增订单进行插单操作的方法，具体为
5.根据权利要求3所述的基于智能外卖平台骑手可靠度评估的订单优化分配方法，其特征在于，s36中采用模拟退火算法控制自适应大邻域搜索算法的新的可行解是否被接受的接收准则，具体为
