周克良，周 橋，胡梁眉

（江西理工大學(xué) 電氣工程與自動(dòng)化學(xué)院，贛州 341000）

0 引言

CPS（Cyber-Physcial System：信息物理融合系統(tǒng)）是重要、較新的研究領(lǐng)域，是科技發(fā)展到一定階段的產(chǎn)物，順應(yīng)信息技術(shù)發(fā)展趨勢(shì)[1]?；纠砟钍峭ㄟ^(guò)人機(jī)交互接口使網(wǎng)絡(luò)化空間以實(shí)時(shí)、可靠、安全的、遠(yuǎn)程的協(xié)作方式對(duì)物理世界進(jìn)行感知和控制[2]，為人類提供智能化服務(wù)，最終目標(biāo)是實(shí)現(xiàn)整個(gè)系統(tǒng)的完全融合，從而建立可靠、可信、可控安全的系統(tǒng)網(wǎng)絡(luò)。

垃圾轉(zhuǎn)運(yùn)可簡(jiǎn)化為VRP（車輛路線）問(wèn)題，最早由Dantzig和Ramser提出，經(jīng)過(guò)研究發(fā)展，求解方法包括精確算法、啟發(fā)式算法。垃圾轉(zhuǎn)運(yùn)涉及到垃圾收集點(diǎn)位置、垃圾量和車輛最大載重量、車輛最大行程等問(wèn)題[3]。在垃圾轉(zhuǎn)運(yùn)過(guò)程中，需要對(duì)涉及到的數(shù)據(jù)進(jìn)行收集分析判斷。

垃圾轉(zhuǎn)運(yùn)是垃圾處理中重要的一環(huán)，在垃圾轉(zhuǎn)運(yùn)收集過(guò)程中，各個(gè)垃圾收集點(diǎn)的垃圾量動(dòng)態(tài)變化[4]。將CPS結(jié)合在轉(zhuǎn)運(yùn)車的調(diào)度中，物理層的實(shí)體通過(guò)對(duì)環(huán)境的感知, 對(duì)相應(yīng)的信息進(jìn)行處理[5]，即對(duì)垃圾收集點(diǎn)位置、垃圾量和車輛最大載重量、車輛最大行程等數(shù)據(jù)進(jìn)行收集分析，對(duì)收集到的數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，同時(shí)將信息通過(guò)網(wǎng)絡(luò)發(fā)送到信息層，信息層組件在獲取感知信息后，針對(duì)物理環(huán)境和網(wǎng)絡(luò)中用戶需求的改變，運(yùn)用遺傳算法自動(dòng)調(diào)整內(nèi)部關(guān)聯(lián)與模型，然后得到最有效，最方便快捷的有效路徑，從而在垃圾轉(zhuǎn)運(yùn)過(guò)程中減少資源的不必要的浪費(fèi)。車輛在轉(zhuǎn)運(yùn)過(guò)程中，我們可以在系統(tǒng)中監(jiān)測(cè)任務(wù)的進(jìn)度，如果物理環(huán)境發(fā)生擾動(dòng)，CPS系統(tǒng)也可以實(shí)時(shí)的收集數(shù)據(jù)，對(duì)已定的任務(wù)進(jìn)行調(diào)節(jié)。

1 CPS分析

1.1 CPS運(yùn)行方式

CPS是一種典型的分布式控制系統(tǒng)。CPS系統(tǒng)中包含海量的受限單元，例如嵌入式控制單元、微型傳感單元等，由它們基本組成分布式控制網(wǎng)絡(luò)[6]。CPS系統(tǒng)需要龐大的計(jì)算能力，分布式技術(shù)能夠承擔(dān)龐大的計(jì)算任務(wù)，也可以減少網(wǎng)絡(luò)負(fù)載。

1.2 CPS的基本構(gòu)架

CPS體系結(jié)構(gòu)是CPS核心的技術(shù)，CPS結(jié)合計(jì)算和物理進(jìn)程于一體，體現(xiàn)出一系列特定的系統(tǒng)特性。CPS基本架構(gòu)如圖1所示，CPS是物理技術(shù)和信息技術(shù)的一體化，包括物理層，網(wǎng)絡(luò)層，協(xié)同優(yōu)化層以及應(yīng)用層[7]。

物理層指CPS中與現(xiàn)實(shí)環(huán)境緊密結(jié)合的感知測(cè)量設(shè)備、執(zhí)行控制設(shè)備以及它們組成的具有特定功能或存在于特定區(qū)域的無(wú)線/有線網(wǎng)絡(luò)單元；網(wǎng)絡(luò)通信層負(fù)責(zé)將感知數(shù)據(jù)與控制要求的實(shí)時(shí)準(zhǔn)確傳遞，為系統(tǒng)實(shí)時(shí)提供可靠服務(wù)；協(xié)同優(yōu)化層負(fù)責(zé)對(duì)感知數(shù)據(jù)的分析與處理融合，其中，監(jiān)控中心體現(xiàn)實(shí)時(shí)轉(zhuǎn)運(yùn)狀態(tài)，決策控制中心包含一個(gè)由實(shí)際轉(zhuǎn)運(yùn)線路映射的仿真模型，體現(xiàn)理想轉(zhuǎn)運(yùn)狀態(tài)，將兩者對(duì)比，確定是否需要對(duì)原有轉(zhuǎn)運(yùn)方案進(jìn)行調(diào)整，并將該決策信息反饋給實(shí)際轉(zhuǎn)運(yùn)設(shè)備；應(yīng)用層支撐各類智能應(yīng)用與資源和服務(wù)的協(xié)同優(yōu)化。

圖1 CPS基本架構(gòu)

2 問(wèn)題描述及數(shù)學(xué)建模

2.1 問(wèn)題描述

在一區(qū)域，有一垃圾處理中心，區(qū)域分布垃圾收集點(diǎn)，每日采集垃圾量數(shù)據(jù)，交通狀況實(shí)時(shí)采集并預(yù)測(cè)，車輛負(fù)責(zé)將垃圾轉(zhuǎn)運(yùn)至垃圾處理中心進(jìn)行預(yù)處理，車輛當(dāng)日最大可運(yùn)載路程由該車輛油量所定，采集數(shù)據(jù)，將數(shù)據(jù)分類上傳至CPS系統(tǒng)處理分析，得到將所有垃圾運(yùn)轉(zhuǎn)到垃圾處理中心的最快速較短的距離，也就是最經(jīng)濟(jì)的轉(zhuǎn)運(yùn)路徑。

2.2 建立數(shù)學(xué)模型

在某一固定區(qū)域內(nèi)有垃圾收集點(diǎn)N個(gè)，該區(qū)域內(nèi)有M輛垃圾車負(fù)責(zé)轉(zhuǎn)運(yùn)，都在垃圾處理中心等待調(diào)度，將垃圾轉(zhuǎn)運(yùn)到中心進(jìn)行處理。每輛車的最大載重量為C；每輛車最大行駛距離為lm（m=1，2，…，M）；假定第i個(gè)垃圾點(diǎn)產(chǎn)生的垃圾量為Gi噸（i=1，2，3，…，N）；各個(gè)垃圾收集點(diǎn)及處理中心任意兩點(diǎn)之間行車距離為lij。

假設(shè)車輛從垃圾處理中心出發(fā)，將垃圾轉(zhuǎn)運(yùn)收集到處理站進(jìn)行處理，第m輛收運(yùn)次數(shù)為mf，里程為ml，第t運(yùn)收路線為第mt條子路徑，包含nmt個(gè)垃圾收集點(diǎn)，pmt代表第mt條路徑中nmf個(gè)垃圾站點(diǎn)的集合，其中pmti（t=1，2，…，mt；i=1，2，…，nmt）代表第mt條子路徑的第i個(gè)垃圾站點(diǎn)，該垃圾車在該站收集的垃圾量為Gpmti，pmtj表示子路徑上最后一個(gè)垃圾收集站點(diǎn)，該垃圾收集點(diǎn)到垃圾壓縮站的距離為lptj。

以垃圾收運(yùn)成本最低為模型，即最短路徑的模型，建立的模型如式(1)所示：

約束條件如式(2)所示：

如式(2)所示，在一條子路徑中，車輛運(yùn)載的垃圾不能超過(guò)最大運(yùn)載量；一輛轉(zhuǎn)運(yùn)垃圾車轉(zhuǎn)運(yùn)距離不能超過(guò)最大行車距離；垃圾轉(zhuǎn)運(yùn)車要經(jīng)過(guò)該區(qū)域內(nèi)所有的有垃圾的垃圾收集點(diǎn)；垃圾轉(zhuǎn)運(yùn)車收集到的垃圾量；一輛車的運(yùn)輸次數(shù)不能超過(guò)設(shè)定值；子路徑中的垃圾收集點(diǎn)不能超過(guò)總的垃圾點(diǎn)個(gè)數(shù)。

3 求解算法設(shè)計(jì)

遺傳算法（Genetic Algorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型[8]。

本節(jié)選用遺傳算法思想，設(shè)計(jì)基于經(jīng)濟(jì)效益最高的垃圾轉(zhuǎn)運(yùn)路線，具體包括：編碼與編碼設(shè)計(jì)、種群初始化、適應(yīng)度函數(shù)以及遺傳操作[9]。遺傳算法流程圖如圖2所示。

圖2 遺傳算法基本流程圖

3.1 染色體的編碼與解碼

對(duì)于VRP的問(wèn)題，遺傳算法染色體編碼采用自然數(shù)編碼，用0代表垃圾處理中心，1,2，…，i，…，N-1，N代表N個(gè)垃圾收集站點(diǎn)。這種染色體結(jié)構(gòu)可以通俗的理解為第一輛車送垃圾處理中心0出發(fā)，經(jīng)過(guò)收集點(diǎn)1，2，…，n后回到處理中心0，形成子路徑1；第二輛車也從處理中心出發(fā)，經(jīng)過(guò)子路徑1未訪問(wèn)的收集點(diǎn)如i，…，M后回到處理中心，形成子路徑2，以此類推，直到所有的收集點(diǎn)全部被遍歷，形成M條子路徑，如0 8 10 12 11 0 4 6 7 9 0 5 2 1 0 3 0代表的轉(zhuǎn)運(yùn)路徑為：

處理中心0→收集點(diǎn)8→收集點(diǎn)10→收集點(diǎn)12→收集點(diǎn)11→處理中心0；

處理中心0→收集點(diǎn)4→收集點(diǎn)6→收集點(diǎn)7→收集點(diǎn)9→處理中心0；

處理中心0→收集點(diǎn)5→收集點(diǎn)2→收集點(diǎn)1→處理中心0；

處理中心0→收集點(diǎn)3→處理中心0。

3.2 初始化種群

根據(jù)自然數(shù)染色體編碼方法，對(duì)于有N個(gè)垃圾收集點(diǎn)，M輛車的問(wèn)題，在對(duì)種群中染色體進(jìn)行初始化時(shí)，隨機(jī)的產(chǎn)生1到N之間的數(shù)來(lái)填充基因，保證它們不重復(fù)，隨機(jī)插入M+1個(gè)0代表處理中心，如此反復(fù)，直到初始種群規(guī)模為L(zhǎng)。

3.3 適應(yīng)度函數(shù)

遺傳算法中，個(gè)體適應(yīng)度越大，表示個(gè)體的性能越好，因此需要將目標(biāo)函數(shù)轉(zhuǎn)化為適應(yīng)度函數(shù)[10]，如式(3)所示。

3.4 遺傳操作

本文遺傳算法采用最佳保留的輪盤賭復(fù)制法進(jìn)行染色體的復(fù)制，采用最優(yōu)保留順序交叉算子進(jìn)行染色體的交叉，按照概率進(jìn)行反轉(zhuǎn)變異[11]。

4 實(shí)例分析

4.1 問(wèn)題描述

贛州章貢區(qū)市區(qū)有12個(gè)垃圾收集點(diǎn)，一個(gè)垃圾處理中心和一個(gè)車場(chǎng)，暫時(shí)位于同一位置，垃圾收集點(diǎn)編號(hào)為1～12，處理中心為0。實(shí)地測(cè)得各收集點(diǎn)和處理中心的位置，通過(guò)稱重技術(shù)獲得該區(qū)域的垃圾收集點(diǎn)垃圾量，GIS（地理信息）系統(tǒng)標(biāo)記獲取經(jīng)緯坐標(biāo)后，簡(jiǎn)化坐標(biāo)，垃圾點(diǎn)基本數(shù)據(jù)如表1所示，采用百度地圖的開(kāi)放平臺(tái)API獲取收集點(diǎn)之間當(dāng)前時(shí)間段交通狀況下最段路徑如表2所示。市區(qū)垃圾收運(yùn)車輛為中型貨車，車輛平均行駛速度為40km/h ，最大載重量為6t。

4.2 基于遺傳算法的問(wèn)題求解

根據(jù)以上構(gòu)建的數(shù)學(xué)模型，運(yùn)用遺傳算法求解，在MATLAB R2014b上編程得到仿真結(jié)果如圖所示：

表1 垃圾收集點(diǎn)垃圾量、經(jīng)緯坐標(biāo)、簡(jiǎn)化坐標(biāo)

表2 任務(wù)點(diǎn)之間的距離

續(xù)（表2）

如圖3所示，總路徑通過(guò)遺傳算法迭代優(yōu)化計(jì)算得到最短路徑為49.3（km）。

圖3 迭代過(guò)程

圖4 車輛優(yōu)化路徑仿真圖

如圖4所示，★代表垃圾處理中心，其他收集點(diǎn)按坐標(biāo)點(diǎn)標(biāo)記，在MATLAB R2014b中編寫(xiě)程序畫(huà)出任務(wù)分配路徑圖。

最優(yōu)染色體編碼為0 1 11 7 9 0 3 2 0 6 5 4 0 12 10 8 0，編碼解碼表示為車輛的任務(wù)分配如表3所示。

表3 車輛最優(yōu)收運(yùn)路線

5 結(jié)束語(yǔ)

本文將發(fā)展迅速的CPS架構(gòu)運(yùn)用于垃圾轉(zhuǎn)運(yùn)車的調(diào)度中，利用物理層采集的數(shù)據(jù)信息通過(guò)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)和遺傳算法的計(jì)算處理，根據(jù)垃圾轉(zhuǎn)運(yùn)外在和內(nèi)在等主要元素，通過(guò)計(jì)算和優(yōu)化使垃圾轉(zhuǎn)運(yùn)的物理世界與信息世界深度融合，使實(shí)時(shí)、安全、高效、可靠的智能轉(zhuǎn)運(yùn)環(huán)境能自主調(diào)節(jié)、自主運(yùn)用和自主實(shí)現(xiàn)，驗(yàn)證了將CPS與垃圾轉(zhuǎn)運(yùn)是可行且可靠的，證明CPS系統(tǒng)在垃圾處理領(lǐng)域中具有發(fā)展前景，能有效提高垃圾轉(zhuǎn)運(yùn)的經(jīng)濟(jì)和時(shí)間效率。

[1]劉翔宇.電子信息技術(shù)發(fā)展現(xiàn)狀及發(fā)展趨勢(shì)[J].科技展望,2015,25(36):9-10.

[2]何明,梁文輝,陳國(guó)華,等.基于多視圖的信息物理融合系統(tǒng)體系結(jié)構(gòu)研究[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(12):25-32.

【】【】

[3]劉長(zhǎng)瑋.城市生活垃圾收運(yùn)系統(tǒng)優(yōu)化模型及其應(yīng)用研究[D].重慶大學(xué),2007.

[4]王勇.基于改進(jìn)型蟻群算法的餐廚垃圾收運(yùn)路線優(yōu)化研究[D].重慶交通大學(xué),2015.

[5]肖楓.大數(shù)據(jù)時(shí)代下CPS的制造系統(tǒng)調(diào)度優(yōu)化[J].科學(xué)與信息化,2017,(4):36-38.

[6]韓杰,馬斌,黃寬,等.基于蟻群算法的分布式CPS系統(tǒng)任務(wù)調(diào)度設(shè)計(jì)[J].測(cè)控技術(shù),2015,34(2):121-124.

[7]張明麗.基于CPS架構(gòu)的垃圾站點(diǎn)無(wú)線遠(yuǎn)程監(jiān)控系統(tǒng)研究[D].江西理工大學(xué),2015.

[8]金曉慧.基于流形距離和核函數(shù)的進(jìn)化聚類算法研究及其應(yīng)用[D].西安電子科技大學(xué),2009.

[9]潘燁煬,郭潔,張林穎,等.基于自適應(yīng)遺傳算法的優(yōu)化布站方法研究[J].國(guó)外電子測(cè)量技術(shù),2013,32(6):62-64.

[10]郭海雙,梁佳雯,張劭昀,等.MATLAB遺傳算法工具箱GADS優(yōu)化及應(yīng)用[J].電子設(shè)計(jì)工程,2015,23(10):27-29,32.

[11]朱志勇,刁洪祥.基于改進(jìn)遺傳算法的車輛路徑問(wèn)題研究[J].湘潭大學(xué)自然科學(xué)學(xué)報(bào),2011,33(3).

[12]符俊波,馬慧民,張爽,等.有垃圾量變動(dòng)的生活垃圾收運(yùn)車輛調(diào)度干擾管理研究[J].上海理工大學(xué)學(xué)報(bào),2017,39(4):368-375.

[13]Yun Wang;Dong Liu;Chen Sun , A Cyber Physical Model Based on a Hybrid System for Flexible Load Control in an Active Distribution Network[J]. Energies.2017(3):1-20.