CN102142107A - 物流信息处理方法和装置 - Google Patents

物流信息处理方法和装置 Download PDF

Info

Publication number
CN102142107A
CN102142107A CN2010101049765A CN201010104976A CN102142107A CN 102142107 A CN102142107 A CN 102142107A CN 2010101049765 A CN2010101049765 A CN 2010101049765A CN 201010104976 A CN201010104976 A CN 201010104976A CN 102142107 A CN102142107 A CN 102142107A
Authority
CN
China
Prior art keywords
loading plan
applicable
transportation
historical
record
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010101049765A
Other languages
English (en)
Other versions
CN102142107B (zh
Inventor
裘民民
丁宏伟
王伟
谢艳青
董进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maple Bear Co.,Ltd.
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Priority to CN201010104976.5A priority Critical patent/CN102142107B/zh
Priority to US13/015,690 priority patent/US8682808B2/en
Publication of CN102142107A publication Critical patent/CN102142107A/zh
Application granted granted Critical
Publication of CN102142107B publication Critical patent/CN102142107B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了用于处理物流信息的方法和装置。该方法包括:接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。根据本发明的技术方案,可以降低对存储和计算资源的要求。

Description

物流信息处理方法和装置
技术领域
本发明涉及信息处理领域,更具体地说,涉及处理物流信息的方法和装置。
背景技术
在物流体系中,有时需要从一个地点向另一个地点运送各种不同物品,例如从仓库向销售站点运送货物。在运送任务需要分多次完成的情况下,可以利用计算机技术生成装载计划来指示在每次运输中运送哪些物品以及物品的数目,以便利用尽可能少的次数完成运送任务,从而更加有效地利用运输能力。例如,可以对运输工具和物品进行建模,将运输工具和各项物品都建模为具有一定几何尺寸的立体形状,然后利用仿真技术,计算出能够将尽可能多的代表物品的立体形状包含在代表运输工具的立体形状中的装载计划。
但是,采用建模的方法来生成装载计划需要消耗很大的存储和计算资源。容易理解,至少需要存储描述模型所需的数据,在进行三维仿真的时候需要大量的运算。由于物品立体形状的不规则性,如果所建立的模型过于简单,可能浪费运输工具的空间,但如果建立的模型过于复杂,又会增加描述模型所需的数据以及在进行三维仿真时的运算量。此外,采用建模的方法无法考虑实际情况下除运输工具和物品的立体形状外其他影响装载的因素,例如物品的可压缩性、可弯曲性、易损性等。
发明内容
有鉴于此,本发明提供了处理物流信息的方法和装置。
所述方法包括:接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。
所述装置包括:待装载物品信息接收模块,配置为接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;历史装载计划记录读取模块,配置为读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;装载计划生成模块,配置为根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。
按照根据本发明实施例的技术方案,不再需要存储描述所建模型的数据,也不再需要大量的运算来进行三维仿真。容易理解,根据本发明实施例的技术方案,记录的历史装载计划以及相应的适应性指标越多,得到的适用于本次运输的装载计划的理论适应性指标就越高。此外,根据本发明实施例的方案,还可以进一步实现对除立体形状以外装载规则的考虑,而不用以复杂和繁琐的形式记录这些规则。
附图说明
所附权利要求中阐述了被认为是本发明的特点的创造性特征。但是,通过参照附图阅读下面对说明性实施例的详细说明可更好地理解发明本身以及其优选使用模式、目标、特征以及优点,在附图中:
图1是根据本发明实施例的物流信息处理方法的流程图。
图2是根据本发明实施例的物流信息处理装置的方框图。
具体实施方式
下面参照附图来说明本发明的实施例。在下面的说明中,阐述了许多具体细节以便更全面地了解本发明。但是,本技术领域技术人员容易理解,本发明的实现可不具有这些具体细节中的一些,并且本发明并不限于所介绍的特定实施例。相反,可以考虑用下面的特征和要素的任意组合来实施本发明,而无论它们是否涉及不同的实施例。因此,下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定,除非权利要求中明确提出。还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。此外,除非刻意地使用“直接”或者“间接”加以限定,否则本申请文件中的连接既包括直接连接,也包括间接地连接。
如图1所示,根据本发明实施例的物流信息处理方法包括:
步骤101,接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;
步骤102,读取历史装载计划记录。
表1和表2示出了示例性的历史装载计划记录。
Figure GSA00000010074700031
表1示例性的历史装载计划记录
如表1所示,根据本发明一个实施例,历史装载计划记录的一个条目是过去实际发生的一个装载计划以及与该装载计划相应的适应性指标。
一个装载计划至少记载了所装载的物品的项目和数量,例如在序号为1的装载计划中,装载了物品A6件、物品B0件、物品C5件和物品D0件。
Figure GSA00000010074700041
表2示例性的历史装载计划记录
如表2所示,在根据本发明另一个实施例的历史装载计划记录中,历史装载计划记录的一个条目进一步记载该装载计划所对应的运输工具。例如可以利用载重量来表示运输工具的类型。本领域技术人员还可以使用其他方式来表示运输工具的种类。类似地,本领域技术人员可以理解,还可以根据实际需要,以运输工具的立体形状、装载限制等来进一步区分运输工具。
在表1和表2中所示的适应性指标是对该装载计划的评分。历史装载计划记录中所记载的是过去实际发生的装载计划,因此可以由执行该装载计划的装载员对该装载计划进行评分。
实际装载一定程度上依赖于装载员的经验。装载员除了考虑利用尽可能少的次数完成运送任务之外,还需要考虑物品的可压缩性、可弯曲性、易损性等影响装载的因素。将这些因素列举为计算机系统能够理解的装载规则是非常复杂和繁琐的。而通过装载员对实际的装载计划的评分就可以以一种更加灵活的方式来表现各种装载规则。例如,如果装载规则是物品M和物品N应该尽量避免装载在一起,那么装载员可以对同时有物品M和物品N的装载计划打低分,而对只有物品M或只有物品N的装载计划打高分。
步骤103,根据所述历史装载计划记录和所述待装载物品信息,来生成适用于本次运输的装载计划。
在生成适用于本次运输的装载计划之后,将所述适用于本次运输的装载计划提供给装载员。
可选地,在步骤104,可以接收装载在执行装载计划后给出的对应于该适用于本次运输的装载计划的适应性指标。系统将所述适用于本次运输的装载计划以及适应性指标记录在历史装载计划记录中。
进一步可选地,可以接收对该适用于本次运输的装载计划给出的修改建议,并且将所述经过修改的装载计划记录在历史装载计划记录中。在这种情况下,历史装载计划记录的条目可以不记录针对该经过修改的装载计划的适应性指标,因为可以认为经过修改的装载计划默认地对应于适应性指标的最高值或者具有高于一定阈值的值。如果要求针对步骤103中所生成的每条装载计划都接收修改建议,那么在历史装载计划记录的条目中可以不设置适应性指标这一字段。但是,如前所述,即使没有这一字段,仍然可以认为历史装载计划记录的条目指示了装载计划具有适应性指标的最高值或者高于一定阈值的值。因此,“所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标”包括了这种情况。
下面重点描述如何根据历史装载计划记录来生成适用于本次运输的装载计划。
实施例一
根据本实施例,首先根据历史装载计划记录计算待装载物品中两两物品之间的相关度。根据本发明的一个实施例,两个物品之间的相关度可以通过计算以下两个量的比值来得到:历史装载计划记录中同时包括两个物品的装载计划的数目,和历史装载计划记录中只包括两个物品之一的装载计划的数目。上述数目中至少一个可以是按照适应性指标加权的数目,这样计算出来的就是这两个物品之间按照适应性指标加权的相关度。例如,可以在计算历史装载计划的数目时,只计算适应性指标高于某阈值的历史装载计划的数目。又例如,可以按照以下的公式来计算物品i和物品j的相关度。
Figure GSA00000010074700061
其中r1和r2均表示过去实际发生的装载计划,Rr1和Rr2是r1和r2对应的适应性指标,R是历史装载计划记录。也就是说,实际发生的装载计划的适应性指标越高,其对装载计划的数目的贡献就越大,这样更有利于得到适应性指标高的关联度。本领域技术人员可以理解,在计算历史装载计划的数目时只计算适应性指标高于某阈值的历史装载计划的数目实际上是按照适应性指标进行加权的一种方法,即适应性指标高于该阈值的权重为1,适应性指标低于该阈值的权重为0。本领域技术人员还可以设想出其他的根据历史装载计划记录定义和计算待装载物品中两两物品之间的相关度的方法,例如可以计算历史装载计划记录中包括两个物品至少一个的装载计划的数目以代替历史装载计划记录中只包括两个物品之一的装载计划的数目,或者在上述公式中让r2表示包括物品i和物品j中至少一个而不是表示只包括物品i和物品j之一。
在计算出待装载物品中两两物品之间的相关度以后,可以利用相关度将待装载物品分为若干装载集合。例如,可以任选一种待装载物品作为第一装载集合的第一物品,然后将与第一装载集合中的物品的相关度大于相关度阈值的物品都作为该第一装载集合中的物品,直到所有待装载物品都归入某个装载集合。在生成适用于本次运输的装载计划时,优先安排属于同一装载集合中的待装载物品。
如前所述,实际装载中除了考虑利用尽可能少的次数完成运送任务之外,还需要考虑物品的可压缩性、可弯曲性、易损性等影响装载的因素,这些因素都可能影响两个或多个物品是否应该一起运输。然而,采用将这些因素表示为固定规则的方法非常复杂和繁琐。而通过历史装载计划记录来学习物品之间的相关度,尤其是当该相关度是按照适应性指标加权的时候,可以最大程度上完整地表示所要考虑的因素。
装载计划不仅要指示该次运输所要装载的物品的项目,还需要指示各项物品的数目。一种简单的方法是,直接用属于同一装载集合中的待装载物品的实际数目作为适用于本次运输的装载计划中各项物品的数目,然后由装载员进行调整。下面描述的是如何根据历史装载计划记录计算所述适用于本次运输的装载计划。
两种或两种以上的物品属于同一装载集合,意味着有相当数目的历史装载计划同时包括这两种或两种以上的物品。如果在计算装载计划的数目的时候,用适应性指标进行了加权,那么两种或两种以上的物品属于同一装载集合就意味着有相当数目的具有高适应性指标的历史装载计划同时包括这两种或两种以上的物品。
选择同时包括所述属于同一装载集合中的物品的历史装载计划,或者选择同时包括所述属于同一装载集合中的物品的、且适应性指标高于适应性指标阈值的历史装载计划。如果在装载计划中进一步记载该装载计划所对应的运输工具,那么可以只选择与本次运输的运输工具相匹配的那些历史装载计划。然后通过所选择的历史装载计划得到所述适用于本次运输的装载计划。
一种计算方法是采用解数学规划问题的方法。假设属于同一装载集合的待装载物品包括10个物品A、6个物品B和1个物品C,则对应的数学规划问题就是:
在0≤x≤10,0≤y≤6,0≤z≤1的情况下,使得rate(x,y,z)具有最大值。
其中x、y和z分别是物品A、物品B和物品C的数目。rate(x,y,z)是一个以x,y和z为自变量的函数,当x,y和z分别取某个所选择的历史装载计划中物品A、物品B和物品C的数目时,rate(x,y,z)就是该历史装载几何对应的适应性指标。解数学规划问题实际上就是通过x、y和z的有限种取值组合以及这些有限种组合对应的rate(x,y,z),在x、y和z取遍0≤x≤10,0≤y≤6,0≤z≤1的各种情况中找到能够得到rate(x,y,z)的最大值的情况。在根据本发明实施例构造出上述数学规划问题后,可以采用常用的方法来解数学规划问题。
另一种方法是采用人工神经网络法。对于所选择的一条历史装载计划,将各物品的数目作为人工神经网络的输入,将对应的适应性指标作为人工神经网络的输出。利用所选择的各历史装载计划来训练人工神经网络使其反映输入和输出之间的关系。然后将属于同一装载集合的待装载物品的各种数目组合分别作为人工神经网络的输入,得到的输出就是与各数目组合对应的理论适应性指标。根据本发明的一个实施例,取理论适应性指标最高的数目组合作为所述适用于本次运输的装载计划;根据本发明的另一个实施例,取理论适应性指标高于某阈值的多个数目组合供装载员选择。例如,仍然假设属于同一装载集合的待装载物品包括10个物品A、6个物品B和1个物品C;另外假定有1000条历史装载计划被选择,即这1000条历史装载计划均包括物品A、物品B和物品C,或者这1000条历史装载计划均包括物品A、物品B和物品C且适应性指标高于适应性指标阈值。首先将这1000条历史装载计划逐条用于人工神经网络的训练,在经过充分训练后,人工神经网络就可以反映输入的各物品数目和输出的适应性指标之间的关系。然后将物品A、物品B和物品C的数目的各种组合分别输入人工神经网络,每个组合均能得到一个对应的输出值,选择对应的输出值最高的组合作为所述适用于本次运输的装载计划。本领域技术人员可以采用更多关于人工神经网络的理论和经验来建立、训练和使用人工神经网络,在此不再赘述。
第三种方法是统计法。与前面两种方法针对统一得出物品A、物品B和物品C的数目不同,这种方法分别针对物品A、物品B和物品C,通过对所选择的历史装载计划中该物品的数目进行统计来得到适用于本次运输的装载计划中该物品的数目。仍然假设属于同一装载集合的待装载物品包括10个物品A、6个物品B和1个物品C;另外假定有1000条历史装载计划被选择,即这1000条历史装载计划均包括物品A、物品B和物品C,或者这1000条历史装载计划均包括物品A、物品B和物品C且适应性指标高于适应性指标阈值。根据本发明的一个实施例,针对物品A,采用这1000个历史装载计划中物品A的数目的最大值和最小值之间的任意值作为所述适用于本次运输的装载计划中物品A的数目。根据本发明的另一个实施例,计算这1000条历史装载计划中物品A的数目的均值,以该均值作为所述适用于本次运输的装载计划中物品A的数目。在计算均值的时候可以用适应性指标进行加权。针对物品B和物品C的处理相同。本领域技术人员还可以采用更加复杂的统计学方法来计算在所述适用于本次运输的装载计划中属于同一装载集合的各物品的数目。
本领域技术人员可以理解,按照以上三种方法所计算出的物品的数目都可能比待装载物品的实际数目少。此时以计算出的物品的数目作为所述适用于本次运输的装载计划中该物品的数目。至于剩余的待装载物品,可以再次重复以上过程,生成适用于后续运输的装载计划。
特别地,对于统计学方法,所计算出的物品的数目可能比待装载物品的实际数目多。本领域技术人员可以理解,此时以待装载物品的实际数目作为所述适用于本次运输的装载计划中该物品的数目即可。
实施例二
根据本实施例,寻找与待装载物品最近似的历史装载计划。可以用计算向量之间欧式距离的方法来计算待装载物品与历史装载计划之间的近似度指标。例如,假设待装载物品包括物品A、物品B、物品C和物品D,而某第一历史装载计划中包括物品A、物品B、物品E和物品F,某第二历史装载计划中包括物品A、物品C、物品D和物品F。可以将待装载物品用待装载物品向量{1,1,1,1,0,0}表示,其中前四个1表示待装载物品包括物品A、物品B、物品C和物品D,而后两个0表示待装载物品不包括物品E和物品F;类似地,第一历史装载计划可以用第一历史装载计划向量{1,1,0,0,1,1}表示,第二历史装载计划可以用第二历史装载计划向量{1,0,1,1,0,1}表示。计算向量的欧式距离是本领域技术人员公知的方法。因此,待装载物品向量与第一历史装载计划向量的欧式距离是2,即:
( 1 - 1 ) 2 + ( 1 - 1 ) 2 + ( 1 - 0 ) 2 + ( 1 - 0 ) 2 + ( 0 - 1 ) 2 + ( 0 - 1 ) 2 ; 待装载物品向量与第二历史装载计划向量的欧式距离是
Figure GSA00000010074700102
( 1 - 1 ) 2 + ( 1 - 0 ) 2 + ( 1 - 1 ) 2 + ( 1 - 1 ) 2 + ( 0 - 0 ) 2 + ( 0 - 1 ) 2 .
因此,待装载物品向量与第二历史装载计划向量之间的欧式距离更小,从而待装载物品与第二历史装载计划更加近似。本领域技术人员可以容易地设计出其他指标来表示待装载物品向量与历史装载计划之间的近似度指标,而不一定要采用向量之间的欧式距离。
历史装载计划的适应性指标可以用来对所述近似度指标进行加权。例如,在上述例子中,可以用所计算出的欧式距离乘以适应性指标作为近似度指标。
通过计算近似度指标,可以找到与待装载物品近似的至少一个历史装载计划。此后,可以对所述与待装载物品近似的至少一个历史装载计划进行进一步的处理以便计算出适用于本次运输的装载计划。
根据本发明的一个实施例,可以通过与待装载物品最近似的历史装载计划来计算出所述适用于本次运输的装载计划。显然,如果该最近似的历史装载计划的适应性指标足够高,那么就可以直接将该最近似的历史装载计划作为所述适用于本次运输的装载计划。这里所述的“直接作为”包括本领域技术人员可以想到的一些对该最近似的历史装载计划的基本处理,例如从其中去掉不是待装载物品的那些物品。
根据本发明的另一个实施例,可以选择历史装载计划记录中、近似度指标超过近似度阈值的多个历史装载计划,然后通过所选择的装载计划确定适用于本次运输的装载计划中包括的待装载物品以及计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目。在实施例一中通过多个历史装载计划得到所述适用于本次运输的装载计划的方法同样适用于此,例如可以以所选择的历史装载计划与待装载物品的交集作为一个装载集合的元素。当然,也可以进一步考虑待装载物品之间的相关度并据此划分装载集合,如同实施例一中所描述的那样。
图2是根据本发明实施例的物流信息处理装置的框图。
如图2所示,根据本发明实施例的物流信息处理装置包括:
待装载物品信息接收模块201,配置为接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;
历史装载计划记录读取模块202,配置为读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;
装载计划生成模块203,配置为根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。
该装置可选地进一步包括装载计划评价及记录模块204,配置为接收针对所述适用于本次运输的装载计划的适应性指标,并且将适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中;或者配置为接收对所述适用于本次运输的装载计划的修改以及接收针对修改后的适用于本次运输的装载计划的适应性指标,并且将修改后的适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中。
本领域的普通技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本实施例的用于处理物流信息的装置及其组件可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
虽然已经图示和描述了本发明的若干示例性实施例,不过本领域技术人员可以理解的是,在不偏离本发明原则和精神的前提下,可以对这些实施例进行改变,本发明的范围由权利要求书及其等价变换所限定。

Claims (22)

1.一种处理物流信息的方法,包括:
接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;
读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;
根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。
2.根据权利要求1所述的方法,其中根据所述历史装载计划记录和所述待装载物品信息生成适用于本次运输的装载计划包括:
根据历史装载计划记录计算待装载物品之间的相关度;
将相关度大于相关度阈值的待装载物品归入同一装载集合;和
将属于同一装载集合中的待装载物品包括在适用于本次运输的装载计划中。
3.根据权利要求2所述的方法,进一步包括:
选择历史装载计划记录中包括属于所述同一装载集合中的待装载物品的装载计划;
根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目。
4.根据权利要求2或3所述的方法,其中根据历史装载计划记录计算待装载物品之间的相关度包括:
计算待装载物品之间按照适应性指标加权的相关度。
5.根据权利要求1所述的方法,其中根据所述历史装载计划记录和所述待装载物品信息生成适用于本次运输的装载计划包括:
计算待装载物品与历史装载计划记录中的装载计划之间的近似度指标;
根据所述近似度指标选择历史装载计划记录中的装载计划;
根据所选择的装载计划确定适用于本次运输的装载计划中包括的待装载物品;和
根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目。
6.根据权利要求5所述的方法,其中计算待装载物品与历史装载计划记录中的装载计划之间的近似度指标包括:
计算待装载物品与历史装载计划记录中的装载计划之间按照适应性指标加权的近似度指标。
7.根据权利要求3或5所述的方法,其中根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目包括:
通过解数学规划问题来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目。
8.根据权利要求3或5所述的方法,其中根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目包括:
利用人工神经网络来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目。
9.根据权利要求3或5所述的方法,其中根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目包括:
采用统计方法来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目。
10.根据权利要求1所述的方法,进一步包括:
接收针对所述适用于本次运输的装载计划的适应性指标;和
将适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中。
11.根据权利要求1所述的方法,进一步包括:
接收对所述适用于本次运输的装载计划的修改;
接收针对修改后的适用于本次运输的装载计划的适应性指标;和
将修改后的适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中。
12.一种处理物流信息的装置,包括:
待装载物品信息接收模块,配置为接收待装载物品信息,所述待装载物品信息指示待装载物品的项目和数目;
历史装载计划记录读取模块,配置为读取历史装载计划记录,所述历史装载计划记录的一个条目至少包括一个装载计划以及与该装载计划相应的适应性指标;
装载计划生成模块,配置为根据所述历史装载计划记录和所述待装载物品信息,生成适用于本次运输的装载计划。
13.根据权利要求12所述的装置,其中所述装载计划生成模块包括:
配置为根据历史装载计划记录计算待装载物品之间的相关度的装置;
配置为将相关度大于相关度阈值的待装载物品归入同一装载集合的装置;和
配置为将属于同一装载集合中的待装载物品包括在适用于本次运输的装载计划中的装置。
14.根据权利要求13所述的装置,进一步包括:
配置为选择历史装载计划记录中包括属于所述同一装载集合中的待装载物品的装载计划的装置;
配置为根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目的装置。
15.根据权利要求13或14所述的装置,其中所述配置为根据历史装载计划记录计算待装载物品之间的相关度的装置包括:
配置为计算待装载物品之间按照适应性指标加权的相关度的装置。
16.根据权利要求12所述的装置,其中所述装载计划生成模块包括:
配置为计算待装载物品与历史装载计划记录中的装载计划之间的近似度指标的装置;
配置为根据所述近似度指标选择历史装载计划记录中的装载计划的装置;
配置为根据所选择的装载计划确定适用于本次运输的装载计划中包括的待装载物品的装置;和
配置为根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目的装置。
17.根据权利要求16所述的装置,其中所述配置为计算待装载物品与历史装载计划记录中的装载计划之间的近似度指标的装置包括:
配置为计算待装载物品与历史装载计划记录中的装载计划之间按照适应性指标加权的近似度指标的装置。
18.根据权利要求14或16所述的装置,其中所述配置为根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目的装置包括:
配置为通过解数学规划问题来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目的装置。
19.根据权利要求14或16所述的装置,其中所述配置为根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目的装置包括:
配置为利用人工神经网络来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目的装置。
20.根据权利要求14或16所述的装置,其中所述配置为根据所选择的装载计划计算所述适用于本次运输的装载计划中所包括的各待装载物品的数目的装置包括:
配置为采用统计方法来根据历史装载计划记录计算所述适用于本次运输的装载计划中所包括的各物品的数目的装置。
21.根据权利要求12所述的装置,进一步包括:
配置为接收针对所述适用于本次运输的装载计划的适应性指标的装置;和
配置为将适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中的装置。
22.根据权利要求12所述的装置,进一步包括:
配置为接收对所述适用于本次运输的装载计划的修改的装置;
配置为接收针对修改后的适用于本次运输的装载计划的适应性指标的装置;和
配置为将修改后的适用于本次运输的装载计划以及适应性指标记载在历史装载计划记录中的装置。
CN201010104976.5A 2010-01-29 2010-01-29 物流信息处理方法和装置 Active CN102142107B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201010104976.5A CN102142107B (zh) 2010-01-29 2010-01-29 物流信息处理方法和装置
US13/015,690 US8682808B2 (en) 2010-01-29 2011-01-28 Method and apparatus for processing logistic information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010104976.5A CN102142107B (zh) 2010-01-29 2010-01-29 物流信息处理方法和装置

Publications (2)

Publication Number Publication Date
CN102142107A true CN102142107A (zh) 2011-08-03
CN102142107B CN102142107B (zh) 2016-03-09

Family

ID=44342486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010104976.5A Active CN102142107B (zh) 2010-01-29 2010-01-29 物流信息处理方法和装置

Country Status (2)

Country Link
US (1) US8682808B2 (zh)
CN (1) CN102142107B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384217A (zh) * 2016-09-23 2017-02-08 江西洪都航空工业集团有限责任公司 物流配送框的型号和数量的计量方法
US20200364664A1 (en) * 2018-02-06 2020-11-19 Huawei Technologies Co., Ltd. Method for determining transportation scheme, method for training fast loading model, and device
CN112365207A (zh) * 2020-11-10 2021-02-12 上海汽车集团股份有限公司 一种装箱方法、装置及计算机可读存储介质
CN112465280A (zh) * 2019-09-09 2021-03-09 顺丰科技有限公司 任务的调整方法、装置、服务器及计算机可读存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3115129A1 (en) 2019-02-27 2020-09-03 Walmart Apollo, Llc Flexible automated sorting and transport arrangement (fast) asset monitor
EP3896630A1 (en) * 2020-04-14 2021-10-20 Fujitsu Limited Information processing device, optimization method, and non-transitory computer-readable storage medium for storing optimization program

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265006A (en) * 1990-12-14 1993-11-23 Andersen Consulting Demand scheduled partial carrier load planning system for the transportation industry
EP1009662A1 (en) * 1997-06-11 2000-06-21 Ranpak Corp. Cushioning conversion system and method
EP1297410A4 (en) * 2000-04-28 2009-11-18 Michael C Levine METHOD AND SYSTEM FOR FILLING MULTIPLE ARTICLES IN A CONTAINER
US7085687B2 (en) 2001-07-23 2006-08-01 Delphi Technologies, Inc. Method and apparatus for manufacturing packaging optimization
JP3935427B2 (ja) * 2002-12-26 2007-06-20 本田技研工業株式会社 航空混載貨物管理システム
US7366643B2 (en) 2003-03-20 2008-04-29 Delphi Technologies, Inc. System, method, and storage medium for determining a packaging design for a container
JP2006273464A (ja) 2005-03-28 2006-10-12 Toyoda Suchiirusentaa Kk 積付情報作成装置、これを用いる積付情報作成方法、輸送容器への搬送物搬入方法、流通管理システム、並びにそれらに用いるコンピュータ読み取り可能な記憶媒体及びプログラム
EP1909221A1 (en) 2006-10-06 2008-04-09 A.P. Moller - Maersk A/S Container vessel stowage planning
CN101751639A (zh) * 2008-12-17 2010-06-23 上海西本钢铁贸易发展有限公司 用于基于网络的电子交易平台的方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384217A (zh) * 2016-09-23 2017-02-08 江西洪都航空工业集团有限责任公司 物流配送框的型号和数量的计量方法
US20200364664A1 (en) * 2018-02-06 2020-11-19 Huawei Technologies Co., Ltd. Method for determining transportation scheme, method for training fast loading model, and device
CN112465280A (zh) * 2019-09-09 2021-03-09 顺丰科技有限公司 任务的调整方法、装置、服务器及计算机可读存储介质
CN112365207A (zh) * 2020-11-10 2021-02-12 上海汽车集团股份有限公司 一种装箱方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
US8682808B2 (en) 2014-03-25
US20110191258A1 (en) 2011-08-04
CN102142107B (zh) 2016-03-09

Similar Documents

Publication Publication Date Title
US11922308B2 (en) Generating neighborhood convolutions within a large network
Heaton AIFH, volume 3: deep learning and neural networks
Liu et al. Pudiannao: A polyvalent machine learning accelerator
CN109871936B (zh) 用于处理神经网络中的卷积运算的方法和装置
US11727256B2 (en) Hardware architecture for processing data in neural network
Coello et al. Hybridizing a genetic algorithm with an artificial immune system for global optimization
CN109284823A (zh) 一种运算装置及相关产品
US11880768B2 (en) Method and apparatus with bit-serial data processing of a neural network
CN102142107B (zh) 物流信息处理方法和装置
Behnamian et al. Multi-objective fuzzy multiprocessor flowshop scheduling
US20170060811A1 (en) Matrix operands for linear algebra operations
KR102038390B1 (ko) 고효율 병렬 처리를 위한 인공 신경망 모듈 및 이의 스케쥴링 방법
CN115357554B (zh) 一种图神经网络压缩方法、装置、电子设备及存储介质
CN102169566A (zh) 在陌生领域中生成推荐项目的方法和装置
CN111445020A (zh) 一种基于图的卷积网络训练方法、装置及系统
Bhagwat et al. Applied deep learning with keras: Solve complex real-life problems with the simplicity of keras
CN112926808B (zh) 物流路径规划方法、装置、设备和计算机可读存储介质
US20200346073A1 (en) Behavior Dominated Search in Evolutionary Search Systems
CN117355843A (zh) 生成和全局调谐应用特定的机器学习加速器
CN110490317B (zh) 神经网络运算装置及运算方法
CN109800138B (zh) 一种cpu测试方法、电子装置及存储介质
CN114026571A (zh) 用于并行执行的神经网络操作重新排序
Ma et al. Biogeography-based optimization in noisy environments
Lew et al. Anticipating and eliminating redundant computations in accelerated sparse training
Chishti et al. Deep neural network a step by step approach to classify credit card default customer

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220919

Address after: California, USA

Patentee after: Maple Bear Co.,Ltd.

Address before: New York grams of Armand

Patentee before: International Business Machines Corp.