CN103400247A - 一种物流配送调度优化方法 - Google Patents
一种物流配送调度优化方法 Download PDFInfo
- Publication number
- CN103400247A CN103400247A CN201310290957XA CN201310290957A CN103400247A CN 103400247 A CN103400247 A CN 103400247A CN 201310290957X A CN201310290957X A CN 201310290957XA CN 201310290957 A CN201310290957 A CN 201310290957A CN 103400247 A CN103400247 A CN 103400247A
- Authority
- CN
- China
- Prior art keywords
- dispensing
- significant
- vehicles
- point
- logistics distribution
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title abstract description 8
- 239000013598 vector Substances 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种物流配送调度优化方法,根据配送点的数量、以及各个配送点对应配送物品的质量,首先随机生成一组整数向量,并分别根据各个整数向量有效数字的个数对其进行划分,再通过分别对应取模运算,获得分配给指定配送交通工具的指定配送点的物流配送调度;整个步骤简明清晰,可以适用于各种算法中,解决车辆调度问题,可以同时表达优化结果全部内容,且不影响物流配送的后续操作,在物流配送领域具有很大的应用价值。
Description
技术领域
本发明涉及一种物流配送调度优化方法。
背景技术
物流配送调度问题又称为车辆路径问题(Vehicle Routing Problem,VRP),通常可以描述为:对一系列装货点和(或)卸货点,组织适当的行车线路,使车辆有序地通过它们,在满足一定的约束条件(如货物需求量、发送量、交发货时间、车辆容量等限制)下,达到一定的目标(如路程最短、费用最少、时间最少、使用车辆数最少等)。
物流配送调度问题是著名的NP难题,是组合优化、运筹领域中的经典问题。物流配送调度问题存在大规模、多极值、多约束等问题,传统的优化方法求解十分困难。目前智能优化算法是求解车辆路径问题的有效方法,如遗传算法、差分进化算法、粒子群算法、人工蜂群算法等智能优化算法在车辆路径问题中都有应用。这些算法虽然在具体的求解过程中,各自有不同的优化算子。但在求解物流配送调度问题时,都需要将物流配送调度问题优化方案采用合适的方法在算法中表达出来。目前的表示方法有二进制、整数、实数和数据结构(表、树等)。二进制、整数和实数编码通常不能同时表达全部优化方案的内容(配送点的配送排序和配送分组),而数据结构方法又过于复杂,在后续算法优化过程带来许多的不便。
发明内容
针对上述技术问题,本发明所要解决的技术问题是提供一种针对物流配送,可以同时表达优化结果全部内容,且不影响物流配送的后续操作,适用于各种情况的物流配送调度优化方法。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种物流配送调度优化方法,包括如下步骤:
步骤02.对应N个配送点,随机生成一组整数向量P(p1、…、pN),其中,pi∈P,pi≠0,且pi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤03.将各个pi分别按其有效数字的个数划分为相对应的yi与zi两部分,其中,yi为pi中至少前J个有效数字,且yi的有效数字个数小于pi的有效数字个数,J=N的有效数字个数+2,zi为pi中剩余数字的有效数字;
步骤04.将各个yi分别对N进行取模,并且各个结果加1,构成向量Y'(y1'、…、y'N),y'i∈Y',将各个zi分别对K进行取模,并且各个结果加1,构成向量Z'(z1'、…、z'N),z'i∈Z',各个y'i分别表示配送点的序号,各个z'i分别表示配送交通工具的序号,y'i与z'i基于i相对应表示分配给指定配送交通工具的指定配送点;
步骤05.针对向量Y'进行判断,是否存在重复的配送点,是则进行修正;
步骤06.针对分配给各个配送交通工具的配送点,分别判断各个配送交通工具是否超载,是则进行调整,满足配送交通工具的载重。
作为本发明的一种优选技术方案:所述步骤02中包括如下步骤:
步骤021.对应N个配送点,随机生成一组实数向量X(x1、…、xN),其中,xi∈X,xi≠0,且xi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤022.分别判断xi是否存在小数,是则直接去除小数点,转化为整数,构成整数向量P(p1、…、pN),pi∈P;
步骤023.分别判断各个pi是否满足至少有L个有效数字,不满足的pi在末尾添加0,直至满足要求。
作为本发明的一种优选技术方案:所述步骤04中,根据各个y'i与各个z'i基于i的一一对应关系、以及i的大小顺序,分别获得各个配送交通工具针对其配送点的配送顺序。
作为本发明的一种优选技术方案:所述步骤05中,判断存在重复的配送点时,在所有配送点中,查找未向配送交通工具分配的配送点,替换重复的配送点。
作为本发明的一种优选技术方案:所述步骤06中,判断某个配送交通工具超载时,则从分配给该配送交通工具的各个配送点中,依次逐个移出配送点至其它配送交通工具上,直至所有配送交通工具均不超载。
本发明所述一种物流配送调度优化方法采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明设计的物流配送调度优化方法,步骤结构清晰明了,易于实现,能够获得全面的物流配送方案,有效解决物流配送的繁琐问题;
(2)本发明设计的物流配送调度优化方法中,针对与配送点相对应的随机整数向量的生成,采用随机实数向量,经转化获得整数向量的方式,有效扩大了本发明设计的物流配送调度优化方法在实际应用中的应用范围;
(3)本发明设计的物流配送调度优化方法中,在解决配送点向各个配送交通工具分配配送问题的同时,合理的规划出了针对每个配送点的配送顺序,使得整个配送过程更加合理化;
(4)本发明设计的物流配送调度优化方法中,考虑到了配送点的重复配送、缺漏配送、以及配送交通工具的超载问题,合理的解决了物流配送过程中存在的各种问题。
附图说明
图1是本发明设计的物流配送调度优化方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,本发明设计了一种物流配送调度优化方法,包括如下步骤:
步骤02.对应N个配送点,随机生成一组整数向量P(p1、…、pN),其中,pi∈P,pi≠0,且pi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤03.将各个pi分别按其有效数字的个数划分为相对应的yi与zi两部分,其中,yi为pi中至少前J个有效数字,且yi的有效数字个数小于pi的有效数字个数,J=N的有效数字个数+2,zi为pi中剩余数字的有效数字;
步骤04.将各个yi分别对N进行取模,并且各个结果加1,构成向量Y'(y1'、…、y'N),y'i∈Y',将各个zi分别对K进行取模,并且各个结果加1,构成向量Z'(z1'、…、z'N),z'i∈Z',各个y'i分别表示配送点的序号,各个z'i分别表示配送交通工具的序号,y'i与z'i基于i相对应表示分配给指定配送交通工具的指定配送点;
步骤05.针对向量Y'进行判断,是否存在重复的配送点,是则进行修正;
步骤06.针对分配给各个配送交通工具的配送点,分别判断各个配送交通工具是否超载,是则进行调整,满足配送交通工具的载重。
本发明设计的物流配送调度优化方法,步骤结构清晰明了,易于实现,能够获得全面的物流配送方案,有效解决物流配送的繁琐问题。
作为本发明的一种优选技术方案:所述步骤02中包括如下步骤:
步骤021.对应N个配送点,随机生成一组实数向量X(x1、…、xN),其中,xi∈X,xi≠0,且xi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤022.分别判断xi是否存在小数,是则直接去除小数点,转化为整数,构成整数向量P(p1、…、pN),pi∈P;
步骤023.分别判断各个pi是否满足至少有L个有效数字,不满足的pi在末尾添加0,直至满足要求。
本发明设计的物流配送调度优化方法中,针对与配送点相对应的随机整数向量的生成,采用随机实数向量,经转化获得整数向量的方式,有效扩大了本发明设计的物流配送调度优化方法在实际应用中的应用范围。
作为本发明的一种优选技术方案:所述步骤04中,根据各个y'i与各个z'i基于i的一一对应关系、以及i的大小顺序,分别获得各个配送交通工具针对其配送点的配送顺序。
本发明设计的物流配送调度优化方法中,在解决配送点向各个配送交通工具分配配送问题的同时,合理的规划出了针对每个配送点的配送顺序,使得整个配送过程更加合理化。
作为本发明的一种优选技术方案:所述步骤05中,判断存在重复的配送点时,在所有配送点中,查找未向配送交通工具分配的配送点,替换重复的配送点。
作为本发明的一种优选技术方案:所述步骤06中,判断某个配送交通工具超载时,则从分配给该配送交通工具的各个配送点中,依次逐个移出配送点至其它配送交通工具上,直至所有配送交通工具均不超载。
本发明设计的物流配送调度优化方法中,考虑到了配送点的重复配送、缺漏配送、以及配送交通工具的超载问题,合理的解决了物流配送过程中存在的各种问题。
本发明设计的物流配送调度优化方法在实际应用过程当中,参照如下步骤:
步骤021.对应8个配送点,随机生成一组实数向量X(x1、…、x8)=(1.2563,342.94,0.023361,30.053,0.53832,679.87,4355.9,8.4023),其中,xi∈X,xi≠0,且xi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2,即N的有效数字个数为1,K的有效数字个数为1,L=4;
步骤022.分别判断xi是否存在小数,是则直接去除小数点,转化为整数,构成整数向量P(p1、…、pN)=(12563,34294,23361,30053,53832,67987,43559,84023),pi∈P;
步骤023.分别判断各个pi是否满足至少有L个有效数字,不满足的pi在末尾添加0,直至满足要求;
步骤03.将各个pi分别按其有效数字的个数划分为相对应的yi与zi两部分,其中,yi为pi中至少前J个有效数字,且yi的有效数字个数小于pi的有效数字个数,J=N的有效数字个数+2,zi为pi中剩余数字的有效数字,其中,J=3,如下表所示:
步骤04.将各个yi分别对N进行取模,即各个yi分别对8进行取模,并且各个结果加1,构成向量Y'(y1'、…、y'N),y'i∈Y',将各个zi分别对K进行取模,即各个zi分别对3进行取模,并且各个结果加1,构成向量Z'(z1'、…、z'N),z'i∈Z',各个y'i分别表示配送点的序号,各个z'i分别表示配送交通工具的序号,y'i与z'i基于i相对应表示分配给指定配送交通工具的指定配送点,如下表所示:
由上表可知,6号配送点、8号配送点被分配给第1辆配送交通工具,且配送顺序依次为6号配送点,8号配送点;7号配送点和2号配送点被分配给第2辆配送交通工具,且配送顺序依次为7号配送点、2号配送点;5号配送点、3号配送点、4号配送点和1号配送点被分配给第3辆配送交通工具,且配送顺序依次为5号配送点、3号配送点、4号配送点和1号配送点;
步骤05.针对向量Y'进行判断,是否存在重复的配送点,判断存在重复的配送点时,在所有配送点中,查找未向配送交通工具分配的配送点,替换重复的配送点;
步骤06.针对分配给各个配送交通工具的各个配送点,分别判断各个配送交通工具是否超载,判断某个配送交通工具超载时,则从分配给该配送交通工具的各个配送点中,依次逐个移出配送点至其它配送交通工具上,直至所有配送交通工具均不超载。
本发明设计的物流配送调度优化方法,步骤简明清晰,可以适用于各种算法中,解决车辆调度问题,可以同时表达优化结果全部内容,且不影响物流配送的后续操作,在车辆调度领域具有很大的应用价值。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (5)
1.一种物流配送调度优化方法,其特征在于,包括如下步骤:
步骤02.对应N个配送点,随机生成一组整数向量P(p1、…、pN),其中,pi∈P,pi≠0,且pi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤03.将各个pi分别按其有效数字的个数划分为相对应的yi与zi两部分,其中,yi为pi中至少前J个有效数字,且yi的有效数字个数小于pi的有效数字个数,J=N的有效数字个数+2,zi为pi中剩余数字的有效数字;
步骤04.将各个yi分别对N进行取模,并且各个结果加1,构成向量Y'(y1'、…、y'N),y'i∈Y',将各个zi分别对K进行取模,并且各个结果加1,构成向量Z'(z1'、…、z'N),z'i∈Z',各个y'i分别表示配送点的序号,各个z'i分别表示配送交通工具的序号,y'i与z'i基于i相对应表示分配给指定配送交通工具的指定配送点;
步骤05.针对向量Y'进行判断,是否存在重复的配送点,是则进行修正;
步骤06.针对分配给各个配送交通工具的配送点,分别判断各个配送交通工具是否超载,是则进行调整,满足配送交通工具的载重。
2.根据权利要求1所述一种物流配送调度优化方法,其特征在于:所述步骤02中包括如下步骤:
步骤021.对应N个配送点,随机生成一组实数向量X(x1、…、xN),其中,xi∈X,xi≠0,且xi至少有L个有效数字,L=N的有效数字个数+K的有效数字个数+2;
步骤022.分别判断xi是否存在小数,是则直接去除小数点,转化为整数,构成整数向量P(p1、…、pN),pi∈P;
步骤023.分别判断各个pi是否满足至少有L个有效数字,不满足的pi在末尾添加0,直至满足要求。
3.根据权利要求1所述一种物流配送调度优化方法,其特征在于:所述步骤04中,根据各个y'i与各个z'i基于i的一一对应关系、以及i的大小顺序,分别获得各个配送交通工具针对其配送点的配送顺序。
4.根据权利要求1所述一种物流配送调度优化方法,其特征在于:所述步骤05中,判断存在重复的配送点时,在所有配送点中,查找未向配送交通工具分配的配送点,替换重复的配送点。
5.根据权利要求1所述一种物流配送调度优化方法,其特征在于:所述步骤06中,判断某个配送交通工具超载时,则从分配给该配送交通工具的各个配送点中,依次逐个移出配送点至其它配送交通工具上,直至所有配送交通工具均不超载。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310290957.XA CN103400247B (zh) | 2013-07-11 | 2013-07-11 | 一种物流配送调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310290957.XA CN103400247B (zh) | 2013-07-11 | 2013-07-11 | 一种物流配送调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103400247A true CN103400247A (zh) | 2013-11-20 |
CN103400247B CN103400247B (zh) | 2016-06-29 |
Family
ID=49563864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310290957.XA Expired - Fee Related CN103400247B (zh) | 2013-07-11 | 2013-07-11 | 一种物流配送调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400247B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751176A (zh) * | 2015-03-24 | 2015-07-01 | 河海大学 | 一种高光谱遥感影像波段选择方法 |
CN105868843A (zh) * | 2016-03-22 | 2016-08-17 | 南京邮电大学 | 一种面向货品配送的路线规划方法 |
CN116629738A (zh) * | 2023-07-25 | 2023-08-22 | 昆仑数智科技有限责任公司 | 一种物流路径优化方法、相关方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128593A (ja) * | 2010-12-14 | 2012-07-05 | Tezuka Unyu Kk | 車両運行計画作成装置 |
CN103049805A (zh) * | 2013-01-18 | 2013-04-17 | 中国测绘科学研究院 | 基于改进粒子群优化的带时间窗约束的车辆路径优化方法 |
-
2013
- 2013-07-11 CN CN201310290957.XA patent/CN103400247B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128593A (ja) * | 2010-12-14 | 2012-07-05 | Tezuka Unyu Kk | 車両運行計画作成装置 |
CN103049805A (zh) * | 2013-01-18 | 2013-04-17 | 中国测绘科学研究院 | 基于改进粒子群优化的带时间窗约束的车辆路径优化方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751176A (zh) * | 2015-03-24 | 2015-07-01 | 河海大学 | 一种高光谱遥感影像波段选择方法 |
CN104751176B (zh) * | 2015-03-24 | 2018-05-11 | 河海大学 | 一种高光谱遥感影像波段选择方法 |
CN105868843A (zh) * | 2016-03-22 | 2016-08-17 | 南京邮电大学 | 一种面向货品配送的路线规划方法 |
CN116629738A (zh) * | 2023-07-25 | 2023-08-22 | 昆仑数智科技有限责任公司 | 一种物流路径优化方法、相关方法、装置、设备及介质 |
CN116629738B (zh) * | 2023-07-25 | 2023-10-03 | 昆仑数智科技有限责任公司 | 一种物流路径优化方法、相关方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103400247B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vincent et al. | Multi-start simulated annealing heuristic for the location routing problem with simultaneous pickup and delivery | |
CN107480922B (zh) | 两端式同轨双车运行模式下货位分配调度模型建立方法 | |
CN103440522B (zh) | 遗传算法与MapReduce相结合的车辆调度方法 | |
CN109191052B (zh) | 一种多车型车辆路径优化方法、服务器及系统 | |
CN108550007A (zh) | 一种制药企业自动化立体仓库的货位优化方法及系统 | |
CN107967586A (zh) | 一种电网物资仓储优化方法 | |
Gharehgozli et al. | Polynomial time algorithms to minimize total travel time in a two-depot automated storage/retrieval system | |
CN102663574A (zh) | 基于遗传算法的多rgv动态调度方法 | |
Gonzalez-Feliu | Cost optimisation in freight distribution with cross-docking: N-echelon location routing problem | |
CN107977756B (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
CN103400247A (zh) | 一种物流配送调度优化方法 | |
Ali et al. | Using greedy clustering method to solve capacitated location-routing problem | |
CN107909228A (zh) | 基于模因计算的动态车辆收发货路径规划方法及装置 | |
Onut et al. | A heterogeneous fleet vehicle routing model for solving the LPG distribution problem: A case study | |
CN103489336B (zh) | 一种适用于广域空中交通流量调控的方法 | |
CN102799674A (zh) | 面向大规模不确定物流网络的需求概率查询方法 | |
CN115330051B (zh) | 基于混合遗传算法的车辆路径优化方法及应用 | |
Mo et al. | Coordinating flexible loads via optimization in the majorization order | |
Huang et al. | 3D-CONTAINER LOADING PROBLEM WITH A DISTRIBUTION PLAN BASED ON HYBRID QUANTUM GENETIC ALGORITHM. | |
Zheng et al. | Based on two element neighborhood search quantum genetic algorithm to solve the vehicle scheduling problem | |
CN105119830B (zh) | 基于装箱优化的负载均衡软件定义网络路由聚合方法 | |
Kucukkoc | Multi-objective Optimization of Mixedmodel Two-sided Assembly Lines–A Case Study | |
Naeem | Using genetic algorithms for the single allocation hub location problem | |
CN105321056A (zh) | 一种基于遗传算法的运输企业的车辆运输路径选择方法 | |
Ren et al. | New genetic algorithm for capacitated vehicle routing problem |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20170711 |
|
CF01 | Termination of patent right due to non-payment of annual fee |