CN105868843A - 一种面向货品配送的路线规划方法 - Google Patents
一种面向货品配送的路线规划方法 Download PDFInfo
- Publication number
- CN105868843A CN105868843A CN201610170154.4A CN201610170154A CN105868843A CN 105868843 A CN105868843 A CN 105868843A CN 201610170154 A CN201610170154 A CN 201610170154A CN 105868843 A CN105868843 A CN 105868843A
- Authority
- CN
- China
- Prior art keywords
- dispensing
- ordered arrangement
- point
- combination
- send
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013439 planning Methods 0.000 title claims abstract description 21
- 238000012384 transportation and delivery Methods 0.000 title abstract description 12
- 230000035772 mutation Effects 0.000 claims description 21
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000001027 hydrothermal synthesis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向货品配送的路线规划方法,采用先分组后安排路线的方法,将大规模的物流配送车辆路径问题划分为多个小规模的物流配送车辆路径问题,这样做可以大大降低计算量,提高求解速度;并且对于货车载重量的约束,在聚类方法中通过对每个簇集增加了容量约束的限制,保证了划分的每个配送区域中的配送点个数比较均匀,使得划分的配送区域中的货物总量都不会超过货车的最大载重量,划分的区域更加合理,不仅如此,综合考虑货车路线的最优化原则和配送点地理位置的区域性原则,使得让地理位置相近的配送点由同一货车配送,增加了配送效率。
Description
技术领域
本发明涉及一种面向货品配送的路线规划方法,属于物流配送技术领域。
背景技术
随着物流业向全球化、信息化及一体化发展,货品配送在整个物流系统中的作用变得越来越重要。运输线路是否合理直接影响到配送速度、成本和效益,特别是多货车配送线路的确定是一项复杂的系统工程。选取恰当的车辆调度方法,可以加快对配送点需求的响应速度,提高服务质量,增强客户对物流环节的满意度,降低服务商运作成本。进入21世纪以来,物流产业作为一个新兴产业迅猛发展,被认为降低资源消耗和提高劳动生产率两大企业利润来源之后的第三利润源泉。“十二五”规划指出要构建综合交通运输体系,大力发展现代物流业,大力推进节能降耗实施区域物流总体发展战略大力发展新一代信息技术等重点任务。
物流配送车辆路径问题(Vehicle Routing Problem,VRP),最早是由Danting和Ramser于1959年首次提出的,之后很快就引起了运筹学、管理学、计算机应用、图论等学科专家的高度重视。具体来说就是,根据客户需求,在满足时间限制、车辆载重量限制、里程限制等前提下,设计出一种配送车辆行走的合理路线,使得在配送过程中,所用的时间最短、所走的路程最短、费用最少、车辆的利用率高等多重目标,最终实现客户的需求。车辆路径设计问题是一个典型NP难问题,是运筹学与组合优化研究领域的热点问题。在现实生活中VRP的研究成果已在公路交通、物流配送、通讯信息、计算机等领域都得到了广泛的应用。
如何针对货运问题建立高效的车辆路径规划模型,成为了当前的一个研究热点。一般来说,车辆路径问题可以构造成整数规划模型,也可以构造成图论及其他模型。对于该问题的求解,主要包括精确算法和启发式算法,精确算法只能求解中小规模的VRP,启发式算法容易因陷入局部最优而影响整体优化结果。因而改进各种算法的研究层出不穷,通过改进的算法对最优解精益求精,但是目前对于VRP还存在以下不足:
1、传统的车辆路径问题建模直接针对配送点地理位置进行车辆路径的优化,更多的是考虑了各种优化算法的性能,而没有考虑到配送点地理位置的区域性。
2、在实际的配送过程中,存在着许多约束条件,如车辆最大载货量限制、车辆行驶速度限制、驾驶人员工作时间限制,在实现最优路径规划时,应统筹考虑各约束条件求解问题。
发明内容
本发明所要解决的技术问题是提供一种综合考虑车辆路径最优化原则,以及配送点地理位置区域性原则,能够有效提高物流配送工作效率的面向货品配送的路线规划方法。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种面向货品配送的路线规划方法,当配送点数量小于等于配送车辆数量N时,则任意选择与配送点数量相同数量的配送车辆,由配送中心出发分别一对一针对各个配送点进行配送;当配送点数量大于配送车辆数量N时,按如下步骤进行配送,其中N≥1;
步骤001.根据配送车辆的数量N,将所有配送点划分为N个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002;
步骤002.针对所有配送区域,判断是否不存在仅包括一个配送点的配送区域,是则进入步骤003;否则针对仅包括一个配送点的各个配送区域,分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,分别针对对应配送区域中的唯一配送点进行配送,然后进入步骤003;
步骤003.分别针对至少包含两个配送点的各个配送区域,按如下步骤00301至步骤00314,获得配送区域中各个配送点的最优配送路线,即分别获得各个至少包含两个配送点的配送区域中的最优配送路线,然后分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,并分别按对应配送区域的最优配送路线,针对对应配送区域中的各个配送点进行配送;
步骤00301.初始化l=0,针对配送区域中的所有配送点,根据该配送区域中配送点的数量M,随机获取K组彼此不同、且分别由M个配送点所构成的配送点有序排列组合,然后进入步骤00302,其中,M≥2,K为偶数,且 表示M个配送点所构成所有配送点有序排列组合的总数;
步骤00302.分别针对该K组配送点有序排列组合,获得由配送中心为起始点、沿配送点有序排列组合顺序的路程,即获得该K组配送点有序排列组合分别所对应的路程,接着将该K组配送点有序排列组合分别所对应路程的倒数,分别作为对应配送点有序排列组合的适应度值,即获得该K组配送点有序排列组合分别所对应的适应度值,然后进入步骤00303;
步骤00303.判断l是否等于预设迭代次数L,是则进入步骤00314;否则进入步骤00304;
步骤00304.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,作为初级优选配送点有序排列组合,然后进入步骤00305;
步骤00305.针对该K组配送点有序排列组合,根据其分别所对应的适应度值,采用轮盘赌方法筛选获得K-1组配送点有序排列组合,并与初级优选配送点有序排列组合,更新该K组配送点有序排列组合,然后进入步骤00306;
步骤00306.初始化v=1,并进入步骤00307;
步骤00307.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于预设被选择进行交叉操作的概率阈值Pc,是则进入步骤00308;否则进入步骤00309;其中,被选择进行交叉操作的概率阈值Pc表示该K组配送点有序排列组合中,被选择进行交叉操作的配送点有序排列组合的数目占K的比例;
步骤00308.在该K组配送点有序排列组合,随即选择两组配送点有序排列组合,并针对该两组配送点有序排列组合进行交叉操作,用所获与该两组配送点有序排列组合相对应的两组新配送点有序排列组合,针对该两组配送点有序排列组合进行更新,然后进入步骤00309;
步骤00309.判断v是否等于是则进入步骤00310;否则用v的值加1针对v进行更新,并返回步骤00307;
步骤00310.初始化v=1,并进入步骤00311;
步骤00311.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于被选择进行变异操作的概率阈值Pm,是则进入步骤00312;否则进入步骤00313;其中,被选择进行变异操作的概率阈值Pm表示该K组配送点有序排列组合中,被选择进行变异操作的配送点有序排列组合中总元素数目占K组配送点有序排列组合中总元素数目的比例;
步骤00312.在该K组配送点有序排列组合中,随即选择一组配送点有序排列组合,针对该配送点有序排列组合进行变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新,然后进入步骤00313;
步骤00313.判断v是否等于K,是则用l的值加1针对l进行更新,再进入步骤00302;否则用v的值加1针对v进行更新,并返回步骤00311;
步骤00314.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,将其作为所对应配送区域中的最优配送路线。
作为本发明的一种优选技术方案,所述步骤001包括如下步骤:
步骤00101.根据配送车辆的数量N,在所有配送点中随机选择N个配送点,分别作为各个类簇中心,然后进入步骤00102;
步骤00102.分别获得各个类簇中心到配送中心的欧式距离,并按该欧式距离由小至大的顺序,针对各个类簇中心进行排序,获得类簇中心排序,然后进入步骤00103;
步骤00103.初始化i=1,将所有配送点中,除各个类簇中心外的其余各个配送点作为待分配配送点,并获得待分配配送点的总数I,然后进入步骤00104;
步骤00104.获得第i个待分配配送点分别到各个类簇中心的欧式距离,并进入步骤00105;
步骤00105.判断与第i个待分配配送点之间最小欧式距离所对应的类簇中心的个数是否等于1,是则选择该类簇中心,并进入步骤00107;否则进入步骤00106;
步骤00106.针对与第i个待分配配送点之间最小欧式距离所对应的各个类簇中心,选择在类簇中心排序中排在第一位的类簇中心,然后进入步骤00107;
步骤00107.判断该类簇中心所对应类簇中所有配送点所配送货物重量,与第i个待分配配送点所配送货物重量之和是否大于配送车辆的最大载重,是则设置第i个待分配配送点与该类簇中心之间的欧式距离为无穷大,并返回步骤00104;否则将第i个待分配配送点划分至该类簇中心所对应的类簇中,作为该类簇中心所对应类簇中的一个配送点,然后进入步骤00108;
步骤00108.判断i是否等于I,是则进入步骤00109;否则用i的值加1针对i进行更新,并返回步骤00104;
步骤00109.分别针对各个类簇,根据类簇中所包含各个配送点的位置,更新类簇中类簇中心的位置,即针对各个类簇中类簇中心的位置进行更新,然后进入步骤00110;
步骤00110.针对各个类簇,与类簇中原类簇中心位置相比,判断是否存在类簇中心位置变化的类簇,是则返回步骤00102;否则各个类簇分别构成各个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002。
作为本发明的一种优选技术方案,所述步骤00102中,分别获得各个类簇中心到配送中心的欧式距离,以及所述步骤00104中,分别获得各个待分配配送点到第n个类簇中心的欧式距离,均按两配送点之间的欧式距离,采用如下公式进行获得;
式中,pab表示a配送点与b配送点之间的欧式距离,(xa,ya)表示a配送点的坐标,(xb,yb)表示b配送点的坐标。
作为本发明的一种优选技术方案,所述步骤00308中,在该K组配送点有序排列组合,随即选择两组配送点有序排列组合,并针对该两组配送点有序排列组合进行顺序交叉操作,用所获与该两组配送点有序排列组合相对应的两组配送点有序排列组合,针对该两组配送点有序排列组合进行更新。
作为本发明的一种优选技术方案,所述步骤00308中的顺序交叉操作具体包括如下操作:首先由其中一组配送点有序排列组合P1中,随机选取一段排列序列ΔP1,且该段排列序列ΔP1的长度小于该组配送点有序排列组合P1的长度;再由另一组配送点有序排列组合P2中,取出与排列序列ΔP1中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P2中的顺序依次加入至排列序列ΔP1的末尾,构成一组新配送点有序排列组合;
同时,首先由另一组配送点有序排列组合P2中,随机选取一段排列序列ΔP2,且该段排列序列ΔP2的长度小于该组配送点有序排列组合P2的长度;再由其中一组配送点有序排列组合P1中,取出与排列序列ΔP2中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P1中的顺序依次加入至排列序列ΔP2的末尾,构成另一组新配送点有序排列组合;
由此获得配送点有序排列组合P1、配送点有序排列组合P2所对应的两组新配送点有序排列组合。
作为本发明的一种优选技术方案,所述步骤00312中的变异操作具体包括如下操作:将该配送点有序排列组合中任意两配送点的位置进行交换实现变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新。
本发明所述一种面向货品配送的路线规划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:本发明所设计面向货品配送的路线规划方法,采用先分组后安排路线的方法,将大规模的物流配送车辆路径问题划分为多个小规模的物流配送车辆路径问题,这样做可以大大降低计算量,提高求解速度;并且对于货车载重量的约束,在聚类方法中通过对每个簇集增加了容量约束的限制,保证了划分的每个配送区域中的配送点个数比较均匀,使得划分的配送区域中的货物总量都不会超过货车的最大载重量,划分的区域更加合理,不仅如此,综合考虑货车路线的最优化原则和配送点地理位置的区域性原则,使得让地理位置相近的配送点由同一货车配送,增加了配送效率。
附图说明
图1是本发明所设计面向货品配送的路线规划方法的流程图;
图2是本发明设计中配送区域划分的示意图;
图3是本发明设计中配送区域中配送路线示意图。
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,本发明所设计面向货品配送的路线规划方法在实际应用过程当中,当配送点数量小于等于配送车辆数量N时,则任意选择与配送点数量相同数量的配送车辆,由配送中心出发分别一对一针对各个配送点进行配送;当配送点数量大于配送车辆数量N时,按如下步骤进行配送,其中N≥1。
步骤001.根据配送车辆的数量N,将所有配送点划分为N个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002。
其中,步骤001包括如下步骤:
步骤00101.根据配送车辆的数量N,在所有配送点中随机选择N个配送点,分别作为各个类簇中心,然后进入步骤00102。
步骤00102.分别获得各个类簇中心到配送中心的欧式距离,并按该欧式距离由小至大的顺序,针对各个类簇中心进行排序,获得类簇中心排序,然后进入步骤00103。
步骤00103.初始化i=1,将所有配送点中,除各个类簇中心外的其余各个配送点作为待分配配送点,并获得待分配配送点的总数I,然后进入步骤00104。
步骤00104.获得第i个待分配配送点分别到各个类簇中心的欧式距离,并进入步骤00105。
上述步骤中,步骤00102中,分别获得各个类簇中心到配送中心的欧式距离,以及所述步骤00104中,分别获得各个待分配配送点到第n个类簇中心的欧式距离,均按两配送点之间的欧式距离,采用如下公式进行获得;
式中,pab表示a配送点与b配送点之间的欧式距离,(xa,ya)表示a配送点的坐标,(xb,yb)表示b配送点的坐标。
步骤00105.判断与第i个待分配配送点之间最小欧式距离所对应的类簇中心的个数是否等于1,是则选择该类簇中心,并进入步骤00107;否则进入步骤00106。
步骤00106.针对与第i个待分配配送点之间最小欧式距离所对应的各个类簇中心,选择在类簇中心排序中排在第一位的类簇中心,然后进入步骤00107。
步骤00107.判断该类簇中心所对应类簇中所有配送点所配送货物重量,与第i个待分配配送点所配送货物重量之和是否大于配送车辆的最大载重,是则设置第i个待分配配送点与该类簇中心之间的欧式距离为无穷大,并返回步骤00104;否则将第i个待分配配送点划分至该类簇中心所对应的类簇中,作为该类簇中心所对应类簇中的一个配送点,然后进入步骤00108。
步骤00108.判断i是否等于I,是则进入步骤00109;否则用i的值加1针对i进行更新,并返回步骤00104。
步骤00109.分别针对各个类簇,根据类簇中所包含各个配送点的位置,更新类簇中类簇中心的位置,即针对各个类簇中类簇中心的位置进行更新,然后进入步骤00110。
步骤00110.针对各个类簇,与类簇中原类簇中心位置相比,判断是否存在类簇中心位置变化的类簇,是则返回步骤00102;否则各个类簇分别构成各个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002。
步骤002.针对所有配送区域,判断是否不存在仅包括一个配送点的配送区域,是则进入步骤003;否则针对仅包括一个配送点的各个配送区域,分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,分别针对对应配送区域中的唯一配送点进行配送,然后进入步骤003。
步骤003.分别针对至少包含两个配送点的各个配送区域,按如下步骤00301至步骤00314,获得配送区域中各个配送点的最优配送路线,即分别获得各个至少包含两个配送点的配送区域中的最优配送路线,然后分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,并分别按对应配送区域的最优配送路线,针对对应配送区域中的各个配送点进行配送。
步骤00301.初始化l=0,针对配送区域中的所有配送点,根据该配送区域中配送点的数量M,随机获取K组彼此不同、且分别由M个配送点所构成的配送点有序排列组合,然后进入步骤00302,其中,M≥2,K为偶数,且 表示M个配送点所构成所有配送点有序排列组合的总数。
步骤00302.分别针对该K组配送点有序排列组合,获得由配送中心为起始点、沿配送点有序排列组合顺序的路程,即获得该K组配送点有序排列组合分别所对应的路程,接着将该K组配送点有序排列组合分别所对应路程的倒数,分别作为对应配送点有序排列组合的适应度值,即获得该K组配送点有序排列组合分别所对应的适应度值,然后进入步骤00303。
步骤00303.判断l是否等于预设迭代次数L,是则进入步骤00314;否则进入步骤00304。
步骤00304.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,作为初级优选配送点有序排列组合,然后进入步骤00305。
步骤00305.针对该K组配送点有序排列组合,根据其分别所对应的适应度值,采用轮盘赌方法筛选获得K-1组配送点有序排列组合,并与初级优选配送点有序排列组合,更新该K组配送点有序排列组合,然后进入步骤00306。
步骤00306.初始化v=1,并进入步骤00307。
步骤00307.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于预设被选择进行交叉操作的概率阈值Pc,是则进入步骤00308;否则进入步骤00309;其中,被选择进行交叉操作的概率阈值Pc表示该K组配送点有序排列组合中,被选择进行交叉操作的配送点有序排列组合的数目占K的比例。
步骤00308.在该K组配送点有序排列组合,随即选择两组配送点有序排列组合,并针对该两组配送点有序排列组合进行顺序交叉操作,用所获与该两组配送点有序排列组合相对应的两组配送点有序排列组合,针对该两组配送点有序排列组合进行更新,然后进入步骤00309。
其中,步骤00308中的顺序交叉操作具体包括如下操作:首先由其中一组配送点有序排列组合P1中,随机选取一段排列序列ΔP1,且该段排列序列ΔP1的长度小于该组配送点有序排列组合P1的长度;再由另一组配送点有序排列组合P2中,取出与排列序列ΔP1中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P2中的顺序依次加入至排列序列ΔP1的末尾,构成一组新配送点有序排列组合;
同时,首先由另一组配送点有序排列组合P2中,随机选取一段排列序列ΔP2,且该段排列序列ΔP2的长度小于该组配送点有序排列组合P2的长度;再由其中一组配送点有序排列组合P1中,取出与排列序列ΔP2中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P1中的顺序依次加入至排列序列ΔP2的末尾,构成另一组新配送点有序排列组合;
由此获得配送点有序排列组合P1、配送点有序排列组合P2所对应的两组新配送点有序排列组合。
步骤00309.判断v是否等于是则进入步骤00310;否则用v的值加1针对v进行更新,并返回步骤00307。
步骤00310.初始化v=1,并进入步骤00311。
步骤00311.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于被选择进行变异操作的概率阈值Pm,是则进入步骤00312;否则进入步骤00313;其中,被选择进行变异操作的概率阈值Pm表示该K组配送点有序排列组合中,被选择进行变异操作的配送点有序排列组合中总元素数目占K组配送点有序排列组合中总元素数目的比例。
步骤00312.在该K组配送点有序排列组合中,随即选择一组配送点有序排列组合,针对该配送点有序排列组合进行变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新,然后进入步骤00313。其中,步骤00312中的变异操作具体包括如下操作:将该配送点有序排列组合中任意两配送点的位置进行交换实现变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新。
步骤00313.判断v是否等于K,是则用l的值加1针对l进行更新,再进入步骤00302;否则用v的值加1针对v进行更新,并返回步骤00311。
步骤00314.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,将其作为所对应配送区域中的最优配送路线。
为了验证本发明的效果,在Matlab环境下进行了以下验证实验:假设V={0,1,2,…,16},0是配送中心,1,2,…,16是配送点,货车的个数为4,每辆货车的最大载重Q=8,每个配送点的货物需求量为2,如图2所示,显示了通过聚类方法将配送点按照距离相近度进行配送区域划分,从图中可以看出,依据货车的数量划分为4个配送区域,且每个配送区域的配送点个数都为4,正好达到货车载重量的要求,同时也保证了同一配送区域的配送点之间的距离尽可能的靠近;并且如图3所示,显示了配送区域采用设计的遗传算法进行最优路线的规划。
上述技术方案所设计的面向货品配送的路线规划方法,采用先分组后安排路线的方法,将大规模的物流配送车辆路径问题划分为多个小规模的物流配送车辆路径问题,这样做可以大大降低计算量,提高求解速度;并且对于货车载重量的约束,在聚类方法中通过对每个簇集增加了容量约束的限制,保证了划分的每个配送区域中的配送点个数比较均匀,使得划分的配送区域中的货物总量都不会超过货车的最大载重量,划分的区域更加合理,不仅如此,综合考虑货车路线的最优化原则和配送点地理位置的区域性原则,使得让地理位置相近的配送点由同一货车配送,增加了配送效率。
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 (6)
1.一种面向货品配送的路线规划方法,当配送点数量小于等于配送车辆数量N时,则任意选择与配送点数量相同数量的配送车辆,由配送中心出发分别一对一针对各个配送点进行配送;当配送点数量大于配送车辆数量N时,其特征在于,按如下步骤进行配送,其中N≥1;
步骤001.根据配送车辆的数量N,将所有配送点划分为N个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002;
步骤002.针对所有配送区域,判断是否不存在仅包括一个配送点的配送区域,是则进入
步骤003;否则针对仅包括一个配送点的各个配送区域,分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,分别针对对应配送区域中的唯一配送点进行配送,然后进入步骤003;
步骤003.分别针对至少包含两个配送点的各个配送区域,按如下步骤00301至步骤00314,获得配送区域中各个配送点的最优配送路线,即分别获得各个至少包含两个配送点的配送区域中的最优配送路线,然后分别与之相对应的各个配送车辆由配送中心出发,分别前往对应配送区域,并分别按对应配送区域的最优配送路线,针对对应配送区域中的各个配送点进行配送;
步骤00301.初始化l=0,针对配送区域中的所有配送点,根据该配送区域中配送点的数量M,随机获取K组彼此不同、且分别由M个配送点所构成的配送点有序排列组合,然后进入步骤00302,其中,M≥2,K为偶数,且 表示M个配送点所构成所有配送点有序排列组合的总数;
步骤00302.分别针对该K组配送点有序排列组合,获得由配送中心为起始点、沿配送点有序排列组合顺序的路程,即获得该K组配送点有序排列组合分别所对应的路程,接着将该K组配送点有序排列组合分别所对应路程的倒数,分别作为对应配送点有序排列组合的适应度值,即获得该K组配送点有序排列组合分别所对应的适应度值,然后进入步骤00303;
步骤00303.判断l是否等于预设迭代次数L,是则进入步骤00314;否则进入步骤00304;
步骤00304.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,作为初级优选配送点有序排列组合,然后进入步骤00305;
步骤00305.针对该K组配送点有序排列组合,根据其分别所对应的适应度值,采用轮盘赌方法筛选获得K-1组配送点有序排列组合,并与初级优选配送点有序排列组合,更新该K组配送点有序排列组合,然后进入步骤00306;
步骤00306.初始化v=1,并进入步骤00307;
步骤00307.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于预设被选择进行交叉操作的概率阈值Pc,是则进入步骤00308;否则进入步骤00309;其中,被选择进行交叉操作的概率阈值Pc表示该K组配送点有序排列组合中,被选择进行交叉操作的配送点有序排列组合的数目占K的比例;
步骤00308.在该K组配送点有序排列组合,随即选择两组配送点有序排列组合,并针对该两组配送点有序排列组合进行交叉操作,用所获与该两组配送点有序排列组合相对应的两组新配送点有序排列组合,针对该两组配送点有序排列组合进行更新,然后进入步骤00309;
步骤00309.判断v是否等于是则进入步骤00310;否则用v的值加1针对v进行更新,并返回步骤00307;
步骤00310.初始化v=1,并进入步骤00311;
步骤00311.系统随机生成一个0~1之间的随机数,并判断该随机数是否小于等于被选择进行变异操作的概率阈值Pm,是则进入步骤00312;否则进入步骤00313;其中,被选择进行变异操作的概率阈值Pm表示该K组配送点有序排列组合中,被选择进行变异操作的配送点有序排列组合中总元素数目占K组配送点有序排列组合中总元素数目的比例;步骤00312.在该K组配送点有序排列组合中,随即选择一组配送点有序排列组合,针对该配送点有序排列组合进行变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新,然后进入步骤00313;
步骤00313.判断v是否等于K,是则用l的值加1针对l进行更新,再进入步骤00302;否则用v的值加1针对v进行更新,并返回步骤00311;
步骤00314.获得该K组配送点有序排列组合中,最大适应度值所对应的配送点有序排列组合,将其作为所对应配送区域中的最优配送路线。
2.根据权利要求1所述一种面向货品配送的路线规划方法,其特征在于,所述步骤001包括如下步骤:
步骤00101.根据配送车辆的数量N,在所有配送点中随机选择N个配送点,分别作为各个类簇中心,然后进入步骤00102;
步骤00102.分别获得各个类簇中心到配送中心的欧式距离,并按该欧式距离由小至大的顺序,针对各个类簇中心进行排序,获得类簇中心排序,然后进入步骤00103;
步骤00103.初始化i=1,将所有配送点中,除各个类簇中心外的其余各个配送点作为待分配配送点,并获得待分配配送点的总数I,然后进入步骤00104;
步骤00104.获得第i个待分配配送点分别到各个类簇中心的欧式距离,并进入步骤00105;
步骤00105.判断与第i个待分配配送点之间最小欧式距离所对应的类簇中心的个数是否等于1,是则选择该类簇中心,并进入步骤00107;否则进入步骤00106;
步骤00106.针对与第i个待分配配送点之间最小欧式距离所对应的各个类簇中心,选择在类簇中心排序中排在第一位的类簇中心,然后进入步骤00107;
步骤00107.判断该类簇中心所对应类簇中所有配送点所配送货物重量,与第i个待分配配送点所配送货物重量之和是否大于配送车辆的最大载重,是则设置第i个待分配配送点与该类簇中心之间的欧式距离为无穷大,并返回步骤00104;否则将第i个待分配配送点划分至该类簇中心所对应的类簇中,作为该类簇中心所对应类簇中的一个配送点,然后进入步骤00108;
步骤00108.判断i是否等于I,是则进入步骤00109;否则用i的值加1针对i进行更新,并返回步骤00104;
步骤00109.分别针对各个类簇,根据类簇中所包含各个配送点的位置,更新类簇中类簇中心的位置,即针对各个类簇中类簇中心的位置进行更新,然后进入步骤00110;
步骤00110.针对各个类簇,与类簇中原类簇中心位置相比,判断是否存在类簇中心位置变化的类簇,是则返回步骤00102;否则各个类簇分别构成各个配送区域,各个配送车辆分别与各个配送区域建立一一对应关系,然后进入步骤002。
3.根据权利要求2所述一种面向货品配送的路线规划方法,其特征在于,所述步骤00102中,分别获得各个类簇中心到配送中心的欧式距离,以及所述步骤00104中,分别获得各个待分配配送点到第n个类簇中心的欧式距离,均按两配送点之间的欧式距离,采用如下公式进行获得;
式中,pab表示a配送点与b配送点之间的欧式距离,(xa,ya)表示a配送点的坐标,(xb,yb)表示b配送点的坐标。
4.根据权利要求2所述一种面向货品配送的路线规划方法,其特征在于,所述步骤00308中,在该K组配送点有序排列组合,随即选择两组配送点有序排列组合,并针对该两组配送点有序排列组合进行顺序交叉操作,用所获与该两组配送点有序排列组合相对应的两组配送点有序排列组合,针对该两组配送点有序排列组合进行更新。
5.根据权利要求4所述一种面向货品配送的路线规划方法,其特征在于,所述步骤00308中的顺序交叉操作具体包括如下操作:首先由其中一组配送点有序排列组合P1中,随机选取一段排列序列ΔP1,且该段排列序列ΔP1的长度小于该组配送点有序排列组合P1的长度;再由另一组配送点有序排列组合P2中,取出与排列序列ΔP1中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P2中的顺序依次加入至排列序列ΔP1的末尾,构成一组新配送点有序排列组合;
同时,首先由另一组配送点有序排列组合P2中,随机选取一段排列序列ΔP2,且该段排列序列ΔP2的长度小于该组配送点有序排列组合P2的长度;再由其中一组配送点有序排列组合P1中,取出与排列序列ΔP2中元素不相同的其它元素,并将该各个元素按其在配送点有序排列组合P1中的顺序依次加入至排列序列ΔP2的末尾,构成另一组新配送点有序排列组合;
由此获得配送点有序排列组合P1、配送点有序排列组合P2所对应的两组新配送点有序排列组合。
6.根据权利要求2所述一种面向货品配送的路线规划方法,其特征在于,所述步骤00312中的变异操作具体包括如下操作:将该配送点有序排列组合中任意两配送点的位置进行交换实现变异操作,并用变异操作所获配送点有序排列组合针对该配送点有序排列组合进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610170154.4A CN105868843A (zh) | 2016-03-22 | 2016-03-22 | 一种面向货品配送的路线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610170154.4A CN105868843A (zh) | 2016-03-22 | 2016-03-22 | 一种面向货品配送的路线规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105868843A true CN105868843A (zh) | 2016-08-17 |
Family
ID=56624912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610170154.4A Pending CN105868843A (zh) | 2016-03-22 | 2016-03-22 | 一种面向货品配送的路线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868843A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451702A (zh) * | 2017-08-15 | 2017-12-08 | 浪潮软件股份有限公司 | 一种确定配送车的行驶路径的方法及装置 |
CN107607123A (zh) * | 2017-08-25 | 2018-01-19 | 骆剑锋 | 基于多车辆的考虑限载限路程的多目的地的路径规划算法 |
CN107958298A (zh) * | 2016-10-18 | 2018-04-24 | 上海师范大学 | 一种基于聚类算法的物流网点的选取方法 |
WO2018077031A1 (zh) * | 2016-10-24 | 2018-05-03 | 菜鸟智能物流控股有限公司 | 一种资源分配方法和相关装置 |
WO2018090778A1 (zh) * | 2016-11-17 | 2018-05-24 | 北京京东尚科信息技术有限公司 | 用于利用遗传算法对配送路线进行优化的方法和系统 |
CN108830403A (zh) * | 2018-05-23 | 2018-11-16 | 广西中烟工业有限责任公司 | 基于商业价值计算的烟草零售户走访路径可视分析方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
WO2018227859A1 (zh) * | 2017-06-14 | 2018-12-20 | 北京小度信息科技有限公司 | 配送区域划分方法、装置、电子设备及计算机可读存储介质 |
CN109146159A (zh) * | 2018-08-03 | 2019-01-04 | 江苏木盟智能科技有限公司 | 一种机器人的配送方法及服务器 |
CN109299810A (zh) * | 2018-08-08 | 2019-02-01 | 西南交通大学 | 一种货运车辆配载方法 |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN109509069A (zh) * | 2018-11-19 | 2019-03-22 | 金华市剑通网络服务有限公司 | 基于o2o外卖平台的派单方法及服务器 |
CN109583799A (zh) * | 2017-09-28 | 2019-04-05 | 北京三快在线科技有限公司 | 区域划分的方法及装置、电子设备 |
CN110363330A (zh) * | 2019-06-17 | 2019-10-22 | 中国平安财产保险股份有限公司 | 一种路径规划方法、装置、计算机设备及可读存储介质 |
CN111080198A (zh) * | 2019-11-29 | 2020-04-28 | 浙江大搜车软件技术有限公司 | 车辆物流路径生成的方法、装置、计算机设备及存储介质 |
CN111105095A (zh) * | 2019-12-24 | 2020-05-05 | 北京顺丰同城科技有限公司 | 一种配送路线确定方法、装置及电子设备 |
CN111461383A (zh) * | 2019-03-14 | 2020-07-28 | 北京京东尚科信息技术有限公司 | 规划配送路径的方法和装置 |
CN112149921A (zh) * | 2020-10-20 | 2020-12-29 | 国网重庆市电力公司营销服务中心 | 大规模电动物流车路径规划方法及系统、充电规划方法 |
CN112700180A (zh) * | 2019-10-23 | 2021-04-23 | 北京京东振世信息技术有限公司 | 一种拣货方法和拣货装置 |
CN113256002A (zh) * | 2021-05-26 | 2021-08-13 | 贵州省烟草公司贵阳市公司 | 基于差分进化的卷烟配送路径处理方法 |
CN113592122A (zh) * | 2020-04-30 | 2021-11-02 | 北京京东振世信息技术有限公司 | 路线规划的方法和装置 |
CN114004386A (zh) * | 2021-02-24 | 2022-02-01 | 成都知原点科技有限公司 | 一种基于智能算法的虚拟物流中转站选址及配送路径优化方法 |
CN116562598A (zh) * | 2023-07-07 | 2023-08-08 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
CN116797129A (zh) * | 2023-08-28 | 2023-09-22 | 深圳市前海吉运现代物流有限公司 | 一种智慧物流路径规划方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2395461A1 (de) * | 2010-06-08 | 2011-12-14 | Deutsche Post AG | System zur Optimierung von Abhol- und/oder Lieferfahrten |
CN102592207A (zh) * | 2011-12-13 | 2012-07-18 | 常州镕汇物流信息科技有限公司 | 基于无线网络的车载移动物流配货系统 |
CN103400247A (zh) * | 2013-07-11 | 2013-11-20 | 南京工业大学 | 一种物流配送调度优化方法 |
CN104240054A (zh) * | 2014-08-13 | 2014-12-24 | 福州大学 | 基于粒子群的物流车辆调度的实现方法 |
-
2016
- 2016-03-22 CN CN201610170154.4A patent/CN105868843A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2395461A1 (de) * | 2010-06-08 | 2011-12-14 | Deutsche Post AG | System zur Optimierung von Abhol- und/oder Lieferfahrten |
CN102592207A (zh) * | 2011-12-13 | 2012-07-18 | 常州镕汇物流信息科技有限公司 | 基于无线网络的车载移动物流配货系统 |
CN103400247A (zh) * | 2013-07-11 | 2013-11-20 | 南京工业大学 | 一种物流配送调度优化方法 |
CN104240054A (zh) * | 2014-08-13 | 2014-12-24 | 福州大学 | 基于粒子群的物流车辆调度的实现方法 |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958298A (zh) * | 2016-10-18 | 2018-04-24 | 上海师范大学 | 一种基于聚类算法的物流网点的选取方法 |
WO2018077031A1 (zh) * | 2016-10-24 | 2018-05-03 | 菜鸟智能物流控股有限公司 | 一种资源分配方法和相关装置 |
WO2018090778A1 (zh) * | 2016-11-17 | 2018-05-24 | 北京京东尚科信息技术有限公司 | 用于利用遗传算法对配送路线进行优化的方法和系统 |
WO2018227859A1 (zh) * | 2017-06-14 | 2018-12-20 | 北京小度信息科技有限公司 | 配送区域划分方法、装置、电子设备及计算机可读存储介质 |
US20200118075A1 (en) * | 2017-06-14 | 2020-04-16 | Beijing Xiaodu Information Technology Co., Ltd. | Method and apparatus for dividing delivery regions, electronic device, and computer-readable storage medium |
CN107451702A (zh) * | 2017-08-15 | 2017-12-08 | 浪潮软件股份有限公司 | 一种确定配送车的行驶路径的方法及装置 |
CN107607123B (zh) * | 2017-08-25 | 2019-04-16 | 骆剑锋 | 基于多车辆的考虑限载限路程的多目的地的路径规划方法 |
CN107607123A (zh) * | 2017-08-25 | 2018-01-19 | 骆剑锋 | 基于多车辆的考虑限载限路程的多目的地的路径规划算法 |
CN109583799B (zh) * | 2017-09-28 | 2021-07-30 | 北京三快在线科技有限公司 | 区域划分的方法及装置、电子设备 |
CN109583799A (zh) * | 2017-09-28 | 2019-04-05 | 北京三快在线科技有限公司 | 区域划分的方法及装置、电子设备 |
CN108830403A (zh) * | 2018-05-23 | 2018-11-16 | 广西中烟工业有限责任公司 | 基于商业价值计算的烟草零售户走访路径可视分析方法 |
CN108830403B (zh) * | 2018-05-23 | 2022-03-22 | 广西中烟工业有限责任公司 | 基于商业价值计算的烟草零售户走访路径可视分析方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
CN109146159B (zh) * | 2018-08-03 | 2021-11-30 | 江苏木盟智能科技有限公司 | 一种机器人的配送方法及服务器 |
CN109146159A (zh) * | 2018-08-03 | 2019-01-04 | 江苏木盟智能科技有限公司 | 一种机器人的配送方法及服务器 |
CN109299810A (zh) * | 2018-08-08 | 2019-02-01 | 西南交通大学 | 一种货运车辆配载方法 |
CN109492895A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 更换电动车电池的方法、系统、服务器和存储介质 |
CN109509069A (zh) * | 2018-11-19 | 2019-03-22 | 金华市剑通网络服务有限公司 | 基于o2o外卖平台的派单方法及服务器 |
CN111461383A (zh) * | 2019-03-14 | 2020-07-28 | 北京京东尚科信息技术有限公司 | 规划配送路径的方法和装置 |
CN110363330A (zh) * | 2019-06-17 | 2019-10-22 | 中国平安财产保险股份有限公司 | 一种路径规划方法、装置、计算机设备及可读存储介质 |
CN112700180B (zh) * | 2019-10-23 | 2024-07-16 | 北京京东振世信息技术有限公司 | 一种拣货方法和拣货装置 |
CN112700180A (zh) * | 2019-10-23 | 2021-04-23 | 北京京东振世信息技术有限公司 | 一种拣货方法和拣货装置 |
CN111080198A (zh) * | 2019-11-29 | 2020-04-28 | 浙江大搜车软件技术有限公司 | 车辆物流路径生成的方法、装置、计算机设备及存储介质 |
CN111080198B (zh) * | 2019-11-29 | 2023-06-09 | 浙江大搜车软件技术有限公司 | 车辆物流路径生成的方法、装置、计算机设备及存储介质 |
CN111105095A (zh) * | 2019-12-24 | 2020-05-05 | 北京顺丰同城科技有限公司 | 一种配送路线确定方法、装置及电子设备 |
CN113592122B (zh) * | 2020-04-30 | 2023-09-05 | 北京京东振世信息技术有限公司 | 路线规划的方法和装置 |
CN113592122A (zh) * | 2020-04-30 | 2021-11-02 | 北京京东振世信息技术有限公司 | 路线规划的方法和装置 |
CN112149921B (zh) * | 2020-10-20 | 2024-04-19 | 国网重庆市电力公司营销服务中心 | 大规模电动物流车路径规划方法及系统、充电规划方法 |
CN112149921A (zh) * | 2020-10-20 | 2020-12-29 | 国网重庆市电力公司营销服务中心 | 大规模电动物流车路径规划方法及系统、充电规划方法 |
CN114004386A (zh) * | 2021-02-24 | 2022-02-01 | 成都知原点科技有限公司 | 一种基于智能算法的虚拟物流中转站选址及配送路径优化方法 |
CN113256002A (zh) * | 2021-05-26 | 2021-08-13 | 贵州省烟草公司贵阳市公司 | 基于差分进化的卷烟配送路径处理方法 |
CN116562598A (zh) * | 2023-07-07 | 2023-08-08 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
CN116562598B (zh) * | 2023-07-07 | 2023-09-19 | 成都花娃网络科技有限公司 | 一种分销调度方法、装置及存储介质 |
CN116797129A (zh) * | 2023-08-28 | 2023-09-22 | 深圳市前海吉运现代物流有限公司 | 一种智慧物流路径规划方法及系统 |
CN116797129B (zh) * | 2023-08-28 | 2024-04-02 | 深圳市前海吉运现代物流有限公司 | 一种智慧物流路径规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868843A (zh) | 一种面向货品配送的路线规划方法 | |
Li et al. | An improved ant colony optimization algorithm for the multi-depot green vehicle routing problem with multiple objectives | |
Chobar et al. | Multi-objective hub-spoke network design of perishable tourism products using combination machine learning and meta-heuristic algorithms | |
Uchoa et al. | New benchmark instances for the capacitated vehicle routing problem | |
CN108921483A (zh) | 一种物流路径规划方法、装置及司机排班调度方法、装置 | |
CN109961162A (zh) | 路径规划方法和路径规划装置 | |
CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
CN101673382A (zh) | 一种农资连锁经营物流配送配载组合优化方法 | |
Zhang et al. | Multi-objective optimization for the vehicle routing problem with outsourcing and profit balancing | |
Wang et al. | Carbon reduction in the location routing problem with heterogeneous fleet, simultaneous pickup-delivery and time windows | |
CN105096006A (zh) | 一种智能电能表的配送车辆路径优化方法 | |
CN102136104A (zh) | 基于负载均衡和lk算法的车辆路径规划方法 | |
CN101464966A (zh) | 基于遗传算法的飞机航班规划方法 | |
CN109559062A (zh) | 一种合作式物流问题的任务分配与路径规划方法 | |
CN114626718A (zh) | 一种基于订单资源共享和农机资源共用的农机调度方法 | |
CN106203895A (zh) | 一种物流虚拟运行仿真系统 | |
Simsir et al. | A metaheuristic solution approach to capacitied vehicle routing and network optimization | |
CN114897307A (zh) | 一种基于合作的物流集配网络联盟优化方法 | |
Nurprihatin et al. | Optimizing rice distribution routes in Indonesia using a two-step linear programming considering logistics costs | |
Wang et al. | Design and Profit Allocation in Two‐Echelon Heterogeneous Cooperative Logistics Network Optimization | |
Sakhri et al. | A memetic algorithm for the inventory routing problem | |
Hou et al. | A hybrid metaheuristic algorithm for the heterogeneous school bus routing problem and a real case study | |
Dao et al. | Optimisation of resource scheduling in VCIM systems using genetic algorithm | |
Wang et al. | Competitive decision algorithm for the split vehicle routing problem with simultaneous pickup and delivery and time windows | |
Coltorti et al. | Ant colony optimization for real-world vehicle routing problems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |
|
RJ01 | Rejection of invention patent application after publication |