CN107203865A - 一种订单的分配方法和装置 - Google Patents
一种订单的分配方法和装置 Download PDFInfo
- Publication number
- CN107203865A CN107203865A CN201710453028.4A CN201710453028A CN107203865A CN 107203865 A CN107203865 A CN 107203865A CN 201710453028 A CN201710453028 A CN 201710453028A CN 107203865 A CN107203865 A CN 107203865A
- Authority
- CN
- China
- Prior art keywords
- order
- annealing
- chain
- state matrix
- analog memory
- 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 36
- 238000009826 distribution Methods 0.000 title claims abstract description 15
- 238000000137 annealing Methods 0.000 claims abstract description 201
- 239000011159 matrix material Substances 0.000 claims abstract description 110
- 230000015654 memory Effects 0.000 claims abstract description 92
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000002922 simulated annealing Methods 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000006399 behavior Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000005194 fractionation Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
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
本申请提供了一种订单的分配方法和装置，本发明中计算得到代表车辆与订单捆的映射关系的稀疏状态矩阵后，采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵。并行模拟退火算法相比与串行模拟退火算法，会缩短订单分配时间。
Description
技术领域
本发明涉及物流路径规划领域，更具体的说，涉及一种订单的分配方法和装置。
背景技术
物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。
其中，在配送之前，需要将订单进行分配，以使订单对应的物品能够装载到不同的车辆上，并进行配送。具体的，将订单进行分配的过程为：计算车辆与订单分配的映射关系，采用串行模拟退火算法优化车辆与订单分配的映射关系，但由于串行模拟退火算法是建立在随机搜寻方法的基础上，需要进行多次计算，才能够得到一个较优的订单分配结果，会造成订单分配时间较长。
因此，亟需一种能够减少订单分配时间的方法。
发明内容
有鉴于此，本发明提供一种订单的分配方法和装置，以解决现有技术中订单分配时间较长的问题。
为解决上述技术问题，本发明采用了如下技术方案：
一种订单的分配方法，包括：
获取待处理的多个原始订单；
根据所述原始订单的订单内容中的物品体积信息，对多个所述原始订单进行拆分操作，得到多个子订单；其中，每个所述子订单对应的物品的体积小于一个车辆的承载量；
根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆；其中，所述订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量；
将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵；
采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵；
输出所述调整后的稀疏状态矩阵。
优选地，根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆，包括：
将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
优选地，将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵，包括：
为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆；
为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
优选地，采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵，包括：
选取多条串行模拟退火链；
将每条所述串行模拟退火链对所述稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
将每条所述串行模拟退火链随机选取的退火结果执行退火所述指定步数后得到的新的退火结果替换所述状态仓库中保存的对应的订单分配路程最长的一个退火结果；
判断是否存在符合预设规则的一条所述串行模拟退火链，所述预设规则为所述串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为所述串行模拟退火链随机选取的退火结果对应的订单分配路程、且为所述串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除所述串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程；
当判断出不存在符合预设规则的一条所述串行模拟退火链，返回从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
当判断出存在符合预设规则的一条所述串行模拟退火链，将为符合预设规则的串行模拟退火链随机选取的退火结果作为所述调整后的稀疏状态矩阵。
优选地，所述采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵后，还包括：
采用贪心算法修改所述调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，输出所述调整后的稀疏状态矩阵，包括：
输出所述修改后的稀疏状态矩阵。
一种订单的分配装置，包括：
获取单元，用于获取待处理的多个原始订单；
订单处理单元，用于根据所述原始订单的订单内容中的物品体积信息，对多个所述原始订单进行拆分操作，得到多个子订单；其中，每个所述子订单对应的物品的体积小于一个车辆的承载量；
订单捆生成单元，用于根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆；其中，所述订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量；
矩阵生成单元，用于将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵；
退火单元，用于采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵；
输出单元，用于输出所述调整后的稀疏状态矩阵。
优选地，所述订单捆生成单元包括：
订单集合生成单元，用于将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
生成订单捆单元，用于将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
优选地，所述矩阵生成单元包括：
车辆分配单元，用于为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
划分单元，用于采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆；
处理单元，用于为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
优选地，所述退火单元包括：
第一选取单元，用于选取多条串行模拟退火链；
第一退火单元，用于将每条所述串行模拟退火链对所述稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
第二选取单元，用于从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
第二退火单元，用于将每条所述串行模拟退火链随机选取的退火结果执行退火所述指定步数后得到的新的退火结果替换所述状态仓库中保存的对应的订单分配路程最长的一个退火结果；
判断单元，用于判断是否存在符合预设规则的一条所述串行模拟退火链，所述预设规则为所述串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为所述串行模拟退火链随机选取的退火结果对应的订单分配路程、且为所述串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除所述串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程；
指定单元，用于当所述判断单元判断出存在符合预设规则的一条所述串行模拟退火链，将为符合预设规则的串行模拟退火链随机选取的退火结果作为所述调整后的稀疏状态矩阵；
所述第二选取单元，还用于所述判断单元判断出不存在符合预设规则的一条所述串行模拟退火链，从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果。
优选地，还包括：
修改单元，用于所述退火单元采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵后，采用贪心算法修改所述调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，所述输出单元用于输出所述调整后的稀疏状态矩阵时，具体用于：
输出所述修改后的稀疏状态矩阵。
相较于现有技术，本发明具有以下有益效果：
本发明提供了一种订单的分配方法和装置，本发明中计算得到代表车辆与订单捆的映射关系的稀疏状态矩阵后，采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵。并行模拟退火算法相比与串行模拟退火算法，会缩短订单分配时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种订单的分配方法的方法流程图；
图2为本发明提供的另一种订单的分配方法的方法流程图；
图3为本发明提供的再一种订单的分配方法的方法流程图；
图4为本发明提供的一种订单的分配装置的结构示意图；
图5为本发明提供的另一种订单的分配装置的结构示意图；
图6为本发明提供的再一种订单的分配装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种订单的分配方法，参照图1，包括：
S101、获取待处理的多个原始订单；
其中，原始订单为最初的由始发地发往目的地的订单，其中，每个原始订单对应的物品的体积可能大于一个车辆的承载量，也可能小于一个车辆的承载量。
S102、根据所述原始订单的订单内容中的物品体积信息，对多个所述原始订单进行拆分操作，得到多个子订单。
其中，每个所述子订单对应的物品的体积小于一个车辆的承载量。当原始订单对应的物品的体积大于一个车辆的承载量，此时就需要对该原始订单进行拆分操作。
对多个原始订单进行拆分操作，得到多个子订单，是指将多个原始订单进行拆分，得到多个拆分子订单，将供应商信息相同、工厂信息相同、且能够装满一辆车的至少一个拆分子订单对应的物品装载在一辆车上。剩下的供应商信息相同、工厂信息相同、但不能够装满一辆车的拆分子订单即为子订单。
S103、根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆；
其中，所述订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量。供应商信息是指原始订单的始发地信息，工厂信息是指原始订单的目的地信息。
根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆，包括：：
将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
具体的，一个车辆的承载量是固定的，若一个订单集合中包含的全部子订单对应的物品的体积和是否小于一个车辆的承载量，则该订单集合为一个订单捆。
S104、将全部订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
本发明实施例中的目的是将原始订单分配给车辆，进而车辆能够装载订单对应的物品，并从始发地运送到目的地。
因此，需要将全部订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。其中，稀疏状态矩阵中包含的是每个订单捆放置在哪辆车的一个映射关系。其中，订单捆的表示形式可以是订单捆的订单编号。
S105、采用并行模拟退火算法，调整稀疏状态矩阵，得到调整后的稀疏状态矩阵。
并行模拟退火算法为多个串行模拟退火算法同时执行退火。
模拟退火(Simulated Annealing，简称SA)是一种通用概率算法，用来在一个大的搜寻空间内找寻命题的最优解。“模拟退火”算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。
S106、输出调整后的稀疏状态矩阵。
其中，调整后的稀疏状态矩阵就为本发明实施例最终提供的最优的车辆与订单捆的映射关系。该映射关系对应的所有的车辆的总行驶路程最短。
可选的，本发明的另一实施例中，步骤S105后，还包括：
采用贪心算法修改调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，步骤S106包括：
输出修改后的稀疏状态矩阵。
贪心算法(又称贪婪算法)是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。使用贪心算法进一步合并和减少车辆，进而能够所有车辆的总行驶里程更短。
本实施例提供了一种订单的分配方法，本实施例中计算得到代表车辆与订单捆的映射关系的稀疏状态矩阵后，采用并行模拟退火算法，调整稀疏状态矩阵，得到调整后的稀疏状态矩阵。并行模拟退火算法相比与串行模拟退火算法，会缩短订单分配时间。
可选的，本发明的另一实施例中，参照图2，步骤S104包括：
S201、为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
其中，预设数值为车辆的承载量的0.55倍。
S202、采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆。
聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。
将对应的物品的体积小于预设数值的每个订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆，是指：
即按照供应商所在地，将对应的物品的体积小于预设数值的每个订单捆划分为多批订单捆。每一批订单捆对应的供应商所在地属于同一个区域。
举例来说，假设对应的物品的体积小于预设数值的订单捆的数量为十个，十个订单捆中有两个订单捆对应的供应商所在地属于第一区域，四个订单捆对应的供应商所在地属于第二区域，两个订单捆对应的供应商所在地属于第三区域，则将十个订单捆分为三批，即得到三批订单捆。
S203、为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
为每一批订单捆中的每个订单捆排序，即为将每一批订单捆中的每个订单捆的序号从一开始往后排。
为每一批订单捆中的每个订单捆依次分配车辆，包括：
按照每一批订单捆中的订单捆的顺序，将订单对应的物品装入一个车辆中，第一个车辆装满后，装入第二个车辆中，直至所有的订单捆对应的物品均装入车辆为止。
为每个订单捆均分配了车辆后，就得到了代表车辆与订单捆的映射关系的稀疏状态矩阵。
本实施例中，为对应的物品的体积不小于预设数值的每个订单捆分别分配一个车辆后，采用聚类算法为对应的物品的体积小于预设数值的每个订单捆分别分配车辆，进而能够得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
可选的，本发明的另一实施例中，参照图3，步骤S105包括：
S301、选取多条串行模拟退火链；
其中，选取多条串行模拟退火链是为了使多条串行模拟退火链同时执行退火操作，即达到并行模拟退火的目的。
S302、将每条串行模拟退火链对稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
具体的，串行模拟退火链对稀疏状态矩阵执行退火指定步数，得到一个退火结果，多条串行模拟退火链就得到多个退火结果，将退火结果保存在状态仓库中。
需要说明的是，退火结果也为一个稀疏状态矩阵。其中，指定步数可以是150步。
S303、从状态仓库中为每条串行模拟退火链随机选取一个退火结果；
每条串行模拟退火链执行一次退火指定步数后，还需要执行下一个退火指定步数，此时，从状态仓库中为每条串行模拟退火链随机选取一个退火结果。其中，随机选取可以采用吉布斯gibbs抽样方法。采用随机选取的方法能够增加随机性。
S304、将每条串行模拟退火链随机选取的退火结果执行退火指定步数后得到的新的退火结果替换状态仓库中保存的对应的订单分配路程最长的一个退火结果；
具体的，串行模拟退火链随机选取的退火结果执行退火指定步数后，会得到一个新的退火结果，将新的退火结果替换了状态仓库中保存的对应的订单分配路程最长的一个退火结果，进而使状态仓库中保存的退火结果更优。
S305、判断是否存在符合预设规则的一条串行模拟退火链；
其中，预设规则为串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为串行模拟退火链随机选取的退火结果对应的订单分配路程、且为串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程。
需要说明的是，本实施例中，订单分配路程为最短的订单分配路程。最短的订单分配路程是通过路径规划算法计算得到的。
若一条串行模拟退火链满足预设规则，说明为该条串行模拟退火链随机选取的退火结果为最优的退火结果。此时执行步骤S306，若不存在符合预设规则的一条串行模拟退火链，则返回步骤S303。
S306、将为符合预设规则的串行模拟退火链随机选取的退火结果作为调整后的稀疏状态矩阵。
本实施例中，通过并行模拟退火算法调整稀疏状态矩阵，得到调整后的稀疏状态矩阵，能够缩短订单分配时间。
可选的，本发明的另一实施例中提供了一种订单的分配装置，参照图4，包括：
获取单元101，用于获取待处理的多个原始订单；
订单处理单元102，用于根据原始订单的订单内容中的物品体积信息，对多个原始订单进行拆分操作，得到多个子订单；其中，每个子订单对应的物品的体积小于一个车辆的承载量；
订单捆生成单元103，用于根据子订单的订单内容中的供应商信息和工厂信息，将多个子订单进行组合，得到至少一个订单捆，其中，订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量；
矩阵生成单元104，用于将全部订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵；
退火单元105，用于采用并行模拟退火算法，调整稀疏状态矩阵，得到调整后的稀疏状态矩阵；
输出单元106，用于输出调整后的稀疏状态矩阵。
可选的，本发明的另一实施例中，订单捆生成单元103包括：
订单集合生成单元，用于将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
生成订单捆单元，用于将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
可选的，本发明的另一实施例中，还包括：
修改单元，用于退火单元105采用并行模拟退火算法，调整稀疏状态矩阵，得到调整后的稀疏状态矩阵后，采用贪心算法修改调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，输出单元106用于输出调整后的稀疏状态矩阵时，具体用于：
输出修改后的稀疏状态矩阵。
本实施例提供了一种订单的分配装置，本实施例中计算得到代表车辆与订单捆的映射关系的稀疏状态矩阵后，采用并行模拟退火算法，调整稀疏状态矩阵，得到调整后的稀疏状态矩阵。并行模拟退火算法相比与串行模拟退火算法，会缩短订单分配时间。
需要说明的是，本实施例中的各个单元的工作过程，请参照图1对应的实施例中的内容，在此不再赘述。
可选的，本发明的另一实施例中，参照图5，矩阵生成单元104包括：
车辆分配单元1041，用于为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
划分单元1042，用于采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆；
处理单元1043，用于为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
本实施例中，为对应的物品的体积不小于预设数值的每个订单捆分别分配一个车辆后，采用聚类算法为对应的物品的体积小于预设数值的每个订单捆分别分配车辆，进而能够得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
需要说明的是，本实施例中的各个单元的工作过程，请参照图2对应的实施例中的内容，在此不再赘述。
可选的，本发明的另一实施例中，参照图6，退火单元105包括：
第一选取单元1051，用于选取多条串行模拟退火链；
第一退火单元1052，用于将每条串行模拟退火链对稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
第二选取单元1053，用于从状态仓库中为每条串行模拟退火链随机选取一个退火结果；
第二退火单元1054，用于将每条串行模拟退火链随机选取的退火结果执行退火指定步数后得到的新的退火结果替换状态仓库中保存的对应的订单分配路程最长的一个退火结果；
判断单元1055，用于判断是否存在符合预设规则的一条串行模拟退火链，预设规则为串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为串行模拟退火链随机选取的退火结果对应的订单分配路程、且为串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程；
指定单元1056，用于当判断单元1055判断出存在符合预设规则的一条串行模拟退火链，将为符合预设规则的串行模拟退火链随机选取的退火结果作为调整后的稀疏状态矩阵。
第二选取单元1053，还用于判断单元1055判断出不存在符合预设规则的一条串行模拟退火链，从状态仓库中为每条串行模拟退火链随机选取一个退火结果。
本实施例中，通过并行模拟退火算法调整稀疏状态矩阵，得到调整后的稀疏状态矩阵，能够缩短订单分配时间。
需要说明的是，本实施例中的各个单元的工作过程，请参照图3对应的实施例中的内容，在此不再赘述。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种订单的分配方法，其特征在于，包括：
获取待处理的多个原始订单；
根据所述原始订单的订单内容中的物品体积信息，对多个所述原始订单进行拆分操作，得到多个子订单；其中，每个所述子订单对应的物品的体积小于一个车辆的承载量；
根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆；其中，所述订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量；
将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵；
采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵；
输出所述调整后的稀疏状态矩阵。
2.根据权利要求1所述的方法，其特征在于，根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆，包括：
将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
3.根据权利要求1所述的方法，其特征在于，将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵，包括：
为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆；
为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
4.根据权利要求1所述的方法，其特征在于，采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵，包括：
选取多条串行模拟退火链；
将每条所述串行模拟退火链对所述稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
将每条所述串行模拟退火链随机选取的退火结果执行退火所述指定步数后得到的新的退火结果替换所述状态仓库中保存的对应的订单分配路程最长的一个退火结果；
判断是否存在符合预设规则的一条所述串行模拟退火链，所述预设规则为所述串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为所述串行模拟退火链随机选取的退火结果对应的订单分配路程、且为所述串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除所述串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程；
当判断出不存在符合预设规则的一条所述串行模拟退火链，返回从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
当判断出存在符合预设规则的一条所述串行模拟退火链，将为符合预设规则的串行模拟退火链随机选取的退火结果作为所述调整后的稀疏状态矩阵。
5.根据权利要求1所述的方法，其特征在于，所述采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵后，还包括：
采用贪心算法修改所述调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，输出所述调整后的稀疏状态矩阵，包括：
输出所述修改后的稀疏状态矩阵。
6.一种订单的分配装置，其特征在于，包括：
获取单元，用于获取待处理的多个原始订单；
订单处理单元，用于根据所述原始订单的订单内容中的物品体积信息，对多个所述原始订单进行拆分操作，得到多个子订单；其中，每个所述子订单对应的物品的体积小于一个车辆的承载量；
订单捆生成单元，用于根据子订单的订单内容中的供应商信息和工厂信息，将多个所述子订单进行组合，得到至少一个订单捆；其中，所述订单捆中包含的全部子订单对应的物品的体积和小于一个车辆的承载量；
矩阵生成单元，用于将全部所述订单捆分配给至少一个车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵；
退火单元，用于采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵；
输出单元，用于输出所述调整后的稀疏状态矩阵。
7.根据权利要求6所述的装置，其特征在于，所述订单捆生成单元包括：
订单集合生成单元，用于将供应商信息相同且工厂信息相同的子订单组成一个订单集合，得到至少一个订单集合；
生成订单捆单元，用于将包含的全部子订单对应的物品的体积和小于一个车辆的承载量的订单集合作为一个订单捆，得到至少一个订单捆。
8.根据权利要求6所述的装置，其特征在于，所述矩阵生成单元包括：
车辆分配单元，用于为包含的全部子订单对应的物品的体积和不小于预设数值的每个订单捆分别分配一个车辆；
划分单元，用于采用聚类算法，将包含的全部子订单对应的物品的体积和小于预设数值的全部订单捆按照订单捆的供应商信息中的供应商所在地划分为至少一批订单捆；
处理单元，用于为每一批订单捆中的每个订单捆排序，并为每一批订单捆中的每个订单捆依次分配车辆，得到代表车辆与订单捆的映射关系的稀疏状态矩阵。
9.根据权利要求6所述的装置，其特征在于，所述退火单元包括：
第一选取单元，用于选取多条串行模拟退火链；
第一退火单元，用于将每条所述串行模拟退火链对所述稀疏状态矩阵执行退火指定步数后得到的退火结果保存在状态仓库中；
第二选取单元，用于从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果；
第二退火单元，用于将每条所述串行模拟退火链随机选取的退火结果执行退火所述指定步数后得到的新的退火结果替换所述状态仓库中保存的对应的订单分配路程最长的一个退火结果；
判断单元，用于判断是否存在符合预设规则的一条所述串行模拟退火链，所述预设规则为所述串行模拟退火链对随机选取的退火结果在执行退火过程中得到的每个退火子结果对应的订单分配路程均大于为所述串行模拟退火链随机选取的退火结果对应的订单分配路程、且为所述串行模拟退火链随机选取的退火结果对应的订单分配路程均小于为除所述串行模拟退火链之外的其他串行模拟退火链随机选取的退火结果对应的订单分配路程；
指定单元，用于当所述判断单元判断出存在符合预设规则的一条所述串行模拟退火链，将为符合预设规则的串行模拟退火链随机选取的退火结果作为所述调整后的稀疏状态矩阵；
所述第二选取单元，还用于所述判断单元判断出不存在符合预设规则的一条所述串行模拟退火链，从所述状态仓库中为每条所述串行模拟退火链随机选取一个退火结果。
10.根据权利要求6所述的装置，其特征在于，还包括：
修改单元，用于所述退火单元采用并行模拟退火算法，调整所述稀疏状态矩阵，得到调整后的稀疏状态矩阵后，采用贪心算法修改所述调整后的稀疏状态矩阵，得到修改后的稀疏状态矩阵；
相应的，所述输出单元用于输出所述调整后的稀疏状态矩阵时，具体用于：
输出所述修改后的稀疏状态矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710453028.4A CN107203865B (zh) | 2017-06-15 | 2017-06-15 | 一种订单的分配方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710453028.4A CN107203865B (zh) | 2017-06-15 | 2017-06-15 | 一种订单的分配方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107203865A true CN107203865A (zh) | 2017-09-26 |
| CN107203865B CN107203865B (zh) | 2020-09-15 |
Family
ID=59907441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710453028.4A Active CN107203865B (zh) | 2017-06-15 | 2017-06-15 | 一种订单的分配方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107203865B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961136A (zh) * | 2018-09-18 | 2018-12-07 | 广东省农业科学院农业经济与农村发展研究所 | 一种农产品全程供应链物流平台 |
| CN109948874A (zh) * | 2017-12-21 | 2019-06-28 | 北京嘀嘀无限科技发展有限公司 | 拼车订单分配方法及系统 |
| CN110390409A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 配送方案的确定方法、装置以及计算机可读存储介质 |
| CN111681081A (zh) * | 2020-06-08 | 2020-09-18 | 上海汽车集团股份有限公司 | 交互式产品配置方法及系统、计算机可读存储介质、终端 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203070355U (zh) * | 2013-02-19 | 2013-07-17 | 天津滨海中远集装箱物流有限公司 | 一种物流配货调度系统 |
| CN106156961A (zh) * | 2016-09-30 | 2016-11-23 | 杭州数梦工场科技有限公司 | 一种车辆调度方法和装置 |
| CN106485448A (zh) * | 2016-10-10 | 2017-03-08 | 合肥红珊瑚软件服务有限公司 | 一种连锁超市商品配送管理系统 |
-
2017
- 2017-06-15 CN CN201710453028.4A patent/CN107203865B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203070355U (zh) * | 2013-02-19 | 2013-07-17 | 天津滨海中远集装箱物流有限公司 | 一种物流配货调度系统 |
| CN106156961A (zh) * | 2016-09-30 | 2016-11-23 | 杭州数梦工场科技有限公司 | 一种车辆调度方法和装置 |
| CN106485448A (zh) * | 2016-10-10 | 2017-03-08 | 合肥红珊瑚软件服务有限公司 | 一种连锁超市商品配送管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 安龙龙: "《中国优秀硕士学位论文全文数据库•信息科技辑》", 30 May 2015 * |
| 贾定芳: "《中国优秀硕士学位论文全文数据库•经济与管理科学辑》", 30 April 2017 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948874A (zh) * | 2017-12-21 | 2019-06-28 | 北京嘀嘀无限科技发展有限公司 | 拼车订单分配方法及系统 |
| CN110390409A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 配送方案的确定方法、装置以及计算机可读存储介质 |
| CN108961136A (zh) * | 2018-09-18 | 2018-12-07 | 广东省农业科学院农业经济与农村发展研究所 | 一种农产品全程供应链物流平台 |
| CN111681081A (zh) * | 2020-06-08 | 2020-09-18 | 上海汽车集团股份有限公司 | 交互式产品配置方法及系统、计算机可读存储介质、终端 |
| CN111681081B (zh) * | 2020-06-08 | 2023-08-01 | 上海汽车集团股份有限公司 | 交互式产品配置方法及系统、计算机可读存储介质、终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107203865B (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107203865A (zh) | 一种订单的分配方法和装置 | |
| Defryn et al. | A fast two-level variable neighborhood search for the clustered vehicle routing problem | |
| Uchoa et al. | New benchmark instances for the capacitated vehicle routing problem | |
| CN110111048B (zh) | 仓储系统中的订单任务调度方法 | |
| Frizzell et al. | The split delivery vehicle scheduling problem with time windows and grid network distances | |
| CN103514243B (zh) | 时空数据管理系统和时空数据管理方法 | |
| CN106372838A (zh) | 一种基于背包算法的库存分拣方法 | |
| US6576857B1 (en) | Method of optimizing a mail sorting process | |
| CN105427065A (zh) | 商品对象出库信息处理方法及装置 | |
| CN106447186B (zh) | 一种智能仓储中运输设备任务分配的方法及装置 | |
| CN109447311A (zh) | 基于遗传算法的适配装箱方法、装置、设备和存储介质 | |
| CN108197873A (zh) | 仓库商品拣货方法、装置、计算机设备及存储介质 | |
| CN107108123A (zh) | 出货单分配装置 | |
| US5471408A (en) | Method for optimizing resource allocation and an apparatus using the method | |
| CN109191052B (zh) | 一种多车型车辆路径优化方法、服务器及系统 | |
| CN108712988A (zh) | 仓库管理系统以及仓库管理方法 | |
| US20240193544A1 (en) | Goods sorting method and device, warehouse system, and storage medium | |
| CN106951425A (zh) | 一种映射方法和设备 | |
| CN103914565A (zh) | 一种向数据库插入数据的方法及装置 | |
| CN108415912A (zh) | 基于MapReduce模型的数据处理方法和设备 | |
| 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 | |
| Guo et al. | Storage assignment for newly arrived items in forward picking areas with limited open locations | |
| CN113330471A (zh) | 通信服务器装置及其操作方法 | |
| CN113343632B (zh) | 一种考虑进位链和位置约束的异质型布局合法化方法 | |
| JP2005501716A (ja) | 配送順序ソート方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210107 Address after: No. 203, Shanghai Songjiang Road, No. 201563, Pudong New Area Patentee after: SAIC MOTOR Corp.,Ltd. Address before: 201203 Room 509, Building No. 1, 563 Songtao Road, Zhangjiang High-tech Park, Pudong New Area, Shanghai Patentee before: SAIC Motor Corp.,Ltd. |