CN108564211A - 物流运输路径规划方法及系统 - Google Patents

物流运输路径规划方法及系统 Download PDF

Info

Publication number
CN108564211A
CN108564211A CN201810311802.2A CN201810311802A CN108564211A CN 108564211 A CN108564211 A CN 108564211A CN 201810311802 A CN201810311802 A CN 201810311802A CN 108564211 A CN108564211 A CN 108564211A
Authority
CN
China
Prior art keywords
phylogenetic group
path planning
out path
total
total goods
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
CN201810311802.2A
Other languages
English (en)
Other versions
CN108564211B (zh
Inventor
闵嘉宁
金成�
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.)
Wuxi Taihu University
Original Assignee
Wuxi Taihu University
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 Wuxi Taihu University filed Critical Wuxi Taihu University
Priority to CN201810311802.2A priority Critical patent/CN108564211B/zh
Publication of CN108564211A publication Critical patent/CN108564211A/zh
Application granted granted Critical
Publication of CN108564211B publication Critical patent/CN108564211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/083—Shipping
    • 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

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

本发明公开了一种物流运输路径规划方法及系统，该方法包括步骤S1～S11，其中，步骤S1为获取配送任务中未进行路径规划的货物的配送地理位置，确定当前所需车辆的数量N；步骤S2中对当前未进行路径规划的货物进行第一聚类分组；步骤S3中计算各聚类组的总货物重量；步骤S4中对总货物重量在[aM，M]的聚类组进行路径规划；步骤S5为判断是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤S6；步骤S6为判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤S7，若否，执行步骤S8；步骤S7为对当前只剩余的一个未进行路径规划的聚类组进行路径规划。本发明可以减少运算耗时。

Description

物流运输路径规划方法及系统
技术领域
本发明涉及物流运输管理技术领域，具体涉及一种物流运输路径规划方法及系统。
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。
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。
然而，目前物流配送车辆路径问题的求解所采用的技术大多是启发式方法，为了寻找最优解，需要反复迭代，或者多次求解进行比较寻优，耗时较多。
发明内容
本发明的目的在于提供一种物流运输路径规划方法及系统，可以减少运算耗时。
为实现上述目的，本发明的技术方案提供了一种物流运输路径规划方法，包括：
步骤S1：获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
步骤S2：根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
步骤S3：计算所述N个聚类组中每一个聚类组的总货物重量；
步骤S4：对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1；
步骤S5：判断当前是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤S6；
步骤S6：判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤S7，若否，执行步骤S8；
步骤S7：对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
步骤S8：判断是否存在总货物重量大于等于2M的聚类组，若存在，执行步骤S9，若不存在，执行步骤S10；
步骤S9：对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划，执行步骤S10；
步骤S10：判断是否存在总货物重量在(M，2M)的聚类组，若存在，执行步骤S11，若不存在，重复执行步骤S1；
步骤S11：根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划，当满足当前只剩余的一个未进行路径规划的聚类组的条件时，执行步骤S7，当满足当前不存在总货物重量在(M，2M)的聚类组或者当前不存在总货物重量小于aM的聚类组的条件时，重复执行步骤S1。
进一步地，在步骤S2中，采用最大最小距离聚类的方法进行所述第一聚类分组。
进一步地，在步骤S9中，采用最大最小距离聚类的方法进行所述第二聚类分组。
进一步地，0.85≤a≤1。
为实现上述目的，本发明的技术方案还提供了一种物流运输路径规划系统，包括：
获取模块，用于获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
第一处理模块，用于根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
计算模块，用于计算所述N个聚类组中每一个聚类组的总货物重量；
第二处理模块，用于对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1；
第一判断模块，用于判断当前是否存在未进行路径规划的聚类组；
第二判断模块，用于判断当前是否只剩余一个未进行路径规划的聚类组；
第三处理模块，用于对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
第三判断模块，用于判断是否存在总货物重量大于等于2M的聚类组；
第四处理模块，用于对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划；
第四判断模块，用于判断是否存在总货物重量在(M，2M)的聚类组；
第五处理模块，用于根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划。
进一步地，所述第一处理模块采用最大最小距离聚类的方法进行所述第一聚类分组。
进一步地，所述第四处理模块采用最大最小距离聚类的方法进行所述第二聚类分组。
进一步地，0.85≤a≤1。
本发明提供的物流运输路径规划方法，可以充分利用运输车辆的容量，通过路径优化，不但能够降低运输成本、降低排放，还可以减少运算耗时，有效节省运算时间，并获得精确的近优解，达到用较小的耗时实现车辆路径优化的目标。
附图说明
图1是本发明实施方式提供的一种物流运输路径规划方法的流程图；
图2-4是本发明实施方式提供的物流运输路径规划的示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，图1是本发明实施方式提供的一种物流运输路径规划方法的流程图，该物流运输路径规划方法包括：
步骤S1：获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
步骤S2：根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
步骤S3：计算所述N个聚类组中每一个聚类组的总货物重量；
步骤S4：对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1，优选地，0.85≤a≤1，例如，根据具体应用其值可以为0.88、0.90、0.91、0.92、0.93、0.94或0.95；
步骤S5：判断当前是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤S6；
步骤S6：判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤S7，若否，执行步骤S8；
步骤S7：对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
步骤S8：判断是否存在总货物重量大于等于2M的聚类组(未进行路径规划)，若存在，执行步骤S9，若不存在，执行步骤S10；
步骤S9：对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划，执行步骤S10；
步骤S10：判断是否存在总货物重量在(M，2M)的聚类组(未进行路径规划)，若存在，执行步骤S11，若不存在，重复执行步骤S1；
步骤S11：根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划，当满足当前只剩余的一个未进行路径规划的聚类组的条件时，执行步骤S7，当满足当前不存在总货物重量在(M，2M)的聚类组(未进行路径规划)或者当前不存在总货物重量小于aM的聚类组(未进行路径规划)的条件时，重复执行步骤S1。
本发明实施方式提供的物流运输路径规划方法，可以充分利用运输车辆的容量，通过路径优化，不但能够降低运输成本、降低排放，还可以减少运算耗时，有效节省运算时间，并获得精确的近优解，达到用较小的耗时实现车辆路径优化的目标。
例如，在步骤S2中，采用最大最小距离聚类的方法进行所述第一聚类分组。
例如，在步骤S9中，采用最大最小距离聚类的方法进行所述第二聚类分组。
最大最小距离聚类法是模式识别中一种基于试探的类聚算法，取尽可能远的对象作为聚类中心，可以避免初值选取时可能出现的聚类种子过于临近的情况，它不仅能智能确定初试聚类种子的个数，而且提高了划分初试数据集的效率。该算法以欧氏距离为基础，首先初始一个点对象作为第1个聚类中心，再选择一个与第1个聚类中心最远的点作为第2个聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生，最后将样本按最小距离原则归入最近的类。
其中，在步骤S1中，可根据配送任务中当前未进行路径规划的总货物重量I确定当前所需要车辆的数量N(其数值为不小于I/M的最小整数)；
例如，配送任务当前要对5个配送位置进行配送，5个配送位置的配送货物重量分别为11吨、13吨、15吨、16吨、13吨，若车辆的最大载重为12吨，则需要车辆的数量为6辆；
此外，还可预先对每一个配送位置进行判断，若该配送位置的配送货物重量位于[aM，M]范围内，则对其单独分配一车辆，并进行路径规划。
针对需求可拆分的物流运输路径规划，本发明可以有效减少运算耗时，节省运算时间，并获得精确的近优解。
例如，配送任务为对20个客户进行配送(不同客户的配送位置不同)，其标号为1-20点，车场是0点，各点的地理坐标以及所需重量如图2和表1所示。总运输量I为40，每辆车的最大载重是5，根据要求用8辆车进行运输，车辆从车场载货出发，送完返回车场。
表1各客户坐标及所需量
点 0 1 2 3 4 5 6 7 8 9 10
X 14.5 12.8 18.4 15.4 18.9 15.5 3.9 10.6 8.6 12.5 13.8
Y 13 8.5 3.4 16.6 15.2 11.6 10.6 7.6 8.4 2.1 5.2
W 0 2 2 2 1 3 2 1 3 1 4
点 11 12 13 14 15 16 17 18 19 20
X 6.7 14.8 1.8 17.1 7.4 0.2 11.9 13.2 6.4 9.6
Y 16.9 2.6 8.7 11 1 2.8 19.8 15.1 5.6 14.8
W 2 2 3 1 1 3 1 4 1 1
设a的值为0.95，其运输路径规划过程如下：
1、采用最大最小距离聚类的方法进行第一聚类分组，将20个点分成8个聚类组，得到的结果如图3所示，每个聚类组的中心点分别是：0点、16点、9点、11点、8点、13点、2点、17点，每个聚类组的总货物重量分别是：11、3、8、3、7、5、2、1；
2、聚类组6的总货物重量为5，对聚类重量＝5的聚类组6形成聚类组内点13和点6的路径(即进行路径规划)；
3、聚类组1的总货物重量大于等于2*5，对聚类组1进行第二聚类分组，即进行聚类内的再聚类，点4(货物重量为1)、点5(货物重量为3)、点14(货物重量为1)形成一个聚类组，其总货物重量为5，对该聚类组进行路径规划，剩下点3和点18形成一个聚类组(仍将其称为聚类组1)，其总货物重量在区间(M，2M)内。
4、按照聚类的序号对总货物重量小于aM的聚类组进行处理，其过程如下：
(1)聚类组1的总货物重量>5，暂不处理；
(2)对只有一个点的、重量小于aM的聚类组2首先进行“补充”操作，即到附近总货物重量在区间(M，2M)的聚类组去调货物：聚类组2最近的点为点19，其属于聚类组5,将点19中的货物补充至聚类组2中，但补充后聚类组2的总货物重量为4，仍小于5,且补充后聚类组5的重量还在区间(M，2M)内，可以继续提供重量，搜索到点8，此时，点16点组成的新聚类组(即聚类组2)只缺重量1，因此将点8的货物分割成1和2，重量为1的部分参与16点的聚类组，形成总货物重量为5的聚类组,即聚类组2中包括点16(货物重量为3)、点19(货物重量为1)、点8(货物重量为1)，点8中重量为2的部分仍留在聚类组5中，此时，聚类组5中包含点1(货物重量为2)、点7(货物重量为1)、点8(货物重量为2)，聚类组2和聚类组5中的总货物重量均为5，分别对这两个聚类组进行路径规划；
(3)聚类组3的总货物重量在区间(M，2M)内，暂不处理；
聚类组4包括2个点，分别为点11(货物重量为2)、点20(货物重量为1)，距离聚类组4最近点为点18，其属于聚类组1，将点18的货物分割出重量为2的部分，并将其补充至聚类组4中，补充后聚类组4包括点11(货物重量为2)、点20(货物重量为1)、点18(货物重量为2)，总货物重量为5，对其进行路径规划，18点剩余重量为2的部分留在聚类组1中；
(4)聚类组5和聚类组6已经进行路径规划；
(5)聚类组7的货物重量小于aM，距离其最近的点为点12，其属于聚类组3，将点12的货物补充至聚类组7中，补充后总货物重量为4，仍小于5,而补充后聚类组3的总货物重量仍在区间(M，2M)内,所以继续搜索到最近的点为点10，从点10中分离出重量为1的部分，将其补充至聚类组7，补充后聚类组7包括点2(货物重量为2)、点12(货物重量为2)、点10(货物重量为1)，聚类组3包括点10(货物重量为3)、点15(货物重量为1)、点9(货物重量为1)，聚类组7和聚类组3中的总货物重量均为5，分别对这两个聚类组进行路径规划。
(6)此时，只剩下聚类组1(总货物重量为4)和聚类组8(总货物重量为1)，其总货物重量均小于aM，当前已经对7个聚类组进行路径规划，未进行路径规划的包括点17(货物重量为1)、点18(货物重量为2)、点3(货物重量为2)，其总货物重量为5，则重新进行第一聚类分组，形成1个聚类组，包括点17(货物重量为1)、点18(货物重量为2)、点3(货物重量为2)，对其进行路径规划，规划结束；
通过上述方法得到的结果如表2和图4所示，此外，表2中还示出了分别采用文献1(谢毅.需求可拆分的物流车辆路线问题研究[D].上海：同济大学,2006.)和文献2(刘旺盛,杨帆,李茂青,陈培芝.需求可拆分车辆路径问题的聚类求解算法[J].控制与决策，2012,Vol.27No.4,pp535-541.)中的技术得到的测试结果；
表2各路径及各点送货的重量
从表2中的测试结果可以看出，本发明能够有效节省运算时间，并获得精确的近优解。
本发明实施方式还提供了一种物流运输路径规划系统，包括：
获取模块，用于获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
第一处理模块，用于根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
计算模块，用于计算所述N个聚类组中每一个聚类组的总货物重量；
第二处理模块，用于对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1；
第一判断模块，用于判断当前是否存在未进行路径规划的聚类组；
第二判断模块，用于判断当前是否只剩余一个未进行路径规划的聚类组；
第三处理模块，用于对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
第三判断模块，用于判断是否存在总货物重量大于等于2M的聚类组；
第四处理模块，用于对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划；
第四判断模块，用于判断是否存在总货物重量在(M，2M)的聚类组；
第五处理模块，用于根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划。
其中，在本发明实施方式中，所述第一处理模块采用最大最小距离聚类的方法进行所述第一聚类分组。
其中，在本发明实施方式中，所述第四处理模块采用最大最小距离聚类的方法进行所述第二聚类分组。
其中，在本发明实施方式中，0.85≤a≤1，例如，根据具体应用其值可以为0.88、0.90、0.91、0.92、0.93、0.94或0.95。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种物流运输路径规划方法，其特征在于，包括：
步骤S1：获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
步骤S2：根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
步骤S3：计算所述N个聚类组中每一个聚类组的总货物重量；
步骤S4：对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1；
步骤S5：判断当前是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤S6；
步骤S6：判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤S7，若否，执行步骤S8；
步骤S7：对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
步骤S8：判断是否存在总货物重量大于等于2M的聚类组，若存在，执行步骤S9，若不存在，执行步骤S10；
步骤S9：对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划，执行步骤S10；
步骤S10：判断是否存在总货物重量在(M，2M)的聚类组，若存在，执行步骤S11，若不存在，重复执行步骤S1；
步骤S11：根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划，当满足当前只剩余的一个未进行路径规划的聚类组的条件时，执行步骤S7，当满足当前不存在总货物重量在(M，2M)的聚类组或者当前不存在总货物重量小于aM的聚类组的条件时，重复执行步骤S1。
2.根据权利要求1所述的物流运输路径规划方法，其特征在于，在步骤S2中，采用最大最小距离聚类的方法进行所述第一聚类分组。
3.根据权利要求1所述的物流运输路径规划方法，其特征在于，在步骤S9中，采用最大最小距离聚类的方法进行所述第二聚类分组。
4.根据权利要求1所述的物流运输路径规划方法，其特征在于，0.85≤a≤1。
5.一种物流运输路径规划系统，其特征在于，包括：
获取模块，用于获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量N；
第一处理模块，用于根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成N个聚类组；
计算模块，用于计算所述N个聚类组中每一个聚类组的总货物重量；
第二处理模块，用于对每一个总货物重量在[aM，M]的聚类组进行路径规划，其中，M为车辆的最大载重，0＜a≤1；
第一判断模块，用于判断当前是否存在未进行路径规划的聚类组；
第二判断模块，用于判断当前是否只剩余一个未进行路径规划的聚类组；
第三处理模块，用于对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；
第三判断模块，用于判断是否存在总货物重量大于等于2M的聚类组；
第四处理模块，用于对每一个总货物重量大于等于2M的聚类组进行第二聚类分组，将每一个总货物重量大于等于2M的聚类组分割为若干个总货物重量为M的聚类组以及一个总货物重量在[M，2M)的聚类组，对每一个总货物重量在[aM，M]的聚类组进行路径规划；
第四判断模块，用于判断是否存在总货物重量在(M，2M)的聚类组；
第五处理模块，用于根据配送地理位置将总货物重量在(M，2M)的聚类组中的货物补充至总货物重量小于aM的聚类组中，使总货物重量小于aM的聚类组的总货物重量达到M，对每一个总货物重量在[aM，M]的聚类组进行路径规划。
6.根据权利要求5所述的物流运输路径规划系统，其特征在于，所述第一处理模块采用最大最小距离聚类的方法进行所述第一聚类分组。
7.根据权利要求5所述的物流运输路径规划系统，其特征在于，所述第四处理模块采用最大最小距离聚类的方法进行所述第二聚类分组。
8.根据权利要求5所述的物流运输路径规划系统，其特征在于，0.85≤a≤1。
CN201810311802.2A 2018-04-09 2018-04-09 物流运输路径规划方法及系统 Active CN108564211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810311802.2A CN108564211B (zh) 2018-04-09 2018-04-09 物流运输路径规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810311802.2A CN108564211B (zh) 2018-04-09 2018-04-09 物流运输路径规划方法及系统

Publications (2)

Publication Number Publication Date
CN108564211A true CN108564211A (zh) 2018-09-21
CN108564211B CN108564211B (zh) 2020-05-26

Family

ID=63534394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810311802.2A Active CN108564211B (zh) 2018-04-09 2018-04-09 物流运输路径规划方法及系统

Country Status (1)

Country Link
CN (1) CN108564211B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697590A (zh) * 2018-12-07 2019-04-30 东南大学 一种基于大数据的城市配送车辆出行监控系统
CN111062531A (zh) * 2019-12-13 2020-04-24 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置
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
CN112801592A (zh) * 2021-02-09 2021-05-14 北京橙心无限科技发展有限公司 规划配送路径的方法和装置
CN114563008A (zh) * 2020-11-27 2022-05-31 顺丰科技有限公司 路径规划方法、装置、计算机设备和存储介质
CN115344050A (zh) * 2022-09-15 2022-11-15 安徽工程大学 一种基于改进的聚类算法堆垛机路径规划方法
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178055A1 (en) * 2013-05-01 2014-11-06 G-Ils Transportation Ltd A real time decision making method optimization route and pricing engine for freight transportation (cargo)
CN105184412A (zh) * 2015-09-21 2015-12-23 北京农业信息技术研究中心 基于地理位置的物流配送路径规划方法和系统
CN107392513A (zh) * 2017-01-26 2017-11-24 北京小度信息科技有限公司 订单处理方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178055A1 (en) * 2013-05-01 2014-11-06 G-Ils Transportation Ltd A real time decision making method optimization route and pricing engine for freight transportation (cargo)
CN105184412A (zh) * 2015-09-21 2015-12-23 北京农业信息技术研究中心 基于地理位置的物流配送路径规划方法和系统
CN107392513A (zh) * 2017-01-26 2017-11-24 北京小度信息科技有限公司 订单处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
向婷 等: "求解需求可拆分车辆路径问题的聚类算法", 《计算机应用》 *
熊浩 等: "需求可拆分车辆路径问题的三阶段禁忌算法", 《系统工程理论与实践》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697590A (zh) * 2018-12-07 2019-04-30 东南大学 一种基于大数据的城市配送车辆出行监控系统
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
CN111062531A (zh) * 2019-12-13 2020-04-24 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置
CN111062531B (zh) * 2019-12-13 2021-08-27 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置
CN114563008A (zh) * 2020-11-27 2022-05-31 顺丰科技有限公司 路径规划方法、装置、计算机设备和存储介质
CN112801592A (zh) * 2021-02-09 2021-05-14 北京橙心无限科技发展有限公司 规划配送路径的方法和装置
CN115344050A (zh) * 2022-09-15 2022-11-15 安徽工程大学 一种基于改进的聚类算法堆垛机路径规划方法
CN115344050B (zh) * 2022-09-15 2024-04-26 安徽工程大学 一种基于改进的聚类算法堆垛机路径规划方法
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

Also Published As

Publication number Publication date
CN108564211B (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN108564211A (zh) 物流运输路径规划方法及系统
CN107506956B (zh) 基于改进粒子群算法供应链生产运输协同调度方法及系统
CN101585453B (zh) 集装箱码头出口箱堆场自动分配方法
CN106803136A (zh) 一种基于混合遗传算法的生鲜配送实时优化方法
CN107578199A (zh) 一种求解二维装载约束物流车辆调度问题的方法
CN109583650A (zh) 一种电动车换电站选址和物流配送联合调度的方法
CN108364105A (zh) 一种物流配送线路的目标优化方法
CN110659839A (zh) 一种物流智能配载调度方法
CN108985597A (zh) 一种动态物流调度方法
CN101673382A (zh) 一种农资连锁经营物流配送配载组合优化方法
CN111091238A (zh) 一种自动化集装箱码头agv智能化调度方法
CN107833002A (zh) 基于协同多目标算法的多级低碳物流配送网络规划方法
Zhen et al. Branch-price-and-cut for trucks and drones cooperative delivery
CN107909228B (zh) 基于模因计算的动态车辆收发货路径规划方法及装置
CN108959782B (zh) 一种智能车间的布局优化方法、装置及设备
CN115818098B (zh) 一种小车搬送控制系统及搬运方法
CN109581987A (zh) 一种基于粒子群算法的agv调度路径规划方法及系统
CN113689122A (zh) 一种云边协同环境下考虑运输设备的多目标组合调度方法
CN105858043A (zh) 一种升降机与穿梭车结合的仓储系统优化调度方法
CN112184053A (zh) 一种任务调度的方法、装置及其设备
CN115576343A (zh) 一种结合无人机配送的多目标车辆路径优化方法
CN115187169A (zh) 基于协同路径规划的物流配送系统及方法
Liang et al. Joint dispatch of shipment equipment considering underground container logistics
CN112508481A (zh) 一种智能仓储多agv调度方法
Ventura et al. Optimal location of dwell points in a single loop AGV system with time restrictions on vehicle availability

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