CN108647810A - 订单运输的分配方法及装置、计算机可读介质 - Google Patents
订单运输的分配方法及装置、计算机可读介质 Download PDFInfo
- Publication number
- CN108647810A CN108647810A CN201810357888.2A CN201810357888A CN108647810A CN 108647810 A CN108647810 A CN 108647810A CN 201810357888 A CN201810357888 A CN 201810357888A CN 108647810 A CN108647810 A CN 108647810A
- Authority
- CN
- China
- Prior art keywords
- order
- allocation strategy
- search
- algorithm
- preset condition
- 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
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"
-
- 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
一种订单运输的分配方法及装置、计算机可读介质，所述订单运输的分配方法包括：获取订单的数据；基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R；将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D；对R进行拆分，并更新R为拆分后的订单；将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略；重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略；基于所述最终分配策略，进行所述订单的分配。应用上述方案，可以实现订单的合理分配。
Description
技术领域
本发明实施例涉及物流运输领域，尤其涉及一种订单运输的分配方法及装置、计算机可读介质。
背景技术
在物流运输中，物流订单的合理分配是物流成本的重要因素。由于物流场景的特殊性，物流订单的分配问题涉及诸多的约束条件，例如交发货时间、货物在车辆上的叠放规则、车辆装卸货量限制、车辆行驶路径限制和其他人为限制等。合理的订单分配需要满足一定的优化目标，例如车辆装载率高、车辆行驶里程短、车辆利用率高等。
现阶段，在满足一定的约束条件下，可以由业务员或调度员进行基于规则和经验的人工调配。而在庞大的物流订单数量情况下，人工物流调配的难度将会大大增大，由于调度规则过于复杂以及人工出现调度失误等情况的出现，往往导致订单分配结果不理想。
随着智能计算领域的兴起，具有启发式随机寻优特征的智能算法，例如遗传算法，粒子群算法和模拟退火算法等被应用于物流订单配送领域，取得了较优的结果。采用启发式随机寻优的算法，能够将无法解决的复杂优化问题转换为在庞大的解空间里寻找近似最优解的问题。相对于遍历整个解空间选取最优解，启发式的方法缩小了需要搜寻的解空间，能够大大加快寻优速度，在最优订单分配的搜索中有较好的优化效果。
但是，当优化问题的规模较大、搜索空间复杂度较高时，例如庞大的订单量情况下，现有的智能算法在初始阶段进行大量的无意义搜索，导致搜索时间的大幅延长，或者算法陷入局部最优解，无法跳出进行更大范围的搜索，导致优化精度的降低，从而影响订单的合理分配。
发明内容
本发明实施例解决的技术问题如何实现订单的合理分配。
为解决上述技术问题，本发明实施例提供一种订单运输的分配方法，所述方法包括：获取订单的数据；基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R；将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D；对R进行拆分，并更新R为拆分后的订单；将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略；重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略；基于所述最终分配策略，进行所述订单的分配。
可选地，所述获取订单的数据包括：获取订单的原始数据；对所述原始数据进行预处理，生成所述订单的数据。
可选地，采用如下至少一种方式对所述原始数据进行预处理：订单相关信息的检测、拆分订单。
可选地，基于以下至少一项对所述订单进行合并：将对应相同出发地的多个订单合并为一个订单；将对应相同目的地的多个订单合并为一个订单；将对应相同出发地且相同目的地的多个订单合并为一个订单。
可选地，在进行所述订单的分配之前还包括：获取所述订单对应的约束条件；确定所述最终分配策略满足所述约束条件。
可选地，所述订单运输的分配方法还包括：当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。
可选地，所述搜索获取满足预设条件的第一分配策略包括：基于R，确定搜索空间；确定R对应的目标函数；在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
可选地，所述搜索获取满足预设条件的第二分配策略包括：基于R，确定搜索空间；确定R对应的目标函数；在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
可选地，所述预设条件包括以下任意一种：在预设时长内对应的目标函数值最大、在预设时长内对应的目标函数值最小。
可选地，所述启发式搜索算法包括以下至少一种：模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等。
可选地，所述目标函数包括以下任意一种：订单的总运输里程函数、订单的总载重运输里程函数。
本发明实施例提供一种订单运输的分配装置，包括：第一获取单元，适于获取订单的数据；合并单元，适于基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R；第二获取单元，适于将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D；拆分单元，适于对R进行拆分，并更新R为拆分后的订单；第三获取单元，适于将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略；迭代单元，适于重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略；分配单元，适于基于所述最终分配策略，进行所述订单的分配。
可选地，所述第一获取单元包括：第一获取子单元，适于获取订单的原始数据；生成子单元，适于对所述原始数据进行预处理，生成所述订单的数据。
可选地，所述生成子单元，适于采用如下至少一种方式对所述原始数据进行预处理：订单相关信息的检测、拆分订单。
可选地，所述合并单元，适于基于以下至少一项对所述订单进行合并：将对应相同出发地的多个订单合并为一个订单；将对应相同目的地的多个订单合并为一个订单；将对应相同出发地且相同目的地的多个订单合并为一个订单。
可选地，所述订单运输的分配装置还包括：第四获取单元，适于获取所述订单对应的约束条件；确定单元，适于确定所述最终分配策略满足所述约束条件。
可选地，所述订单运输的分配装置还包括：优化单元，适于当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。
可选地，所述第二获取单元包括：第一确定子单元，适于基于R，确定搜索空间；第二确定子单元，适于确定R对应的目标函数；第二获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
可选地，所述第三获取单元包括：第三确定子单元，适于基于R，确定搜索空间；第四确定子单元，适于确定R对应的目标函数；第三获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
可选地，所述预设条件包括以下任意一种：在预设时长内对应的目标函数值最大、在预设时长内对应的目标函数值最小。
可选地，所述启发式搜索算法包括以下至少一种：模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等。
可选地，所述目标函数包括以下任意一种：订单的总运输里程函数、订单的总载重运输里程函数。
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述方法的步骤。
本发明实施例提供一种订单运输的分配装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行权利上述任一种所述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例通过对所述订单进行合并，并基于合并后的订单，搜索获取满足预设条件的第一分配策略，然后再对合并后的订单进行重复拆分，并基于拆分后的订单和第一分配策略，生成最终分配策略。一方面，基于合并订单生成第一分配策略，可以缩小搜索范围，避免初始阶段的无意义搜索，加速订单分配方法的搜索进程；另一方面，通过重复拆分订单生成最终分配策略，可以避免算法陷入局部最优，提高订单分配方法的搜索质量。故上述方案可以实现订单的合理分配。
附图说明
图1是本发明实施例提供的一种订单传输的分配方法的流程图；
图2是本发明实施例提供的一种最终分配策略的生成方法的流程图；
图3是本发明实施例提供的一种分配策略的搜索过程的示意图；
图4是本发明实施例提供的另一种订单运输的分配方法的流程图；
图5是本发明实施例提供的一种订单运输的分配装置的结构示意图。
具体实施方式
当订单分配的优化问题规模较大、搜索空间复杂度较高时，例如庞大的订单量情况下，现有的智能算法在初始阶段进行大量的无意义搜索，导致搜索时间的大幅延长，或者算法陷入局部最优解，无法跳出进行更大范围的搜索，导致优化精度的降低，从而影响订单的合理分配。
本发明实施例通过对所述订单进行合并，并基于合并后的订单，搜索获取满足预设条件的第一分配策略，然后再对合并后的订单进行重复拆分，并基于拆分后的订单和上一次获取的分配策略，生成最终分配策略。一方面，基于合并订单生成第一分配策略，可以缩小搜索范围，避免初始阶段的无意义搜索，加速订单分配方法的搜索进程；另一方面，通过重复拆分订单生成最终分配策略，可以避免算法陷入局部最优，提高订单分配方法的搜索质量。故上述方案可以实现订单的合理分配。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
参见图1，本发明实施例提供了一种订单运输的分配方法，所述方法可以包括如下步骤：
步骤S101，获取订单的数据。
在具体实施中，所述订单的数据可以包括所有与订单相关的信息，例如，订单对应的出发地地址、目的地地址、承运的车辆类型、货物大小、货物数量等信息。然后基于所述订单的数据，可以分配不同的车辆进行承运。
在具体实施中，可能无法直接获取期望的订单的数据，即获取到的订单原始数据可能系统无法直接处理，例如，获取到的订单原始数据中包括系统无法识别的目的地地址或者出发地地址等，在这种情况下，可以首先获取订单的原始数据；然后对所述原始数据进行预处理，生成所述订单的数据。
在具体实施中，可以对所述原始数据进行订单相关信息的检测、拆分订单等至少一种预处理，生成所述订单的数据。
在本发明一实施例中，所述订单相关信息的检测包括：检测所述订单的出发地地址、目的地地址等信息，并对于系统无法识别的目的地地址或者出发地地址进行更新。
在本发明一实施例中，所述拆分订单包括：将无法承运在一辆车的订单进行拆分。例如，当所述订单对应的货物数量超过一辆车的承运上限时，将所述订单拆分为一个或者多个订单，使得拆分后的订单对应的货物数量不超过一辆车的承运上限。
步骤S102，基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R。
在具体实施中，为了缩小搜索范围，避免初始阶段的无意义搜索，加速订单分配方法的搜索进程，可以基于所述订单的数据，对所述订单进行合并，然后基于合并后的订单进行分配策略的搜索。
在具体实施中，对于对应相同出发地、相同目的地的订单，可以进行合并。
在本发明一实施例中，基于以下至少一项对所述订单进行合并：将对应相同出发地的多个订单合并为一个订单；将对应相同目的地的多个订单合并为一个订单；将对应相同出发地且相同目的地的多个订单合并为一个订单。
例如，所有车辆的集合为V＝(v1,v2,…,vn)，所有订单的集合P＝(p1,p2,…,pm)，将两个集合组成为一个状态矩阵M，每一行代表了V中的每一个车辆vi，每一列代表了P中的每一个订单pj，则M矩阵是一个稀疏矩阵，每列只允许有一个1，表示每一个订单只能对应一辆车，即承运在一辆车上，但是每一辆车可以装载多个订单。M矩阵(n×m个元素)形式如下：
直接对M矩阵进行启发式随机搜索，由于M的矩阵列向量数目大，即最优化算法所需要的交换列向量的动作空间大，搜索空间大，导致搜索效率低。故本发明实施例对订单进行合并，通过合并订单减少矩阵M的列数m，得到一个新的状态矩阵(个元素，其中)如下：
由于故基于进行搜索，可以有效缩小搜索空间，避免无意义搜索，加快搜索进程。
步骤S103，将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D。
在具体实施中，可以将R作为最小处理单位，确定搜索空间，确定R对应的目标函数，然后在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
在具体实施中，所述用启发式搜索算法搜索获取满足预设条件的第一分配策略可以包括：当搜索过程满足收敛条件时，停止搜索。所述收敛条件可以包括：上一次搜索获取的分配策略与当前搜索获取的分配策略的差值小于预设的门限。即搜索获取到的分配策略不再有较大的改善时，可以认为所述搜索过程收敛。
在具体实施中，所述预设条件可以包括在预设时长内对应的目标函数值最大，也可以包括在预设时长内对应的目标函数值最小。
在具体实施中，所述目标函数可以包括订单的总运输里程函数，也可以包括订单的总载重运输里程函数。
在具体实施中，所述启发式搜索算法可以包括模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等中的一种或者几种。
步骤S104，对R进行拆分，并更新R为拆分后的订单。
在具体实施中，为了避免算法陷入局部最优，提高订单分配方法的搜索质量，可以对所述合并后的订单进行拆分，并基于拆分后的订单，再次生成分配策略。
步骤S105，将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略。
在具体实施中，可以将R作为最小处理单位，确定搜索空间，确定R对应的目标函数，然后在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
在具体实施中，所述用启发式搜索算法搜索获取满足预设条件的第二分配策略可以包括：当搜索过程满足收敛条件时，停止搜索。所述收敛条件可以包括：上一次搜索获取的分配策略与当前搜索获取的分配策略的差值小于预设的门限。即搜索获取到的分配策略不再有较大的改善时，可以认为所述搜索过程收敛。
在具体实施中，所述预设条件可以包括在预设时长内对应的目标函数值最大，也可以包括在预设时长内对应的目标函数值最小。
在具体实施中，所述目标函数可以包括订单的总运输里程函数，也可以包括订单的总载重运输里程函数。
在具体实施中，所述启发式搜索算法可以包括模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等中的一种或者几种。
步骤S106，重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略。
在具体实施中，可以重复执行步骤S104和步骤S105，直至R无法拆分，将所述第二分配策略作为最终分配策略。
对于步骤S104～步骤S106，本发明实施例提供了一种最终分配策略的生成方法，如图2所示，包括步骤S201～步骤S206。
参见图2，所述最终分配策略的生成方法可以包括如下步骤：
步骤S201，标记所述第一分配策略为初始分配策略。
步骤S202，对订单进行拆分。
在具体实施中，可以采用二分法，将一份订单平均拆分成两份的形式，例如之前7张订单合并到一起的订单，可以拆分成一份3张的订单和一份4张的订单。也可以采用多分法，将一张订单平均拆分成四份或者更多的形式，本发明实施例不做限制。
步骤S203，基于拆分后的订单和所述初始分配策略，生成第二分配策略。
在具体实施中，可以基于拆分后的订单，确定搜索空间，确定目标函数，然后在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的当前分配策略。
在具体实施中，所述预设条件可以为在预设时长内对应的目标函数值最大，也可以为在预设时长内对应的目标函数值最小。
在具体实施中，所述目标函数可以包括订单的总运输里程函数，也可以包括订单的总载重运输里程函数。
在具体实施中，所述启发式搜索算法可以包括模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等中的一种或者几种。
步骤S204，判断所述拆分后的订单是否可以继续拆分，当所述拆分后的订单无法继续拆分时，执行步骤S205，否则执行步骤S206。
在具体实施中，通过多次拆分，可以将之前合并的订单拆分到最小单元，从而提高订单分配方法的搜索质量。
在本发明一实施例中，采用二分法，将合并后的1份7张订单经过三次拆分，拆分为7份订单，具体拆分过程如下：
第一次拆分：拆分为一份3张的订单和一份4张的订单。
第二次拆分：拆分为三份2张的订单和一份1张的订单。
第三次拆分，拆分为七份1张的订单。
步骤S205，将所述第二分配策略作为所述最终分配策略。
步骤S206，标记所述第二分配策略为所述初始分配策略，执行步骤S202。
通过拆分订单生成最终分配策略，可以避免算法陷入局部最优，提高订单分配方法的搜索质量。故上述方案可以实现订单的合理分配。
步骤S107，基于所述最终分配策略，进行所述订单的分配。
在具体实施中，由于所述订单可能对应不同的约束条件，例如送达时间等，故在进行所述订单分配之前还可以包括：获取所述订单对应的约束条件，并确定所述最终分配策略满足所述约束条件。
在本发明一实施例中，当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。例如，当确定所述最终分配策略的送达时间无法满足时，可以基于送达时间，对所述最终分配策略进行优化，使得所述最终分配策略满足送达时间。
应用上述方案，一方面，基于合并订单生成第一分配策略，可以缩小搜索范围，避免初始阶段的无意义搜索，加速订单分配方法的搜索进程；另一方面，通过重复拆分订单生成最终分配策略，可以避免算法陷入局部最优，提高订单分配方法的搜索质量。故上述方案可以实现订单的合理分配。
为使本领域技术人员更好地理解和实施本发明，本发明实施例提供了一种分配策略的搜索过程的示意图，如图3所示。
参见图3，竖线表示每一次合并或者拆分订单的动作，子图31和子图32的曲线分别对应总的里程数和总的车辆数，横轴表示时间。
由图3可以看出，在订单合并的初始阶段，搜索目标明显下降，每一次订单拆分使得搜索过程得以继续进行，搜索目标继续下降。
为使本领域技术人员更好地理解和实施本发明，本发明实施例提供了另一种订单运输的分配方法，如图4所示。
参见图4，所述订单运输的分配方法可以包括如下步骤：
步骤S401，获取订单的原始数据。
步骤S402，对订单的原始数据进行预处理，生成订单的数据。
步骤S403，检查是否存在符合合并条件的订单，当存在符合合并条件的订单时，执行步骤S404，否则执行步骤S405。
步骤S404，合并所有符合合并条件的订单。
步骤S405，初始化优化算法。
在具体实施中，所述优化算法可以为迭代式搜索算法。
步骤S406，执行优化算法。
在具体实施中，所述执行优化算法可以包括：基于所述迭代式搜索算法，搜索获取订单的分配策略。
步骤S407，判断是否达到优化停止条件，当达到优化停止条件时，执行步骤S408，否则执行步骤S406。
在具体实施中，可以基于所述迭代式搜索算法是否满足收敛条件作为判断是否达到优化停止条件的依据，即当所述迭代式搜索算法满足收敛条件时，判定达到优化停止条件，否则为未达到优化停止条件。
步骤S408，检查是否存在符合拆分条件的订单，当存在符合拆分条件的订单时，执行步骤S409，否则执行步骤S410。
步骤S409，拆分所有符合拆分条件的订单。
在具体实施中，通过多次拆分，可以将之前合并的订单拆分到最小单元，从而提高订单分配方法的搜索质量。
步骤S410，检查优化结果是否可用，当优化结果可用时执行步骤S411，否则执行步骤S412。
在具体实施中，所述优化结果即为搜索生成的最终分配策略。
在具体实施中，可以基于订单的约束条件，例如，送达时间等要求，检查优化结果是否可用。
步骤S411，结束优化，输出优化结果。
步骤S412，对所述优化结果进行二次优化，并输出优化后的订单分配策略。
为使本领域技术人员更好的理解和实施本发明，本发明实施例还提供了一种能够实现上述订单运输的分配方法的分配装置，如图5所示。
参见图5，所述订单运输的分配装置50包括：第一获取单元51、合并单元52、第二获取单元53、拆分单元54、第三获取单元55、迭代单元56和分配单元57，其中：
所述第一获取单元51，适于获取订单的数据。
所述合并单元52，适于基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R。
所述第二获取单元53，适于将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D。
所述拆分单元54，适于对R进行拆分，并更新R为拆分后的订单。
所述第三获取单元55，适于将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略。
所述迭代单元56，适于重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略。
所述分配单元57，适于基于所述最终分配策略，进行所述订单的分配。
在具体实施中，所述第一获取单元51包括：第一获取子单元511和生成子单元512，其中：
所述第一获取子单元511，适于获取订单的原始数据。
所述生成子单元512，适于对所述原始数据进行预处理，生成所述订单的数据。
在本发明一实施例中，所述生成子单元512，适于采用如下至少一种方式对所述原始数据进行预处理：订单相关信息的检测、拆分订单。
在具体实施中，所述合并单元52，适于基于以下至少一项对所述订单进行合并：将对应相同出发地的多个订单合并为一个订单；将对应相同目的地的多个订单合并为一个订单；将对应相同出发地且相同目的地的多个订单合并为一个订单。
在具体实施中，所述订单运输的分配装置50还包括：第四获取单元(未示出)和确定单元(未示出)，其中：
所述第四获取单元，适于获取所述订单对应的约束条件。
所述确定单元，适于确定所述最终分配策略满足所述约束条件。
在本发明一实施例中，所述订单运输的分配装置50还包括：优化单元(未示出)，适于当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。
在具体实施中，所述第二获取单元包括：第一确定子单元(未示出)、第二确定子单元(未示出)和第二获取子单元(未示出)，其中：
所述第一确定子单元，适于基于R，确定搜索空间。
所述第二确定子单元，适于确定R对应的目标函数。
所述第二获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
在具体实施中所述第三获取单元包括：第三确定子单元(未示出)、第四确定子单元(未示出)和第三获取子单元(未示出)，其中：
所述第三确定子单元，适于基于R，确定搜索空间。
所述第四确定子单元，适于确定R对应的目标函数。
所述第三获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
在本发明一实施例中，所述预设条件包括以下任意一种：在预设时长内对应的目标函数值最大、在预设时长内对应的目标函数值最小。
在本发明一实施例中，所述启发式搜索算法包括以下至少一种：模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等。
在本发明一实施例中，所述目标函数包括以下任意一种：订单的总运输里程函数、订单的总载重运输里程函数。
在具体实施中，所述订单运输的分配装置50的工作流程及原理可以参考上述实施例中提供的方法中的描述，此处不再赘述。
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述方法对应的步骤，此处不再赘述。
本发明实施例提供一种订单运输的分配装置，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述方法对应的步骤，此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (24)
1.一种订单运输的分配方法，其特征在于，包括：
获取订单的数据；
基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R；
将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D；
对R进行拆分，并更新R为拆分后的订单；
将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略；
重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略；
基于所述最终分配策略，进行所述订单的分配。
2.根据权利要求1所述的订单运输的分配方法，其特征在于，所述获取订单的数据包括：
获取订单的原始数据；
对所述原始数据进行预处理，生成所述订单的数据。
3.根据权利要求2所述的订单运输的分配方法，其特征在于，采用如下至少一种方式对所述原始数据进行预处理：订单相关信息的检测、拆分订单。
4.根据权利要求1所述的订单运输的分配方法，其特征在于，基于以下至少一项对所述订单进行合并：
将对应相同出发地的多个订单合并为一个订单；
将对应相同目的地的多个订单合并为一个订单；
将对应相同出发地且相同目的地的多个订单合并为一个订单。
5.根据权利要求1所述的订单运输的分配方法，其特征在于，在进行所述订单的分配之前还包括：
获取所述订单对应的约束条件；
确定所述最终分配策略满足所述约束条件。
6.根据权利要求5所述的订单运输的分配方法，其特征在于，还包括：
当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。
7.根据权利要求1所述的订单运输的分配方法，其特征在于，所述搜索获取满足预设条件的第一分配策略包括：
基于R，确定搜索空间；
确定R对应的目标函数；
在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
8.根据权利要求1所述的订单运输的分配方法，其特征在于，所述搜索获取满足预设条件的第二分配策略包括：
基于R，确定搜索空间；
确定R对应的目标函数；
在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
9.根据权利要求7或8所述的订单运输的分配方法，其特征在于，所述预设条件包括以下任意一种：在预设时长内对应的目标函数值最大、在预设时长内对应的目标函数值最小。
10.根据权利要求7或8所述的订单运输的分配方法，其特征在于，所述启发式搜索算法包括以下至少一种：模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等。
11.根据权利要求7或8所述的订单运输的分配方法，其特征在于，所述目标函数包括以下任意一种：订单的总运输里程函数、订单的总载重运输里程函数。
12.一种订单运输的分配装置，其特征在于，包括：
第一获取单元，适于获取订单的数据；
合并单元，适于基于所述订单的数据，对所述订单进行合并，将合并后的订单记为R；
第二获取单元，适于将R作为最小处理单位，搜索获取满足预设条件的第一分配策略，记为D；
拆分单元，适于对R进行拆分，并更新R为拆分后的订单；
第三获取单元，适于将D作为初始分配策略，将R作为最小处理单元，搜索获取满足预设条件的第二分配策略，并更新D为所述第二分配策略；
迭代单元，适于重复执行上述对R进行拆分和搜索获取满足预设条件的第二分配策略两个步骤，直至R无法拆分，将所述第二分配策略作为最终分配策略；
分配单元，适于基于所述最终分配策略，进行所述订单的分配。
13.根据权利要求12所述的订单运输的分配装置，其特征在于，所述第一获取单元包括：
第一获取子单元，适于获取订单的原始数据；
生成子单元，适于对所述原始数据进行预处理，生成所述订单的数据。
14.根据权利要求13所述的订单运输的分配装置，其特征在于，所述生成子单元，适于采用如下至少一种方式对所述原始数据进行预处理：订单相关信息的检测、拆分订单。
15.根据权利要求12所述的订单运输的分配装置，其特征在于，所述合并单元，适于基于以下至少一项对所述订单进行合并：
将对应相同出发地的多个订单合并为一个订单；
将对应相同目的地的多个订单合并为一个订单；
将对应相同出发地且相同目的地的多个订单合并为一个订单。
16.根据权利要求12所述的订单运输的分配装置，其特征在于，还包括：
第四获取单元，适于获取所述订单对应的约束条件；
确定单元，适于确定所述最终分配策略满足所述约束条件。
17.根据权利要求16所述的订单运输的分配装置，其特征在于，还包括：
优化单元，适于当确定所述最终分配策略不满足所述约束条件时，基于所述约束条件对所述最终分配策略进行优化。
18.根据权利要求12所述的订单运输的分配装置，其特征在于，所述第二获取单元包括：
第一确定子单元，适于基于R，确定搜索空间；
第二确定子单元，适于确定R对应的目标函数；
第二获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第一分配策略。
19.根据权利要求12所述的订单运输的分配装置，其特征在于，所述第三获取单元包括：
第三确定子单元，适于基于R，确定搜索空间；
第四确定子单元，适于确定R对应的目标函数；
第三获取子单元，适于在所述搜索空间内，基于所述目标函数，利用启发式搜索算法搜索获取满足预设条件的第二分配策略。
20.根据权利要求18或19所述的订单运输的分配装置，其特征在于，所述预设条件包括以下任意一种：在预设时长内对应的目标函数值最大、在预设时长内对应的目标函数值最小。
21.根据权利要求18或19所述的订单运输的分配装置，其特征在于，所述启发式搜索算法包括以下至少一种：模拟退火算法、分区嵌套算法、遗传算法、蚁群算法等。
22.根据权利要求18或19所述的订单运输的分配装置，其特征在于，所述目标函数包括以下任意一种：订单的总运输里程函数、订单的总载重运输里程函数。
23.一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至11中任一项所述方法的步骤。
24.一种订单运输的分配装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至11中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357888.2A CN108647810A (zh) | 2018-04-19 | 2018-04-19 | 订单运输的分配方法及装置、计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357888.2A CN108647810A (zh) | 2018-04-19 | 2018-04-19 | 订单运输的分配方法及装置、计算机可读介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108647810A true CN108647810A (zh) | 2018-10-12 |
Family
ID=63746693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810357888.2A Pending CN108647810A (zh) | 2018-04-19 | 2018-04-19 | 订单运输的分配方法及装置、计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647810A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636213A (zh) * | 2018-12-19 | 2019-04-16 | 拉扎斯网络科技（上海）有限公司 | 订单分配、评价方法及装置、电子设备及存储介质 |
| CN109711940A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 订单分配方法、装置、电子设备及存储介质 |
| CN110309946A (zh) * | 2019-05-09 | 2019-10-08 | 上汽安吉物流股份有限公司 | 物流路径规划方法及装置、计算机可读介质以及物流系统 |
| CN110766290A (zh) * | 2019-09-27 | 2020-02-07 | 浪潮软件集团有限公司 | 一种商品进销存系统、管理系统及管理方法 |
| CN111160729A (zh) * | 2019-12-13 | 2020-05-15 | 北京动力机械研究所 | 制造执行系统分卡处理方法、装置及系统 |
| CN111695732A (zh) * | 2020-06-09 | 2020-09-22 | 武汉问道信息技术有限公司 | 一种烟草成品物流的订单分批与路径规划方法 |
| CN111724006A (zh) * | 2019-03-18 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 一种任务组合方法、数据处理方法和装置 |
| CN111967657A (zh) * | 2020-07-30 | 2020-11-20 | 中国外运股份有限公司 | 一种运输订单优化方法及装置 |
| CN111985790A (zh) * | 2020-07-30 | 2020-11-24 | 中国外运股份有限公司 | 一种送装车辆的订单分配方法及系统 |
| CN113450035A (zh) * | 2020-03-24 | 2021-09-28 | 北京京东振世信息技术有限公司 | 任务组建方法及装置、计算机存储介质、电子设备 |
| CN115130858A (zh) * | 2022-06-27 | 2022-09-30 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
| CN111967657B (zh) * | 2020-07-30 | 2024-06-11 | 中国外运股份有限公司 | 一种运输订单优化方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845665A (zh) * | 2016-11-17 | 2017-06-13 | 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 |
| CN107093050A (zh) * | 2017-06-15 | 2017-08-25 | 上海汽车集团股份有限公司 | 一种车辆调度方法及系统 |
| WO2017167291A1 (zh) * | 2016-03-31 | 2017-10-05 | 北京小度信息科技有限公司 | 订单推荐方法和装置 |
| CN107274095A (zh) * | 2017-06-15 | 2017-10-20 | 上海城建物资有限公司 | 构件订单的订单分配方法及装置、存储介质、订单分配服务器 |
| CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
| CN107844933A (zh) * | 2017-09-21 | 2018-03-27 | 北京小度信息科技有限公司 | 订单处理方法及装置 |
-
2018
- 2018-04-19 CN CN201810357888.2A patent/CN108647810A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017167291A1 (zh) * | 2016-03-31 | 2017-10-05 | 北京小度信息科技有限公司 | 订单推荐方法和装置 |
| CN106845665A (zh) * | 2016-11-17 | 2017-06-13 | 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 |
| CN107093050A (zh) * | 2017-06-15 | 2017-08-25 | 上海汽车集团股份有限公司 | 一种车辆调度方法及系统 |
| CN107274095A (zh) * | 2017-06-15 | 2017-10-20 | 上海城建物资有限公司 | 构件订单的订单分配方法及装置、存储介质、订单分配服务器 |
| CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
| CN107844933A (zh) * | 2017-09-21 | 2018-03-27 | 北京小度信息科技有限公司 | 订单处理方法及装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636213A (zh) * | 2018-12-19 | 2019-04-16 | 拉扎斯网络科技（上海）有限公司 | 订单分配、评价方法及装置、电子设备及存储介质 |
| CN109711940A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 订单分配方法、装置、电子设备及存储介质 |
| CN111724006A (zh) * | 2019-03-18 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 一种任务组合方法、数据处理方法和装置 |
| CN111724006B (zh) * | 2019-03-18 | 2023-09-26 | 北京京东振世信息技术有限公司 | 一种任务组合方法、数据处理方法和装置 |
| CN110309946A (zh) * | 2019-05-09 | 2019-10-08 | 上汽安吉物流股份有限公司 | 物流路径规划方法及装置、计算机可读介质以及物流系统 |
| CN110766290A (zh) * | 2019-09-27 | 2020-02-07 | 浪潮软件集团有限公司 | 一种商品进销存系统、管理系统及管理方法 |
| CN111160729A (zh) * | 2019-12-13 | 2020-05-15 | 北京动力机械研究所 | 制造执行系统分卡处理方法、装置及系统 |
| CN113450035A (zh) * | 2020-03-24 | 2021-09-28 | 北京京东振世信息技术有限公司 | 任务组建方法及装置、计算机存储介质、电子设备 |
| CN111695732B (zh) * | 2020-06-09 | 2022-07-26 | 武汉问道信息技术有限公司 | 一种烟草成品物流的订单分批与路径规划方法 |
| CN111695732A (zh) * | 2020-06-09 | 2020-09-22 | 武汉问道信息技术有限公司 | 一种烟草成品物流的订单分批与路径规划方法 |
| CN111967657A (zh) * | 2020-07-30 | 2020-11-20 | 中国外运股份有限公司 | 一种运输订单优化方法及装置 |
| CN111985790A (zh) * | 2020-07-30 | 2020-11-24 | 中国外运股份有限公司 | 一种送装车辆的订单分配方法及系统 |
| CN111985790B (zh) * | 2020-07-30 | 2023-12-26 | 中国外运股份有限公司 | 一种送装车辆的订单分配方法及系统 |
| CN111967657B (zh) * | 2020-07-30 | 2024-06-11 | 中国外运股份有限公司 | 一种运输订单优化方法及装置 |
| CN115130858A (zh) * | 2022-06-27 | 2022-09-30 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
| CN115130858B (zh) * | 2022-06-27 | 2024-01-26 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647810A (zh) | 订单运输的分配方法及装置、计算机可读介质 | |
| 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 | |
| Morabit et al. | Machine-learning–based column selection for column generation | |
| 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 | |
| CN104408589B (zh) | 基于混合粒子群算法的agv优化调度方法 | |
| CN108845496B (zh) | 一种自动化码头agv调度方法及系统 | |
| Gharehgozli et al. | A decision-tree stacking heuristic minimising the expected number of reshuffles at a container terminal | |
| Lee et al. | Comparison and evaluation of various cycle-time models for yard cranes in container terminals | |
| CN110490510A (zh) | 一种物流配送线路生成方法和装置 | |
| CN112001535A (zh) | 物流装箱方法、装置、设备及存储介质 | |
| CN103632026B (zh) | 拣货方法和系统 | |
| CN109948991A (zh) | 一种智能装箱方法、设备及存储介质 | |
| Jiang et al. | Picking-replenishment synchronization for robotic forward-reserve warehouses | |
| CN109597304A (zh) | 基于人工蜂群算法的模具库智能分区存储方法 | |
| CN111626516B (zh) | 考虑倒货策略的双深位四向穿梭车系统订单排序优化方法 | |
| CN105858043A (zh) | 一种升降机与穿梭车结合的仓储系统优化调度方法 | |
| CN111507644B (zh) | 一种多点卸货约束的三维多容器装载方法 | |
| CN113157694A (zh) | 一种基于强化学习的数据库索引生成方法 | |
| CN104504177A (zh) | 大型集装箱起重机快速配置设计方法 | |
| CN111860837A (zh) | 装箱问题的处理方法、装置及计算机可读存储介质 | |
| CN110704535A (zh) | 数据分箱方法、装置、设备及计算机可读存储介质 | |
| CN116664053B (zh) | 一种商品库存管理方法 | |
| CN113762563A (zh) | 基于订单灰色关联分析的仓储货位优化布局方法及系统 | |
| CN113570176B (zh) | 货物装箱方案输出方法、装置、计算机设备和存储介质 | |
| CN110889599A (zh) | 订单处理方法及装置、仓储系统、计算机设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |
|
| RJ01 | Rejection of invention patent application after publication |