CN109034468A - 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 - Google Patents

一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 Download PDF

Info

Publication number
CN109034468A
CN109034468A CN201810795057.3A CN201810795057A CN109034468A CN 109034468 A CN109034468 A CN 109034468A CN 201810795057 A CN201810795057 A CN 201810795057A CN 109034468 A CN109034468 A CN 109034468A
Authority
CN
China
Prior art keywords
time window
vehicle
time
client
cuckoo algorithm
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
CN201810795057.3A
Other languages
English (en)
Other versions
CN109034468B (zh
Inventor
孙知信
雷蕾
孙哲
胡冰
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.)
Guangxi Guiwu Smart Technology Co.,Ltd.
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201810795057.3A priority Critical patent/CN109034468B/zh
Publication of CN109034468A publication Critical patent/CN109034468A/zh
Application granted granted Critical
Publication of CN109034468B publication Critical patent/CN109034468B/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种本基于布谷鸟算法的带时间窗的物流配送路径规划方法，具有如下步骤：首先根据拟解决的带时间窗的物流配送车辆路径规划问题建立客户数据模型，设置需求点数据并计算需求点两两之间的直线距离；根据物流配送的实际需求建立一种如果早于时间窗到达则增加时间成本惩罚，晚于时间窗则另派其他车辆配送的VRPTW模型来提高服务质量；调用布谷鸟算法迭代寻找最优配送顺序；最后得到所需车辆数，每台车的配送路径，目标函数值等结果输出完成路径规划。本发明采用全局搜索能力强、鲁棒性好、参数少的布谷鸟算法进行最优配送路径的选择，相比传统的配送路径规划方法更加合理，有利于物流企业降低运输成本、提高服务质量和效率。

Description

一种基于布谷鸟算法的带时间窗的物流配送路径规划方法
技术领域
本发明公开了一种物流配送路径规划方法，尤其涉及一种基于布谷鸟算法的带时间窗的物流配送路径规划方法，属于计算机应用技术领域。
背景技术
物流配送车辆的路径规划是物流业的一个重要研究内容，随着经济的不断发展，特别是近几年电子商务的快速发展，物流配送规模急剧扩大。由于物流客户的扩大、运输网络的日益复杂和配送路线的不合理，物流配送效率和服务质量以及资源的利用受到严重影响。因此，如何科学合理地找到最优的配送路径，降低运输成本，提高服务质量，是物流业的一个重要研究内容。路径规划的求解算法大致分为三类：精确算法、启发式算法和元启发式算法。其中，群体智能优化算法具有更好的搜索性能和较为满意的收敛结果。但在实际应用中，有必要考虑服务时间的要求，是否可以满负荷，是否有多个仓库，是否有多个分配任务等等。随着约束和优化目标的增加，问题的维数和难度呈指数增长，这将导致算法复杂性的增加和性能的下降。因此，需要一种更高效和简单的算法。
布谷鸟算法((Cuckoo search,CS)是受布谷鸟孵育寄生现象启发而提出的新型元启发式算法，它是基于群体智能计算理论提出的一种新的元启发式算法。 CS算法通过模拟某些种属布谷鸟的寄生育雏习性，引入Levy飞行来刻画布谷鸟的觅食动态行为，使算法探索解空间的性能更高，并能灵活地跳出局部极值，有效地求解最优化问题。本算法的结构简单，控制参数较少，且具有较强的跳出局部极值的能力。常用的群智能算法中蚁群算法(ACA)搜索时间长、容易停滞且它对初始化参数的设置比较敏感；遗传算法(GA)的编程复杂，需要进行编码和解码，且参数的选择严重影响解的质量；粒子群优化算法(PSO)的收敛速度较快，但粒子群算法容易陷入局部最优解，算法不稳定。相比之下，CS算法比遗传算法、蚁群算法和粒子群算法等典型群体智能算法具有更高的效率，可在较少的函数求解次数下得到更好的优化结果。
发明内容
本发明的目的在于：针对现有技术存在的缺陷，提出一种基于布谷鸟算法的带时间窗的物流配送路径规划方法，能够有效解决随着实际约束条件和优化目标的增加，问题维度和难度升高导致的有些算法性能急剧降低的问题。
为了达到以上目的，本发明提供了基于布谷鸟算法的带时间窗的物流配送路径规划方法，包括如下步骤：
步骤1、建立客户数据模型：根据拟解决的带时间窗的物流配送车辆路径规划问题建立客户数据模型，设置需求点数量N，对配送中心和需求点进行标号0...N，其中配送中心标号为0，设置需求点和配送中心坐标为xi，yi，设置每辆车的载重量Q，车速V，客户时间窗为，最早到达时间ei，最迟服务时间li；并采用数据表形式储存客户信息；
步骤2、产生坐标点之间的相互距离、运输时间矩阵：计算需求点两两之间的直线距离记于数组Dd，并化为上三角矩阵；计算坐标点两两之间所需的运输时间记于数组T_Dd，其中T_Dd＝Dd/V；
步骤3、建立带时间窗的物流配送车辆路径问题模型：根据物流配送的实际需求提出一种如果早于时间窗到达则增加时间成本惩罚，晚于时间窗则另派其他车辆配送的VRPTW模型来提高服务质量，设计目标函数和惩罚函数，目标函数表示运输成本最小化；
步骤4、调用布谷鸟算法迭代寻找最优配送顺序；
步骤5、输出结果，至少包括所需车辆数，每台车的配送路径及目标函数值。
进一步的，所述步骤3中，目标函数数学建模如下：
目标函数：
S.T.
其中，V0表示配送中心的位置，Vi表示客户i的位置，k是配送车辆标号，i，j是客户标号，Cij是单位运输成本，qi是客户i的需求量，dij是i，j之间的距离，tij是 i，j之间的运输时间，Ti表示客户i的服务时间，Si是车辆k实际到达客户i的时间，Pi(Si)惩罚函数，早于时间窗到达则增加时间惩罚，晚于时间窗达到则由其他车辆完成配送任务；
目标函数(1)表示将运输成本最小化，包括偏离时间窗所引起的惩罚；约束(2)确保分配给每个车辆行程的总需求不超过车辆载重量Q；约束(3)保证所有客户都由K辆车完成配送服务；约束(4)确保每一个客户只由一辆车服务；约束(5)表明配送中心是车辆行程的起点和终点；约束条件(5)和(6) 表示了xijkyik.之间的关系。
进一步的，
进一步的，所述步骤4中，具体流程如下：
步骤4.1、适应度函数F(X)＝objfun，X＝(x1，...，xd)T，其中objfun是步骤二中所描述的VRPTW问题的目标函数，用来表示运输成本最小化，包括了运输成本和时间惩罚；
步骤4.2、初始化种群，每个D维向量代表一个巢穴或卵，计算所有个体的适应度；并进行循环；
步骤4.3、对每个巢穴i，按照levy飞行产生新解，并计算适应度值；
步骤4.4、对每个巢穴i，随机选择n个巢穴中的巢穴j，如果Fi＞Fj，则替换旧解；
步骤4.5、针对劣质的巢穴，以发现概率Pα淘汰；
步骤4.6、记录最优解，若不满足终止条件则返回步骤3；
步骤4.7、结束流程。
进一步的，所述步骤4.2中，迭代次数小于最大迭代次数或不满足终止条件时进行循环。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明通过引入布谷鸟算法来求解物流配送车辆的路径规划问题，能够有效解决随着实际约束条件和优化目标的增加，问题维度和难度升高导致的有些算法性能急剧降低的问题。并且相比于一般的带时间窗的车辆路径问题(VRPTW)，本技术方案中建立的物流配送路径问题模型，是考虑到在物流实际场景中客户对于时间的要求，为了提升客户满意度、提高物流服务质量和效率所作的模型改进。本技术方案采用高效简单稳定的布谷鸟算法来求解特定的物流配送路径规划模型，算法简单高效稳定，采用的模型更贴合客户对时间的需求，同时合理的优化的路径规划有利于物流企业运输成本、提高服务质量和效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程框图。
图2是本发明中布谷鸟算法的流程框图。
图3是本发明中配送路径规划示意图。
具体实施方式
为了更加直观清楚的展示本发明的目的和优点，下面将结合本发明实施方式中的附图对本发明进行详细阐述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
本实施例提出的一种基于布谷鸟算法的带时间窗的物流配送路径规划方法，包含以下步骤：
步骤一：建立客户数据模型
根据拟解决的带时间窗的物流配送车辆路径规划问题建立客户数据模型，设置需求点数量N，对配送中心和需求点进行标号0...N(配送中心标号0)，设置需求点和配送中心坐标(xi，yi)，设置每辆车的载重量Q，车速V，客户时间窗(最早到达时间ei，最迟服务时间li)。在本实施例中假设要解决的问题模型是1个配送中心，19个客户，每个客户的坐标、需求量、时间窗可以采用数据表形式存储客户信息如下：
步骤二：产生坐标点之间的相互距离、运输时间矩阵
计算需求点(0，1，2，...N)两两之间的直线距离记于数组Dd，并化为上三角矩阵；计算坐标点两两之间所需的运输时间记于数组 T_Dd，其中T_Dd＝Dd/V。
步骤三：建立带时间窗的物流配送车辆路径问题模型
本方案根据物流配送的实际需求提出一种如果早于时间窗到达则增加时间成本惩罚，晚于时间窗则另派其他车辆配送的VRPTW模型来提高物流服务质量，设计目标函数和惩罚函数，目标函数表示运输成本最小化；数学建模如下：
目标函数：
S.T.
其中，V0表示配送中心的位置，Vi表示客户i的位置，k是配送车辆标号，i，j是客户标号，Cij是单位运输成本，qi是客户i的需求量，dij是i，j之间的距离，tij是i，j 之间的运输时间，Ti表示客户i的服务时间，Si是车辆k实际到达客户i的时间，Pi(Si)惩罚函数，早于时间窗到达则增加时间惩罚，晚于时间窗达到则由其他车辆完成配送任务。
目标函数(1)表示将运输成本最小化，包括偏离时间窗所引起的惩罚。约束(2)确保分配给每个车辆行程的总需求不超过车辆载重量Q。约束(3)保证所有客户都由K辆车完成配送服务。约束(4)确保每一个客户只由一辆车服务，约束(5)表明配送中心是车辆行程的起点和终点。约束条件(5)和(6) 表示了xijkyik.之间的关系
步骤四：调用布谷鸟算法迭代寻找最优配送顺序；
布谷鸟算法迭代产生最优配送顺序的基本流程如附图1所示，并描述如下：
1：适应度函数F(X)＝objfun，X＝(x1，...，xd)T
其中objfun是步骤二中所描述的VRPTW问题的目标函数， 用来表示运输成本最小化，包括了运输成本和时间惩罚。
2：初始化种群，每个D维向量代表一个巢穴或卵，计算所有个体的适应度
参数 值
种群大小(n) 25
发现概率Pα 0.25
最大迭代次数 500
当迭代次数小于最大迭代次数或不满足终止条件时进行循环。
3：对每个巢穴，按照levy飞行产生新解，并计算适应度值。
4：对每个巢穴i，随机选择n个巢穴中的巢穴j，如果Fi＞Fj，则替换旧解。
5：劣质的巢穴以发现概率Pα淘汰。
6：记录最优解，若不满足终止条件则返回步骤三。
7：结束。
步骤五：输出结果。
本实施例中1个配送中心，19个客户点模型，采用本技术方案后产生的路径规划结果如下：
本次配送任务总共需要4辆车完成，配送路径依次为：
第1辆车的配送路径为：0--→7--→5--→16--→17--→0
第2辆车的配送路径为：0--→6--→15--→11--→3--→18--→8--→0
第3辆车的配送路径为：0--→9--→10--→1--→4--→0
第4辆车的配送路径为：0--→12--→19--→13--→14--→20--→2--→0
总的运输路程754.6966km，假设每单位运输成本3.5元，则本次配送产生的总的运输成本为2641.4381元。
最后应说明的是：以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于布谷鸟算法的带时间窗的物流配送路径规划方法，其特征在于：包括如下步骤：
步骤1、建立客户数据模型：根据拟解决的带时间窗的物流配送车辆路径规划问题建立客户数据模型，设置需求点数量N，对配送中心和需求点进行标号0…N，其中配送中心标号为0，设置需求点和配送中心坐标为xi,yi，设置每辆车的载重量Q，车速V，客户时间窗为，最早到达时间ei，最迟服务时间li；并采用数据表形式储存客户信息；
步骤2、产生坐标点之间的相互距离、运输时间矩阵：计算需求点两两之间的直线距离记于数组Dd，并化为上三角矩阵；计算坐标点两两之间所需的运输时间记于数组T_Dd，其中T_Dd＝Dd/V；
步骤3、建立带时间窗的物流配送车辆路径问题模型：根据物流配送的实际需求提出一种如果早于时间窗到达则增加时间成本惩罚，晚于时间窗则另派其他车辆配送的VRPTW模型来提高服务质量，设计目标函数和惩罚函数，目标函数表示运输成本最小化；
步骤4、调用布谷鸟算法迭代寻找最优配送顺序；
步骤5、输出结果，至少包括所需车辆数，每台车的配送路径及目标函数值。
2.根据权利要求1所述的基于布谷鸟算法的带时间窗的物流配送路径规划方法，其特征在于：所述步骤3中，目标函数数学建模如下：
目标函数：
S.T.
其中，V0表示配送中心的位置，Vi表示客户i的位置，k是配送车辆标号，i，j是客户标号，Cij是单位运输成本，qi是客户i的需求量，dij是i，j之间的距离，tij是i，j之间的运输时间，Ti表示客户i的服务时间，Si是车辆k实际到达客户i的时间，Pi(Si)惩罚函数，早于时间窗到达则增加时间惩罚，晚于时间窗达到则由其他车辆完成配送任务；
3.根据权利要求2所述的基于布谷鸟算法的带时间窗的物流配送路径规划方法，其特征在于：所述步骤3中，目标函数(1)表示将运输成本最小化，包括偏离时间窗所引起的惩罚；约束(2)确保分配给每个车辆行程的总需求不超过车辆载重量Q；约束(3)保证所有客户都由K辆车完成配送服务；约束(4)确保每一个客户只由一辆车服务；约束(5)表明配送中心是车辆行程的起点和终点；约束条件(5)和(6)表示了xijkyik.之间的关系。
4.根据权利要求1所述的基于布谷鸟算法的带时间窗的物流配送路径规划方法，其特征在于：所述步骤4中，具体流程如下：
步骤4.1、适应度函数F(X)＝objfun,X＝(x1,…,xd)T，其中objfun是步骤二中所描述的VRPTW问题的目标函数，用来表示运输成本最小化，包括了运输成本和时间惩罚；
步骤4.2、初始化种群，每个D维向量代表一个巢穴或卵，计算所有个体的适应度；并进行循环；
步骤4.3、对每个巢穴i，按照levy飞行产生新解，并计算适应度值；
步骤4.4、对每个巢穴i，随机选择n个巢穴中的巢穴j，如果Fi>Fj，则替换旧解；
步骤4.5、针对劣质的巢穴，以发现概率Pα淘汰；
步骤4.6、记录最优解，若不满足终止条件则返回步骤3；
步骤4.7、结束流程。
5.根据权利要求4所述的基于布谷鸟算法的带时间窗的物流配送路径规划方法，其特征在于：所述步骤4.2中，迭代次数小于最大迭代次数或不满足终止条件时进行循环。
CN201810795057.3A 2018-07-19 2018-07-19 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 Active CN109034468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810795057.3A CN109034468B (zh) 2018-07-19 2018-07-19 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810795057.3A CN109034468B (zh) 2018-07-19 2018-07-19 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法

Publications (2)

Publication Number Publication Date
CN109034468A true CN109034468A (zh) 2018-12-18
CN109034468B CN109034468B (zh) 2022-01-25

Family

ID=64644256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810795057.3A Active CN109034468B (zh) 2018-07-19 2018-07-19 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法

Country Status (1)

Country Link
CN (1) CN109034468B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739191A (zh) * 2018-12-28 2019-05-10 浙江大学 一种布谷鸟寻优的丙烯聚合生产过程最优软测量仪表
CN109784549A (zh) * 2018-12-21 2019-05-21 重庆邮电大学 一种群智能动态物流背包优化方法
CN109858752A (zh) * 2018-12-27 2019-06-07 安庆师范大学 基于滚动时域控制的动态外卖配送的方法及装置
CN109919359A (zh) * 2019-02-01 2019-06-21 陕西科技大学 一种基于adp算法的车辆路径规划方法
CN109945884A (zh) * 2019-04-12 2019-06-28 德邦物流股份有限公司 实时路径规划方法、装置、计算机终端和可读存储介质
CN109993362A (zh) * 2019-04-01 2019-07-09 大连理工大学 一种基于最小成本流网络模型的物流配送方法
CN110147901A (zh) * 2019-04-08 2019-08-20 合肥工业大学 基于指针神经网络的车辆路径规划方法、系统及存储介质
CN110334853A (zh) * 2019-06-10 2019-10-15 福建工程学院 一种物流配送中心仓库选址的仿自然体优化方法
CN110688219A (zh) * 2019-09-05 2020-01-14 浙江理工大学 基于反向混沌布谷鸟搜索的自适应权重负载均衡算法
CN110782073A (zh) * 2019-10-08 2020-02-11 国药集团医药物流有限公司 单点装货多点卸货的串点运输模型
CN110956317A (zh) * 2019-11-22 2020-04-03 东南大学 一种针对无人车和燃油车混合配送模式的建模与求解方法
CN111445186A (zh) * 2020-03-27 2020-07-24 陕西科技大学 一种基于Petri网理论的带时间窗的车辆路径优化方法
CN111538333A (zh) * 2020-05-13 2020-08-14 安庆师范大学 基于定积分的滚动时域控制策略的动态车辆路径优化方法
CN112414406A (zh) * 2020-10-28 2021-02-26 中国计量大学 一种基于无人机的大气监测最优路径航迹规划算法
CN112488386A (zh) * 2020-11-30 2021-03-12 重庆大学 基于分布熵多目标粒子群的物流车辆配送规划方法及系统
CN112508478A (zh) * 2020-12-02 2021-03-16 北京理工大学 一种基于自组织自动导引车的柔性物流配送任务分配方法
CN112734198A (zh) * 2020-12-30 2021-04-30 安徽金网运通物流科技有限公司 一种车辆集中地追加运输车辆配置方法
CN110046749B (zh) * 2019-03-22 2021-05-11 杭州师范大学 一种基于实时路况的电商包裹与同城o2o包裹共同配送系统
CN112836892A (zh) * 2021-02-26 2021-05-25 山东科技大学 基于改进遗传算法的多目标车辆配送路径确定方法及系统
CN113077106A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 一种基于时间窗的物品运输方法和装置
CN113313451A (zh) * 2021-06-15 2021-08-27 浙江中烟工业有限责任公司 一种基于改进布谷鸟算法的多目标优化物流调度方法
CN113496297A (zh) * 2020-03-18 2021-10-12 北京京东振世信息技术有限公司 一种配送路由规划方法和装置
CN113743874A (zh) * 2021-09-13 2021-12-03 昆明理工大学 一种应急物资物流配送的优化调度方法
CN113778094A (zh) * 2021-09-14 2021-12-10 北京航空航天大学 车辆路径规划方法、装置、可读存储介质及电子设备
CN114118621A (zh) * 2021-12-07 2022-03-01 东华大学 一种基于改进Knea的多目标低碳物流调度的优化方法
CN114493465A (zh) * 2022-02-21 2022-05-13 深圳佳利达供应链管理有限公司 一种多目标物流路径优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN108038271A (zh) * 2017-11-22 2018-05-15 华中科技大学 一种铣刀的磨损预测方法及状态识别的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN108038271A (zh) * 2017-11-22 2018-05-15 华中科技大学 一种铣刀的磨损预测方法及状态识别的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周欢: "基于改进布谷鸟算法的电子商务配送中心选址研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784549A (zh) * 2018-12-21 2019-05-21 重庆邮电大学 一种群智能动态物流背包优化方法
CN109858752A (zh) * 2018-12-27 2019-06-07 安庆师范大学 基于滚动时域控制的动态外卖配送的方法及装置
CN109739191A (zh) * 2018-12-28 2019-05-10 浙江大学 一种布谷鸟寻优的丙烯聚合生产过程最优软测量仪表
CN109919359A (zh) * 2019-02-01 2019-06-21 陕西科技大学 一种基于adp算法的车辆路径规划方法
CN109919359B (zh) * 2019-02-01 2024-06-04 武汉天之然知识产权运营有限公司 一种基于adp算法的车辆路径规划方法
CN110046749B (zh) * 2019-03-22 2021-05-11 杭州师范大学 一种基于实时路况的电商包裹与同城o2o包裹共同配送系统
CN109993362A (zh) * 2019-04-01 2019-07-09 大连理工大学 一种基于最小成本流网络模型的物流配送方法
CN109993362B (zh) * 2019-04-01 2022-12-06 大连理工大学 一种基于最小成本流网络模型的物流配送方法
CN110147901A (zh) * 2019-04-08 2019-08-20 合肥工业大学 基于指针神经网络的车辆路径规划方法、系统及存储介质
CN110147901B (zh) * 2019-04-08 2023-04-07 合肥工业大学 车辆路径规划方法、系统及存储介质
CN109945884A (zh) * 2019-04-12 2019-06-28 德邦物流股份有限公司 实时路径规划方法、装置、计算机终端和可读存储介质
CN109945884B (zh) * 2019-04-12 2021-05-18 德邦物流股份有限公司 实时路径规划方法、装置、计算机终端和可读存储介质
CN110334853A (zh) * 2019-06-10 2019-10-15 福建工程学院 一种物流配送中心仓库选址的仿自然体优化方法
CN110688219A (zh) * 2019-09-05 2020-01-14 浙江理工大学 基于反向混沌布谷鸟搜索的自适应权重负载均衡算法
CN110782073A (zh) * 2019-10-08 2020-02-11 国药集团医药物流有限公司 单点装货多点卸货的串点运输模型
CN110956317A (zh) * 2019-11-22 2020-04-03 东南大学 一种针对无人车和燃油车混合配送模式的建模与求解方法
CN110956317B (zh) * 2019-11-22 2022-11-18 东南大学 一种针对无人车和燃油车混合配送模式的建模与求解方法
CN113496297A (zh) * 2020-03-18 2021-10-12 北京京东振世信息技术有限公司 一种配送路由规划方法和装置
CN111445186A (zh) * 2020-03-27 2020-07-24 陕西科技大学 一种基于Petri网理论的带时间窗的车辆路径优化方法
CN111538333B (zh) * 2020-05-13 2022-11-15 安庆师范大学 基于定积分的滚动时域控制策略的动态车辆路径优化方法
CN111538333A (zh) * 2020-05-13 2020-08-14 安庆师范大学 基于定积分的滚动时域控制策略的动态车辆路径优化方法
CN112414406A (zh) * 2020-10-28 2021-02-26 中国计量大学 一种基于无人机的大气监测最优路径航迹规划算法
CN112488386A (zh) * 2020-11-30 2021-03-12 重庆大学 基于分布熵多目标粒子群的物流车辆配送规划方法及系统
CN112488386B (zh) * 2020-11-30 2023-08-15 重庆大学 基于分布熵多目标粒子群的物流车辆配送规划方法及系统
CN112508478A (zh) * 2020-12-02 2021-03-16 北京理工大学 一种基于自组织自动导引车的柔性物流配送任务分配方法
CN112734198A (zh) * 2020-12-30 2021-04-30 安徽金网运通物流科技有限公司 一种车辆集中地追加运输车辆配置方法
CN112836892A (zh) * 2021-02-26 2021-05-25 山东科技大学 基于改进遗传算法的多目标车辆配送路径确定方法及系统
CN113077106A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 一种基于时间窗的物品运输方法和装置
CN113313451A (zh) * 2021-06-15 2021-08-27 浙江中烟工业有限责任公司 一种基于改进布谷鸟算法的多目标优化物流调度方法
CN113743874A (zh) * 2021-09-13 2021-12-03 昆明理工大学 一种应急物资物流配送的优化调度方法
CN113743874B (zh) * 2021-09-13 2023-11-03 昆明理工大学 一种应急物资物流配送的优化调度方法
CN113778094A (zh) * 2021-09-14 2021-12-10 北京航空航天大学 车辆路径规划方法、装置、可读存储介质及电子设备
CN114118621A (zh) * 2021-12-07 2022-03-01 东华大学 一种基于改进Knea的多目标低碳物流调度的优化方法
CN114118621B (zh) * 2021-12-07 2024-04-23 东华大学 一种基于改进Knea的多目标低碳物流调度的优化方法
CN114493465B (zh) * 2022-02-21 2022-09-16 深圳佳利达供应链管理有限公司 一种多目标物流路径优化方法
CN114493465A (zh) * 2022-02-21 2022-05-13 深圳佳利达供应链管理有限公司 一种多目标物流路径优化方法

Also Published As

Publication number Publication date
CN109034468B (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
CN109034468A (zh) 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法
CN111862579B (zh) 一种基于深度强化学习的出租车调度方法及系统
CN112418497B (zh) 一种面向制造物联的物料配送路径优化方法
US20210312347A1 (en) Dispatching distribution
CN110782086B (zh) 一种用于救援的带无人机车辆配送路径优化方法及系统
CN110334838B (zh) 基于蚁群算法和遗传算法的agv小车协同调度方法及系统
CN110264062A (zh) 分布式多agv动态任务分配及其路径规划方法与系统
CN108875955A (zh) 基于参数服务器的梯度提升决策树的实现方法及相关设备
CN109002902A (zh) 分区域多阶段生鲜农产品动态车辆路径优化方法
CN112508369B (zh) 基于改进蚁群算法的多无人机任务分配方法
CN108417031A (zh) 一种基于Agent仿真的智能停车泊位预约策略优化方法
CN107886196B (zh) 一种用于货物取送的单车调度方法
CN107657364A (zh) 一种面向烟草工厂物料运输的多载agv任务分配形成方法
CN112488386B (zh) 基于分布熵多目标粒子群的物流车辆配送规划方法及系统
Hildebrandt et al. Supervised learning for arrival time estimations in restaurant meal delivery
CN112907103B (zh) 一种共享单车动态供需平衡的方法
CN114237222B (zh) 一种基于强化学习的取送货车辆路径规划方法
Leng et al. Distribution path optimization for intelligent logistics vehicles of urban rail transportation using VRP optimization model
CN114169613A (zh) 基于机器学习和干扰管理的低碳物流配送系统及其方法
CN116415882A (zh) 一种骑手-无人车协同配送的即时配送订单分配系统
CN113848970A (zh) 一种车辆-无人机多目标协同路径规划方法
Wang et al. Two‐Stage Solution for Meal Delivery Routing Optimization on Time‐Sensitive Customer Satisfaction
CN117032298A (zh) 卡车无人机同步运行协同配送模式下的无人机任务分配规划方法
CN116882883A (zh) 一种利用大数据的电网物资配送路径规划方法
CN111178596A (zh) 一种物流配送路线规划方法、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240514

Address after: 530000, No. 50 Dongfeng Road, Nanning Area, China (Guangxi) Pilot Free Trade Zone, Nanning City, Guangxi Zhuang Autonomous Region

Patentee after: Guangxi Guiwu Smart Technology Co.,Ltd.

Country or region after: China

Address before: 210003, 66 new model street, Gulou District, Jiangsu, Nanjing

Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS

Country or region before: China

TR01 Transfer of patent right