CN109255462A - 一种货物配送方法及装置 - Google Patents
一种货物配送方法及装置 Download PDFInfo
- Publication number
- CN109255462A CN109255462A CN201710577330.0A CN201710577330A CN109255462A CN 109255462 A CN109255462 A CN 109255462A CN 201710577330 A CN201710577330 A CN 201710577330A CN 109255462 A CN109255462 A CN 109255462A
- Authority
- CN
- China
- Prior art keywords
- distributing node
- goods delivery
- path weight
- node
- distributing
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (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)
- Traffic Control Systems (AREA)
Abstract
本申请涉及人工智能技术领域,尤其涉及一种货物配送方法及装置,用以解决现有技术中在对货物进行配送时存在着货物配送方案规划难、规划效率低的问题;本申请实施例提供的货物配送方法包括:接收N个配送节点发送的货物配送请求;每一货物配送请求中携带有配送节点的位置信息和货物需求信息;循环执行以下操作:根据总线路长短对上一次得到的M种货物配送方案进行线路排名;对于每一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路;根据配送线路更新该货物配送方案;直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种货物配送方法及装置。
背景技术
如图1所示,车辆路径问题(Vehicle Routing Problem,VRP)一般可以描述为:在一定的约束条件下,对配送中心与配送节点之间规划合适的配送路线,使其达到一定的优化目标,其中,约束条件如配送节点的货物需求信息和车辆载重等,优化目标一般如总线路最短、成本最低、时间最短等。
现有技术中,在配送货物时,多是基于历史配送经验来人工规划符合约束条件的最优配送方案,然后待配送车辆按照最优配送方案进行货物配送,这样,当配送节点数量比较少时,可以规划出比较好的配送方案,但随着配送节点的增多,想要人工规划出符合约束条件的最优配送方案越来越难,并且,当配送节点的数量发生变化或者配送节点的货物需求信息发生较大变化时,也需要较长时间才能规划出最优配送方案,规划最优配送方案的效率也比较低。
可见,现有技术中在对货物进行配送时存在着难以规划出最优货物配送方案、且规划效率低的问题。
发明内容
本申请实施例提供一种货物配送方法及装置,用以解决现有技术中在对货物进行配送时存在着难以规划出最优货物配送方案、且规划效率低的问题。
本申请实施例提供的一种货物配送方法,包括:
接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;N为大于1的整数;
循环执行以下操作:
根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,M为大于或者等于1的整数;
对于每一种货物配送方案,根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路;其中,对于所述配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;
根据所述配送线路更新该货物配送方案;
直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给所述待配送车辆。
本申请实施例提供的一种货物配送装置,包括:
接收模块,用于接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;N为大于1的整数;
循环模块,用于循环执行以下操作:
根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,M为大于或者等于1的整数;
对于每一种货物配送方案,根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路;其中,对于所述配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;
根据所述配送线路更新该货物配送方案;
发送模块,用于当所述循环模块执行上述操作的次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给所述待配送车辆。
本申请实施例提供的一种计算设备,包括至少一个处理单元、以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述计算设备执行上述货物配送方法的步骤。
本申请实施例提供的一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述计算机程序在所述计算设备上运行时,使所述计算设备执行上述货物配送方法的步骤。
本申请实施例中,接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;之后,循环执行以下操作:根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案;对于每一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路;其中,对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;根据配送线路更新该货物配送方案;直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆,这样,用预先模拟车辆的货物配送方案,无论配送节点有多少,也无论配送节点的数量或者货物需求信息如何变化,都可以方便地规划出最优货物配送方案、且规划效率高。
附图说明
图1为现有技术中提供的车辆配送货物的示意图;
图2为本申请实施例提供的货物配送方法流程图;
图3为本申请实施例提供的确定模拟车辆在N个配送节点之间的配送线路的流程图;
图4为本申请实施例提供的确定模拟车辆在N个配送节点之间的配送线路的示意图;
图5为本申请实施例提供的又一货物配送方法流程图;
图6为本申请实施例提供的又一确定模拟车辆在N个配送节点之间的配送线路的流程图;
图7为本申请实施例提供的货物配送装置结构图;
图8为本申请实施例提供的用于实现货物配送的计算设备的硬件结构示意图。
具体实施方式
本申请实施例中,接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;之后,循环执行以下操作:根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案;对于每一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路;其中,对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;根据配送线路更新该货物配送方案;直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆,这样,用预先模拟车辆的货物配送方案,无论配送节点有多少,也无论配送节点的数量或者货物需求信息如何变化,都可以方便地规划出最优货物配送方案、且规划效率高。
下面结合说明书附图对本申请实施例作进一步详细描述。
首先,需要说明的是,对于任意一个配送节点,待配送车辆只配送一次货物,在配送过程中车辆不能超载,并且需要对N个配送节点都完成配送,即车辆可以多次返回到配送中心,因此在一个货物配送方案中会存在多条包含配送中心的闭合线路。
实施例一
如图2所示,为本申请实施例提供的货物配送方法流程图,包括以下步骤:
S201:接收N(N>1)个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息。
S202:循环执行以下操作直到循环次数达到预设阈值:根据总线路长短对上一次得到的M(M≥1)种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,对于每一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路;对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;根据配送线路更新该货物配送方案。
在具体实施过程中,针对N个配送节点可以先随机确定M种货物配送方案,然后对这M种货物配送方案同时进行循环寻优,以得到符合约束条件的最优的货物配送方案。
具体地,以一次循环为例,对上一次得到的M种货物配送方案按照总线路长短进行排名,然后针对任一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路,其中,对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重,然后根据配送线路对该货物配送方案进行更新。
这里,对于任一种货物配送方案,可以按照图3所示的流程确定模拟车辆在N个配送节点之间的配送线路:
S301a:对于模拟车辆的任意一个出发配送节点,可以基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定模拟车辆在出发配送节点和每个未到达配送节点之间的转移概率;其中,出发配送节点包含配送中心和N个配送节点。
在具体实施过程中,首先基于该货物配送方案的线路排名确定该货物配送方案对应的粒子半径,然后根据粒子半径和环境温度计算当前循环中该货物配送方案对应的漂移算子和波动算子,其中,粒子半径用于表征货物配送方案的稳定性;漂移算子用于表征货物配送方案中模拟车辆选取最优路径段的能力;波动算子用于表征货物配送方案中模拟车辆探索未选取路径段的能力。
进一步地,对于包含出发配送节点和任意一个当前未到达的配送节点所组成的一对配送节点:根据当前循环中该货物配送方案对应的漂移算子、波动算子和当前已确定的货物配送方案确定该对配送节点之间的第一路径权重;根据配送中心与该对配送节点中每一配送节点之间的距离、以及该对配送节点之间的距离,按照节约里程法确定该对配送节点之间的第二路径权重;根据该对配送节点之间的距离和节点数N确定该对配送节点之间的第三路径权重。
进一步地,在得到第一路径权重、第二路径权重和第三路径权重之后,可以根据当前循环次数确定当前循环中第一路径权重、第二路径权重和第三路径权重的指数,之后,基于第一路径权重和第一路径权重的指数计算第一幂值,基于第二路径权重和第二路径权重的指数计算第二幂值,基于第三路径权重和第三路径权重的指数计算第三幂值,将第一幂值、第二幂值和第三幂值的乘积确定为该对配送节点之间的路径权重,然后将该对配送节点之间的路径权重与总路径权重之比确定为该对配送节点之间的转移概率;其中,总路径权重为出发配送节点与当前每一个未到达的配送节点之间的路径权重之和。
S302a:根据模拟车辆在出发配送节点和每个未到达配送节点之间的转移概率、车辆载重和配送节点的货物需求信息,确定模拟车辆从出发配送节点行驶到的下一个配送节点。
S303a:将下一个配送节点作为模拟车辆新的出发配送节点。
S304a:判断模拟车辆是否在N个配送节点之间完成货物配送,若否,则返回S301a;若是,进入S305a。
S305a:确定模拟车辆的行驶线路为N个配送节点之间的配送线路。
下面结合具体的实施例对上述对于任一货物配送方案,确定模拟车辆在N个配送节点之间的配送线路的过程进行说明。
如图4所示,假设存在1个配送中心,编号为0;3个配送节点,编号为1~3。初始时模拟车辆从配货中心0出发,对于配货中心0,当前有3个未到达的配送节点1、2、3。
以确定配送节点(0,1)之间的转移概率为例,配送节点(0,1)之间的转移概率为配送节点(0,1)之间的路径权重与总路径权重的比值,总路径权重为配送节点(0,1)之间的转移概率、配送节点(0,2)之间的转移概率和配送节点(0,3)之间的转移概率之和。当前对于配货中心0,可以确定出3对配送节点(0,1),(0,2),(0,3)之间的转移概率。
进一步假设配送节点(0,1)之间的转移概率为0.5,配送节点(0,2)之间的转移概率为0.3,配送节点(0,3)之间的转移概率为0.2,按照轮盘法确定模拟车辆行驶到的配送节点1,并且配送节点1的货物需求量不超过车辆载重,那么可以将配送节点1确定为模拟车辆的下一个配送节点,之后,将配送节点1作为新的出发配送节点,对于配送节点1而言,当前存在2个未到达的配送节点2和3,按照上述过程重复计算配送节点(1,2)、配送节点(1,3)之间的转移概率,假设配送节点(1,2)之间的转移概率为0.3,配送节点(1,3)之间的转移概率为0.7,配送节点1、2的货物总需求量未超过车辆载重,配送节点1、3的货物总需求量超过车辆载重,则粒子从配送节点1转移的下一个配送节点为配送节点2,因为超载,之后模拟车辆需要重新从配货中心0出发,此时,对于配货中心0当前只有一个未达到的配送节点3,则下一次模拟车辆从配货中心0行驶到配送节点3,从而完成在3个配送节点之间的货物配送。
上述过程中,模拟车辆的行驶线路为0→1→2→0→3→0,之后,对于该行驶线路中包含的每条包含配送中心的闭合线路,根据该条闭合线路上配送节点的货物需求信息对货物配送方案进行更新。其中,对于任一条包含配送中心0的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重,比如对于闭合线路0→1→2→0,配送节点1、2的总货物需求量不超过待配送车辆的载重。
S203:将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆。
在具体实施过程中,循环达到一定次数后,较优的路径权重会不断得到强化,M种货物配送方案可能会大量聚集在少数几种较优的货物配送方案上、陷入局部最优,甚至可能会出现搜索停滞现象。
本申请实施例为了避免这种情况,在上述步骤S202中,根据总线路长短对上一次得到的M种货物配送方案进行线路排名之后,可以判断最短货物配送方案是否连续K(K≥1)次未发生变化,若是,则可以对于每一货物配送方案,根据该货物配送方案的线路排名确定该货物配送方案对应的漂移算子和波动算子的扰动量,并在当前循环中,基于该货物配送方案对应的粒子半径和环境温度计算模拟车辆对应的漂移算子和波动算子之后,对计算的漂移算子和波动算子分别增加所述扰动量,然后根据增加扰动量后的漂移算子和波动算子执行后续操作,这样可以很好地避免货物配送方案陷入局部最优,并且可以加快寻求全局最优货物配送方案的过程。
本申请实施例中,接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;之后,循环执行以下操作:根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案;对于每一种货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息和环境温度,确定模拟车辆在N个配送节点之间的配送线路;其中,对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;根据配送线路更新该货物配送方案;直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆,这样,用预先模拟车辆的货物配送方案,无论配送节点有多少,也无论配送节点的数量或者货物需求信息如何变化,都可以方便地规划出最优货物配送方案、且规划效率高。
实施例二
如图5所示,为本申请实施例提供的又一货物配送方法流程图,包括以下步骤:
S501:接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息。
S502:针对N个配送节点随机确定M种货物配送方案。
S503:循环次数Iter=Iter+1。
S504:根据总线路长短对上一次得到的M种货物配送方案进行线路排名。
S505:对于M种货物配送方案中的每一货物配送方案,根据该货物配送方案的线路排名、N个配送节点的位置信息、环境温度、车辆载重和N个配送节点的货物需求信息,确定模拟车辆在N个配送节点之间的配送线路,并根据确定的配送线路更新该货物配送方案。
其中,对于配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重。
在具体实施过程中,对于任一货物配送方案,根据图6所示的流程对该货物配送方案进行更新:
S601a:对模拟车辆的任意一个出发配送节点,基于该货物配送方案对应的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定模拟车辆在出发配送节点和每个未到达配送节点之间的转移概率;其中,出发配送节点包含配送中心和N个配送节点。
具体地,对于任一货物配送方案,可以根据以下公式确定该货物配送方案对应的粒子半径rm:
其中,Lm为该货物配送方案的线路排名,rmax、rmin分别为粒子半径的最大值和最小值;本申请实施例中可以取rmax=1,rmin=0。
进一步地,根据以下公式计算当前循环中该货物配送方案对应的漂移算子ρ和波动算子μ:
μ=ρ=ωmin+f1(r)·f2(t)·(ωmax-ωmin)
其中,表示该货物配送方案对应的粒子半径对漂移算子和波动算子的影响;λ为常数;r为该货物配送方案对应的粒子半径;f2(t)=e(-1/t)表示环境温度对漂移算子和波动算子的影响,t表示环境温度;ωmax表示最大漂移强度,ωmin表示最小漂移强度,一般取ωmin=1-ωmax,本申请实施例中可以取ωmax=1,ωmin=0,λ=1。
对于当前循环中包含出发配送节点i和任意一个当前未到达的配送节点j所组成的一对配送节点(i,j):
根据以下公式确定配送节点(i,j)之间的第一路径权重τ(i,j):
其中,ρ为当前循环中该货物配送方案对应的漂移算子;μ为当前循环中该货物配送方案对应的波动算子;e(i,j)为当前循环中模拟车辆在配送节点(i,j)之间的转移路径段;σ为上一循环中模拟车辆得到的货物配送方案;σ'为历史循环中确定的总线路最短的货物配送方案。
在具体实施过程中,更新该货物配送方案时,若模拟车辆当前选择的路径段e(i,j)包含在该模拟车辆上一次循环得到的货物配送方案σ中,并且e(i,j)包含在历史循环中确定的总线路最短的货物配送方案中,则τ(i,j)=1.5+ρ+μ;若该模拟车辆当前选择的路径段e(i,j)包含在历史循环中确定的总线路最短的货物配送方案中,则τ(i,j)=1.0+ρ+μ;若该模拟车辆当前选择的路径段e(i,j)包含在该模拟车辆上一次循环得到的货物配送方案σ中,则τ(i,j)=2.0-ρ-μ;其它情况下,
根据以下公式确定配送节点(i,j)之间的第二路径权重
其中,d0i为配送中心到配送节点i之间的距离;d0j为配送中心到配送节点j之间的距离;dij为配送节点(i,j)之间的距离;
根据以下公式确定配送节点(i,j)之间的第三路径权重η(i,j):
η(i,j)=1/(dij×N)。
在具体实施过程中,由于搜索初期粒子种群的同质性,会导致算法收敛速度过慢,且初始阶段算法应该大范围地搜索最优解,所以初始阶段起主导作用的应该是第二路径权重和第三路径权重,在算法搜索中后期,由于M种货物配送方案排名(适应度)的不同会出现层次化的分布,此时,可以逐渐减少第二路径权重和第三路径权重的比重,适当加大第一路径权重的比重。因此,为了扩大循环初期的搜索空间和样本的多样性,并在优化过程中逐步加强较优路径信息的重要性,将第一路径权重、第二路径权重和第三路径权重的指数α、β、γ在循环过程中分别按照下述公式进行线性调整。
具体地,根据以下公式确定当前循环中任意一对配送节点之间第一路径权重τ(i,j)的指数α:
根据以下公式确定当前循环中任意一对配送节点之间第二路径权重的指数β:
根据以下公式确定当前循环中任意一对配送节点之间第三路径权重η(i,j)的指数γ:
其中,iterMax为最大循环次数,即预设阈值,iterCur为当前循环次数,αmax,βmax,γmax分别为第一路径权重、第二路径权重和第三路径权重的最大指数,αmin,βmin,γmin分别为第一路径权重、第二路径权重和第三路径权重的最小指数。
进一步地,根据以下公式确定模拟车辆在配送节点(i,j)之间的转移概率pm(i,j):
其中,m为该货物配送方案的编号,tabum中存储有模拟车辆已到达的配送节点的信息,l为模拟车辆当前未到达的配送节点。
S602a:根据模拟车辆在出发配送节点和每个未到达配送节点之间的转移概率、车辆载重和配送节点的货物需求信息,以轮盘法选择节点的方式确定模拟车辆行驶到的下一个配送节点。
S603a:将下一个配送节点作为模拟车辆新的出发配送节点。
S604a:判断模拟车辆是否在N个配送节点之间完成货物配送,若否,则返回S601a;若是,则进入S605a。
S605a:确定模拟车辆的行驶线路为N个配送节点之间的配送线路。
S506:判断当前循环次数Iter是否小于或者等于预设阈值Itermax,若是,则进入S503;若否,进入S507。
S507:将M种货物配送方案中总线路最短的货物配送方案发送给待配送车辆。
在具体实施过程中,循环次数达到一定次数后,由于较优线路的路径权重会不断强化而使得M种货物配送方案聚集在少数几种较优货物配送方案上,可能导致货物配送方案的搜索过程陷入局部最优,出现搜索停滞现象。
本申请实施例为了避免这种情况,在上述步骤S504中,根据总线路长短对上一次得到的M种货物配送方案进行线路排名之后,还可以判断总线路最短的货物配送方案是否连续K(K>1)次未发生变化,若是,则对于每一货物配送方案,根据以下公式确定该货物配送方案对应的漂移算子和波动算子的扰动量Δ:
其中,ψmin为预设的漂移算子ρ和波动算子μ的最小扰动量;ψmax为预设的漂移算子ρ和波动算子μ的最大扰动量;Lm为上一循环中该货物配送方案m在M种货物配送方案中的线路排名;1≤m≤M。
假设当前循环中基于该货物配送方案m对应的粒子半径和环境温度计算的漂移算子为ρ'、波动算子为μ',则可以根据以下公式对漂移算子ρ'和波动算子为μ'进行扰动:
μ*=μ'+Δ;
ρ*=ρ'+Δ。
然后,根据增加扰动后的漂移算子ρ*和波动算子μ*进行后续计算。这样,针对每一货物配送方案,可以根据该货物配送方案自身在上一循环中的线路排名(适应度),对该货物配送方案对应的漂移算子和波动算子进行自适应扰动,并且,对适应度优秀的货物配送方案施加的扰动很小,这样便于对最优货物配送方案进行更加细致的搜索,而对适应度较差的货物配送方案会施加较大的扰动,以增强其对最优货物配送方案的探索能力,促使其跳出局部最优货物配送方案,从而提升整个搜索的自适应性和全局性。
实施例三
基于同一发明构思,本申请实施例中还提供了一种与货物配送方法对应的货物配送装置,由于该装置解决问题的原理与本申请实施例货物配送方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图7所示,为本申请实施例提供的货物配送装置结构图,包括:
接收模块701,用于接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;N为大于1的整数;
循环模块702,用于循环执行以下操作:
根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,M为大于或者等于1的整数;
对于每一种货物配送方案,根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路;其中,对于所述配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;
根据所述配送线路更新该货物配送方案;
发送模块703,用于当所述循环模块执行上述操作的次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给所述待配送车辆。
可选地,所述循环模块702具体用于:
对于所述模拟车辆的任意一个出发配送节点,基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率;所述出发配送节点包含所述配送中心和所述N个配送节点;
根据所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率、车辆载重和每个未到达配送节点的货物需求信息,确定所述模拟车辆从所述出发配送节点行驶到的下一个配送节点;
将所述下一个配送节点作为所述模拟车辆新的出发配送节点,返回基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率的步骤,直到所述模拟车辆在所述N个配送节点之间完成货物配送;
确定所述模拟车辆的行驶线路为所述N个配送节点之间的配送线路。
可选地,所述循环模块702具体用于:
基于该货物配送方案的线路排名确定该货物配送方案对应的粒子半径;
根据所述粒子半径和环境温度计算当前循环中该货物配送方案对应的漂移算子和波动算子;
对于任意一对配送节点,根据所述漂移算子、波动算子和当前已确定的货物配送方案确定该对配送节点之间的第一路径权重;所述任意一对配送节点中包含所述出发配送节点和任意一个当前未到达的配送节点;
根据所述配送中心与该对配送节点中每一配送节点之间的距离、以及该对配送节点之间的距离,按照节约里程法确定该对配送节点之间的第二路径权重;
根据该对配送节点之间的距离和配送节点数N确定该对配送节点之间的第三路径权重;
基于当前循环次数、所述第一路径权重、第二路径权重和第三路径权重确定该对配送节点之间的转移概率。
可选地,对于该货物配送方案中的任意一对配送节点(i,j),其中:0≤i≤N;0≤j≤N;i=0或者j=0时的节点代表所述配送中心;
根据以下公式确定所述配送节点(i,j)之间的第一路径权重τ(i,j):
其中,ρ为当前循环中该货物配送方案对应的漂移算子;μ为当前循环中该货物配送方案对应的波动算子;e(i,j)为当前循环中所述模拟车辆在所述配送节点(i,j)之间的转移路径段;σ为所述模拟车辆上一次得到的货物配送方案;σ'为历史循环中确定的总线路最短的货物配送方案;
根据以下公式确定所述配送节点(i,j)之间的第二路径权重
其中,d0i为所述配送中心到配送节点i之间的距离;d0j为所述配送中心到配送节点j之间的距离;dij为所述配送节点(i,j)之间的距离;
根据以下公式确定所述配送节点(i,j)之间的第三路径权重η(i,j):
η(i,j)=1/(dij×N)。
可选地,所述循环模块702具体用于:
确定当前循环中所述第一路径权重、第二路径权重和第三路径权重的指数;
基于所述第一路径权重、第二路径权重、第三路径权重、以及各权重对应的指数确定该对配送节点之间的路径权重;
确定该对配送节点之间的路径权重与总路径权重之比为该对配送节点之间的转移概率;所述总路径权重为所述出发配送节点与当前每一个未到达的配送节点之间的路径权重之和。
可选地,根据以下公式确定当前循环中任意一对配送节点之间第一路径权重τ(i,j)的指数α:
根据以下公式确定当前循环中任意一对配送节点之间第二路径权重的指数β:
根据以下公式确定当前循环中任意一对配送节点之间第三路径权重η(i,j)的指数γ:
其中,iterMax为所述预设阈值,iterCur为当前循环次数,αmax,βmax,γmax分别为第一路径权重、第二路径权重和第三路径权重的最大指数,αmin,βmin,γmin分别为第一路径权重、第二路径权重和第三路径权重的最小指数。
可选地,所述循环模块702具体用于:
基于所述第一路径权重和第一路径权重的指数计算第一幂值;
基于所述第二路径权重和第二路径权重的指数计算第二幂值;
基于所述第三路径权重和第三路径权重的指数计算第三幂值;
确定所述第一幂值、第二幂值和第三幂值的乘积为该对配送节点之间的路径权重。
可选地,所述循环模块702具体用于:
若确定总线路最短的货物配送方案连续K次未发生变化,则对于每一货物配送方案,根据该货物配送方案的线路排名确定该货物配送方案对应的漂移算子和波动算子的扰动量;其中,K为大于1的整数;
根据所述粒子半径和环境温度计算所述模拟车辆对应的漂移算子和波动算子;
更新所述漂移算子为增加所述扰动量后的漂移算子,并更新所述波动算子为增加所述扰动量后波动算子。
可选地,对于每一货物配送方案,根据以下公式确定该货物配送方案对应的漂移算子ρ和波动算子μ的扰动量Δ:
其中,ψmin为预设的漂移算子ρ和波动算子μ的最小扰动量;ψmax为预设的漂移算子ρ和波动算子μ的最大扰动量;Lm为上一循环中该货物配送方案m的线路排名;1≤m≤M。
实施例四
如图8所示,为本申请实施例提供的一种用于实现货物配送方法的计算设备的硬件结构示意图,包括至少一个处理单元801、以及至少一个存储单元802,其中,存储单元存储有程序代码,当程序代码被所述处理单元执行时,使得计算设备执行上述货物配送方法的步骤。
实施例五
本申请实施例提供的一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述计算机程序在所述计算设备上运行时,使所述计算设备执行上述货物配送方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (20)
1.一种货物配送方法,其特征在于,包括:
接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;N为大于1的整数;
循环执行以下操作:
根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,M为大于或者等于1的整数;
对于每一种货物配送方案,根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路;其中,对于所述配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;
根据所述配送线路更新该货物配送方案;
直到循环次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给所述待配送车辆。
2.如权利要求1所述的方法,其特征在于,所述根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路,包括:
对于所述模拟车辆的任意一个出发配送节点,基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率;所述出发配送节点包含所述配送中心和所述N个配送节点;
根据所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率、车辆载重和每个未到达配送节点的货物需求信息,确定所述模拟车辆从所述出发配送节点行驶到的下一个配送节点;
将所述下一个配送节点作为所述模拟车辆新的出发配送节点,返回基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率的步骤,直到所述模拟车辆在所述N个配送节点之间完成货物配送;
确定所述模拟车辆的行驶线路为所述N个配送节点之间的配送线路。
3.如权利要求2所述的方法,其特征在于,所述基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率,包括:
基于该货物配送方案的线路排名确定该货物配送方案对应的粒子半径;
根据所述粒子半径和环境温度计算当前循环中该货物配送方案对应的漂移算子和波动算子;
对于任意一对配送节点,根据所述漂移算子、波动算子和当前已确定的货物配送方案确定该对配送节点之间的第一路径权重;所述任意一对配送节点中包含所述出发配送节点和任意一个当前未到达的配送节点;
根据所述配送中心与该对配送节点中每一配送节点之间的距离、以及该对配送节点之间的距离,按照节约里程法确定该对配送节点之间的第二路径权重;
根据该对配送节点之间的距离和配送节点数N确定该对配送节点之间的第三路径权重;
基于当前循环次数、所述第一路径权重、第二路径权重和第三路径权重确定该对配送节点之间的转移概率。
4.如权利要求3所述的方法,其特征在于,对于该货物配送方案中的任意一对配送节点(i,j),其中:0≤i≤N;0≤j≤N;i=0或者j=0的配送节点代表所述配送中心;
根据以下公式确定所述配送节点(i,j)之间的第一路径权重τ(i,j):
其中,ρ为当前循环中该货物配送方案对应的漂移算子;μ为当前循环中该货物配送方案对应的波动算子;e(i,j)为当前循环中所述模拟车辆在所述配送节点(i,j)之间的转移路径段;σ为所述模拟车辆上一次得到的货物配送方案;σ'为历史循环中确定的总线路最短的货物配送方案;
根据以下公式确定所述配送节点(i,j)之间的第二路径权重
其中,d0i为所述配送中心到配送节点i之间的距离;d0j为所述配送中心到配送节点j之间的距离;dij为所述配送节点(i,j)之间的距离;
根据以下公式确定所述配送节点(i,j)之间的第三路径权重η(i,j):
η(i,j)=1/(dij×N)。
5.如权利要求3所述的方法,其特征在于,所述基于当前循环次数、所述第一路径权重、第二路径权重和第三路径权重确定该对配送节点之间的转移概率,包括:
确定当前循环中所述第一路径权重、第二路径权重和第三路径权重的指数;
基于所述第一路径权重、第二路径权重、第三路径权重、以及各权重对应的指数确定该对配送节点之间的路径权重;
确定该对配送节点之间的路径权重与总路径权重之比为该对配送节点之间的转移概率;所述总路径权重为所述出发配送节点与当前每一个未到达的配送节点之间的路径权重之和。
6.如权利要求5所述的方法,其特征在于,
根据以下公式确定当前循环中任意一对配送节点之间第一路径权重τ(i,j)的指数α:
根据以下公式确定当前循环中任意一对配送节点之间第二路径权重的指数β:
根据以下公式确定当前循环中任意一对配送节点之间第三路径权重η(i,j)的指数γ:
其中,iterMax为所述预设阈值,iterCur为当前循环次数,αmax,βmax,γmax分别为第一路径权重、第二路径权重和第三路径权重的最大指数,αmin,βmin,γmin分别为第一路径权重、第二路径权重和第三路径权重的最小指数。
7.如权利要求5所述的方法,其特征在于,所述基于所述第一路径权重、第二路径权重、第三路径权重、以及各权重对应的指数确定该对配送节点之间的路径权重,包括:
基于所述第一路径权重和第一路径权重的指数计算第一幂值;
基于所述第二路径权重和第二路径权重的指数计算第二幂值;
基于所述第三路径权重和第三路径权重的指数计算第三幂值;
确定所述第一幂值、第二幂值和第三幂值的乘积为该对配送节点之间的路径权重。
8.如权利要求3所述的方法,其特征在于,根据总线路长短对上一次得到的M种货物配送方案进行线路排名之后,还包括:
若确定总线路最短的货物配送方案连续K次未发生变化,则对于每一货物配送方案,根据该货物配送方案的线路排名确定该货物配送方案对应的漂移算子和波动算子的扰动量;其中,K为大于1的整数;
所述根据所述粒子半径和环境温度计算所述模拟车辆对应的漂移算子和波动算子,包括:
根据所述粒子半径和环境温度计算所述模拟车辆对应的漂移算子和波动算子;
更新所述漂移算子为增加所述扰动量后的漂移算子,并更新所述波动算子为增加所述扰动量后波动算子。
9.如权利要求8所述的方法,其特征在于,对于每一货物配送方案,根据以下公式确定该货物配送方案对应的漂移算子ρ和波动算子μ的扰动量Δ:
其中,ψmin为预设的漂移算子ρ和波动算子μ的最小扰动量;ψmax为预设的漂移算子ρ和波动算子μ的最大扰动量;Lm为上一循环中该货物配送方案m的线路排名;1≤m≤M。
10.一种货物配送装置,其特征在于,包括:
接收模块,用于接收N个配送节点发送的货物配送请求;其中,每个配送节点发送的货物配送请求中携带有该配送节点的位置信息和货物需求信息;N为大于1的整数;
循环模块,用于循环执行以下操作:
根据总线路长短对上一次得到的M种货物配送方案进行线路排名;初始时随机确定M种货物配送方案,M为大于或者等于1的整数;
对于每一种货物配送方案,根据该货物配送方案的线路排名、所述N个配送节点的位置信息和环境温度,确定模拟车辆在所述N个配送节点之间的配送线路;其中,对于所述配送线路中任一条包含配送中心的闭合线路,该闭合线路上配送节点的总货物需求量不超过待配送车辆的载重;
根据所述配送线路更新该货物配送方案;
发送模块,用于当所述循环模块执行上述操作的次数达到预设阈值时,将M种货物配送方案中总线路最短的货物配送方案发送给所述待配送车辆。
11.如权利要求10所述的装置,其特征在于,所述循环模块具体用于:
对于所述模拟车辆的任意一个出发配送节点,基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率;所述出发配送节点包含所述配送中心和所述N个配送节点;
根据所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率、车辆载重和每个未到达配送节点的货物需求信息,确定所述模拟车辆从所述出发配送节点行驶到的下一个配送节点;
将所述下一个配送节点作为所述模拟车辆新的出发配送节点,返回基于该货物配送方案的线路排名、环境温度、以及该出发配送节点与当前每个未到达配送节点之间的距离,确定所述模拟车辆在所述出发配送节点和每个未到达配送节点之间的转移概率的步骤,直到所述模拟车辆在所述N个配送节点之间完成货物配送;
确定所述模拟车辆的行驶线路为所述N个配送节点之间的配送线路。
12.如权利要求11所述的装置,其特征在于,所述循环模块具体用于:
基于该货物配送方案的线路排名确定该货物配送方案对应的粒子半径;
根据所述粒子半径和环境温度计算当前循环中该货物配送方案对应的漂移算子和波动算子;
对于任意一对配送节点,根据所述漂移算子、波动算子和当前已确定的货物配送方案确定该对配送节点之间的第一路径权重;所述任意一对配送节点中包含所述出发配送节点和任意一个当前未到达的配送节点;
根据所述配送中心与该对配送节点中每一配送节点之间的距离、以及该对配送节点之间的距离,按照节约里程法确定该对配送节点之间的第二路径权重;
根据该对配送节点之间的距离和配送节点数N确定该对配送节点之间的第三路径权重;
基于当前循环次数、所述第一路径权重、第二路径权重和第三路径权重确定该对配送节点之间的转移概率。
13.如权利要求12所述的装置,其特征在于,对于该货物配送方案中的任意一对配送节点(i,j),其中:0≤i≤N;0≤j≤N;i=0或者j=0的配送节点代表所述配送中心;
根据以下公式确定所述配送节点(i,j)之间的第一路径权重τ(i,j):
其中,ρ为当前循环中该货物配送方案对应的漂移算子;μ为当前循环中该货物配送方案对应的波动算子;e(i,j)为当前循环中所述模拟车辆在所述配送节点(i,j)之间的转移路径段;σ为所述模拟车辆上一次得到的货物配送方案;σ'为历史循环中确定的总线路最短的货物配送方案;
根据以下公式确定所述配送节点(i,j)之间的第二路径权重
其中,d0i为所述配送中心到配送节点i之间的距离;d0j为所述配送中心到配送节点j之间的距离;dij为所述配送节点(i,j)之间的距离;
根据以下公式确定所述配送节点(i,j)之间的第三路径权重η(i,j):
η(i,j)=1/(dij×N)。
14.如权利要求12所述的装置,其特征在于,所述循环模块具体用于:
确定当前循环中所述第一路径权重、第二路径权重和第三路径权重的指数;
基于所述第一路径权重、第二路径权重、第三路径权重、以及各权重对应的指数确定该对配送节点之间的路径权重;
确定该对配送节点之间的路径权重与总路径权重之比为该对配送节点之间的转移概率;所述总路径权重为所述出发配送节点与当前每一个未到达的配送节点之间的路径权重之和。
15.如权利要求14所述的装置,其特征在于,
根据以下公式确定当前循环中任意一对配送节点之间第一路径权重τ(i,j)的指数α:
根据以下公式确定当前循环中任意一对配送节点之间第二路径权重的指数β:
根据以下公式确定当前循环中任意一对配送节点之间第三路径权重η(i,j)的指数γ:
其中,iterMax为所述预设阈值,iterCur为当前循环次数,αmax,βmax,γmax分别为第一路径权重、第二路径权重和第三路径权重的最大指数,αmin,βmin,γmin分别为第一路径权重、第二路径权重和第三路径权重的最小指数。
16.如权利要求14所述的装置,其特征在于,所述循环模块具体用于:
基于所述第一路径权重和第一路径权重的指数计算第一幂值;
基于所述第二路径权重和第二路径权重的指数计算第二幂值;
基于所述第三路径权重和第三路径权重的指数计算第三幂值;
确定所述第一幂值、第二幂值和第三幂值的乘积为该对配送节点之间的路径权重。
17.如权利要求12所述的装置,其特征在于,所述循环模块具体用于:
若确定总线路最短的货物配送方案连续K次未发生变化,则对于每一货物配送方案,根据该货物配送方案的线路排名确定该货物配送方案对应的漂移算子和波动算子的扰动量;其中,K为大于1的整数;
根据所述粒子半径和环境温度计算所述模拟车辆对应的漂移算子和波动算子;
更新所述漂移算子为增加所述扰动量后的漂移算子,并更新所述波动算子为增加所述扰动量后波动算子。
18.如权利要求17所述的装置,其特征在于,对于每一货物配送方案,根据以下公式确定该货物配送方案对应的漂移算子ρ和波动算子μ的扰动量Δ:
其中,ψmin为预设的漂移算子ρ和波动算子μ的最小扰动量;ψmax为预设的漂移算子ρ和波动算子μ的最大扰动量;Lm为上一循环中该货物配送方案m的线路排名;1≤m≤M。
19.一种计算设备,其特征在于,包括至少一个处理单元、以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述计算设备执行权利要求1~9任一所述方法的步骤。
20.一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述计算机程序在所述计算设备上运行时,使所述计算设备执行权利要求1~9任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577330.0A CN109255462B (zh) | 2017-07-14 | 2017-07-14 | 一种货物配送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577330.0A CN109255462B (zh) | 2017-07-14 | 2017-07-14 | 一种货物配送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255462A true CN109255462A (zh) | 2019-01-22 |
CN109255462B CN109255462B (zh) | 2020-09-08 |
Family
ID=65051300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710577330.0A Active CN109255462B (zh) | 2017-07-14 | 2017-07-14 | 一种货物配送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255462B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175712A (zh) * | 2019-05-20 | 2019-08-27 | 武汉大学深圳研究院 | 一种港口出口集装箱堆存区域空间规划方法 |
CN111339113A (zh) * | 2020-02-28 | 2020-06-26 | 湖南九鼎科技(集团)有限公司 | 基于etl技术的配方直达方法及系统 |
CN112183954A (zh) * | 2020-09-10 | 2021-01-05 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000115255A (ja) * | 1998-10-07 | 2000-04-21 | Atr Adaptive Communications Res Lab | ルータ装置の制御方法及び制御装置 |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN103455847A (zh) * | 2012-05-30 | 2013-12-18 | 国际商业机器公司 | 一种确定路径的方法、装置 |
CN104618982A (zh) * | 2015-01-08 | 2015-05-13 | 重庆邮电大学 | 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法 |
-
2017
- 2017-07-14 CN CN201710577330.0A patent/CN109255462B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000115255A (ja) * | 1998-10-07 | 2000-04-21 | Atr Adaptive Communications Res Lab | ルータ装置の制御方法及び制御装置 |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN103455847A (zh) * | 2012-05-30 | 2013-12-18 | 国际商业机器公司 | 一种确定路径的方法、装置 |
CN104618982A (zh) * | 2015-01-08 | 2015-05-13 | 重庆邮电大学 | 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175712A (zh) * | 2019-05-20 | 2019-08-27 | 武汉大学深圳研究院 | 一种港口出口集装箱堆存区域空间规划方法 |
CN110175712B (zh) * | 2019-05-20 | 2022-08-30 | 武汉大学深圳研究院 | 一种港口出口集装箱堆存区域空间规划方法 |
CN111339113A (zh) * | 2020-02-28 | 2020-06-26 | 湖南九鼎科技(集团)有限公司 | 基于etl技术的配方直达方法及系统 |
CN112183954A (zh) * | 2020-09-10 | 2021-01-05 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
CN112183954B (zh) * | 2020-09-10 | 2024-05-24 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
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 |
---|---|
CN109255462B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210133534A1 (en) | Cloud task scheduling method based on phagocytosis-based hybrid particle swarm optimization and genetic algorithm | |
CN112083933B (zh) | 一种基于强化学习的服务功能链部署方法 | |
CN109255462A (zh) | 一种货物配送方法及装置 | |
Sivasubramani et al. | Environmental/economic dispatch using multi-objective harmony search algorithm | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN104680237A (zh) | 一种多约束条件下三维装箱新型遗传算法模型 | |
CN106134136A (zh) | 计算针对广域网上的数据传送的长期调度 | |
CN109214756A (zh) | 基于蚁群算法和分层优化的整车物流调度方法及装置、存储介质、终端 | |
CN109191052A (zh) | 一种多车型车辆路径优化方法、服务器及系统 | |
CN110046845A (zh) | 一种场区车辆装载方法和装载系统 | |
CN114172937A (zh) | 基于深度强化学习的动态服务功能链编排方法及系统 | |
CN107025495A (zh) | 基于用户选择来降低确定用于装运集装箱的路线的复杂度 | |
CN108537327A (zh) | 一种基于时间序列bp神经网络预测方法及装置 | |
CN110363364A (zh) | 一种资源的分配方法、装置及其设备 | |
CN109324901B (zh) | 基于区块链的深度学习分布式计算方法、系统和节点 | |
CN109934372A (zh) | 一种路径规划方法、装置及设备 | |
Shang et al. | Spatial scheduling optimization algorithm for block assembly in shipbuilding | |
CN107329826A (zh) | 一种基于Cloudsim平台上的启发式融合资源动态调度算法 | |
Zhang et al. | Hybrid evolutionary optimization for takeaway order selection and delivery path planning utilizing habit data | |
Du et al. | AI-based energy-efficient path planning of multiple logistics UAVs in intelligent transportation systems | |
CN105069518B (zh) | 一种基于可变长基因遗传算法的物资调度方法及系统 | |
CN110264140A (zh) | 一种带时间窗的物流运输调度方法、装置及设备 | |
Gupta et al. | Greedy heuristics for the travelling thief problem | |
Matthews et al. | SKU arrangement on a unidirectional picking line | |
CN115730432B (zh) | 物联网数据处理任务的调度方法及系统、设备、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 |