CN109598443B - 用于动态环境下车辆的任务规划方法和机器可读存储介质 - Google Patents

用于动态环境下车辆的任务规划方法和机器可读存储介质 Download PDF

Info

Publication number
CN109598443B
CN109598443B CN201811473387.7A CN201811473387A CN109598443B CN 109598443 B CN109598443 B CN 109598443B CN 201811473387 A CN201811473387 A CN 201811473387A CN 109598443 B CN109598443 B CN 109598443B
Authority
CN
China
Prior art keywords
task
tasks
vehicle platform
vehicle
platform
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.)
Active
Application number
CN201811473387.7A
Other languages
English (en)
Other versions
CN109598443A (zh
Inventor
靳鹏
崔勇
胡笑旋
马华伟
夏忠
姚靖宇
张凯
任送莲
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201811473387.7A priority Critical patent/CN109598443B/zh
Publication of CN109598443A publication Critical patent/CN109598443A/zh
Application granted granted Critical
Publication of CN109598443B publication Critical patent/CN109598443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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

Abstract

本发明实施方式提供一种用于动态环境下的车辆的规划方法和机器可读存储介质，属于物流资源的配送调度技术领域。该任务规划方法包括：管控平台对接收到的任务集进行预处理以生成第一公告信息，第一公告信息包括每个任务的编号、对应的位置信息、对应的任务集合的编号、完成任务所在的任务集合内所有任务的最短路径和对应的容量需求；管控平台从第一公告信息中随机选取一个未被选取的任务，将被选取的任务发送至每个车辆平台，其中，每个车辆平台包括至少一辆运输车；每个车辆平台接收被选取的任务，能够执行被选取的任务的车辆平台计算执行被选取的任务的执行成本，执行成本包括由于执行任务所减少的剩余里程值以及剩余容量值。

Description

用于动态环境下车辆的任务规划方法和机器可读存储介质
技术领域
本发明涉及物流资源的配送调度技术领域，具体地涉及一种用于动态环境下车辆的任务规划方法和机器可读存储介质。
背景技术
传统VRP问题(车辆路径问题)已经被证明是个NP-hard问题，当车辆路径必须返回原点，即路线闭合时可总结为一类CVRP问题；当客户的需求可拆分时可总结为一类SDVRP问题；当车辆的路线可以开放时可总结为一类OVRP问题，国内外学者已经从多个角度对上述VRP延伸问题进行建模，通过对文献阅读综合分析，一般可以将问题求解模型分为：建立整数规划、图论以及其他形式的表达模型等三类。同时学者们运用精确算法(如：拉格朗日松弛法、列生成算法、动态规划等)、启发式算法(节约法、扫描法等)、元启发式算法(如模拟退火算法、遗传算法、蚁群算法等)等多种多类型算法，对上述各类VRP问题的模型进行了求解。上述阐述的事实说明，即便学者们针对VRP问题做出了大量的研究，但由于应用背景的变化，导致各个约束条件的变化，由此不断的产生新型的VRP的衍生问题，依然有着重要的研究价值。
传统商业模式下，物流主要指以大批货物为主的运输和仓储。这样物流环境下的调度运输，用于对运输车辆进行调度的方法也相对简单。近年物流包裹小包装、多频次、碎片化的特征逐渐明显，用于传统物流的调度方法也逐渐难以满足现有的物流条件。如何解决物流过程末端的由于“碎片化”导致的数量规模庞大的包裹配送问题，已成为物流企业所面临的重要挑战。
发明内容
本发明实施方式的目的是提供一种用于动态环境下车辆的任务规划方法和机器可读存储介质，该任务规划方法和机器可读存储介质能够满足现有的物流环境条件，提高大规模任务规划的效率。
为了实现上述目的，本发明实施方式提供一种用于动态环境下车辆的任务规划方法，所述任务规划方法包括：
管控平台对接收到的任务集进行预处理以生成第一公告信息，所述第一公告信息包括每个任务的编号、对应的位置信息、对应的任务集合的编号、完成每个任务所在的任务集合内所有任务的最短路径和对应的容量需求；
所述管控平台从所述第一公告信息中随机选取一个未被选取的任务，将被选取的任务发送至每个车辆平台，其中，每个所述车辆平台包括至少一辆运输车；
每个所述车辆平台接收被选取的任务，能够执行选取的任务的所述车辆平台计算执行被选取的任务的执行成本，所述执行成本包括由于执行选取的任务所减少的剩余里程值以及剩余容量值，并进一步将执行成本和所述车辆平台在执行完已被分配的任务的剩余能力发送至所述管控平台，其中所述剩余能力包括所述车辆平台在执行完已被分配的任务后的剩余里程值和剩余容量值；
所述管控平台根据每个所述执行成本和所述剩余能力对被选取的任务进行分配；
判断所述第一公告信息中是否存在未被选取的任务；
在判断所述第一公告信息中存在未被选取的任务的情况下，再次从所述第一公告信息中随机选取一个未被选取的任务，执行所述任务规划方法的相应步骤直到所述第一公告信息中不存在未被选取的任务；
在判断所述第一公告信息中不存在未被选取的任务的情况下，生成并发送第二公告信息，其中，所述第二公告信息包括任务和任务被分配给的所述车辆平台的对应关系；
每个车辆平台分别从所述第二公告信息中获取被分配的任务；
计算执行被分配的任务后的剩余能力；
从第二公告信息中获取未被分配给任何一个所述车辆平台的未分配任务集合和预设的可协商任务集合，其中，所述可协商任务集合的初始集为空集；
从所述未分配任务集合和/或可协商任务集合中随机选取一个未被选取的任务；
根据所述车辆平台当前的剩余能力判断选取的任务是否能够插入所述车辆平台的被分配的任务中；
在判断选取的任务能够插入所述车辆平台的被分配的任务中的情况下，计算所述车辆平台执行选取的任务的执行成本，将选取的任务添加进所述车辆平台的插入结果集合中；
判断所述未分配任务集合和/或所述可协商任务集合中是否存在未被选取的任务；
在判断所述未分配任务集合和/或所述可协商任务集合中存在未被选取的任务的情况下，再次从所述未分配任务集合和/或所述可协商任务集合中随机选取一个未被选取的任务，并执行所述控制方法的相应步骤直到所述未分配任务集合和/或所述可协商任务集合中不存在未被选取的任务；
在判断所述未分配任务集合和/或所述可协商任务集合中不存在未被选取的任务的情况下，将生成的插入结果集合、执行所述插入结果集合中的每个任务的执行成本和所述车辆平台的剩余能力发送至所述管控平台；
每个所述车辆平台分别计算执行被分配至所述车辆平台的任务的执行成本；
从已分配至所述车辆平台的任务集合中确定可协商任务子集，其中，所述可协商任务子集包括至少一个被分配至所述车辆平台的任务，所述可协商任务子集的任务的执行成本大于被分配至所述车辆平台的任务的平均执行成本；
从所述可协商任务子集中随机选取一个未被选取的任务；
将选取的任务发送至所述管控平台；
每个所述车辆平台确定被分配至所述车辆平台的任务的潜在关联任务集合，其中，所述潜在关联任务集合包括被分配至所述车辆平台的任务及其对应的所述任务集合，所述潜在关联任务集合不包括所述未分配任务集合和可协商任务集合中的任务；
从所述潜在关联任务集合中随机选取一个任务；
根据所述车辆平台执行完已被分配的任务的剩余能力判断选取的任务是否能够插入被分配至所述车辆平台的任务中；
在判断选取的任务能够插入被分配至所述车辆平台的任务中的情况下，计算所述车辆平台执行选取的任务的执行成本并将选取的任务添加进所述车辆平台的关联任务集合中；
判断所述潜在关联任务集合中是否存在未被选取的任务；
在判断所述潜在关联任务集合中存在未被选取的任务，再次从所述潜在关联任务集合中随机选取一个未被选取的任务，执行所述任务规划方法的相应步骤直到判断所述潜在关联任务集合中不存在未被选取的任务；
在判断所述潜在关联任务集合中不存在未被选取的任务的情况下，将生成的所述关联任务、执行所述关联任务对应的任务的执行成本、所述车辆平台的剩余能力发送至所述管控平台；
所述管控平台根据每个所述车辆平台发送的插入结果集合、执行插入结果集合的每个任务的执行成本和剩余能力，从所有所述车辆平台的插入结果集合和/或关联任务集合中随机选取一个未被选取过的任务；
从所有车辆平台中寻找发送过选取的任务的车辆平台集合；
计算所述车辆平台集合的每个所述车辆平台的评分；
将选取的任务分配至评分较高的所述车辆平台；
判断插入结果集合和/或关联任务集合中是否存在未被选取的任务；
在判断插入结果集合和/或关联任务集合中存在未被选取的任务的情况下，再次从所述插入结果集合和/或关联任务中随机选取一个未被选取过的任务，执行所述任务规划方法的相应步骤直到插入结果集合和/或关联任务集合中不存在未被选取的任务；
在判断插入结果集合和/或关联任务集合中不存在未被选取的任务的情况下，将分配的结果整理至第二公告信息中；
将接收到可协商子集的任务添加至可协商任务集合中，并进一步整理至所述第二公告信息中；
判断协商次数是否小于预设的次数阈值；
在判断协商次数小于所述次数阈值的情况下，向每个所述车辆平台第二公告信息，直到所述协商次数大于或等于所述次数阈值；
在判断所述协商次数大于或等于所述次数阈值的情况下，向所述车辆平台发送最终公告信息。
可选地，所述预处理包括：
管控平台从接收到任务集中随机选取一个未被选取的任务作为当前任务；
根据所述当前任务的位置信息在所述任务集中寻找与所述当前任务的距离小于预设距离的所有任务；
将所述当前任务、所述任务集中与所述当前任务的距离小于预设距离的所有任务关联为所述当前任务对应的任务集合；
计算执行所述任务集合的所有任务的最短路径和容量需求；
将所述任务集合、所述最短路径、容量需求和所述当前任务关联以生成所述当前任务的属性，并从所述任务集中删除所述任务集合包含的任务；
判断所述任务集中是否存在未被选取的任务；
在判断所述任务集中存在未被选取的任务的情况下，再次从所述任务集中随机选取一个未被选取的任务作为当前任务并执行所述控制方法的相应步骤直到判断所述任务集中不存在未被选取的任务；
在判断所述任务集中不存在未被选取的任务的情况下，将每个所述任务的编号、所述任务的属性、所述任务的位置信息关联以生成第一公告信息。
可选地，所述控制方法进一步包括：
所述车辆平台在退出执行所述任务集的任务的情况下，向管控平台发送已被分配至所述车辆平台的任务；
管控平台将已被分配至所述车辆平台但还未执行的任务整理至所述第二公告信息中的所述未分配任务集合。
可选地，所述计算所述车辆平台集合的每个所述车辆平台的评分进一步包括：
根据公式(1)计算每个所述车辆平台的评分；
Sq＝u1pi 1+u2pi 2+u3pi 3， (1)
其中，Sq为所述评分，pi 1为所述车辆平台执行选取的任务的成本方面指标值，pi 2为所述车辆平台的剩余能力方面指标值，pi 3为所述车辆平台的剩余容量方面指标值，u1、u2、u3为预设的权重。
可选地，所述将选取的任务分配至评分较高的所述车辆平台包括：
判断所述车辆平台集合中是否存在仅发送选取的任务的车辆平台；
在判断所述车辆平台集合中存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的仅发送选取的任务的所述车辆平台；
在判断所述车辆平台集合中不存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的所述车辆平台并删除分配到选取的任务的车辆平台。
本发明的另一方面提供一种机器可读存储介质，所述机器可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求上述任一所述的任务规划方法。
通过上述技术方案，本发明提供的用于动态环境下车辆的任务规划方法和机器可读存储介质通过在管控平台和车辆平台的协商之前进行预先协商，计算出第一任务公告信息作为初始解，减少了管控平台和车辆平台的协商次数，提高了算法的效率。此外，本发明提供的任务规划方法和机器可读存储介质还综合考虑了车辆平台对任务的执行成本和剩余能力，相对于现有技术中仅单一考虑车辆平台的执行成本而言，能够进一步保证管控平台和车辆平台的协商结果的质量和合理性。最后，在该任务规划方法和机器可读存储介质中，多个车辆平台向管控平台提交可协商任务的“请求机制”以及车辆平台利用潜在关联任务集合对任务的“竞争机制”相互配合，实现了对任务的双向处理，在这样的双向处理的机制下，能够更进一步缩小整体算法的计算规模并保证解的效果。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：
图1是根据本发明的一个实施方式的用于动态资源环境下车辆的任务规划方法的流程图；
图2是根据本发明的一个实施方式的管控平台生成第一公告信息的流程图；
图3是根据本发明的一个实施方式的管控平台和车辆平台预先协商生成第二公告方式的流程图；
图4是根据本发明的一个实施方式的车辆平台生成反馈信息的流程图之一；
图5是根据本发明的一个实施方式的车辆平台生成反馈信息的流程图之二；
图6是根据本发明的一个实施方式的车辆平台生成反馈信息的流程图之三；以及
图7是根据本发明的一个实施方式的管控平台更新第二公告信息的流程图。
具体实施方式
以下结合附图对本发明实施方式的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施方式，并不用于限制本发明实施方式。
如图1所示是根据本发明的一个实施方式的用于动态资源下的任务规划方法的流程图。在图1中，该任务规划方法可以包括：
在步骤S100中，管控平台对接收到的任务集进行预处理以生成第一公告信息。在该实施方式中，该第一公告信息可以包括任务集中的每个任务的编号、每个任务对应的位置信息、每个任务对应的任务集合的编号、完成每个任务所在的任务集合内所有任务的最短路径和每个任务对应的容量需求。在本发明的一个示例中，生成第一公告信息的方式可以是例如图2中所示出的步骤。在图2中，该步骤S100可以包括：
在步骤S101中，管控平台从接收到任务集中随机选取一个未被选取的任务作为当前任务；
在步骤S102中，根据当前任务的位置信息在任务集中寻找与当前任务的距离小于预设距离的所有任务；
在步骤S103中，将当前任务、任务集中与当前任务的距离小于预设距离的所有任务关联为当前任务对应的任务集合；
在步骤S104中，计算执行任务集合的所有任务的最短路径和容量需求；
在步骤S105中，将任务集合、最短路径、容量需求和当前任务关联以生成当前任务的属性，并从任务集中删除该任务集合包含的任务；
在步骤S106中，判断任务集中是否存在未被选取的任务；
在判断任务集中存在未被选取的任务的情况下，再次从任务集中随机选取一个未被选取的任务作为当前任务并执行该任务规划方法的相应步骤(步骤S101至步骤S106)直到判断任务集中不存在未被选取的任务；
在步骤S107中，在判断任务集中不存在未被选取的任务的情况下，将每个任务的编号、任务的属性、任务的位置信息关联以生成第一公告信息。
在步骤S200中，管控平台和至少一个车辆平台进行预先协商以生成第二公告信息。其中，每个车辆平台包括至少一辆运输车。由于现有技术中管控平台和车辆平台的协商方式主要是在未形成初始解的情况下直接进行协商，这样的协商方式会导致整体的协商算法非常复杂，得到最终协商结果的时间也会相对冗长。因此，在该实施方式中，管控平台和车辆平台可以预先进行协商，从而生成第二公告信息以作为初始解。具体的，生成该第二公告信息的方式可以是例如图3中所示出的步骤。在图3中，该步骤S200可以包括：
在步骤S201中，管控平台从第一公告信息中随机选取一个未被选取的任务，将被选取的任务发送至每个车辆平台；
在步骤S202中，每个车辆平台接收被选取的任务，能够执行被选取的任务的车辆平台计算执行被选取的任务的执行成本。其中，该执行成本可以包括由于执行该被选取的任务所减少的剩余里程值以及剩余容量值，并进一步将执行成本和车辆平台在执行完已被分配的剩余能力发送至管控平台。其中，剩余能力包括车辆平台执行完已被分配的任务后的剩余里程值和剩余容量值。在该示例中，能够执行被选取的任务可以是该车辆平台的所在位置距离被选取的任务相对较近(例如小于预设的距离值)；
在步骤S203中，管控平台根据每个执行成本和剩余能力对被选取的任务进行分配。由于现有技术中在对任务进行分配时，仅考虑车辆平台执行任务的执行成本，而并未考虑车辆本身的剩余能力，这样会无法保证协商结果的质量和合理性。所以，在该实施方式中，管控平台首先分别判断剩余能力是否大于或等于对应的执行成本从而判断该车辆平台是否具备执行该被选取的任务的能力，并进一步在具备执行该被选取的任务的能力的车辆平台中根据每个车辆平台的执行成本和剩余能力计算相应的评分，最后选取评分较高者作为该被选取的任务的执行平台，也即将该被选取的任务分配给评分较高的车辆平台；
在步骤S204中，判断第一公告信息中是否存在未被选取的任务；
在判断第一公告信息中存在未被选取的任务的情况下，从第一公告信息中随机选取一个未被选取的任务，执行该任务规划方法的相应步骤(步骤S201至步骤S204)直到第一公告信息中不存在未被选取的任务；
在步骤S205中，在判断第一公告信息中不存在未被选取的任务的情况下，生成并发送第二公告信息。其中，第二公告信息包括任务和任务被分配给的车辆平台的对应关系；
在步骤S300中，车辆平台根据第二公告信息进行处理并向管控平台发送反馈信息。具体的，在该实施方式中，该步骤S300可以包括如图4、图5和图6中所示出的步骤。在图4中，该步骤可以包括：
在步骤S301中，车辆平台计算执行被分配的任务后的剩余能力；
在步骤S302中，从第二公告信息中获取未被分配给任何一个车辆平台的未分配任务集合和预定的可协商任务集合。其中，该可协商任务集合的初始集为空集；
在步骤S303中，从未分配任务集合和/或可协商任务集合中随机选取一个未被选取的任务；
在步骤S304中，根据该车辆平台当前的剩余能力判断选取的任务是否可以插入车辆平台的被分配的任务中；
在步骤S305中，在判断选取的任务可以插入车辆平台的被分配的任务中的情况下，计算车辆平台执行选取的任务的执行成本，将选取的任务添加进车辆平台的插入结果集合中。此外，在判断选取的任务不能够插入该车辆平台的被分配的任务中的情况下，返回执行步骤S303。
在步骤S306中，判断未分配任务集合和/或可协商任务集合中是否存在未被选取的任务；在判断未分配任务集合和/或可协商任务集合中存在未被选取的任务的情况下，再次从未分配任务集合和/或可协商任务集合中随机选取一个未被选取的任务，并执行控制方法的相应步骤(步骤S303至步骤S306)直到未分配任务集合和/或可协商任务集合中不存在未被选取的任务；
在步骤S307中，在判断未分配任务集合和/或可协商任务集合中不存在未被选取的任务的情况下，将生成的插入结果集合、执行该插入结果集合中的每个任务的执行成本和以及车辆平台执行被分配的任务后的剩余能力发送至管控平台。
在图5中，该步骤S300可以包括：
在步骤S310中，每个车辆平台分别计算执行被分配至车辆平台的任务的执行成本；
在步骤S311中，从已分配至该车辆平台的任务中确定可协商任务子集。其中，可协商任务子集包括至少一个被分配至车辆平台的任务。其中，该可协商任务子集的任务的执行成本大于被分配至车辆平台的任务的平均执行成本；
在步骤S312中，从可协商任务子集中随机选取一个未被选取的任务；
在步骤S313中，将选取的任务发送至管控平台。
在图6中，该步骤S300可以包括：
在步骤S320中，每个车辆平台确定被分配至车辆平台的任务的潜在关联任务集合。其中，潜在关联任务集合包括被分配至车辆平台的任务及其对应的任务集合，但是，该潜在关联任务集合中除去了未分配任务集合以及可协商任务集合内的所有任务；
在步骤S321中，从潜在关联任务集合中随机选取一个任务；
在步骤S322中，根据车辆平台执行完已被分配的任务的剩余能力判断选取的任务是否可以插入被分配至车辆平台的任务中；
在步骤S323中，在判断选取的任务可以插入被分配至车辆平台的任务中的情况下，计算车辆平台执行选取的任务的执行成本并将选取的任务添加进车辆平台的关联任务集合中；
在步骤S324中，判断潜在关联任务集合中是否存在未被选取的任务；
在判断潜在关联任务集合中存在未被选取的任务，再次从潜在关联任务集合中随机选取一个未被选取的任务，执行任务规划方法的相应步骤(步骤S321至步骤S324)直到判断潜在关联任务集合中不存在未被选取的任务；
在步骤S325中，在判断潜在关联任务集合中不存在未被选取的任务的情况下，将生成的关联任务集合、执行关联任务集合对应的任务的执行成本、车辆平台的剩余能力发送至管控平台。
在步骤S400中，管控平台根据该反馈信息更新并发布第二公告信息。由于车辆平台在图4、图6中发送的反馈信息不同，相应的，该步骤S400也可以包括如图7中所示出的步骤。在图7中。该步骤S400可以包括：
在步骤S401中，管控平台根据每个车辆平台发送的插入结果集合、执行插入结果集合的每个任务的执行成本和剩余能力，从所有车辆平台的插入结果集合和/或关联任务集合中随机选取一个未被选取过的任务；
在步骤S402中，从所有车辆平台中寻找发送过选取的任务的车辆平台集合；
在步骤S403中，计算车辆平台集合的每个车辆平台的评分。在该实施方式中，计算每个车辆平台的评分的方式可以为本领域人员所知。优选地，在本发明的一个示例中，计算每个车辆平台的评分的方式可以是根据公式(1)计算每个车辆平台的评分；
Sq＝u1pi 1+u2pi 2+u3pi 3， (1)
其中，Sq为计算的评分，pi 1为车辆平台执行选取的任务的执行成本的指标值，pi 2为车辆平台的剩余里程值的指标值，pi 3为车辆平台的剩余容量值的指标值，u1、u2、u3为预设的权重。
在该实施方式中，确定上述各个指标值的方式也可以为本领域人员所知。但在本发明的一个示例中，上述的各个参数值可以优选地为根据式(2)、式(3)、式(4)和式(5)确定，
u1+u2+u3＝1， (2)
Figure BDA0001891566690000131
Figure BDA0001891566690000132
Figure BDA0001891566690000141
其中，u1、u2、u3为预设的权重，E为插入结果集合和/或关联任务集合中每个任务的执行成本的总集，
Figure BDA0001891566690000142
为该总集中的一个任务的执行成本，pi 1为车辆平台执行选取的任务的执行成本的指标值，pi 2为车辆平台的剩余里程值的指标值，pi 3为车辆平台的剩余容量的指标值，RCi为剩余里程值，Vq为选取的任务的容量，Dq为最小路径，SCi为剩余容量值，EV为发送选取的任务的车辆平台集合。
在步骤S404中，将选取的任务分配至评分较高的车辆平台。此外，为了考虑到可能存在一个或多个车辆平台所发送的插入结果集合和关联任务集合仅包括该选取的任务，在该示例中，该步骤S404可以进一步包括：
判断车辆平台集合中是否存在仅发送选取的任务的车辆平台；
在判断车辆平台集合中存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的仅发送选取的任务的车辆平台；
在判断车辆平台集合中不存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的车辆平台并删除分配到选取的任务的车辆平台。
在步骤S405中，判断插入结果集合和/或关联任务集合中是否存在未被选取的任务；
在判断插入结果集合和/或关联任务集合中存在未被选取的任务的情况下，再次从插入结果集合和/或关联任务集合中随机选取一个未被选取过的任务，执行任务规划方法的相应步骤(步骤S401至步骤S405)直到插入结果集合和/或关联任务集合中不存在未被选取的任务；
在步骤S406中，在判断插入结果集合和/或关联任务集合中不存在未被选取的任务的情况下，将分配的结果整理至第二公告信息中；
对于图5中车辆平台发送的可协商任务，该管控平台可以将接收到任务添加至可协商任务集合中，并进一步整理至第二公告信息中。
在步骤S500中，判断协商次数是否达到预设的次数阈值；
在判断协商次数未达到次数阈值的情况下，再次执行步骤S400和步骤S500直到协商次数达到次数阈值；
在步骤S600中，在判断协商次数达到次数阈值的情况下，发布第二公告信息作为最终公告信息。
在本发明的一个实施方式中，该任务规划方法可以进一步包括：
车辆平台在退出执行任务集的任务的情况下，向管控平台发送已被分配至车辆平台的任务；
管控平台将已被分配至车辆平台但还未执行的任务整理至第二公告信息中的未分配任务集合。
本发明的另一方面提供一种协商机制下多车辆平台的任务规划系统。该任务规划系统包括处理器，该处理器用于执行上述任一所述的任务规划方法。
本发明的再一方面提供一种机器可读存储介质，该机器可读存储介质存储有指令，指令用于被机器读取以使得机器执行上述任一的任务规划方法。
通过上述技术方案，本发明提供的用于动态环境下车辆的任务规划方法、机器可读存储介质和协商机制下多车辆平台的任务规划系统通过在管控平台和车辆平台的协商之前进行预先协商，计算出第一任务公告信息作为初始解，减少了管控平台和车辆平台的协商次数，提高了算法的效率。此外，本发明提供的任务规划方法、任务规划系统和机器可读存储介质还综合考虑了车辆平台对任务的执行成本和剩余能力，相对于现有技术中仅单一考虑车辆平台的执行成本而言，能够进一步保证管控平台和车辆平台的协商结果的质量和合理性。最后，在该任务规划方法、任务规划系统和机器可读存储介质中，多个车辆平台向管控平台提交可协商任务的“请求机制”以及车辆平台利用潜在关联任务集合对任务的“竞争机制”相互配合，实现了对任务的双向处理，在这样的双向处理的机制下，能够更进一步缩小整体算法的计算规模并保证解的效果。
以上结合附图详细描述了本发明例的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式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，该程序存储在一个存储介质中，包括若干指令用以使得一个(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施方式的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。

Claims (5)

1.一种用于动态资源环境下车辆的任务规划方法，其特征在于，所述任务规划方法包括：
管控平台对接收到的任务集进行预处理以生成第一公告信息，所述第一公告信息包括每个任务的编号、对应的位置信息、对应的任务集合的编号、完成每个任务所在的任务集合内所有任务的最短路径和对应的容量需求；
所述管控平台从所述第一公告信息中随机选取一个未被选取的任务，将被选取的任务发送至每个车辆平台，其中，每个所述车辆平台包括至少一辆运输车；
每个所述车辆平台接收被选取的任务，能够执行选取的任务的所述车辆平台计算执行被选取的任务的执行成本，所述执行成本包括由于执行选取的任务所减少的剩余里程值以及剩余容量值，并进一步将执行成本和所述车辆平台在执行完已被分配的任务的剩余能力发送至所述管控平台，其中所述剩余能力包括所述车辆平台在执行完已被分配的任务后的剩余里程值和剩余容量值；
所述管控平台根据每个所述执行成本和所述剩余能力对被选取的任务进行分配；
判断所述第一公告信息中是否存在未被选取的任务；
在判断所述第一公告信息中存在未被选取的任务的情况下，返回执行从所述第一公告信息中随机选取一个未被选取的任务的步骤；
在判断所述第一公告信息中不存在未被选取的任务的情况下，生成并发送第二公告信息，其中，所述第二公告信息包括任务和任务被分配给的所述车辆平台的对应关系；
每个车辆平台分别从所述第二公告信息中获取被分配的任务；
计算执行被分配的任务后的剩余能力；
从第二公告信息中获取未被分配给任何一个所述车辆平台的未分配任务集合和预设的可协商任务集合，其中，所述可协商任务集合的初始集为空集；
从所述未分配任务集合和/或可协商任务集合中随机选取一个未被选取的任务；
根据所述车辆平台当前的剩余能力判断选取的任务是否能够插入所述车辆平台的被分配的任务中；
在判断选取的任务能够插入所述车辆平台的被分配的任务中的情况下，计算所述车辆平台执行选取的任务的执行成本，将选取的任务添加进所述车辆平台的插入结果集合中；
判断所述未分配任务集合和/或所述可协商任务集合中是否存在未被选取的任务；
在判断所述未分配任务集合和/或所述可协商任务集合中存在未被选取的任务的情况下，返回执行从所述未分配任务集合和/或所述可协商任务集合中随机选取一个未被选取的任务的步骤；
在判断所述未分配任务集合和/或所述可协商任务集合中不存在未被选取的任务的情况下，将生成的插入结果集合、执行所述插入结果集合中的每个任务的执行成本和所述车辆平台的剩余能力发送至所述管控平台；
每个所述车辆平台分别计算执行被分配至所述车辆平台的任务的执行成本；
从已分配至所述车辆平台的任务集合中确定可协商任务子集，其中，所述可协商任务子集包括至少一个被分配至所述车辆平台的任务，所述可协商任务子集的任务的执行成本大于被分配至所述车辆平台的任务的平均执行成本；
从所述可协商任务子集中随机选取一个未被选取的任务；
将选取的任务发送至所述管控平台；
每个所述车辆平台确定被分配至所述车辆平台的任务的潜在关联任务集合，其中，所述潜在关联任务集合包括被分配至所述车辆平台的任务及其对应的所述任务集合，所述潜在关联任务集合不包括所述未分配任务集合和可协商任务集合中的任务；
从所述潜在关联任务集合中随机选取一个任务；
根据所述车辆平台执行完已被分配的任务的剩余能力判断选取的任务是否能够插入被分配至所述车辆平台的任务中；
在判断选取的任务能够插入被分配至所述车辆平台的任务中的情况下，计算所述车辆平台执行选取的任务的执行成本并将选取的任务添加进所述车辆平台的关联任务集合中；
判断所述潜在关联任务集合中是否存在未被选取的任务；
在判断所述潜在关联任务集合中存在未被选取的任务，返回执行从所述潜在关联任务集合中随机选取一个未被选取的任务的步骤；
在判断所述潜在关联任务集合中不存在未被选取的任务的情况下，将生成的所述关联任务、执行所述关联任务对应的任务的执行成本、所述车辆平台的剩余能力发送至所述管控平台；
所述管控平台根据每个所述车辆平台发送的插入结果集合、执行插入结果集合的每个任务的执行成本和剩余能力，从所有所述车辆平台的插入结果集合和/或关联任务集合中随机选取一个未被选取过的任务；
从所有车辆平台中寻找发送过选取的任务的车辆平台集合；
计算所述车辆平台集合的每个所述车辆平台的评分；
将选取的任务分配至评分较高的所述车辆平台；
判断插入结果集合和/或关联任务集合中是否存在未被选取的任务；
在判断插入结果集合和/或关联任务集合中存在未被选取的任务的情况下，返回执行从所述插入结果集合和/或关联任务中随机选取一个未被选取过的任务的步骤；
在判断插入结果集合和/或关联任务集合中不存在未被选取的任务的情况下，将分配的结果整理至第二公告信息中；
将接收到可协商子集的任务添加至可协商任务集合中，并进一步整理至所述第二公告信息中；
判断协商次数是否小于预设的次数阈值；
在判断协商次数小于所述次数阈值的情况下，向每个所述车辆平台第二公告信息，直到所述协商次数大于或等于所述次数阈值；
在判断所述协商次数大于或等于所述次数阈值的情况下，向所述车辆平台发送最终公告信息；
所述预处理包括：
管控平台从接收到任务集中随机选取一个未被选取的任务作为当前任务；
根据所述当前任务的位置信息在所述任务集中寻找与所述当前任务的距离小于预设距离的所有任务；
将所述当前任务、所述任务集中与所述当前任务的距离小于预设距离的所有任务关联为所述当前任务对应的任务集合；
计算执行所述任务集合的所有任务的最短路径以及对应的容量需求；
将所述任务集合、所述最短路径、所述容量需求和所述当前任务关联以生成所述当前任务的属性，并从所述任务集中删除所述任务集合包含的任务；
判断所述任务集中是否存在未被选取的任务；
在判断所述任务集中存在未被选取的任务的情况下，返回执行从所述任务集中随机选取一个未被选取的任务作为当前任务的步骤；
在判断所述任务集中不存在未被选取的任务的情况下，将每个所述任务的编号、所述任务的属性、所述任务的位置信息关联以生成第一公告信息。
2.根据权利要求1所述的任务规划方法，其特征在于，所述任务规划方法进一步包括：
所述车辆平台在退出执行所述任务集的任务的情况下，向管控平台发送已被分配至所述车辆平台的任务；
管控平台将已被分配至所述车辆平台但还未执行的任务整理至所述第二公告信息中的所述未分配任务集合。
3.根据权利要求1所述的任务规划方法，其特征在于，所述计算所述车辆平台集合的每个所述车辆平台的评分进一步包括：
根据公式(1)计算每个所述车辆平台的评分；
Sq＝u1pi 1+u2pi 2+u3pi 3， (1)
其中，Sq为所述评分，pi 1为所述车辆平台执行选取的任务的成本方面指标值，pi 2为所述车辆平台的剩余能力方面指标值，pi 3为所述车辆平台的剩余容量方面指标值，u1、u2、u3为预设的权重。
4.根据权利要求1所述的任务规划方法，其特征在于，所述将选取的任务分配至评分较高的所述车辆平台包括：
判断所述车辆平台集合中是否存在仅发送选取的任务的车辆平台；
在判断所述车辆平台集合中存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的仅发送选取的任务的所述车辆平台；
在判断所述车辆平台集合中不存在仅发送选取的任务的车辆平台的情况下，将选取的任务分配给评分较高的所述车辆平台并删除分配到选取的任务的车辆平台。
5.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至4任一所述的任务规划方法。
CN201811473387.7A 2018-12-04 2018-12-04 用于动态环境下车辆的任务规划方法和机器可读存储介质 Active CN109598443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811473387.7A CN109598443B (zh) 2018-12-04 2018-12-04 用于动态环境下车辆的任务规划方法和机器可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811473387.7A CN109598443B (zh) 2018-12-04 2018-12-04 用于动态环境下车辆的任务规划方法和机器可读存储介质

Publications (2)

Publication Number Publication Date
CN109598443A CN109598443A (zh) 2019-04-09
CN109598443B true CN109598443B (zh) 2023-01-06

Family

ID=65960643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811473387.7A Active CN109598443B (zh) 2018-12-04 2018-12-04 用于动态环境下车辆的任务规划方法和机器可读存储介质

Country Status (1)

Country Link
CN (1) CN109598443B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111860991B (zh) * 2020-07-13 2022-07-08 清华大学深圳国际研究生院 一种无人车配送路径规划方法
CN115081944B (zh) * 2022-07-24 2022-11-11 国网浙江省电力有限公司湖州供电公司 适用于一体化现场移动检测设备的数据同步方法及平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107093046A (zh) * 2017-04-21 2017-08-25 北京京东尚科信息技术有限公司 无人配送车任务分配方法、系统和无人配送车
CN107169608A (zh) * 2017-05-27 2017-09-15 合肥工业大学 多无人机执行多任务的分配方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180260878A1 (en) * 2017-03-09 2018-09-13 Microsoft Technology Licensing, Llc Item delivery fulfillment plan determination

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107093046A (zh) * 2017-04-21 2017-08-25 北京京东尚科信息技术有限公司 无人配送车任务分配方法、系统和无人配送车
CN107169608A (zh) * 2017-05-27 2017-09-15 合肥工业大学 多无人机执行多任务的分配方法及装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"The capacitated hub covering location-routing problem for simultaneous pickup and delivery systems";HosseinKarimi;《Computers & Industrial Engineering》;20180228;第116卷;第47-58页 *
"Two solution representations for solving multi-depot vehicle routing problem with multiple pickup and delivery requests via PSO";KACHITVICHYANUKUL等;《Computers & Industrial Engineering》;20150930;第89卷;第125-136页 *
"基于SA的多目标城市物流配送路径优化研究";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》;20170415;第2017年卷(第04期);第J145-102页 *
"机场接送服务中基于协作的车次分配与调度方法研究";许争争;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20170315;第2017年卷(第3期);第C031-13页 *
多时间窗车辆调度问题的建模与求解;马华伟等;《系统工程学报》;20091031;第37卷(第05期);第168-174页 *
应用离散粒子群-郭涛算法分配多无人机协同任务;颜骥等;《国防科技大学学报》;20150831;第24卷(第04期);第97-103页 *

Also Published As

Publication number Publication date
CN109598443A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
Kachitvichyanukul et al. Two solution representations for solving multi-depot vehicle routing problem with multiple pickup and delivery requests via PSO
CN106600036B (zh) 基于Android多点快递配送方法
CN103413209B (zh) 多客户多仓库物流配送路径选择方法
CN104567905B (zh) 一种车辆规划路径的生成方法、装置
US20130158861A1 (en) Increasing throughput for carpool assignment matching
CN109934372B (zh) 一种路径规划方法、装置及设备
CN111768043A (zh) 一种配送车辆的配送计划生成方法、装置及系统
CN109598443B (zh) 用于动态环境下车辆的任务规划方法和机器可读存储介质
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
Rand The life and times of the Savings Method for Vehicle Routing Problems
CN113762594B (zh) 车机协同配送灾后救援物资的路径规划方法和装置
Braekers et al. A deterministic annealing algorithm for a bi-objective full truckload vehicle routing problem in drayage operations
CN109636023B (zh) 一种协商机制下多车辆平台的任务规划系统
Bakas et al. A flexible transportation service for the optimization of a fixed-route public transport network
Simoni et al. Crowdsourced on-demand food delivery: An order batching and assignment algorithm
Azab et al. Coordinating truck appointments with container relocations and retrievals in container terminals under partial appointments information
Giménez-Palacios et al. First-mile logistics parcel pickup: Vehicle routing with packing constraints under disruption
Caris et al. A deterministic annealing algorithm for the pre-and end-haulage of intermodal container terminals
Rüther et al. A grouping genetic algorithm for multi depot pickup and delivery problems with time windows and heterogeneous vehicle fleets
Narayanan et al. A Reinforcement Learning Approach for Electric Vehicle Routing Problem with Vehicle-to-Grid Supply
CN113741418B (zh) 异构车机编队协同路径的生成方法和装置
CN113313285B (zh) 多约束条件的车辆路径优化方法、系统、存储介质及设备
Gao et al. The stochastic share-a-ride problem with electric vehicles and customer priorities
CN114219387A (zh) 一种物流车辆调度装载的方法
Egan et al. A Profit-Aware Negotiation Mechanism for On-Demand Transport Services.

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