CN109916404A - 一种路径规划方法、装置、存储介质及设备 - Google Patents
一种路径规划方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN109916404A CN109916404A CN201711334228.4A CN201711334228A CN109916404A CN 109916404 A CN109916404 A CN 109916404A CN 201711334228 A CN201711334228 A CN 201711334228A CN 109916404 A CN109916404 A CN 109916404A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- route set
- destruction
- route
- coordinator
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种路径规划方法、装置、存储介质及设备,所述方法包括:根据各运单生成第一路线集合;将各所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;所述算法协调器对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。所述装置、存储介质与设备用于实现所述方法。它提高了算法计算能力,解决了VRP(路径规划问题)的计算瓶颈。
Description
技术领域
本发明涉及物流中路径规划领域,尤其涉及一种路径规划方法、装置,存储介质及设备。
背景技术
在路径规划领域的算法中,通常使用的是单机多核的最大邻域搜索架构。在路径规划的实际问题中,单机多核的并行算法架构存在计算能力不足的问题;当任务集数量大于400左右时,单机多核的计算能力已经无法满足需要。
发明内容
为了解决上述技术问题,本发明提出一种路径规划方法、装置,存储介质及设备,提高了算法计算能力,解决了VRP(路径规划问题)的计算瓶颈。
为了实现上述目的,本发明的技术方案为:
一种路径规划方法,包括:
根据各运单生成第一路线集合;
将各所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;
所述算法协调器对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。
所述摧毁采用的摧毁策略为以下任意一项:shaw/worst/random removal。
所述摧毁与重建采用的插入策略为以下任意一项:greedy/regret。
所述算法协调器通过模拟退火算法进行自适应处理。
所述根据各运单生成第一路线集合在执行过程中,包括:通过贪婪算法对待派送的运单集合进行运算,生成第一线路集合。
一种路径规划装置,包括:
生成单元,配置用于根据各运单生成第一路线集合;
摧毁与重建单元,配置用于将所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;
算法协调器,配置用于对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。
所述摧毁与重建单元包括:
摧毁模块,配置用于摧毁策略的选择。
所述摧毁与重建单元包括:
插入模块,配置用于插入策略的选择。
一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行所述的方法。
一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现所述的方法。
本发明的有益效果是:使用分布式的最大邻域搜索架构,提高了算法计算能力。提高了算法计算能力,解决了VRP(路径规划问题)的计算瓶颈。
附图说明
图1示出了根据本申请的实施例的单机多核的并行算法架构。
图2示出了根据本申请的实施例的方法流程图。
具体实施方式
为了更好的了解本发明的技术方案,下面结合附图1-2对本发明作进一步说明。
通常,路径规划的运行结构为单机多核的并行算法架构,如图1所示。算法迭代器接收运单需求后,利用大规模邻域搜索算法得出路线较优解,较优解再返回算法迭代器进行循环计算,直至迭代结束。但是由于运单信息量及数量非常巨大,单机多核的并行算法架构存在计算能力不足的严重缺陷。
如图2所示,首先,根据各运单生成第一路线集合。通过贪婪算法将全部待派送的运单集合计算,每个运单得到第一路线集合(一个运单的计算结果)之后,将初始路线集合(全部待派送的运单集合的计算结果,即包括全部第一路线集合的集合)将分发给多个算法迭代器。通过贪婪算法对运单计算得到的初始路线集合,作为分布式算法迭代器的输入,每个迭代器单独的进行若干次随机路径摧毁重建,将生成的第二路线集合传递给算法协调器,算法协调器对各第二路线集合(每个算法迭代器各自生成一个第二路线集合,因此有多个第二线路集合)进行自适应。即在大规模邻域搜索算法的摧毁重建过程中,进行分布式的并行随机摧毁重建,以达到提高运算能力的目的。
然后,在分布式最大邻域搜索架构中,有多个算法迭代器和一个算法协调器。初始路线集合传入分布式架构后,每个迭代器都会对其进行若干次随机的路线摧毁和路线重建,摧毁的策略从shaw/worst/random removal中随机选取,插入的策略从greedy/regret中选取。另外,迭代器的运算速度跟其cpu计算能力、摧毁重建的策略有关。经过一轮或者多轮摧毁重建后,每个迭代器都会得到第二路线集合(即一个成本最低的路线集合)。
接着,这些迭代器得到的第二路线集合全部传递给算法协调器,算法协调器通过模拟退火等自适应算法选取第三路线集合(即成本最低的路线集合),即为本次运算的最优路线。
一种路径规划装置,包括:
生成单元,配置用于根据各运单生成第一路线集合;
摧毁与重建单元,配置用于将所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;
算法协调器,配置用于对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。
所述摧毁与重建单元包括:
摧毁模块,配置用于摧毁策略的选择。
插入模块,配置用于插入策略的选择。一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行所述的方法。
一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现所述的方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于) 具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种路径规划方法,其特征是,包括:
根据各运单生成第一路线集合;
将各所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;
所述算法协调器对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。
2.根据权利要求1所述的方法,其特征是,所述摧毁采用的摧毁策略为以下任意一项:shaw/worst/random removal。
3.根据权利要求1所述的方法,其特征是,所述摧毁与重建采用的插入策略为以下任意一项:greedy/regret。
4.根据权利要求1所述的方法,其特征是,所述算法协调器通过模拟退火算法进行自适应处理。
5.根据权利要求1所述的方法,其特征是,所述根据各运单生成第一路线集合在执行过程中,包括:通过贪婪算法对待派送的运单集合进行运算,生成第一线路集合。
6.一种路径规划装置,其特征在于,包括:
生成单元,配置用于根据各运单生成第一路线集合;
摧毁与重建单元,配置用于将所述第一路线集合分发至若干算法迭代器,各所述算法迭代器分别进行若干次随机路径的摧毁与重建,得到第二路线集合并传递给算法协调器;
算法协调器,配置用于对各所述第二路线集合进行自适应处理,得到第三路线集合,作为路径规划结果输出。
7.根据权利要求6所述的装置,其特征在于,所述摧毁与重建单元包括:
摧毁模块,配置用于摧毁策略的选择。
8.根据权利要求6所述的装置,其特征在于,所述摧毁与重建单元包括:
插入模块,配置用于插入策略的选择。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-5中任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711334228.4A CN109916404A (zh) | 2017-12-12 | 2017-12-12 | 一种路径规划方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711334228.4A CN109916404A (zh) | 2017-12-12 | 2017-12-12 | 一种路径规划方法、装置、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109916404A true CN109916404A (zh) | 2019-06-21 |
Family
ID=66959443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711334228.4A Pending CN109916404A (zh) | 2017-12-12 | 2017-12-12 | 一种路径规划方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109916404A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1968122A (zh) * | 2006-09-04 | 2007-05-23 | 南京理工大学 | 基于模拟退火的动态分布式多播路由方法 |
CN103226762A (zh) * | 2013-04-17 | 2013-07-31 | 深圳东原电子有限公司 | 一种基于云计算平台的物流配送方法 |
CN103336790A (zh) * | 2013-06-06 | 2013-10-02 | 湖州师范学院 | 基于Hadoop的邻域粗糙集快速属性约简方法 |
CN104463322A (zh) * | 2014-11-10 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种异构系统的并行混合人工蜂群方法 |
CN106709597A (zh) * | 2016-12-12 | 2017-05-24 | 广东电网有限责任公司电力科学研究院 | 基于人工蜂群算法的并行优化处理tsp问题的方法及装置 |
CA2914885A1 (fr) * | 2015-12-14 | 2017-06-14 | Jamel J.A. Aljane | Heuristique variante de la methode de recherche locale tabusearch |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
-
2017
- 2017-12-12 CN CN201711334228.4A patent/CN109916404A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1968122A (zh) * | 2006-09-04 | 2007-05-23 | 南京理工大学 | 基于模拟退火的动态分布式多播路由方法 |
CN103226762A (zh) * | 2013-04-17 | 2013-07-31 | 深圳东原电子有限公司 | 一种基于云计算平台的物流配送方法 |
CN103336790A (zh) * | 2013-06-06 | 2013-10-02 | 湖州师范学院 | 基于Hadoop的邻域粗糙集快速属性约简方法 |
CN104463322A (zh) * | 2014-11-10 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种异构系统的并行混合人工蜂群方法 |
CA2914885A1 (fr) * | 2015-12-14 | 2017-06-14 | Jamel J.A. Aljane | Heuristique variante de la methode de recherche locale tabusearch |
CN106709597A (zh) * | 2016-12-12 | 2017-05-24 | 广东电网有限责任公司电力科学研究院 | 基于人工蜂群算法的并行优化处理tsp问题的方法及装置 |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
Non-Patent Citations (4)
Title |
---|
孟静: "带软时间窗约束的车辆路径问题的混合算法研究及其应用", 《道客巴巴》 * |
翟光明等: "基于Spark的人工蜂群改进算法", 《计算机应用》 * |
袁景凌等: "《Spark案例与实验教程》", 30 April 2017, 武汉大学出版社 * |
许云峰等: "《大数据技术及行业应用》", 31 August 2016, 北京邮电大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI664587B (zh) | 排程神經網路處理 | |
US11983280B2 (en) | Protection of cryptographic operations by intermediate randomization | |
Husted et al. | GPU and CPU parallelization of honest-but-curious secure two-party computation | |
KR101334040B1 (ko) | 대칭키 암호화 시스템의 마스킹 연산 방법 및 장치 | |
Li et al. | An FPGA design framework for CNN sparsification and acceleration | |
Soto et al. | Pre-processing, repairing and transfer functions can help binary electromagnetism-like algorithms | |
Dong et al. | Ec-ecc: Accelerating elliptic curve cryptography for edge computing on embedded gpu tx2 | |
Cagigas-Muñiz et al. | Efficient simulation execution of cellular automata on GPU | |
Roberge et al. | Efficient parallel particle swarm optimizers on GPU for real-time harmonic minimization in multilevel inverters | |
Pande et al. | Computing betweenness centrality for small world networks on a GPU | |
Bastos-Filho et al. | Impact of the random number generator quality on particle swarm optimization algorithm running on graphic processor units | |
Taheri et al. | Acceleration framework for FPGA implementation of OpenVX graph pipelines | |
Devshatwar et al. | GPU centric extensions for parallel strongly connected components computation | |
CN109916404A (zh) | 一种路径规划方法、装置、存储介质及设备 | |
Roberge et al. | Comparison of parallel particle swarm optimizers for graphical processing units and multicore processors | |
Saxena et al. | An enhanced parallel version of RSA public key crypto based algorithm using openMP | |
Hassan et al. | Impact of using multi-levels of parallelism on HPC applications performance hosted on Azure cloud computing | |
Kulkarni et al. | Less: Big data sketching and encryption on low power platform | |
Gamaarachchi et al. | Accelerating correlation power analysis using graphics processing units (gpus) | |
Tuncer et al. | Task Mapping on a Dragonfly Supercomputer. | |
Lei et al. | Accelerating homomorphic full adder based on fhew using multicore cpu and gpus | |
Kobayashi et al. | GPU–FPGA-accelerated Radiative Transfer Simulation with Inter-FPGA Communication | |
Widger et al. | Computing equilibria in bimatrix games by parallel support enumeration | |
Demirbas et al. | Application-specific heterogeneous network-on-chip design | |
Zhuravlev et al. | Encrypted program execution |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190621 |