CN110942184B - 一种自适应的定址寻路规划方法、装置、设备及存储介质 - Google Patents

一种自适应的定址寻路规划方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110942184B
CN110942184B CN201911113941.5A CN201911113941A CN110942184B CN 110942184 B CN110942184 B CN 110942184B CN 201911113941 A CN201911113941 A CN 201911113941A CN 110942184 B CN110942184 B CN 110942184B
Authority
CN
China
Prior art keywords
warehouse
operator
result
path
path optimization
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
CN201911113941.5A
Other languages
English (en)
Other versions
CN110942184A (zh
Inventor
杨鹏
卓尔
姚新
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.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and 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 Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN201911113941.5A priority Critical patent/CN110942184B/zh
Publication of CN110942184A publication Critical patent/CN110942184A/zh
Application granted granted Critical
Publication of CN110942184B publication Critical patent/CN110942184B/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
    • G06Q10/04—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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (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)
  • Educational Administration (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种自适应的定址寻路规划方法、装置、设备及存储介质，方法包括：获取初始路径规划结果并初始化全局最优规划结果和初始路径优化基础；为各个算子分配分数；基于初始路径优化基础先后进行下级优化和局部搜索优化得到第三路径优化结果；若第三路径优化结果的成本小于初始路径规划结果的成本，使用第三路径优化结果替代初始路径规划结果；若初始路径规划结果的成本小于全局最优规划结果的成本，使用初始路径规划结果替代全局最优规划结果；迭代进行优化步骤到达预设次数后输出全局最优规划结果。本发明实施例合理设置循环过程中各算子的使用概率提高了优化结果的质量，保障了路径规划结果的质量同时缩短了规划的用时。

Description

一种自适应的定址寻路规划方法、装置、设备及存储介质
技术领域
本发明实施例涉及物流管理领域，尤其涉及一种自适应的定址寻路预测方法、装置、设备及存储介质。
背景技术
选址问题是在给定客户需求的条件下，选择建设物流中心地址或者选择开放给定物流中心的一部分以降低物流成本。车辆路径问题是在给定物流中心以及各个客户需求和线路成本等条件下，选择最佳的路径寻找策略以达到最小化成本的目的。两层级有限容量的定址寻路问题(英文名为two-echelon capacitated location routing problems,以下全文简称2E-CLRP问题)是这两个问题的合集，并且给定了具有有限容量的一级仓库、二级仓库和一级车队、二级车队。该问题的最终目标是找到一个可行解，其在满足所有要求的情况下能够使所花费的成本最小。
目前常用于2E-CLRP问题的求解过程花费时间较长，其无法在求解质量和求解速度上取得良好的综合表现。
发明内容
本发明实施例提供一种自适应的定址寻路规划方法、装置、设备和计算机存储介质，实现路径规划加速求解处理。
第一方面，本发明实施例提供了一种自适应的定址寻路规划方法，包括：
S1、获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；
S2、根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；
S3、为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；
S4、基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；
S5、根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；
S6、判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；
S7、判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；
S8、调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行S4。
第二方面，本发明实施例还提供了一种自适应的定址寻路规划装置，该装置包括：
参数获取模块，用于获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；
初始化模块，根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；
分数分配模块，为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；
第一路径优化模块，基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；
第三路径优化模块，根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；
第一判断模块，判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；
第三判断模块，判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；
输出模块，用于调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行所述第一路径优化模块。
第三方面，本发明实施例还提供了一种自适应的定址寻路规划设备，包括存储器和处理器，存储器上存储有可在处理器运行的计算机程序，处理器执行计算机程序时实现前述的自适应的定址寻路规划方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被执行时实现前述的自适应的定址寻路规划方法。
本发明实施例提供的技术方案，通过对全局最优规划结果中的一级路径和二级路径分别进行优化改进了初始路径规划结果的质量，利用破坏算子和修复算子循环对路径优化结果进行改进，合理的设置循环过程中各算子的使用概率有助于进一步提高优化结果的质量，在保障了2E-CLRP问题路径规划结果的质量同时大大缩短了获得规划结果的用时。
附图说明
图1是本发明实施例一提供的自适应的定址寻路规划方法流程图；
图2是本发明实施例一提供的自适应的定址寻路规划方法子流程图；
图3为本发明实施例二提供的自适应的定址寻路规划方法流程图；
图4是本发明实施例二提供的自适应的定址寻路规划方法子流程图；
图5为本发明实施例三提供的一种自适应的定址寻路规划装置的结构示意图；
图6是本发明实施例三提供的另一种自适应的定址寻路规划装置的结构示意图；
图7为本发明实施例四提供的定址寻路预测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一路径优化结果称为第二路径优化结果，且类似地，可将第二路径优化结果称为第一路径优化结果。第一路径优化结果和第二路径优化结果两者都是路径优化结果，但其不是同一路径优化结果。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。需要说明的是，当一个部被称为“固定于”另一个部，它可以直接在另一个部上也可以存在居中的部。当一个部被认为是“连接”到另一个部，它可以是直接连接到另一个部或者可能同时存在居中部。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述，只是为了说明的目的，并不表示是唯一的实施方式。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种自适应的定址寻路规划方法的流程图，具体包括如下步骤：
步骤110、获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息。
对于每一个定址寻路问题，作为输入参数，其题给出的约束条件应该是明确的，具体的，输入参数中需要包括本次求解所提供可供选择的一级仓库信息、二级仓库信息、客户信息以及容量约束信息。通过对问题分析可知可以将2E-CLRP问题分为两层处理，即将一级仓库和二级仓库划分为第一层求解，将二级仓库和客户划分为第二层求解，因此输入参数包括仓库信息和对应的下级集合信息，具体的，包括一级仓库信息和对应的二级仓库信息以及二级仓库信息和对应的客户信息，其中二级仓库为一级仓库的下级，客户为二级仓库的下级。
容量约束信息包括仓库的容量约束和运输设备的容量约束，仓库的容量约束表示仓库的存储容量上限，容量越大的二级仓库其能满足更大的客户需求，仓库的容量约束影响其能服务的下级数量较为明显，运输设备的容量约束表示运输设备一次运输过程中的最大运输容量，运输设备的容量约束影响路径规划较为明显。
步骤120、根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果。
本发明实施例所提供的自适应的定址寻路规划方法实质是基于自适应大邻域搜索算法改进而来的一种求解方法，与自适应大邻域搜索算法相似的，在获得质量较高的最终解之前需要先获得一初始结果作为改进基础，同时考虑到在优化过程中可能会基于一些较差的改进结果继续进行改进，因此需要保留一个成本始终最低的结果作为优化的评价标准，也就是说先获取最优的初始规划结果，在初始时，建立一个和初始路径规划结果相等的全局最优规划结果，以及一个和初始路径规划结果相等的初始路径优化基础作为后续改进的基础，初始路径优化基础和初始路径规划结果会随着优化算法变更可能会更差也可能会更好，其中初始路径优化基础的变更会更频繁，而全局最优规划结果只有在优化过程中产生了成本更低的优化结果时才会变更。本实施例采用克拉克-莱特算法(Clarke andWright Savings)基于输入参数获取初始路径规划结果。
定址寻路问题中一次性输入所有参数进行结果求解计算难度较大，基于上述将问题分层的思想，在获取初始路径规划结果时也是将问题分为两层求解，具体包括：
根据所述二级仓库信息、客户信息和容量约束信息确定选择的二级仓库和用于连接所述二级仓库和客户的二级路径；
根据所述二级路径中选择的二级仓库对应的二级仓库信息、一级仓库信息和容量约束信息确定用于连接所述一级仓库和二级仓库的所述一级路径，所述初始路径规划结果包括所述一级路径和所述二级路径。
也即先由二级仓库信息和客户信息确定二级仓库和客户间的路径规划结果，再由确定的二级仓库信息和一级仓库信息确定一级仓库和二级仓库间的路径规划结果，需要说明的是，在路径规划结果确定时，仓库选址同时也确定了。
进一步的，初始路径规划结果获取过程如图2所示，步骤120包括步骤121～128：
步骤121、将所述二级仓库按容量从大到小的顺序开启，直到开启的二级仓库的容量之和不小于所有客户的需求之和为止。
本步骤的目的在于：考虑到每个二级仓库有对应的开启成本，初始情况下通过开启尽量少的二级仓库来试图减少成本。
步骤122、将所述客户按随机顺序分配给距离所述客户最近且剩余容量能够满足所述客户需求的所述开启的二级仓库，若不存在剩余容量能够满足所述客户需求的所述开启的二级仓库，则将还未开启的二级仓库中容量最大的一个二级仓库开启。
这是因为：满足容量要求的前提下，在初始情况下将客户分配给距离最近的开启的二级仓库更有可能接近最终的最优分配方案。
步骤123、将分配给一个二级仓库的所有客户作为一个客户集合，得到与开启的二级仓库数量对应的多个客户集合，对每个客户集合中的客户两两组合得到多个客户组合，计算每个客户组合的节约成本。
所述节约成本为，所述组合中的所有元素到所述仓库距离的两倍减去将所述组合中的所有元素和所述仓库确定的完整路径的距离得到的差值。
示例性的，Lij表示i点到j点的距离，假设一个客户组合为a和b，其对应的二级仓库为0,则节约成本为2*(La0+Lb0)-(Lab+La0+Lb0)。
步骤124、对于每个开启的二级仓库，重复以下操作：从对应该二级仓库的客户集合中节约成本最大的客户组合开始，在满足容量约束的前提下将所述每个客户组合合并成一条二级路径，直到该二级仓库下不存在节约成本的客户组合为止，得到对应该二级仓库的二级路径集合。
每个组合都可以确定一条路径，但是若所有组合都各对应一条路径明显存在增加成本的情况，且不同的组合中存在这具有相同的客户的情况，因此需要对部分路径进行合并，根据节约成本的计算方式，每次客户组合对应的路径合并在满足容量约束的前提下都能减少成本，因此需要通过对部分路径进行合并来获得成本较少的路径规划方式。
步骤125、将所述一级仓库按容量从大到小的顺序开启，直到开启的一级仓库的容量之和不小于所有客户的需求之和为止。
本步骤的目的在于：考虑到每个一级仓库有对应的开启成本，初始情况下通过开启尽量少的一级仓库来试图减少成本。
步骤126、将所述开启的二级仓库按随机顺序分配给距离所述开启的二级仓库最近且剩余容量能够满足所述开启的二级仓库需求的所述开启的一级仓库，若不存在剩余容量能够满足所述开启的二级仓库需求的所述开启的一级仓库，则将还未开启的一级仓库中容量最大的一个一级仓库开启。
这是因为；满足容量要求的前提下，在初始情况下将开启的二级仓库分配给距离最近的开启的一级仓库更有可能接近最终的最优分配方案。
步骤127、将分配给一个一级仓库的所有开启的二级仓库作为一个二级仓库集合，得到与开启的一级仓库数量对应的多个二级仓库集合，对每个二级仓库集合中的二级仓库两两组合得到多个二级仓库组合，计算每个二级仓库组合的节约成本。
步骤128、对于每个开启的一级仓库，重复以下操作：从对应该一级仓库的二级仓库集合中节约成本最大的二级仓库组合开始，在满足容量约束的前提下将所述每个二级仓库组合合并成一条一级路径，直到该一级仓库下不存在节约成本的二级仓库组合为止，得到对应该一级仓库的一级路径集合。
步骤125-128为问题第一层的求解过程，其类似于第二层的求解过程，将二级仓库换成一级仓库，将对应的下级由客户换成确定开启的二级仓库进行类似的过程即可得到一级路径，一级路径和二级路径都确定时便可得到初始路径规划结果，也就是初始的全局最优规划结果和初始路径优化基础。
步骤130、为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子。
在对初始路径优化基础进行优化的过程中，我们会用到多个破坏算子和修复算子，每个算子被选择时都是有一定概率的，每组破坏算子和修复算子都可能造成不同的新的路径结果，这些新的路径结果质量也都不确定，当结果显示某一组破坏算子和修复算子得到的路径结果质量较好时可以提高这组算子被选择的概率，概率的计算方式为该算子的分数在所有同类算子的分数中占的比例，，在初始时通常设置每个破坏算子、修复算子被选择的概率相同，即分配的分数相同，在后续过程中再调高相应算子的分数提高该算子被选择的几率。
具体的，所述破坏算子有八个，包括作用于所述二级仓库的二级设施移除算子、二级设施开启算子、二级设施交换算子和作用于一级仓库的一级设施移除算子、一级设施开启算子、一级设施交换算子以及作用于所述客户的客户随机移除算子、客户相关移除算子，所述修复算子有两个，包括作用于所述二级仓库的二级设施插入算子和作用于所述客户的客户插入算子。
需要说明的是，在2E-CLRP问题中，输入参数中的仓库并不是每个都会被选择使用，在此定义被选择使用仓库状态为开启，未被选择使用的仓库状态定为关闭，下面具体说明每个算子的使用方式。
二级设施移除算子，用于随机选择一个开启的二级仓库，将其关闭，然后将该二级仓库所连接的所有客户都移除，并在包含这个二级仓库的路径中移除该二级仓库。
二级设施开启算子，用于随机开启一个关闭的二级仓库，并选择离该二级仓库最近的q个客户(q为大于等于1的正整数)，将这些客户从原本的路径中移除。
二级设施交换算子，用于随机关闭一个开启的二级仓库，并将该二级仓库所连接的所有客户都移除，并在包含这个二级仓库的路径中移除该二级仓库，然后开启与该算子关闭的二级仓库距离最近的一个处于关闭状态的二级仓库，并且如果之前关闭的二级仓库在关闭后不是唯一一个处于关闭状态的二级仓库，则其不能再次被开启。
一级设施移除算子，用于随机选择一个开启的一级仓库，将其关闭，然后将该一级仓库所连接的所有二级仓库都移除，并在包含这个一级仓库的路径中移除该一级仓库。
一级设施开启算子，用于随机开启一个关闭的一级仓库，并选择离该一级仓库最近的q个二级仓库(q为大于等于1的正整数)，将这些二级仓库从原本的路径中移除。
一级设施交换算子，用于随机关闭一个开启的一级仓库，并将该一级仓库所连接的所有二级仓库都移除，并在包含这个一级仓库的路径中移除该一级仓库，然后开启与该算子关闭的一级仓库距离最近的一个处于关闭状态的一级仓库，并且如果之前关闭的一级仓库在关闭后不是唯一一个处于关闭状态的一级仓库，则其不能再次被开启。
客户随机移除算子，用于随机移除q个客户(q为大于等于1的正整数)。
客户相关移除算子，用于随机选择一个种子客户，并将离该种子客户最近的q-1个客户移除(q为大于等于1的正整数)。
二级设施插入算子，用于将被破坏算子移除的二级仓库以随机的顺序插入所有一级仓库连接下的路径，并返回减少成本最多的插入结果。
客户插入算子，用于将被破坏算子移除的客户以随机的顺序插入所有二级仓库连接下的路径，并返回减少成本最多的插入结果。
步骤140、基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果。
初始路径优化基础包括一级路径和二级路径，两个路径使用的破坏算子和修复算子不同，因此需要对其进行两次改进，本实施例选择先对二级路径进行改进再对一级路径进行改进，根据改进结果得到第一路径优化结果，此处所说的下级优化是指对选择作用于一级路径和二级路径中的下级集合元素的相关算子进行的优化。
具体的，步骤140包括：自作用于所述客户的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径优化基础进行改进得到第五路径优化结果。
首先对二级路径进行优化，选择一个作用于客户的破坏算子进行客户移除，选择的破坏算子可能是客户随机移除算子也可能是客户相关移除算子，每个算子被选择的概率取决于对应的分数，概率的计算方式为该算子的分数在所有同类算子的分数中占的比例，将客户移除后再使用一个客户插入算子将客户随机插入所有二级仓库下的路径(在满足容量约束的前提下)，比较不同插入结果所节约的成本，选择结余成本最大的插入结果作为二级路径改进结果，保留基于初始路径优化基础对二级路径进行优化后的结果记为第五路径优化结果。
步骤150、根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果。
当获得第一路径优化结果后，可以选择对其进行进一步优化得到成本更低的路径优化结果，但是每一轮的优化目的都是为了找到比全局最优规划结果成本更低的路径，当第一路径优化结果成本反而高出全局最优规划结果成本时(高出的具体数值范围可以根据需求不同自行设置，优选设置为高出较多)，此时可以认为对第一路径优化结果进行优化是没有太大意义的，具体的，可以根据全局最优规划结果确定一个成本范围，当第一路径优化结果的成本在这个成本范围内时可以认为有可能找到比全局最优规划结果更优的路径，此时才会采用局部搜索对第一路径优化结果进行进一步优化。
步骤160、判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果。
当获得第三路径优化结果后需要评估该结果的质量，具体可以是判断第三路径优化结果的成本是否低于初始路径规划结果的成本，当低于时需要更新初始路径规划结果。
步骤170、判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果。
当初始路径规划结果的成本小于全局最优规划结果的成本，说明此种优化方式有效，可以迭代进行优化过程进一步提高优化效果，同时每次迭代过程中都要更新作为最优的全局最优规划结果。
步骤180、调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行步骤140。
当优化达到一定程度时，此时继续进行优化可能仍有小幅度的改进但是与所耗费的时间相比其收益较低，因此可以设置一个预设次数用于当迭代优化次数到达该预设次数后可以认为优化效果已经较好，且此时耗费时间较短，输出此时得到的全局最优规划结果，并且为了提高优化效率，当本次优化的成本降低较多时，说明本次采用的破坏算子和修复算子优化效果较好，可以调高该算子的分数增大其被选择的概率，若成本降低效果较差甚至没有降低，则可以判断本次采用的破坏算子和修复算子优化效果较差，可以调低该算子的分数降低其被选择的概率。
本发明自适应的定址寻路规划方法的工作原理：在克拉克-莱特算法求得的路径预测结果的基础上结合大邻域搜索算法和局部搜索等算法逐步改良预测结果的质量求得更优的定址寻路规划结果，通过对算法的改进提高了预测结果的质量，通过合理设置循环的长度大大缩减获得预测结果的时间。
在本实施例方案中，通过对全局最优规划结果中的一级路径和二级路径分别进行优化改进了初始路径规划结果的质量，利用破坏算子和修复算子循环对路径优化结果进行改进，合理的设置循环过程中各算子的使用概率有助于进一步提高优化结果的质量，在保障了2E-CLRP问题路径规划结果的质量同时大大缩短了获得规划结果的用时。
实施例二
图3为本发明实施例二提供的一种自适应的定址寻路规划方法流程图，本实施例在实施例一的基础上实现，如图3所示，步骤160之后还包括第三路径优化结果的成本不小于初始路径规划结果的优化选择，具体包括：
步骤190、判断所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数是否到达第二预设次数。
当第三路径优化结果的成本连续不小于初始路径规划结果的成本时，可以视为步骤140-160的优化已经难以取得较好的效果，为了便于判断，本实施例采用预先设置的第二预设次数来判断步骤140-160采用的下级优化是否还有较大的可能产生优化效果：当第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数到达第二预设次数时，可以认为已经无法或很难通过下级优化完成成本降低，因而需要更改优化方式，反之则认为仍可以采用下级优化进行成本降低，因而可以继续步骤170。
当判断第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数没有到达第二预设次数时，由于此时第三路径优化结果的成本不小于初始路径规划结果，则初始路径规划结果没有改变，因而也没有进行步骤170的需求，因此当第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数没有到达第二预设次数时直接跳转执行步骤180。
步骤200、若所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数到达第二预设次数，将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果。
当步骤140-160的优化没有较好的效果，此时可以选择另一种优化方式—上级优化，对初始路径优化基础进行优化，上级优化与下级优化相对应，是针对一级路径和二级路径中的上级进行优化，即主要对一级路径中的一级仓库、二级路径中的二级仓库进行优化。
每次迭代第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数都会发生变化，在不发生第三路径优化结果的成本小于初始路径规划结果的成本的情况下，第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数是一直增加的，当第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数到达第二预设次数我们才认为步骤140-160的优化已经无法取得效果，因而进行上级优化，当选择进行上级优化后便需要将累计的第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数置为零，即为重新开始计算第三路径优化结果的成本连续不小于初始路径规划结果的成本的次数。
具体的，如图4所示，上级优化过程步骤200包括步骤201-205：
步骤201、将所述次数置为零，判断所述初始路径优化基础的成本是否在所述最优成本范围内。
本步骤和步骤150中类似，是需要判断初始路径优化基础是否有改良的价值，若初始路径优化基础的成本在最优成本范围内则表明有价值可以选择用初始路径优化基础作为上级优化的基础，若不在则表明没有价值，此时可以用全局最优规划结果作为上级优化的基础。
步骤202、若是，则以预设几率令所述初始路径优化基础等于所述全局最优规划结果。
步骤203、若不是，则令所述初始路径优化基础等于所述全局最优规划结果。
步骤202和步骤203就是根据初始路径优化基础有无改良价值进行初始化的过程，以留合适的初始路径优化基础。其中预设几率可以根据最终的优化结果进行调整。
步骤204、自作用于所述二级仓库的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径优化基础改进得到第六路径优化结果。
与实施例一类似的，本实施例中的上级优化过程同样分为两个部分：对一级路径的优化和对二级路径的优化，区别在于本实施例中每个路径对应选择的破坏算子与实施例一不同，同样的本实施例中先进行的是对二级路径的优化：选择作用于二级仓库的破坏算子对二级仓库进行关闭/开启的操作，再选择作用于客户的修复算子将被破坏算子移除的客户插入到对应的二级路径中，基于初始路径规划结果进行上述操作后便可得到第六路径优化结果。
步骤205、自作用于所述一级仓库的破坏算子中和作用于所述二级仓库的修复算子中各选择一个对所述第六路径优化结果改进得到第二路径优化结果。
因为问题的分层分析，前述已经基于二级路径进行了优化，此时需要基于一级路径进行进一步的优化：选择一个作用于一级仓库的破坏算子进行一级仓库的开/关操作，再选择一个作用于二级仓库的修复算子将相应的二级仓库插入到一级路径中，基于第六路径优化结果进行上述操作后便可得到第二路径优化结果。
步骤210、使用局部搜索对所述第二路径优化结果改进得到第四路径优化结果，并调整所述初始路径规划结果等于所述第四路径优化结果。
本实施例中在得到第二路径优化结果后，采用局部搜索对第二路径优化结果进行进一步优化求得具备最优解得到第四路径优化结果，基于运算需求令初始路径规划结果等于得到的第四路径优化结果。
本实施例中采用了和实施例一不同的破坏算子进行上级优化，在实施例一中提供的优化循环无法产生有效的改进效果时采用本实施例中的上级优化方法可以对优化结果产生较大的变更，因此每次进行了上级优化过程后需要继续采用下级优化对结果循环改进以保障最终得到的优化结果成本最低。
需要说明的是，由于实施例中的步骤190-210也是一个迭代过程，因此步骤180中所指的迭代次数是指的下级优化和上级优化的迭代次数之和。
本实施例基于实施例一进一步提供了一种采用上级优化的自适应的定址寻路规划方法，其在采用下级优化过程无法取得有效的优化效果时通过上级优化寻求突破，扩大了路径规划的求解范围，实现了进一步提高路径规划结果的质量，在保留路径规划的高效率同时进一步降低了路径规划结果的成本。
实施例三
图5所示为本发明实施例三提供的一种自适应的定址寻路规划装置300的结构示意图，该自适应的定址寻路规划装置的具体结构如下：
参数获取模块310，用于获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息。
初始化模块320，用于根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果。
进一步的，初始化模块320包括：
二级路径确定单元，用于根据所述二级仓库信息、客户信息和容量约束信息确定选择的二级仓库和用于连接所述二级仓库和客户的二级路径。
一级路径确定单元，用于根据所述二级路径中选择的二级仓库对应的二级仓库信息、一级仓库信息和容量约束信息确定用于连接所述一级仓库和二级仓库的所述一级路径。
分数分配模块330，用于为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子。
在对初始路径优化基础进行优化的过程中，我们会用到多个破坏算子和修复算子，每个算子被选择时都是有一定概率的，每组破坏算子和修复算子都可能造成不同的新的路径结果，这些新的路径结果质量也都不确定，当结果显示某一组破坏算子和修复算子得到的路径结果质量较好时可以提高这组算子被选择的概率，概率的计算方式为该算子的分数在所有同类算子的分数中占的比例，，在初始时通常设置每个破坏算子、修复算子被选择的概率相同，即分配的分数相同，在后续过程中再调高相应算子的分数提高该算子被选择的几率。
具体的，所述破坏算子包括：作用于所述二级仓库的二级设施移除算子、二级设施开启算子、二级设施交换算子和作用于一级仓库的一级设施移除算子、一级设施开启算子、一级设施交换算子以及作用于所述客户的客户随机移除算子、客户相关移除算子，所述修复算子包括作用于所述二级仓库的二级设施插入算子和作用于所述客户的客户插入算子。
具体的，各个算子作用如下：
二级设施移除算子，用于随机选择一个开启的二级仓库，将其关闭，然后将该二级仓库所连接的所有客户都移除，并在包含这个二级仓库的路径中移除该二级仓库。
二级设施开启算子，用于随机开启一个关闭的二级仓库，并选择离该二级仓库最近的q个客户(q为大于等于1的正整数)，将这些客户从原本的路径中移除。
二级设施交换算子，用于随机关闭一个开启的二级仓库，并将该二级仓库所连接的所有客户都移除，并在包含这个二级仓库的路径中移除该二级仓库，然后开启与该算子关闭的二级仓库距离最近的一个处于关闭状态的二级仓库，并且如果之前关闭的二级仓库在关闭后不是唯一一个处于关闭状态的二级仓库，则其不能再次被开启。
一级设施移除算子，用于随机选择一个开启的一级仓库，将其关闭，然后将该一级仓库所连接的所有二级仓库都移除，并在包含这个一级仓库的路径中移除该一级仓库。
一级设施开启算子，用于随机开启一个关闭的一级仓库，并选择离该一级仓库最近的q个二级仓库(q为大于等于1的正整数)，将这些二级仓库从原本的路径中移除。
一级设施交换算子，用于随机关闭一个开启的一级仓库，并将该一级仓库所连接的所有二级仓库都移除，并在包含这个一级仓库的路径中移除该一级仓库，然后开启与该算子关闭的一级仓库距离最近的一个处于关闭状态的一级仓库，并且如果之前关闭的一级仓库在关闭后不是唯一一个处于关闭状态的一级仓库，则其不能再次被开启。
客户随机移除算子，用于随机移除q个客户(q为大于等于1的正整数)。
客户相关移除算子，用于随机选择一个种子客户，并将离该种子客户最近的q-1个客户移除(q为大于等于1的正整数)。
二级设施插入算子，用于将被破坏算子移除的二级仓库以随机的顺序插入所有一级仓库连接下的路径，并返回减少成本最多的插入结果。
客户插入算子，用于将被破坏算子移除的客户以随机的顺序插入所有二级仓库连接下的路径，并返回减少成本最多的插入结果。
第一路径优化模块340，用于基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果。
具体的，第一路径优化模块包括：
第一二级路径优化单元，用于自作用于所述客户的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径优化基础进行改进得到第五路径优化结果。
第三路径优化模块350，用于根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果。
第一判断模块360，用于判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果。
第三判断模块370，用于判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果。
输出模块380，用于调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行第一路径优化模块340。
进一步的，如图6所示，本实施例提供的自适应的定址寻路规划装置还包括：
第二判断模块390，用于判断所述所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数是否到达第二预设次数。
第二路径优化模块400，用于若所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数到达第二预设次数，将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果。
进一步的，第二路径优化模块400包括：
第一判断单元，用于将所述次数置为零，判断所述初始路径优化基础的成本是否在所述最优成本范围内。
第一替代单元，用于若所述初始路径优化基础的成本在所述最优成本范围内时，以预设几率令所述初始路径优化基础等于所述全局最优规划结果。
第二替代单元，用于若所述初始路径优化基础的成本不在所述最优成本范围内时，令所述初始路径优化基础等于所述全局最优规划结果。
第二二级路径优化单元，用于自作用于所述二级仓库的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径规划结果改进得到第六路径优化结果。
第二一级路径优化单元，用于自作用于所述一级仓库的破坏算子中和作用于所述二级仓库的修复算子中各选择一个对所述第六路径优化结果改进得到第二路径优化结果。
第四路径优化模块410，用于使用局部搜索对所述第二路径优化结果改进得到第四路径优化结果，并调整所述初始路径规划结果等于所述第四路径优化结果。
本实施例进一步提供了一种自适应的定址寻路规划装置，通过对初始路径规划结果中的一级路径和二级路径分别进行优化改进了初始路径规划结果的质量，利用破坏算子和修复算子循环对路径优化结果进行改进，合理的设置循环过程中各算子的使用概率有助于进一步提高优化结果的质量，在保障了2E-CLRP问题路径规划结果的质量同时大大缩短了获得路径规划结果的用时。
本发明实施例所提供了一种自适应的定址寻路规划装置可执行本发明前述实施例所提供的一种自适应的定址寻路规划方法，其具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种定址寻路预测设备500的结构示意图，如图7所示，该种定址寻路预测设备包括存储器510、处理器520，定址寻路预测设备中处理器520的数量可以是一个或多个，图7中以一个处理器520为例；定址寻路预测设备中的存储器510、处理器520可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器510作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的定址寻路预测方法对应的程序指令/模块(例如，定址寻路预测装置中的参数获取模块310、初始化模块320、分数分配模块330、第一路径优化模块340、第三路径优化模块350、第一判断模块360、第三判断模块370、输出模块380)。处理器520通过运行存储在存储器510中的软件程序、指令以及模块，从而执行定址寻路预测设备的各种功能应用以及数据处理，即实现上述的定址寻路预测方法。
其中，所述处理器520用于运行存储在存储器510中的计算机可执行程序，以实现如下步骤：S1、获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；S2、根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；S3、为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；S4、基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；S5、根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；S6、判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；S7、判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；S8、调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行S4。进一步的，所述处理器520用于运行存储在存储器510中的计算机可执行程序，还可以实现在步骤S6之后执行：S9、判断所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数是否到达第二预设次数；S10、若所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数到达第二预设次数，将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果；S11、使用局部搜索对所述第二路径优化结果改进得到第四路径优化结果，并调整所述初始路径规划结果等于所述第四路径优化结果。
当然,本发明实施例所提供的一种定址寻路预测设备,该定址寻路预测设备不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的定址寻路预测方法中的相关操作。
存储器510可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器510可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器510可进一步包括相对于处理器520远程设置的存储器，这些远程存储器可以通过网络连接至定址寻路预测设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述设备可执行本发明任意实施例所提供的自适应的定址寻路规划方法，具备执行方法相应的功能模块和有益效果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种自适应的定址寻路规划方法，该自适应的定址寻路规划方法包括：
S1、获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；
S2、根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；
S3、为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；
S4、基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；
S5、根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；
S6、判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；
S7、判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；
S8、调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行S4。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的自适应的定址寻路规划方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，自适应的定址寻路规划设备，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述自适应的定址寻路规划装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种自适应的定址寻路规划方法，其特征在于，包括：
S1、获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；
S2、根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；
S3、为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；
S4、基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；
S5、根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；
S6、判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；
S7、判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；
S8、调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行S4；
所述破坏算子包括：作用于所述二级仓库的二级设施移除算子、二级设施开启算子、二级设施交换算子和作用于一级仓库的一级设施移除算子、一级设施开启算子、一级设施交换算子以及作用于所述客户的客户随机移除算子、客户相关移除算子，所述修复算子包括作用于所述二级仓库的二级设施插入算子和作用于所述客户的客户插入算子；
所述二级设施移除算子，用于随机选择一个开启的二级仓库，将其关闭，然后将所述二级仓库所连接的所有客户都移除，并在包含所述二级仓库的路径中移除所述二级仓库；
所述二级设施开启算子，用于随机开启一个关闭的二级仓库，并选择离所述二级仓库最近的q个客户，将所述客户从原本的路径中移除；
所述二级设施交换算子，用于随机关闭一个开启的二级仓库，并将所述二级仓库所连接的所有客户都移除，并在包含所述二级仓库的路径中移除所述二级仓库，然后开启与所述二级设施交换算子关闭的二级仓库距离最近的一个处于关闭状态的二级仓库，并且如果之前关闭的二级仓库在关闭后不是唯一一个处于关闭状态的二级仓库，则之前关闭的二级仓库不能再次被开启；
所述一级设施移除算子，用于随机选择一个开启的一级仓库，将其关闭，然后将所述一级仓库所连接的所有二级仓库都移除，并在包含所述一级仓库的路径中移除所述一级仓库；
所述一级设施开启算子，用于随机开启一个关闭的一级仓库，并选择离所述一级仓库最近的q个二级仓库，将所述二级仓库从原本的路径中移除；
所述一级设施交换算子，用于随机关闭一个开启的一级仓库，并将所述一级仓库所连接的所有二级仓库都移除，并在包含所述一级仓库的路径中移除所述一级仓库，然后开启与所述一级设施交换算子关闭的一级仓库距离最近的一个处于关闭状态的一级仓库，并且如果之前关闭的一级仓库在关闭后不是唯一一个处于关闭状态的一级仓库，则之前关闭的一级仓库不能再次被开启；
所述客户随机移除算子，用于随机移除q个客户；
所述客户相关移除算子，用于随机选择一个种子客户，并将离所述种子客户最近的q-1个客户移除；
所述二级设施插入算子，用于将被破坏算子移除的二级仓库以随机的顺序插入所有一级仓库连接下的路径，并返回减少成本最多的插入结果；
所述客户插入算子，用于将被破坏算子移除的客户以随机的顺序插入所有二级仓库连接下的路径，并返回减少成本最多的插入结果；
其中，q为大于等于1的正整数。
2.根据权利要求1所述的自适应的定址寻路规划方法，其特征在于，所述S6之后还包括：
S9、判断所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数是否到达第二预设次数；
S10、若所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数到达第二预设次数，将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果；
S11、使用局部搜索对所述第二路径优化结果改进得到第四路径优化结果，并调整所述初始路径规划结果等于所述第四路径优化结果。
3.根据权利要求2所述的自适应的定址寻路规划方法，其特征在于，所述根据所述输入参数获取初始路径规划结果包括：
根据所述二级仓库信息、客户信息和容量约束信息确定选择的二级仓库和用于连接所述二级仓库和客户的二级路径；
根据所述二级路径中选择的二级仓库对应的二级仓库信息、一级仓库信息和容量约束信息确定用于连接所述一级仓库和二级仓库的一级路径，所述初始路径规划结果包括所述一级路径和所述二级路径。
4.根据权利要求1所述的自适应的定址寻路规划方法，其特征在于，所述基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果包括：
自作用于所述客户的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径优化基础进行改进得到第五路径优化结果。
5.根据权利要求1所述的自适应的定址寻路规划方法，其特征在于，所述将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果包括：
将所述次数置为零，判断所述初始路径优化基础的成本是否在所述最优成本范围内；
若是，则以预设几率令所述初始路径优化基础等于所述全局最优规划结果；
若不是，则令所述初始路径优化基础等于所述全局最优规划结果；
自作用于所述二级仓库的破坏算子和作用于所述客户的修复算子中各选择一个对所述初始路径优化基础改进得到第六路径优化结果；
自作用于所述一级仓库的破坏算子中和作用于所述二级仓库的修复算子中各选择一个对所述第六路径优化结果改进得到第二路径优化结果。
6.一种自适应的定址寻路规划装置，其特征在于，包括：
参数获取模块，用于获取输入参数，所述输入参数包括一级仓库信息、二级仓库信息、客户信息和容量约束信息；
初始化模块，根据所述输入参数获取初始路径规划结果，初始化全局最优规划结果和初始路径优化基础，令所述全局最优规划结果和初始路径优化基础等于所述初始路径规划结果；
分数分配模块，为各个算子分配分数，其中所述分数越大相应的算子在使用时被选择的概率越大，所述算子有多个，包括破坏算子和修复算子；
第一路径优化模块，基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行下级优化得到第一路径优化结果；
第三路径优化模块，根据所述全局最优规划结果确定最优成本范围，若所述第一路径优化结果的成本在所述最优成本范围内则使用局部搜索对所述第一路径优化结果改进得到第三路径优化结果，若不在则令所述第三路径优化结果等于所述第一路径优化结果，调整所述初始路径优化基础等于所述第三路径优化结果；
第一判断模块，判断所述第三路径优化结果的成本是否小于所述初始路径规划结果的成本，若是，则调整所述初始路径规划结果等于所述第三路径优化结果；
第三判断模块，判断所述初始路径规划结果的成本是否小于所述全局最优规划结果的成本，若是，则调整所述全局最优规划结果等于所述初始路径规划结果；
输出模块，用于调整各个算子的分数，判断迭代次数是否到达第一预设次数，是则输出所述全局最优规划结果，不是则跳转执行所述第一路径优化模块；
所述破坏算子包括：作用于所述二级仓库的二级设施移除算子、二级设施开启算子、二级设施交换算子和作用于一级仓库的一级设施移除算子、一级设施开启算子、一级设施交换算子以及作用于所述客户的客户随机移除算子、客户相关移除算子，所述修复算子包括作用于所述二级仓库的二级设施插入算子和作用于所述客户的客户插入算子；
所述二级设施移除算子，用于随机选择一个开启的二级仓库，将其关闭，然后将所述二级仓库所连接的所有客户都移除，并在包含所述二级仓库的路径中移除所述二级仓库；
所述二级设施开启算子，用于随机开启一个关闭的二级仓库，并选择离所述二级仓库最近的q个客户，将所述客户从原本的路径中移除；
所述二级设施交换算子，用于随机关闭一个开启的二级仓库，并将所述二级仓库所连接的所有客户都移除，并在包含所述二级仓库的路径中移除所述二级仓库，然后开启与所述二级设施交换算子关闭的二级仓库距离最近的一个处于关闭状态的二级仓库，并且如果之前关闭的二级仓库在关闭后不是唯一一个处于关闭状态的二级仓库，则之前关闭的二级仓库不能再次被开启；
所述一级设施移除算子，用于随机选择一个开启的一级仓库，将其关闭，然后将所述一级仓库所连接的所有二级仓库都移除，并在包含所述一级仓库的路径中移除所述一级仓库；
所述一级设施开启算子，用于随机开启一个关闭的一级仓库，并选择离所述一级仓库最近的q个二级仓库，将所述二级仓库从原本的路径中移除；
所述一级设施交换算子，用于随机关闭一个开启的一级仓库，并将所述一级仓库所连接的所有二级仓库都移除，并在包含所述一级仓库的路径中移除所述一级仓库，然后开启与所述一级设施交换算子关闭的一级仓库距离最近的一个处于关闭状态的一级仓库，并且如果之前关闭的一级仓库在关闭后不是唯一一个处于关闭状态的一级仓库，则之前关闭的一级仓库不能再次被开启；
所述客户随机移除算子，用于随机移除q个客户；
所述客户相关移除算子，用于随机选择一个种子客户，并将离所述种子客户最近的q-1个客户移除；
所述二级设施插入算子，用于将被破坏算子移除的二级仓库以随机的顺序插入所有一级仓库连接下的路径，并返回减少成本最多的插入结果；
所述客户插入算子，用于将被破坏算子移除的客户以随机的顺序插入所有二级仓库连接下的路径，并返回减少成本最多的插入结果；
其中，q为大于等于1的正整数。
7.根据权利要求6所述的自适应的定址寻路规划装置，其特征在于，还包括：
第二判断模块，用于判断所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数是否到达第二预设次数
第二路径优化模块，用于若所述第三路径优化结果的成本连续不小于所述初始路径规划结果的成本的次数到达第二预设次数，将所述次数置为零，并基于所述初始路径优化基础使用所述破坏算子和所述修复算子进行上级优化得到第二路径优化结果；
第四路径优化模块，用于使用局部搜索对所述第二路径优化结果改进得到第四路径优化结果，并调整所述初始路径规划结果等于所述第四路径优化结果。
8.一种自适应的定址寻路规划设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述的自适应的定址寻路规划方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现如权利要求1-5任意一项所述的自适应的定址寻路规划方法。
CN201911113941.5A 2019-11-14 2019-11-14 一种自适应的定址寻路规划方法、装置、设备及存储介质 Active CN110942184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911113941.5A CN110942184B (zh) 2019-11-14 2019-11-14 一种自适应的定址寻路规划方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911113941.5A CN110942184B (zh) 2019-11-14 2019-11-14 一种自适应的定址寻路规划方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110942184A CN110942184A (zh) 2020-03-31
CN110942184B true CN110942184B (zh) 2022-08-19

Family

ID=69906757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911113941.5A Active CN110942184B (zh) 2019-11-14 2019-11-14 一种自适应的定址寻路规划方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110942184B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537859B (zh) * 2020-04-16 2024-02-06 顺丰科技有限公司 仓网构建方法、装置、计算机设备和存储介质
CN114186924B (zh) * 2021-11-25 2023-07-25 北京中交兴路车联网科技有限公司 一种协同配送路径规划方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200907833A (en) * 2007-08-14 2009-02-16 Univ Nat Pingtung Sci & Tech Establishment method for commercial logistics path
CN105224625A (zh) * 2015-09-24 2016-01-06 武汉传神信息技术有限公司 一种跨境旅游地图的生成方法
CN107085776A (zh) * 2017-03-10 2017-08-22 北京圆桌骑士科技有限公司 一种基于SaaS平台的物流配送方法及系统
CN108764777A (zh) * 2018-04-26 2018-11-06 浙江工商大学 带时间窗的电动物流车调度方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10235642B2 (en) * 2017-08-11 2019-03-19 Tata Consultancy Services Limited Method and system for optimally allocating warehouse procurement tasks to distributed robotic agents

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200907833A (en) * 2007-08-14 2009-02-16 Univ Nat Pingtung Sci & Tech Establishment method for commercial logistics path
CN105224625A (zh) * 2015-09-24 2016-01-06 武汉传神信息技术有限公司 一种跨境旅游地图的生成方法
CN107085776A (zh) * 2017-03-10 2017-08-22 北京圆桌骑士科技有限公司 一种基于SaaS平台的物流配送方法及系统
CN108764777A (zh) * 2018-04-26 2018-11-06 浙江工商大学 带时间窗的电动物流车调度方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
需求可拆分校车路径问题的元启发式算法;陈小潘;《计算机科学》;20161031;第43卷(第10期);第234-241页 *

Also Published As

Publication number Publication date
CN110942184A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
CN108764777B (zh) 带时间窗的电动物流车调度方法和系统
CN110942184B (zh) 一种自适应的定址寻路规划方法、装置、设备及存储介质
CN102938790B (zh) 云计算系统中的资源分配方法
CN112995289B (zh) 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法
CN109978274A (zh) 调度路径的规划方法
CN114091740A (zh) 一种装箱任务处理方法、装置及设备
CN114819791A (zh) 一种基于物联网的货物运输管理方法及系统
CN111080013B (zh) 定址寻路预测方法、装置、设备和计算机可读存储介质
Leitner et al. A computational study of exact approaches for the bi-objective prize-collecting steiner tree problem
US20080133197A1 (en) Layout method for protein-protein interaction networks based on seed protein
CN110930092B (zh) 一种配送路线调整方法、装置、电子设备和存储介质
CN109767094B (zh) 智慧云制造任务调度装置
CN115062868B (zh) 一种预聚类的车辆配送路径规划方法和装置
Kubalík Hyper-heuristic based on iterated local search driven by evolutionary algorithm
US7272596B2 (en) Methods and apparatus for resource allocation in computer architectures
CN110059107A (zh) 计划优化方法、装置、系统及计算机可读存储介质
US8214237B2 (en) Methods and apparatus for resource allocation in computer architectures
CN111177190A (zh) 数据处理方法、装置、电子设备及可读存储介质
CN111199369B (zh) 定址寻路规划方法、装置、设备和计算机可读存储介质
Barbucha et al. Agent-based approach to the dynamic vehicle routing problem
CN105579966B (zh) 数据处理设备和计算机可读分布介质
CN110083603A (zh) 一种基于邻接表实现节点路径的查询方法及系统
CN111369052A (zh) 简化路网ksp优化算法
US11656887B2 (en) System and method to simulate demand and optimize control parameters for a technology platform
CN109062702A (zh) 一种计算资源分配方法、相关装置及可读存储介质

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