CN111044062B - 路径规划、推荐方法和装置 - Google Patents

路径规划、推荐方法和装置 Download PDF

Info

Publication number
CN111044062B
CN111044062B CN201811195691.XA CN201811195691A CN111044062B CN 111044062 B CN111044062 B CN 111044062B CN 201811195691 A CN201811195691 A CN 201811195691A CN 111044062 B CN111044062 B CN 111044062B
Authority
CN
China
Prior art keywords
order
solution
orders
optimal solution
access route
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
CN201811195691.XA
Other languages
English (en)
Other versions
CN111044062A (zh
Inventor
孙泽
程瑞华
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.)
Beijing Jingbangda Trade Co Ltd
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
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 Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201811195691.XA priority Critical patent/CN111044062B/zh
Publication of CN111044062A publication Critical patent/CN111044062A/zh
Application granted granted Critical
Publication of CN111044062B publication Critical patent/CN111044062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种路径规划、推荐方法和装置，涉及仓储物流技术领域。其中，该方法包括：根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。通过以上步骤，能够有效解决时间窗过多等原因所导致的路径规划耗时过长、规划路线不合理、客户体验差的问题。

Description

路径规划、推荐方法和装置
技术领域
本发明涉及仓储物流技术领域，尤其涉及一种路径规划、推荐方法和装置。
背景技术
路径优化是物流配送、揽收中的一个重要环节。合理地安排订单配送或揽收路线可以有效降低物流成本、提高用户体验。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：目前基本没有大规模投入使用的订单配送或揽收路径的智能优化系统。这是因为在现实的订单配送或揽收场景中，由于问题的复杂度、时间窗过多等原因，导致求解过程耗时过长、规划路线不合理，客户体验差。
发明内容
有鉴于此，本发明提供一种路径规划、推荐方法和装置，能够有效解决时间窗过多等原因所导致的路径规划耗时过长、规划路线不合理、客户体验差的问题。
为实现上述目的，根据本发明的第一方面，提供了一种路径规划方法。
本发明的路径规划方法包括：根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
可选地，所述第一启发式算法为变邻域搜索启发式算法；所述根据第一启发式算法对待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解的步骤包括：步骤1、生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；步骤2、对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；步骤3、根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；步骤4、重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前解作为订单访问路线的可行解。
可选地，所述第二启发式算法为变邻域搜索启发式算法；所述根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线的步骤包括：步骤1、将所述订单访问路线的可行解作为当前最优解的初始值；步骤2、对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；步骤3、根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度S2；步骤4、重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线。
可选地，所述根据第二启发式算法对所述订单访问路线的可行解进行优化的步骤还包括：预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。
可选地，所述访问时间约束条件为订单的访问时间小于或等于订单要求时间；所述第二目标函数为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的要求时间，λ表示惩罚因子。
为实现上述目的，根据本发明的第二方面，提供了一种路径推荐方法。
本发明的路径推荐方法包括：接收客户端发送的订单访问路线推荐请求；根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；将所述优化后的订单访问路线发送至所述客户端。
为实现上述目的，根据本发明的第三方面，提供了一种路径规划装置。
本发明的路径规划装置包括：确定模块，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；构建模块，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；优化模块，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
可选地，所述第一启发式算法为变邻域搜索启发式算法；所述构建模块根据第一启发式算法对待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解包括：所述构建模块执行步骤1：生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；所述构建模块执行步骤2：对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；所述构建模块执行步骤3：根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；所述构建模块重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前解作为优化后的订单访问路线。
可选地，所述第二启发式算法为变邻域搜索启发式算法；所述优化模块根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线包括：所述优化模块执行步骤1：将所述订单访问路线的可行解作为当前最优解的初始值；所述优化模块执行步骤2：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；所述优化模块执行步骤3：根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度S2；所述优化模块重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线。
可选地，所述优化模块根据第二启发式算法对所述订单访问路线的可行解进行优化还包括：所述优化模块预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。
可选地，所述优化模块配置的访问时间约束条件为订单的访问时间小于或等于订单要求时间；所述优化模块配置的第二目标函数为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的要求时间，λ表示惩罚因子。
为实现上述目的，根据本发明的第四方面，提供了一种路径推荐装置。
本发明的路径推荐装置包括：接收模块，用于接收客户端发送的订单访问路线推荐请求；确定模块，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；构建模块，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；优化模块，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；发送模块，用于将所述优化后的订单访问路线发送至所述客户端。
为实现上述目的，根据本发明的第五方面，提供了一种电子设备。
本发明的电子设备，包括：一个或多个处理器；以及，存储装置，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，使得所述一个或多个处理器实现本发明的路径规划方法或路径推荐方法。
为实现上述目的，根据本发明的第六方面，提供了一种计算机可读介质。
本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明的路径规划方法或路径推荐方法。
上述发明中的一个实施例具有如下优点或有益效果：通过根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合，能够有效减少订单数量，进而有助于缩短路径求解时间，改善路径规划效果；通过根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；然后根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线，能够进一步提高路径求解效率，改善路径规划效果，提高客户体验。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明一个实施例的路径规划方法的主要步骤示意图；
图2是根据本发明一个实施例的构建可行解的主要流程示意图；
图3是根据本发明一个实施例的优化可行解的主要流程示意图；
图4是根据本发明一个实施例的路径推荐方法的主要步骤示意图；
图5是根据本发明一个实施例的路径规划装置的主要模块示意图；
图6是根据本发明一个实施例的路径推荐装置的主要模块示意图；
图7是本发明实施例可以应用于其中的示例性系统架构图之一；
图8是本发明实施例可以应用于其中的示例性系统架构图之二；
图9是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不冲突的情况下，本发明中的实施例以及实施例中的特征可以相互组合。
在详细介绍本发明的实施例之前，首先对本发明的实施例涉及的部分技术术语进行说明。
硬时间窗：或称为“强时间窗”，表示订单要求时间严格。
软时间窗：或称为“弱时间窗”，表示订单要求时间不严格。
图1是根据本发明一个实施例的路径规划方法的主要步骤示意图。如图1所示，本发明实施例的路径规划方法包括：
步骤S101、根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合。
其中，根据订单要求时间的严格与否，可将订单的时间窗属性分为硬时间窗和软时间窗。
在一可选实施方式中，步骤S101包括：根据订单的时间窗属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
在另一可选实施方式中，步骤S101包括：根据订单的配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A中。至此，集合A中的所有订单构成了待规划订单集合。
在再一可选实施方式中，步骤S101包括：根据订单的时间窗属性和配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗、且配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
步骤S102、根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。示例性地，所述第一启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
变邻域搜索启发式算法是一种改进型的局部搜索算法，算法进行的每一步迭代都是通过搜索当前解的邻域得到的。变邻域搜索启发式算法是在邻域搜索算法基础上不断改进邻域结构，通过变换邻域以扩大搜索范围。
蚁群算法，又称蚂蚁算法，是一种用来寻找优化路径的概率型算法。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。
步骤S103、根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
示例性地，所述第二启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
在本发明实施例中，通过根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合，能够有效减少订单数量，进而有助于缩短路径求解时间，改善路径规划效果；通过根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；然后根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线，能够进一步提高路径求解效率，改善路径规划效果，提高客户体验。
下面结合图2对步骤S102进行详细说明。图2是根据本发明一个实施例的构建可行解的主要流程示意图。在本发明实施例中，所述第一启发式算法为变邻域搜索启发式算法。如图2所示，本发明实施例中根据变邻域搜索启发式算法构建可行解的流程包括：
步骤S201、生成订单访问路线的初始解，并将所述初始解作为当前解的初始值。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。所述当前解，可理解为在构建可行解的过程中不断被迭代优化的解。在该步骤中，可随机生成一个订单访问路线的初始解，初始解可能不可行。例如，在订单配送场景中，假设待规划订单集合有7个订单，分别为订单A、订单B、订单C、订单D、订单E、订单F、订单G，则随机生成的订单访问路线的初始解可以为{订单B，订单D，订单A，订单F，订单G，订单E，订单C}，该初始解表示：先配送订单B，再配送订单D……最后配送订单C。
步骤S202、对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解。
其中，扰动强度用于表明扰动的大小，扰动强度S1的初始值可设为1。在本发明实施例中，扰动强度为S1的扰动邻域转换可定义为：对当前解中任意两个相隔有S1-1个订单的订单交换位置。例如，假设订单访问路线的当前解为{订单B，订单D，订单A，订单F，订单G，订单E，订单C}，则扰动强度为1的扰动邻域转换可以为将订单B与订单D交换位置，从而得到扰动邻域转换结果为{订单D，订单B，订单A，订单F，订单G，订单E，订单C}；扰动强度为2的扰动邻域转换可以为将订单B与订单A交换位置，从而得到扰动邻域转换结果为{订单A，订单D，订单B，订单F，订单G，订单E，订单C}。另外，扰动强度为1的扰动邻域转换也可以为将订单D与订单A交换位置，从而得到扰动邻域转换结果为{订单B，订单A，订单D，订单F，订单G，订单E，订单C}；扰动强度为2的扰动邻域转换也可以为将订单A与订单G交换位置，从而得到的扰动邻域转换结果为{订单B，订单D，订单G，订单F，订单A，订单E，订单C}。
其中，所述对扰动邻域转换结果执行局部搜索，可理解为对扰动邻域转换结果的邻域空间进行搜索，以找到局部最优解。在本发明实施例中，局部搜索可定义为：在扰动邻域转换结果的邻域空间内交换两个订单的位置。
步骤S203、根据第一目标函数对局部最优解进行评价。
在本发明实施例中，第一目标函数可以为：
其中，βj表示待规划订单集合中的订单j的访问时间，bj表示待规划订单集合中的订单j的要求时间，max(βj-bj,0)表示从βj-bj和0这两项中取较大的一项的值，m表示待规划订单集合中的订单个数。第一目标函数表示所有订单的访问时间比所有订单要求时间越小越好。
步骤S204、判断局部最优解是否优于当前解。在局部最优解优于当前解的情况下，执行步骤S205；否则，再次执行步骤S202。
在该步骤中，可根据第一目标函数对局部最优解进行评价。如果局部最优解的评价结果优于当前解的评价结果，执行步骤S205；如果局部最优解的评价结果不优于当前解的评价结果，再次执行步骤S202。
步骤S205、将当前解的取值更新为所述局部最优解，并令扰动强度S1＝S1+1。在步骤S205之后，可执行步骤S206。
在该步骤中，将步骤S202中得到的局部最优解作为更新后的当前解，并令扰动强度加1。比如，原来的扰动强度S1为1，则更新后的扰动强度S1为2。
步骤S206、判断是否达到迭代终止条件。在达到迭代终止条件的情况下，执行步骤S207；否则，再次执行步骤S202。
其中，所述迭代终止条件可以为：扰动强度S1达到第一强度阈值S1_max。S1_max可根据实际情况进行设置，比如可将S1_max设为5、7或其他值。
步骤S207、将最终得到的当前解作为订单访问路线的可行解。
具体实施时，在以上构建可行解的流程中还需设置一定的约束条件。比如，在配送场景下可设置如下约束条件：一辆车配送所有订单，每个订单只配送一次。
在本发明实施例中，通过以上步骤能够对当前解不断进行迭代更新，从而快速确定订单访问路线的可行解。通过将扰动邻域转换与局部搜索相结合，能够避免陷入局部最优解而无法选择出全局最优解的情况。
下面结合图3对步骤S103进行详细说明。图3是根据本发明一个实施例的优化可行解的主要流程示意图。在本发明实施例中，所述第二启发式算法为变邻域搜索启发式算法。如图3所示，本发明实施例中根据变邻域搜索启发式算法优化可行解的流程包括：
步骤S301、将订单访问路线的可行解作为当前最优解的初始值。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。所述当前最优解，可理解为在优化可行解的过程中不断被迭代优化的解。
步骤S302、对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解。
其中，扰动强度用于表明扰动的大小，扰动强度S2的初始值可设为1。在本发明实施例中，扰动强度为S2的扰动邻域转换可定义为：对当前最优解中任意两个相隔有S2-1个订单的订单交换位置。例如，假设当前最优解为{订单B，订单A，订单D，订单G，订单F，订单E，订单C}，则扰动强度为1的扰动邻域转换可以为将订单B与订单A交换位置，从而得到扰动邻域转换结果为{订单A，订单B，订单D，订单G，订单F，订单E，订单C}；扰动强度为2的扰动邻域转换可以为将订单B与订单D交换位置，从而得到扰动邻域转换结果为{订单D，订单A，订单B，订单G，订单F，订单E，订单C}。另外，扰动强度为1的扰动邻域转换也可以为将订单D与订单G交换位置，从而得到扰动邻域转换结果为{订单B，订单A，订单G，订单D，订单F，订单E，订单C}；扰动强度为2的扰动邻域转换也可以为将订单A与订单G交换位置，从而得到的扰动邻域转换结果为{订单B，订单G，订单D，订单A，订单F，订单E，订单C}。
在进行扰动邻域转换后，可再随机调整另外多个订单的顺序。例如，假设将订单B与订单A交换位置得到的扰动邻域转换结果为{订单A，订单B，订单D，订单G，订单F，订单E，订单C}，接着可随机调整另外两个订单的顺序，比如将订单E与订单C的位置进行交换，进而得到调整结果{订单A，订单B，订单D，订单G，订单F，订单C，订单E}。
其中，所述对转换及调整结果执行局部搜索，可理解为对转换及调整结果的邻域空间进行搜索，以找到局部最优解。在本发明实施例中，局部搜索可定义为：在转换及调整结果的邻域空间内交换两个订单的位置。
步骤S303、根据第二目标函数对局部最优解进行评价。
在本发明实施例中，第二目标函数可以为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的订单要求时间，λ表示惩罚因子。
步骤S304、判断局部最优解是否优于当前最优解。在局部最优解优于当前最优解的情况下，执行步骤S305；否则，再次执行步骤S302。
在该步骤中，可根据第二目标函数对局部最优解进行评价。如果局部最优解的评价结果优于当前最优解的评价结果，执行步骤S305；如果局部最优解的评价结果不优于当前最优解的评价结果，再次执行步骤S302。
步骤S305、将当前最优解的取值更新为所述局部最优解，并令扰动强度S2＝S2+1。
在该步骤中，将步骤S302中得到的局部最优解作为更新后的当前最优解，并令扰动强度加1。比如，原来的扰动强度S2为1，则更新后的扰动强度S2为2。
步骤S306、判断是否达到迭代终止条件。在达到迭代终止条件的情况下，执行步骤S307；否则，再次执行步骤S302。
其中，所述迭代终止条件可以为：扰动强度S2达到第二强度阈值S2_max。S2_max可根据实际情况进行设置，比如可将S2_max设为5、7或其他值。
步骤S307、将最终得到的当前最优解作为优化后的订单访问路线。
在实际配送场景中，订单可能具有不同的硬时间窗，比如京准达(京准达是针对最后一公里推出每两小时一个波次的精准送达服务)、211限时达(是指当日上午11点前提交的现货订单，当日送达；当日23点前提交的现货订单，次日15点之前送达)、次日达等。订单也可能具有不同的软时间窗，比如某些客户接收订单的时间为上午10点半到11点半之间，下午4点半到五点半之间。如果超出这个时间范围，可能导致客户接收不到订单，从来带来履约率的降低。因此，在执行步骤S301之前，本发明实施例的方法还可包括以下步骤：预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。其中，所述访问时间约束条件为订单的访问时间小于或等于订单要求时间。
在本发明实施例中，通过以上步骤能够对当前最优解进行迭代更新，从而能够快速、精确地确定优化后的订单访问路线。通过将扰动邻域转换、随机调整订单顺序与局部搜索相结合，不仅能避免陷入局部最优解而无法选择出全局最优解，而且有助于提高解的精确性。在优化过程中，通过为硬时间窗的订单设置访问时间约束条件，将软时间窗的订单作为惩罚项添加至第二目标函数中，有助于快速、精确地确定优化后的订单访问路线。
图4是根据本发明一个实施例的路径推荐方法的主要步骤示意图。如图4所示，本发明实施例的路径推荐方法包括：
步骤S401、接收客户端发送的订单访问路线推荐请求。
其中，所述订单访问路线推荐请求可以为订单配送路线推荐请求或者为订单揽收路线推荐请求。具体实施时，订单配送员或订单揽收员可通过手机等终端设备上的客户端，向服务端发送订单访问路线推荐请求。
步骤S402、根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合。
在一可选实施方式中，步骤S402包括：根据订单的时间窗属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
在另一可选实施方式中，步骤S402包括：根据订单的配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A中。至此，集合A中的所有订单构成了待规划订单集合。
在再一可选实施方式中，步骤S402包括：根据订单的时间窗属性和配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗、且配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
步骤S403、根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。示例性地，所述第一启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
变邻域搜索启发式算法是一种改进型的局部搜索算法，算法进行的每一步迭代都是通过搜索当前解的邻域得到的。变邻域搜索启发式算法是在邻域搜索算法基础上不断改进邻域结构，通过变换邻域以扩大搜索范围。
蚁群算法，又称蚂蚁算法，是一种用来寻找优化路径的概率型算法。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。
步骤S404、根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
示例性地，所述第二启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
步骤S405、将所述优化后的订单访问路线发送至所述客户端。
在本发明实施例中，通过以上步骤能够满足配送或揽收场景下的路径推荐需求。具体来说，通过根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合，能够有效减少订单数量，进而有助于缩短路径求解时间，改善路径规划、推荐效果；通过根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；然后根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线，能够进一步提高路径求解、推荐效率，改善路径规划、推荐效果，提高客户体验。
图5是根据本发明一个实施例的路径规划装置的主要模块示意图。如图5所示，本发明实施例的路径规划装置500包括：确定模块501、构建模块502、优化模块503。
确定模块501，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合。
其中，根据订单要求时间的严格与否，可将订单的时间窗属性分为硬时间窗和软时间窗。
在一可选实施方式中，确定模块501根据订单的时间窗属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
在另一可选实施方式中，确定模块501根据订单的配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A中。至此，集合A中的所有订单构成了待规划订单集合。
在再一可选实施方式中，确定模块501根据订单的时间窗属性和配送地址属性对订单进行聚类处理，以确定待规划订单集合。具体来说，可先将具有硬时间窗的订单添加至空的集合A中，然后对具有软时间窗的订单进行聚类处理。在聚类处理时，可将具有相同软时间窗、且配送地址处于同一邻域内的订单聚成一类，然后从每个类中取出一个订单添加至集合A。至此，集合A中的所有订单构成了待规划订单集合。
构建模块502，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。示例性地，构建模块502采用的所述第一启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
在一可选实施方式中，构建模块502根据变邻域搜索启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解包括：构建模块502执行步骤1：生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；构建模块502执行步骤2：对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；构建模块502执行步骤3：根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；构建模块502重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前解作为优化后的订单访问路线。
进一步，构建模块502采用的第一目标函数可以为：
其中，βj表示待规划订单集合中的订单j的访问时间，bj表示待规划订单集合中的订单j的要求时间，max(βj-bj,0)表示从βj-bj和0这两项中取较大的一项的值，m表示待规划订单集合中的订单个数。第一目标函数表示所有订单的访问时间比所有订单要求时间越小越好。
优化模块503，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
示例性地，优化模块503采用的所述第二启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
在一可选实施方式中，优化模块503根据变邻域搜索启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线包括：优化模块503执行步骤1：将所述订单访问路线的可行解作为当前最优解的初始值；优化模块503执行步骤2：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；优化模块503执行步骤3：根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为局部最优解，并加大扰动强度S2；优化模块503重复执行步骤2和步骤3，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线。
进一步，优化模块503采用的第二目标函数可以为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的要求时间，λ表示惩罚因子。
进一步，优化模块503，还可用于预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。其中，优化模块503配置的访问时间约束条件为订单的访问时间小于或等于订单要求时间。
在本发明实施例中，通过以上装置能够满足配送或揽收场景下的路径规划需求。具体来说，通过确定模块根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合，能够有效减少订单数量，进而有助于缩短路径求解时间，改善路径规划效果；通过构建模块根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解，通过优化模块根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线，能够进一步提高路径求解效率，改善路径规划效果，提高客户体验。
图6是根据本发明一个实施例的路径推荐装置的主要模块示意图。如图6所示，本发明实施例的路径推荐装置600包括：接收模块601、确定模块602、构建模块603、优化模块604、发送模块605。
接收模块601，用于接收客户端发送的订单访问路线推荐请求。
其中，所述订单访问路线推荐请求可以为订单配送路线推荐请求或者为订单揽收路线推荐请求。具体实施时，订单配送员或订单揽收员可通过手机等终端设备上的客户端，向服务端发送订单访问路线推荐请求。
确定模块602，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合。
关于具体如何确定待规划订单集合，可参考图5所示实施例的相关说明。
构建模块603，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解。
其中，订单访问路线可以为订单配送路线，用于表示各个订单的配送顺序。另外，订单访问路线也可以为订单揽收路线，用于表示各个订单的揽收顺序。示例性地，所述第一启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
优化模块604，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。示例性地，所述第二启发式算法可以为变邻域搜索启发式算法、蚁群算法等。
发送模块605，用于将所述优化后的订单访问路线发送至所述客户端。
在本发明实施例中，通过以上装置能够满足配送或揽收场景下的路径推荐需求。具体来说，通过确定模块根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合，能够有效减少订单数量，进而有助于缩短路径求解时间，改善路径规划、推荐效果；通过构建模块根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解，以及通过优化模块根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线，能够进一步提高路径求解、推荐效率，改善路径规划、推荐效果，提高客户体验。
图7是本发明实施例可以应用于其中的示例性系统架构图之一。如图7所示，系统架构包括业务层701、服务层702、数据层703。
业务层701，用于获得各种终端设备(比如PDA、PC等)发送的订单访问路线推荐请求，调用服务层702中的路径推荐服务以得到订单访问路线(比如订单配送路线)，并将获得的订单访问路线返回至终端设备。
服务层702，主要包括路径推荐服务。服务层可在每天每个波次执行一次路径推荐服务中的路径规划方法，并将得到的订单访问路线返回至业务层701。
数据层703，用于为系统架构提供数据支持。比如，在配送场景中，其可提供以下数据：每个配送站点的每个配送员当天波次负责配送的所有订单数据，如订单的时间窗，订单的配送地址(比如订单的经纬度坐标)。
图8示出了可以应用本发明实施例的路径规划方法或路径推荐方法或路径规划装置或路径推荐装置的示例性系统架构800。
如图8所示，系统架构800可以包括终端设备801、802、803，网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备801、802、803通过网络804与服务器805交互，以接收或发送消息等。终端设备801、802、803上可以安装有各种客户端应用。
终端设备801、802、803可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器805可以是提供各种服务的服务器，例如对用户利用终端设备801、802、803所浏览的客户端应用提供支持的后台管理服务器。后台管理服务器可以对接收到的订单访问路线推荐请求进行分析等处理，并将处理结果(例如推荐的订单访问路线)反馈给终端设备。
需要说明的是，本发明实施例所提供的路径规划方法或路径推荐方法一般由服务器805执行，相应地，路径规划装置或路径推荐装置一般设置于服务器805中。
应该理解，图8中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图9，其示出了适于用来实现本发明实施例的电子设备的计算机系统900的结构示意图。图9示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括确定模块、构建模块、优化模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，确定模块还可以被描述为“确定待规划订单集合的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行以下流程：根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种路径规划方法，其特征在于，所述方法包括：
根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；
根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；所述第一启发式算法为变邻域搜索启发式算法；
根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；所述第二启发式算法为变邻域搜索启发式算法；
所述根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解的步骤包括：
生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；
重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前解作为订单访问路线的可行解：对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；
所述根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线的步骤包括：
将所述订单访问路线的可行解作为当前最优解的初始值；
重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度。
2.根据权利要求1所述的方法，其特征在于，所述根据第二启发式算法对所述订单访问路线的可行解进行优化的步骤还包括：
预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。
3.根据权利要求2所述的方法，其特征在于，所述访问时间约束条件为订单的访问时间小于或等于订单要求时间；所述第二目标函数为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的订单要求时间，λ表示惩罚因子。
4.一种路径推荐方法，其特征在于，所述方法包括：
接收客户端发送的订单访问路线推荐请求；
根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；
根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；所述第一启发式算法为变邻域搜索启发式算法；
根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；所述第二启发式算法为变邻域搜索启发式算法；
将所述优化后的订单访问路线发送至所述客户端；
所述根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解的步骤包括：
生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；
重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前解作为订单访问路线的可行解：
对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；
所述根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线的步骤包括：
将所述订单访问路线的可行解作为当前最优解的初始值；
重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度S2。
5.一种路径规划装置，其特征在于，所述装置包括：
确定模块，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；
构建模块，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；所述第一启发式算法为变邻域搜索启发式算法；所述构建模块执行：生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；以及重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前解作为优化后的订单访问路线：对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；
优化模块，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；所述第二启发式算法为变邻域搜索启发式算法；所述优化模块执行：将所述订单访问路线的可行解作为当前最优解的初始值；以及重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度S2。
6.根据权利要求5所述的装置，其特征在于，所述优化模块根据第二启发式算法对所述订单访问路线的可行解进行优化还包括：
所述优化模块预先为具有硬时间窗属性的订单设置访问时间约束条件，为具有软时间窗属性的订单不设置访问时间约束条件、但将其作为惩罚项添加至第二目标函数中。
7.根据权利要求6所述的装置，其特征在于，所述优化模块配置的访问时间约束条件为订单的访问时间小于或等于订单要求时间；所述优化模块配置的第二目标函数为：
其中，V表示待规划订单集合，{0}表示出发点，wij表示从订单i的停留点到订单j的停留点的距离，xij的取值为0或1，xij的取值为1表示在访问完订单i之后下一个访问的是订单j，xij的取值为0表示在访问完订单i之后下一个访问的不是订单j，VSoft表示待规划订单集合中由具有软时间窗的订单组成的子集，βk表示具有软时间窗的订单k的访问时间，bk表示具有软时间窗的订单k的要求时间，λ表示惩罚因子。
8.一种路径推荐装置，其特征在于，所述装置包括：
接收模块，用于接收客户端发送的订单访问路线推荐请求；
确定模块，用于根据订单的时间窗属性和/或配送地址属性对订单进行聚类处理，以确定待规划订单集合；
构建模块，用于根据第一启发式算法对所述待规划订单集合中的所有订单进行排序，以构建订单访问路线的可行解；所述第一启发式算法为变邻域搜索启发式算法；所述构建模块执行：生成订单访问路线的初始解，并将所述初始解作为当前解的初始值；以及重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前解作为优化后的订单访问路线：对当前解执行扰动强度为S1的扰动邻域转换，并对扰动邻域转换结果执行局部搜索，以得到局部最优解；根据第一目标函数对局部最优解进行评价，在局部最优解优于当前解的情况下，将当前解的取值更新为所述局部最优解，并加大扰动强度S1；
优化模块，用于根据第二启发式算法对所述订单访问路线的可行解进行优化，以得到优化后的订单访问路线；所述第二启发式算法为变邻域搜索启发式算法；所述优化模块执行：将所述订单访问路线的可行解作为当前最优解的初始值；以及重复执行以下步骤，直至满足迭代终止条件，并将最终得到的当前最优解作为优化后的订单访问路线：对当前最优解执行扰动强度为S2的扰动邻域转换、并随机调整另外多个订单的顺序，然后对转换及调整结果执行局部搜索，以得到局部最优解；根据第二目标函数对局部最优解进行评价，在局部最优解优于当前最优解的情况下，将当前最优解的取值更新为所述局部最优解，并加大扰动强度S2；
发送模块，用于将所述优化后的订单访问路线发送至所述客户端。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至4中任一所述的方法。
CN201811195691.XA 2018-10-15 2018-10-15 路径规划、推荐方法和装置 Active CN111044062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811195691.XA CN111044062B (zh) 2018-10-15 2018-10-15 路径规划、推荐方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811195691.XA CN111044062B (zh) 2018-10-15 2018-10-15 路径规划、推荐方法和装置

Publications (2)

Publication Number Publication Date
CN111044062A CN111044062A (zh) 2020-04-21
CN111044062B true CN111044062B (zh) 2024-04-12

Family

ID=70230260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811195691.XA Active CN111044062B (zh) 2018-10-15 2018-10-15 路径规划、推荐方法和装置

Country Status (1)

Country Link
CN (1) CN111044062B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804206A (zh) * 2020-06-16 2021-12-17 北京三快在线科技有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN111985790B (zh) * 2020-07-30 2023-12-26 中国外运股份有限公司 一种送装车辆的订单分配方法及系统
CN113313349B (zh) * 2021-04-20 2022-09-23 合肥工业大学 卫星任务资源匹配优化方法、装置、存储介质和电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19612652C1 (de) * 1996-04-02 1997-03-06 Privatbrauerei Und Mineralbrun Verfahren und Vorrichtung zur automatischen Steuerung des Lagerbestandes und der Verteilung von Waren
KR20030036945A (ko) * 2001-11-01 2003-05-12 한국시뮬레이션기술(주) 최적 경로 결정 시스템 및 방법
CN103413209A (zh) * 2013-07-17 2013-11-27 西南交通大学 多客户多仓库物流配送路径选择方法
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
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN105930920A (zh) * 2016-04-11 2016-09-07 深圳市联文智能技术有限公司 物流配送管理方法和物流配送管理装置
CN106204189A (zh) * 2016-06-24 2016-12-07 武汉合创源科技有限公司 一种订单处理方法及系统
CN106500686A (zh) * 2016-10-12 2017-03-15 北京小度信息科技有限公司 导航界面显示方法、物流导航方法和装置
CN106871916A (zh) * 2017-01-19 2017-06-20 华南理工大学 一种基于自主导航的快递派送方法
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质
CN107491925A (zh) * 2017-09-25 2017-12-19 湖北工业大学 一种基于蚁群算法的快递无人机运输系统及方法
CN108364146A (zh) * 2017-01-26 2018-08-03 北京小度信息科技有限公司 物流配送仿真方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039641A1 (en) * 2015-08-03 2017-02-09 Sungard Brokerage & Securities Services Llc Real-time routing sytem and associated methodology for adapting order flow for enhanced execution performance
US20180165618A1 (en) * 2016-12-14 2018-06-14 Microsoft Technology Licensing, Llc Resource scheduling for field services

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19612652C1 (de) * 1996-04-02 1997-03-06 Privatbrauerei Und Mineralbrun Verfahren und Vorrichtung zur automatischen Steuerung des Lagerbestandes und der Verteilung von Waren
KR20030036945A (ko) * 2001-11-01 2003-05-12 한국시뮬레이션기술(주) 최적 경로 결정 시스템 및 방법
CN103413209A (zh) * 2013-07-17 2013-11-27 西南交通大学 多客户多仓库物流配送路径选择方法
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
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN105930920A (zh) * 2016-04-11 2016-09-07 深圳市联文智能技术有限公司 物流配送管理方法和物流配送管理装置
CN106204189A (zh) * 2016-06-24 2016-12-07 武汉合创源科技有限公司 一种订单处理方法及系统
CN106500686A (zh) * 2016-10-12 2017-03-15 北京小度信息科技有限公司 导航界面显示方法、物流导航方法和装置
CN106871916A (zh) * 2017-01-19 2017-06-20 华南理工大学 一种基于自主导航的快递派送方法
CN108364146A (zh) * 2017-01-26 2018-08-03 北京小度信息科技有限公司 物流配送仿真方法及装置
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质
CN107491925A (zh) * 2017-09-25 2017-12-19 湖北工业大学 一种基于蚁群算法的快递无人机运输系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于聚类的城市共同配送海量订单调度问题研究;谢天保;赵萌;雷西玲;;计算机系统应用(07);全文 *

Also Published As

Publication number Publication date
CN111044062A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN110555640B (zh) 路由规划的方法和装置
CN109377329B (zh) 一种房源推荐方法、装置、存储介质及电子设备
CN108734559B (zh) 一种订单处理方法和装置
CN111044062B (zh) 路径规划、推荐方法和装置
CN103970604A (zh) 基于MapReduce架构实现图处理的方法和装置
CN111898221A (zh) 选址方法、装置及计算机可读存储介质
CN113259144B (zh) 一种仓储网络规划方法和装置
CN110069579A (zh) 电子围栏分块方法和装置
CN109345166B (zh) 用于生成信息的方法和装置
CN113128744A (zh) 配送规划方法和装置
CN111461383A (zh) 规划配送路径的方法和装置
CN113255950B (zh) 一种优化物流网络的方法和装置
CN110930101A (zh) 确定订单的配送时间的方法、装置、电子设备和可读介质
CN111400520A (zh) 人脸识别库的构建方法、人脸支付方法、装置和系统
CN109902847A (zh) 预测分库订单量的方法和装置
CN112749822B (zh) 一种生成路线的方法和装置
CN113626175A (zh) 数据处理的方法和装置
CN113111133A (zh) 用户分类的方法和装置
CN113361739A (zh) 一种生成拣货路径的方法和装置
CN113538080A (zh) 一种任务单拆分方法和装置
CN112116120A (zh) 物流路径规划方法和装置
CN112926907A (zh) 一种仓库库存布局方法和装置
CN113537680B (zh) 一种确定运输任务的完成时间的方法及装置
CN116402432B (zh) 路由规划方法、装置、设备及存储介质
CN111141297A (zh) 路径规划、推荐方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210301

Address after: 6 / F, 76 Zhichun Road, Haidian District, Beijing 100086

Applicant after: Beijing Jingdong Zhenshi Information Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

Effective date of registration: 20210301

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100195 Beijing Haidian Xingshikou Road 65 West Cedar Creative Garden 4 District 11 Building East 1-4 Floor West 1-4 Floor

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant