CN111199321B - 运输网络的优化方法、装置、介质及计算机设备 - Google Patents
运输网络的优化方法、装置、介质及计算机设备 Download PDFInfo
- Publication number
- CN111199321B CN111199321B CN202010013932.5A CN202010013932A CN111199321B CN 111199321 B CN111199321 B CN 111199321B CN 202010013932 A CN202010013932 A CN 202010013932A CN 111199321 B CN111199321 B CN 111199321B
- Authority
- CN
- China
- Prior art keywords
- historical
- transportation
- state data
- processing
- network
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种运输网络的优化方法。该方法包括:获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据;当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。本申请简化了运输网络的优化流程,并且使得基于该第二运输状态数据生成的新运输网络与当前运输网络的差异在可控范围内,解决了现有技术中在新的运输网络与原运输网络差异过大时,容易导致运输网络的调整难度大,影响实用性的问题。
Description
技术领域
本申请涉及计算机处理技术领域,特别是涉及一种运输网络的优化方法、装置、介质及计算机设备。
背景技术
随着网络购物、电视购物之兴起,物流行业得到快速发展,物流业之间的竞争也不断加剧。物流成本和周期的缩短主要集中在路径的优化上。选择出最优路径已经成为物流企业最为迫切的需求。
目前,在选择出最优路径规划时常采用的方式为根据任意两个网点之间的配送需求,确定出所有符合时效要求的时空曲线,再从符合时效要求的时空曲线中,确定成本最小的时空曲线为路径规划曲线。由于通过时空曲线进行筛选,选择出成本最小的时空曲线为路径规划曲线,考虑了时间和空间的成本,实现了在保证时效的同时减小成本。然而,传统的技术方案中至少存在以下缺陷:
1,当网络规模较大时,传统的技术方案中需要搜索所有符合时效要求的时空曲线数据量巨大,使得获取最优路径规划的流程复杂化,影响了获取最优路径规划的效率;
2,传统的技术方案中采用直接计算获得最优路径,会出现最优路径构成的新运输网络和现有运输网络之间的差异大大的问题,容易导致运输网络的调整难度大,实用性弱。
发明内容
基于此,有必要针对上述技术问题,提供一种可以简化运输网络的优化流程,并且可以实现生成的新运输网络与当前运输网络的差异在可控范围内,解决了现有技术中在新的运输网络与原运输网络差异过大时,容易导致运输网络的调整难度大,影响实用性的问题的运输网络的优化方法、装置、计算机设备和存储介质。
一种运输网络的优化方法,所述方法包括:
获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;
对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;
根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据;
当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据。
在其中一个实施例中,所述获取第一运输状态数据,包括:
接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值;
获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量;
分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量;
确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例;
根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量;
根据各路段的应发货量得到各线路标识对应历史线路的应发货量;
以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。
在其中一个实施例中,所述历史线路信息包括各历史线路的起点以及终点,所述迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理,所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据,包括:
对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
在其中一个实施例中,所述第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同。
在其中一个实施例中,所述第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重。
在其中一个实施例中,所述第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量。
在其中一个实施例中,所述历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,所述新线路信息包括新的线路总数以及新的网络层级数据,所述根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据,包括:
获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
所述方法还包括:
当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
在其中一个实施例中,所述迭代终止条件包括第一条件、第二条件以及第三条件,所述方法还包括:
当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
在其中一个实施例中,所述方法还包括:
当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
在其中一个实施例中,所述合并处理后得到新经停线路,所述方法还包括:
获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
一种运输网络的优化装置,所述装置包括:
获取模块,用于获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;
处理模块,用于对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;
确定模块,用于根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据;
优化模块,用于当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例方法的步骤。
上述的运输网络的优化方法、装置及计算机设备,方法通过获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据;当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。本申请对当前运输网络的当前运输状态数据进行迭代处理,得到用于生成新运输网络的第二运输状态数据,基于整个网络的运输状态数据进行处理,无需对网络中的各个网点的数据逐一进行处理,简化了运输网络的优化流程,解决了现有技术中需要针对任意两个网点以及任意两个网点的需求分别获取最优解带来的繁杂步骤,另外,本申请基于第一运输状态数据以及第二运输状态数据得到调整幅度数据,并基于该调整幅度数据选取符合预设幅度的第二运输状态数据,作为所述当前运输网络优化后的运输状态数据,实现了基于调整幅度对优化后的第二运输状态数据进行筛选,使得基于该第二运输状态数据生成的新运输网络与当前运输网络的差异在可控范围内,解决了现有技术中在新的运输网络与原运输网络差异过大时,容易导致运输网络的调整难度大,影响实用性的问题。
附图说明
图1为本申请一示例性实施例中运输网络的优化方法的应用环境图;
图2为本申请一示例性实施例中提供的运输网络的优化方法的系统架构图;
图3为本申请一示例性实施例中提供的获取第一运输状态数据的流程示意图;
图4为本申请一示例性实施例中提供的对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的流程示意图;
图5为本申请一示例性实施例中提供的对当前双亲执行合并处理的流程示意图;
图6为本申请一示例性实施例中提供的对当前双亲执行交叉处理的流程示意图;
图7为本申请一示例性实施例中提供的对当前双亲执行中转转直送处理的流程示意图;
图8为本申请一示例性实施例中提供的对当前双亲执行中转转直送处理的流程示意图;
图9为本申请一示例性实施例中提供的运输网络的优化装置的结构框图;
图10为本申请一示例性实施例中提供的运输网络的优化装置的结构框图;
图11为本申请一示例性实施例中提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参考图1,图1为本申请一示例性实施例提供的一种运输网络的优化方法的应用环境示意图。如图1所示,该运输网络的优化系统包括服务器100以及终端101,服务器100与终端101通过网络102进行通信,以实现本申请的运输网络的优化方法。
服务器100用于接收终端101提交的优化请求,获取所述优化请求中的优化数据,根据所述优化数据得到第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据;当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据,将所述优化后的运输状态数据反馈至所述终端101,以便所述终端101根据所述优化后的运输状态数据生成新的运输网络。服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
终端101用于向服务器100提交优化请求,以及接收服务器100反馈的优化后的运输状态数据,根据所述优化后的运输状态数据生成新的运输网络。终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
网络102用于实现数据处理服务器100与终端101之间的网络连接。具体的,网络102可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种运输网络的优化方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据。
本申请中所述第一运输状态数据为当前运输网络的当前运输状态数据,所述当前运输状态数据可以包括当前运输网络的各条运输线路的信息。
具体的,本申请在获取所述第一运输状态数据时,以所述历史运输数据中的历史线路信息作为所述第一运输状态数据。即所述当前运输网络的各条运输线路的信息为历史线路信息中各条历史线路的线路信息。
进一步的,所述历史线路信息可以包括各条历史线路的线路标识、各条历史线路的起点以及终点、各条历史线路中所包含的各个路段的路段信息,所述路段信息可以包括各路段的起点以及终点、各路段上的车辆信息等,所述车辆信息可以包括车辆的型号以及车辆的数量等。
因此,所述第一运输状态数据可以包括各条历史线路的线路标识、各条历史线路的起点以及终点、各条历史线路中所包含的各个路段的路段信息,所述路段信息可以包括各路段的起点以及终点、各路段上的车辆信息等,所述车辆信息可以包括车辆的型号以及车辆的数量等。
进一步的,所述第一运输状态数据还可以包括全部历史线路的线路总数、各条历史线路上的发货路由信息。所述发货路由信息可以包括历史线路上每一组发货需求对应的发货时间、发货量、发货起点以及发货终点等信息。所述当前线路的发货路由信息可以通过所述历史运输数据模拟得到。
S12、对所述第一运输状态数据进行迭代处理,得到第二运输状态数据。
本申请中,迭代处理为重复执行一系列步骤的流程,每一次迭代得到的结果会作为下一次迭代的初始值,直至满足流程终止条件,终止流程。
一个实施例中,本申请中的迭代处理可以为通过遗传算法进行迭代。
本申请中得到的第二运输状态数据用于生成新的运输网络。其中,该第二运输状态数据可以包括新的运输网络的新线路信息。所述新线路信息可以包括各条新线路的线路标识、各条新线路的起点以及终点、各条新线路对应的发货路由信息,各条新线路中所包含的各个路段的路段信息,该路段信息可以包括各路段的起点以及终点以及各路段上的车辆信息等,所述各条新线路对应的发货路由信息可以包括新的发货时间、新的发货量、新的发货起点以及新的终点等,所述车辆信息可以包括车辆的型号以及车辆的数量等。
S13、根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据。
本申请中,所述调整幅度数据可以为线路调整幅度以及网络层级调整幅度。其中,线路调整幅度可以为被调整的线路数占历史线路总数的比值。网络层级指的是网点在运输网络中的级别关系。例如,现有分拨中心在级别上一般定义为三个级别,最高级为大型的转运枢纽中心,如绍兴和无锡;第二级为片区内的集散中心,如西安集散;第三级为常规分拨中心。本申请中,网络层级调整幅度可以为被调整网络层级的网点的数量占总的网点数量的比例。另一个实施例中,所述网络层级调整幅度还可以为被调整的网络层级的平均级别数量。本申请关于网络层级调整幅度的确定方式可以根据实际需求设定,在此不做具体限定。
在另一个实施例中,所述调整幅度数据也可以为其他数据如所用车辆数量的调整幅度等,本申请中具体的调整幅度数据的内容在此不做具体限定。
本申请中,该调整幅度数据用于限定优化后的新运输网络相对于当前运输网络的差异大小,避免出现因差异过大带来的调整难度大,实用性弱的问题。
S14、当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据。
本申请中,所述调整幅度数据可以包括线路调整幅度以及网络层级调整幅度。当所述线路调整幅度小于第一预设阈值和/或所述网络层级调整幅度小于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。本申请中,所述迭代终止条件可以包括至少一个终止条件,当终止条件包括多个,并且该多个终止条件中的任意一个被满足时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据。
请参考图3,图3为在其中一个实施例中,上述的获取第一运输状态数据的流程示意图。如图3所示,上述的获取第一运输状态数据,可以包括:
S111、接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值。
S112、获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量。
S113、分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量。
S114、确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例。
S115、根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量。
S116、根据各路段的应发货量得到各线路标识对应历史线路的应发货量。
S117、以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。
一个实施例中,服务器可以接收终端提交的优化请求,获取该优化请求中的优化数据,以及获取历史运输数据,根据所述优化数据以及历史运输数据确定所述第一运输状态数据。
例如,终端上提供一个虚拟按键以及输入控件,用户在该输入控件中输入待发运货量需求即日均货量,也即本申请中的优化数据,再通过触控该虚拟按键触发当前运输网络的优化指令,终端接收该优化指令后向服务器提交包含该日均货量的优化请求,服务器接收该优化请求后执行上述的运输网络的优化方法,得到第二运输状态数据,并将该第二运输状态数据反馈至终端,终端接收该第二运输状态数据后,在用户界面展示优化后的新运输网络。当用户再次输入其他的日均货量时,可以得到不同的新运输网络。
另一个实施例中,服务器上预先配置了日均货量,即当前周期发货量均值,其中可以包括一个日均货量也可以包括多个日均货量。服务器每隔预设时间段获取预先配置的日均货量以及预设时间段内的历史运输数据,将获取的日均货量作为优化数据,利用该优化数据以及历史运输数据执行本申请所述的运输网络的优化方法,得到第二运输状态数据,并将该第二运输状态数据推送至预先指定的终端,以便该终端根据该第二运输状态数据展示优化后的新运输网络。
本申请中,第一预设条件可以为至少一个约束条件。一个实施例中,所述第一预设条件可以包括如下具体约束条件:
min∑i∑jTij (1-1)
∑iYij≤Qj*MaxWgtj (1-2)
∑iYij≥Qj*rate*MaxWgtj (1-3)
∑iYij≤rate*MaxWgtj (1-4)
Yij+Tij=Yijf (1-5)
Qj≥0整数 (1-6)
其中,Tij表示货物的OD运输线路i在路段运输班次j产生的囤货量,OD运输线路指的是其中一个网点到另外一个网点的运输线路;Yij表示货物的OD运输线路i在路段运输班次j产生的运输量;Qj表示路段班次j使用的车辆数量;ratio表示车辆装载率限制,当货物运输量大于等于ratio时,货物无囤货,否则,产生囤货;MaxWgtj表示路段运输班次j的最大载重量;Yijf表示在货物OD运输线路中路段班次j的前一个路段的班次。
进一步的,式(1-1)表示目标函数,该目标函数为总的囤货量的最小值;
Qj*MaxWgtj表示路段上车辆的最大载重量,式(1-2)表示不同网点之间的运输线路的货物运输量小于路段上车辆的最大载重量;
Qj*rate*MaxWgtj表示路段上车辆的最小运输量限制,式(1-3)表示不同网点之间的运输线路的货物运输量大于路段上车辆的最小运输量限制;
rate*MaxWgtj表示路段车辆的囤货量限制,式(1-4)表示不同OD运输线路的货物囤货量小于路段车辆的囤货量限制;
式(1-5)表示货物OD运输线路的运输平衡,线路中当前路段的囤货量加上运输量等于前一个路段的运输量;
式(1-6)表示车辆数为大于0的整数。
本申请中,以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。所述历史线路信息可以包括各条历史线路的线路标识、各条历史线路的起点以及终点、各条历史线路中所包含的各个路段的路段信息,所述路段信息可以包括各路段的路段标识、路段的起点以及终点、各路段上的车辆信息等,所述车辆信息可以包括车辆的型号以及车辆的数量等。一个实施例中,所述第一运输状态数据的数据内容可以如下表1所示。
表1一个实施例中,所述第一运输状态数据的数据内容
如上表1所示,所述第一运输状态数据包括线路标识、线路起点、线路终点、线路上的路段信息以及线路发货量。其中,线路标识包括线路ID1以及线路ID2,线路ID1对应的线路起点为无锡,终点为南京,发货量为M1;线路ID2对应的线路起点为淮安,终点为南通,发货量为M2。线路ID1对应的线路上包括两个路段,路段标识分别为路段ID1以及路段ID2,路段ID1起点为A1,终点为A2,车辆信息为1辆卡车;路段ID2起点为A3,终点为A4,车辆信息为2辆小气车。进一步的,线路ID2对应的线路上包括两个路段,路段标识分别为路段ID3以及路段ID4,路段ID3起点为A5,终点为A6,车辆信息为3辆大卡车;路段ID4起点为A7,终点为A8,车辆信息为2辆小气车。另一个实施例中,所述路段信息中还可以包括各个路段上的发货量。
请参考图4,图4为在其中一个实施例中,上述的对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的流程示意图。上述的历史线路信息包括各历史线路的起点以及终点,上述的迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理。如图4所示,上述的对所述第一运输状态数据进行迭代处理,得到第二运输状态数据,可以包括:
S121、对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列。
S122、根据各历史线路的应发货量确定各历史线路的车辆利用率。
S123、根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度。
S124、根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲。
S125、获取当前双亲。
S126、当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理。
S127、当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理。
S128、当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理。
S129、当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
一个实施例中,上述的第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同。
一个实施例中,上述的第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重。
一个实施例中,上述的第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量。
本申请中,上述的根据各历史线路的应发货量确定各历史线路的车辆利用率,可以通过以下方案得到:
车辆利用率=历史线路的应发货量/车辆的最大载重量
其中,历史线路的应发货量为当前历史线路上的应发货量,所述车辆的最大载重量为当前历史线路上所通车辆的最大载重量。
进一步的,上述的根据各历史线路的车辆利用率确定各历史线路的空载率,可以通过以下方案得到:
空载率=车辆利用率*预设的最大装载率
其中,空载率即本申请所述的染色体适应度,空载率越大表示可优化的空间越大。
进一步的,所述初始种群包括各历史线路的编码序列,每个编码序列作为所述初始种群中的一个个体。上述的根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲,可以包括:
将初始种群中的每个个体按照染色体适应度由大到小排序;
从排序后的序列中获取染色体适应度最大的预设数量个个体;
从获取的个体中选取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲。
由于染色体适应度越大的个体,其优化的空间越大,因此优先选取染色体适应度大的个体作为双亲可以加速优化,缩短优化时间。
另一个实施例中,选取双亲时也可以无需对染色体适应度先排序,可以直接从初始种群中选取双亲进行合并操作、交叉操作以及中转进化操作。
进一步的,本申请选出初始种群的全部双亲之后,判断各个双亲分别符合的处理条件,根据判断结果对双亲执行相应的处理操作。一个实施例中,当所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同时,对当前双亲执行合并处理。
本申请中,对各个双亲进行合并处理、交叉处理以及中转进化处理时,根据所述第二预设条件进行处理。所述第二预设条件可以包括多个约束条件,所述约束条件可以包括如下具体条件:
min∑n∑m∑i∑j(FTnm+FPnm+FZnm)xijnm+∑k∑i∑jFSkxkij (2-1)
∑n∑mxijnm+∑s∑txijst+∑kxkij=Gij (2-2)
∑n∑mxijnm≤LCnm nm∈FT∪FP (2-3)
∑n∑mTnmixijnm≥TSij (2-4)
∑n∑mTnmjxijnm≤TEij (2-5)
∑i∑jTnmij≤LTnm (2-6)
FPnm=(PNumum-2)*feep (2-7)
FZnm=Xij*feeijnm (2-8)
其中,式(1-1)为目标函数,所述目标函数为整个运输网络的成本,具体可以包括运输成本、囤货成本、中转成本以及网络层级惩罚成本。
FTnm表示n和m之间的运输线路产生的运输费用;FPnm表示当n和m之间的运输线路为经停线路时,产生的经停费用;FZnm表示OD对ij用线路nm中转产生的中转费用;FSK表示分拨中心Sk的囤货成本。xijnm表示OD对ij之间的需求用线路nm完成运输量。
进一步的,式(2-2)表示所有OD运输线路的需求必须发运或囤货,Gij为OD对ij之间的需求量;
式(2-3)表示载重量约束,LCnm为运输线路nm的载重量;
式(2-4)以及式(2-5)表示时间约束,其中Tnmi为线路nm在据点i的发车时间,Tnmj为线路nm到达据点j的时间;
式(2-6)表示OD对nm之间的运输时间约束,LTnm为OD对nm之间的运输时间限制;
式(2-7)表示线路nm产生的经停费用;
式(2-8)表示货量ij用线路nm中转产生的中转费用。
进一步的,对合并后的线路计算第一成本,对合并前的两条线路计算第二成本,比对所述第一成本与所述第二成本的大小,当第一成本小于第二成本时,则保留合并后的新线路,否则,不保留。其中,所述第一成本以及所述第二成本可以包括囤货成本以及运输成本。
请参考图5,图5为一种可能的应用场景中,对当前双亲执行合并处理的流程示意图。如图5所示,当前在路段T000009923_LS02_LT49上的车辆A运输了从无锡发往淮安的货物,同时又在路段T000000359_LS02_LT63上的车辆B运输着从无锡发往常州的货物。因此,可以将从无锡-淮安的运输任务与从无锡-常州的运输任务用一辆车来完成,利用求解TSP问题的思想产生最短行驶路径:无锡-常州-淮安。进一步的,计算合并后的第一成本以及合并前的第二成本,当第一成本小于第二成本时,保留合并后的线路。经分析得到合并后减少了车的使用数量,而且车辆通过无锡-常州-淮安的行驶方法减少了车辆单公里运输成本。
请参考图6,图6为一种可能的应用场景中,对当前双亲执行交叉处理的流程示意图。如图6所示,当前在线路T000009923_LS02_LT49_LT34上的车辆C运输了从无锡发往淮安约4000kg的货物,淮安到南京约6000kg的货物,该6000kg的货物为第一发货量,车辆的载重量为5500kg,该5500kg为第一最大载重量,所以淮安到南京约500kg货物被囤积。
进一步的,又在线路T000000359_LT63_LT49_LT32上的车辆D运输着从常州发往淮安约10000kg的货物,淮安到南通约3000kg的货物,该3000kg的货物为第二发货量,车辆的载重量为11000kg,该11000kg为第二最大载重量。该两条线路满足第一发货量大于该路段上车辆的第一最大载重量,第二最大载重量大于所述第一发货量,以及第二发货量小于所述第一最大载重。因此,该两条线路经过交叉互换,变成线路T000009923_LS02_LT49_LT32,载重量为5500kg的车辆运输了从无锡发往淮安约4000kg的货物,淮安到南通约3000kg的货物;线路T000000359_LT63_LT49_LT32,载重量为11000kg的车辆运输着从常州发往淮安约10000kg的货物,淮安到南京约6000kg的货物。从而减少了淮安到南京约500kg货物囤积的成本。
本申请中,所述中转进化处理可以包括中转转直送以及直送转中转。
请参考图7,图7为一种可能的应用场景中,对当前双亲执行中转转直送处理的流程示意图。如图7所示,当前有淮安到南京运输任务,该OD对通过直送和中转两种方式进行运输:
中转方式:南通经过中转点无锡再到南京的中转运输方式,运输货物量约为386kg;
直送方式:南通到南京在路段T000001909_LT32_LT34上的直送运输,运输货量约为1982kg。
则中转方式对应的历史线路为第一历史线路,直送方式对应的历史线路为第二历史线路。因为第二历史线路上的车辆的载重为5500kg,所以剩余运输量满足南通-无锡-南京的中转运输货物量,即满足第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量,所以可以将这些中转货物直接放到直送线路(T000001909_LT32_LT34)上运输,从而减少了南通-无锡-南京的中转运输方式的成本。假设服务器上预设数据库中预先存储了直送方式对应的直送线路以及中转方式对应的中转线路,优化后可以将中转线路从数据库中删除。
另一个实施例中,所述中转进化操作还包括直送转中转操作。
请参考图8,图8为一种可能的应用场景中,对当前双亲执行中转转直送处理的流程示意图。如图8所示,从南京到淮安在路段T000002043_LT34_LT49上的运输货物约606kg,当前车辆载重量为5500kg,所以该车的装载率较低(装载率阈值为50%),于是通过当前运输网中和南京到淮安对相关的运输线路进行中转。通过搜索发现南京到泰州(T000000487_LT34_LT17)和泰州到淮安(T000002567_LT17_LT49)的运输路段上车辆剩余可装载量都大于南京到淮安在路段T000002043_LT34_LT49上的运输货物量,则可以通过在泰州点中转将南京的货物运输到淮安,最终可以删去南京到淮安在路段T000002043_LT34_LT49上的直送运输任务,起到运输线路优化降低成本的作用。
进一步的,当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。其中,所述新线路信息可以包括新线路总数、新线路的网络层级数据、各条新线路的线路标识、各条新线路的发货量以及各条新线路的路段信息,所述新线路的路段信息可以包括各路段的路段标识、各路段的起点以及终点以及各路段的车辆信息等。所述新线路的网络层级数据可以包括各个网点在新运输网络中级别关系。
在其中一个实施例中,上述的历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,上述得新线路信息包括新的线路总数以及新的网络层级数据,上述的根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据,可以包括:
获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
所述方法还可以包括:
当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
在传统的技术方案中未考虑现有网络层级的影响,当网络已基本成熟,网点的层级定位基本确定,现场操作习惯受现有网络中层级定位的影响极大,而如果优化后的运输网络与现有的运输网络的层级定位有冲突,则需要调整现有运输网络的层级定位,而通常网络层级的调整会涉及场地和硬件设施等调整,周期较长且投入成本高,会使最优解难以应用。因此,本申请通过设定网络层级调整幅度的限制,使得网络层级的调整在可控范围内,解决了传统技术中未考虑现有网络层级的影响的问题。
在其中一个实施例中,上述的迭代终止条件可以包括第一条件、第二条件以及第三条件,所述方法还可以包括:
当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
根据所述新线路信息确定运输成本时,运输成本具体包括运输费用、囤货费用以及中转费用的总和。本申请中的第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值以及第五预设阈值可以根据实际需求设定,例如可以设定第五预设阈值为1000或者20000次等,当迭代次数达到1000或者20000次时,则终止迭代。
在其中一个实施例中,上述的方法还可以包括:
当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
在其中一个实施例中,上述的合并处理后得到新经停线路,所述方法还可以包括:
获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
本申请中,对双亲进行合并操作时会产生新的经停线路,每执行一次合并操作时,统计一次新产生的经停线路的总数以及新的线路的总数,计算新产生的经停线路的总数与新的线路的总数的比值作为经停比例,当该经停比例达到预设比例时,不再产生新的经停线路,即停止执行所述合并处理的操作,其中,该预设比例可以根据实际需求设定。本申请中通过该机制解决了现有技术中未考虑经停线路的问题。
在一个实施例中,如图9所示,提供了一种运输网络的优化装置,包括:
获取模块11,用于获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;
处理模块12,用于对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;
确定模块13,用于根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据;
优化模块14,用于当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
在其中一个实施例中,上述的获取模块11,包括:
获取单元,用于接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值;
获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量;
分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量;
确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例;
根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量;
根据各路段的应发货量得到各线路标识对应历史线路的应发货量;
以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。
在其中一个实施例中,上述的历史线路信息包括各历史线路的起点以及终点,上述的迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理,上述的处理模块12,包括:
第一处理单元,用于对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
在其中一个实施例中,上述的第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同。
在其中一个实施例中,上述的第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重。
在其中一个实施例中,上述的第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量。
在其中一个实施例中,上述的历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,上述的新线路信息包括新的线路总数以及新的网络层级数据,上述的确定模块13,包括:
确定单元,用于获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
请参考图10,上述的装置还包括:
第一处理模块15,用于当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
请继续参考图10,在其中一个实施例中,上述的迭代终止条件包括第一条件、第二条件以及第三条件,上述的装置还包括:
第二处理模块16,用于当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
请继续参考图10,在其中一个实施例中,上述的装置还包括:
迭代模块17,用于当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
在其中一个实施例中,上述的合并处理后得到新经停线路,上述的装置还包括:
第二处理单元,用于获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是业务处理服务器,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供确定和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的第一终端通过网络连接通信。该计算机程序被处理器执行时以实现一种运输网络的优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据;当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据。
在一个实施例中,处理器执行计算机程序实现上述的获取第一运输状态数据,具体实现以下步骤:
接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值;
获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量;
分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量;
确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例;
根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量;
根据各路段的应发货量得到各线路标识对应历史线路的应发货量;
以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。
在一个实施例中,上述的历史线路信息包括各历史线路的起点以及终点,上述的迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理,处理器执行计算机程序实现上述的对所述第一运输状态数据进行迭代处理,得到第二运输状态数据,具体实现以下步骤:
对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
在其中一个实施例中,上述的第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同。
在其中一个实施例中,上述的第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重。
在其中一个实施例中,上述的第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量。
在一个实施例中,上述的历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,上述的新线路信息包括新的线路总数以及新的网络层级数据,处理器执行计算机程序实现上述的根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据,具体实现以下步骤:
获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
处理器执行计算机程序时,具体还实现以下步骤:
当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
在一个实施例中,上述的迭代终止条件包括第一条件、第二条件以及第三条件,处理器执行计算机程序时,具体还实现以下步骤:
当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
在一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
在一个实施例中,上述的合并处理后得到新经停线路,处理器执行计算机程序时,具体还实现以下步骤:
获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据;当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据。
在一个实施例中,计算机程序被处理器执行实现上述的获取第一运输状态数据,具体实现以下步骤:
接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值;
获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量;
分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量;
确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例;
根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量;
根据各路段的应发货量得到各线路标识对应历史线路的应发货量;
以各线路标识对应历史线路的应发货量以及所述历史线路信息作为所述第一运输状态数据。
在一个实施例中,上述的历史线路信息包括各历史线路的起点以及终点,上述的迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理,计算机程序被处理器执行实现上述的对所述第一运输状态数据进行迭代处理,得到第二运输状态数据,具体实现以下步骤:
对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
在其中一个实施例中,上述的第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同。
在其中一个实施例中,上述的第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重。
在其中一个实施例中,上述的第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量。
在一个实施例中,上述的历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,上述的新线路信息包括新的线路总数以及新的网络层级数据,计算机程序被处理器执行实现上述的根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据,具体实现以下步骤:
获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
计算机程序被处理器执行时,具体还实现以下步骤:
当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
在一个实施例中,上述的迭代终止条件包括第一条件、第二条件以及第三条件,处理器执行计算机程序时,具体还实现以下步骤:
当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
在一个实施例中,计算机程序被处理器执行时,具体还实现以下步骤:
当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
在一个实施例中,上述的合并处理后得到新经停线路,计算机程序被处理器执行时,具体还实现以下步骤:
获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种运输网络的优化方法,所述方法包括:
获取各线路标识对应历史线路的应发货量以及历史线路信息,以各线路标识对应历史线路的应发货量以及历史线路信息作为第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;
对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;
根据所述第一运输状态数据以及所述第二运输状态数据,确定所述当前运输网络的调整幅度数据;
当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络的优化后的运输状态数据;
其中,所述历史线路信息包括各历史线路的起点以及终点,所述迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理,所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据,包括:
对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;所述第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;所述第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;所述第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
2.根据权利要求1所述的方法,其特征在于,所述获取各线路标识对应历史线路的应发货量以及历史线路信息,还包括:
接收终端提交的优化请求,所述优化请求包括优化数据,所述优化数据为所述当前运输网络的当前周期发货量均值;
获取所述当前运输网络的历史运输数据,所述历史运输数据包括所述当前运输网络的历史周期发货量均值以及历史线路信息,所述历史线路信息包括各历史线路的线路标识以及各线路标识对应历史线路中各路段的最大发货量;
分别以各线路标识对应历史线路中各路段的最大发货量作为参考发货量;
确定各个参考发货量与所述历史周期发货量均值的比值,得到各历史线路中各路段的发货比例;
根据所述优化数据、各发货比例以及第一预设条件确定各历史线路中各路段的应发货量;
根据各路段的应发货量得到各线路标识对应历史线路的应发货量。
3.根据权利要求2所述的方法,其特征在于,所述历史线路信息包括所述历史线路的线路总数以及历史网络层级数据,所述新线路信息包括新的线路总数以及新的网络层级数据,所述根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据,包括:
获取第一网络状态数据中历史线路的线路总数以及历史网络层级数据;
获取第二网络状态数据中新的线路总数以及新的网络层级数据;
根据所述历史线路的线路总数以及所述新的线路总数确定线路调整幅度;
根据所述历史网络层级数据以及新的网络层级数据确定网络层级调整幅度;
以所述线路调整幅度以及所述网络层级调整幅度作为所述调整幅度数据;
所述方法还包括:
当所述线路调整幅度大于第一预设阈值和/或所述网络层级调整幅度大于第二预设阈值时,确定所述调整幅度数据满足所述迭代终止条件。
4.根据权利要求2所述的方法,其特征在于,所述迭代终止条件包括第一条件、第二条件以及第三条件,所述方法还包括:
当所述调整幅度数据大于第三预设阈值时,确定所述调整幅度数据满足第一条件;
根据所述新线路信息确定运输成本,当所述运输成本大于第四预设阈值时,确定所述运输成本满足第二条件;
获取所述迭代处理的次数,当所述迭代处理的次数大于第五预设阈值时,确定所述迭代处理的次数满足第三条件;
在所述第一条件、第二条件或者第三条件被满足时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述调整幅度数据不满足所述迭代终止条件时,将所述第二运输状态数据作为所述第一运输状态数据,重新执行所述对所述第一运输状态数据进行迭代处理,得到第二运输状态数据的步骤。
6.根据权利要求2所述的方法,其特征在于,所述合并处理后得到新经停线路,所述方法还包括:
获取所述新经停线路的数量;
获取所述合并处理后当前运输网络的线路总数作为目标总数;
当所述新经停线路的数量与所述目标总数的比值达到预设比例时,停止执行所述合并处理的操作。
7.一种运输网络的优化装置,所述装置包括:
获取模块,用于获取各线路标识对应历史线路的应发货量以及历史线路信息,以各线路标识对应历史线路的应发货量以及历史线路信息作为第一运输状态数据,所述第一运输状态数据为当前运输网络的当前运输状态数据;
处理模块,用于对所述第一运输状态数据进行迭代处理,得到第二运输状态数据;
确定模块,用于根据所述第一运输状态数据以及第二运输状态数据,确定所述当前运输网络的调整幅度数据;
优化模块,用于当所述调整幅度数据满足预设的迭代终止条件时,将所述第二运输状态数据作为所述当前运输网络优化后的运输状态数据;
其中,所述历史线路信息包括各历史线路的起点以及终点,所述迭代处理包括编码处理、合并处理、交叉处理以及中转进化处理;
所述处理模块,还用于对所述第一运输状态数据进行编码处理得到初始种群,所述初始种群包括各历史线路的编码序列;
根据各历史线路的应发货量确定各历史线路的车辆利用率;
根据各历史线路的车辆利用率确定各历史线路的空载率,将各历史线路的空载率作为各历史线路的染色体适应度;
根据各个染色体适应度以及各历史线路的起点以及终点从所述初始种群中获取起点相同和/或终点相同的两条历史线路对应的编码序列,将该两条历史线路对应的编码序列作为双亲,得到所述初始种群中的全部双亲;
获取当前双亲;
当所述当前双亲满足预设的第一处理条件时,根据第二预设条件对所述当前双亲进行合并处理;所述第一处理条件为所述当前双亲对应的两条历史线路中,其中一条历史线路中的第一路段的起点与另一条历史线路中第二路段的起点相同,或者所述第一路段的终点与所述第二路段的终点相同;
当所述当前双亲满足预设的第二处理条件时,根据所述第二预设条件对所述当前双亲进行交叉处理;所述第二处理条件为所述当前双亲对应的两条历史线路中其中一条历史线路中存在第三路段的起点与另一条历史线路中第四路段的起点相同,且所述第三路段的第一发货量大于该路段上车辆的第一最大载重量,所述第四路段上车辆的第二最大载重量大于所述第一发货量,以及所述第四路段的第二发货量小于所述第一最大载重;
当所述当前双亲满足预设的第三处理条件时,根据所述第二预设条件对所述当前双亲进行中转进化处理;所述第三处理条件为所述当前双亲对应的两条历史线路中起点以及终点均相同,且其中一条第一历史线路为中转线路,另一条第二历史线路为直达线路,所述第二历史线路上车辆的最大载重量与所述第二历史线路的发货量的差值大于所述第一历史线路的发货量;
当完成对所述全部双亲的合并处理、交叉处理或者中转进化处理后,得到所述当前运输网络的新线路信息,作为所述第二运输状态数据。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的运输网络的优化方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的运输网络的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013932.5A CN111199321B (zh) | 2020-01-07 | 2020-01-07 | 运输网络的优化方法、装置、介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013932.5A CN111199321B (zh) | 2020-01-07 | 2020-01-07 | 运输网络的优化方法、装置、介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199321A CN111199321A (zh) | 2020-05-26 |
CN111199321B true CN111199321B (zh) | 2022-08-19 |
Family
ID=70746360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010013932.5A Active CN111199321B (zh) | 2020-01-07 | 2020-01-07 | 运输网络的优化方法、装置、介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199321B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065988A (zh) * | 2020-07-31 | 2022-02-18 | 苏宁云计算有限公司 | 一种物流运输网络的优化方法、装置、计算机设备和存储介质 |
CN117131149B (zh) * | 2023-10-26 | 2024-01-23 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951615A (zh) * | 2017-03-09 | 2017-07-14 | 西安电子科技大学 | 基于密母算法的电力运输网络拓扑结构设计方法 |
CN109726863A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市北斗智能科技有限公司 | 一种多目标优化的物流方法和系统 |
-
2020
- 2020-01-07 CN CN202010013932.5A patent/CN111199321B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951615A (zh) * | 2017-03-09 | 2017-07-14 | 西安电子科技大学 | 基于密母算法的电力运输网络拓扑结构设计方法 |
CN109726863A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市北斗智能科技有限公司 | 一种多目标优化的物流方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111199321A (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542395B (zh) | 一种应急物资调度系统及计算方法 | |
CN111626577B (zh) | 一种车辆调度方法和装置 | |
CN110390409A (zh) | 配送方案的确定方法、装置以及计算机可读存储介质 | |
CN110598908B (zh) | 基于多任务多车辆的路径规划方法 | |
CN110782208A (zh) | 配送任务的推送方法及装置、电子设备、存储介质 | |
CN111199321B (zh) | 运输网络的优化方法、装置、介质及计算机设备 | |
CN113420928A (zh) | 订单调度方法、装置、设备及存储介质 | |
US20220076193A1 (en) | Communications server apparatus and method for operation thereof | |
CN113780676A (zh) | 一种瓶装液化气车辆配送路径优化方法 | |
KR20210008581A (ko) | 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템 | |
CN115907374A (zh) | 分拨中心车辆智能调度方法、装置、设备及存储介质 | |
CN112613701A (zh) | 一种成品卷烟物流调度方法 | |
CN115330051B (zh) | 基于混合遗传算法的车辆路径优化方法及应用 | |
CN115796528A (zh) | 一种重载铁路装车端空车调配方法、装置、设备及介质 | |
JP2020087315A (ja) | 運行管理システム | |
CN115130787A (zh) | 应急资源调度方案的配置方法、系统、终端设备及介质 | |
US20200082335A1 (en) | Methods and apparatus for load and route assignments in a delivery system | |
CN112334925A (zh) | 信息处理装置、移动装置、信息处理系统、方法以及程序 | |
JP2024001522A (ja) | 配送計画立案装置並びに方法及びプログラム | |
CN112308267B (zh) | 一种路由群确定方法、装置、网络设备及存储介质 | |
Yang et al. | A prediction-based forward-looking vehicle dispatching strategy for dynamic ridepooling service | |
US20240062146A1 (en) | Hybrid system for multi-order batching with real-time and item awareness | |
CN112801567A (zh) | 快递派件模式选取方法、装置、计算机设备和存储介质 | |
WO2023187925A1 (ja) | 配送計画作成システム、方法およびプログラム | |
CN110223139A (zh) | 车辆后备箱的使用管理方法、装置、服务器及存储介质 |
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 |