CN111311005A - 配送路径的规划方法、装置、介质及计算机设备 - Google Patents

配送路径的规划方法、装置、介质及计算机设备 Download PDF

Info

Publication number
CN111311005A
CN111311005A CN202010107198.9A CN202010107198A CN111311005A CN 111311005 A CN111311005 A CN 111311005A CN 202010107198 A CN202010107198 A CN 202010107198A CN 111311005 A CN111311005 A CN 111311005A
Authority
CN
China
Prior art keywords
path data
task
data
distribution
preset
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.)
Granted
Application number
CN202010107198.9A
Other languages
English (en)
Other versions
CN111311005B (zh
Inventor
刘海峰
单东
俞恺
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.)
Jiangsu Suning Logistics Co ltd
Original Assignee
Jiangsu Suning Logistics 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 Jiangsu Suning Logistics Co ltd filed Critical Jiangsu Suning Logistics Co ltd
Priority to CN202010107198.9A priority Critical patent/CN111311005B/zh
Publication of CN111311005A publication Critical patent/CN111311005A/zh
Application granted granted Critical
Publication of CN111311005B publication Critical patent/CN111311005B/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
    • G06Q10/08—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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种配送路径的规划方法。该方法包括：获取配送任务的任务数据；根据所述任务数据得到所述配送任务的初始路径数据；根据所述初始路径数据以及预设数据处理操作得到候选路径数据；根据所述候选路径数据以及预设的多个优化目标的优化参数得到优化结果；当所述优化结果满足预设优化条件时，将所述候选路径数据作为规划后的配送路径数据。本申请可以基于多个优化目标对配送任务的配送路径进行规划，使得生成的规划路径可应用的场景更多，适用范围广。

Description

配送路径的规划方法、装置、介质及计算机设备
技术临域
本申请涉及数据处理技术临域，特别是涉及一种配送路径的规划方法、装置、介质及计算机设备。
背景技术
配送路径的规划问题是指在满足时效和配送货物量的要求下，考虑各配送点之间的距离，用合适的车辆数对配送任务进行装车分配以及对运输路径进行规划。对于一个分拨点，有若干个配送任务，根据这些配送任务的体积，经纬度信息，以及可选车辆的装载体积限制，车辆的装载量和车辆行驶时间等限制因素，进行统一规划，优化车辆行驶距离或者车辆上分配的配送任务个数均衡等目标。
目前已有的比较传统的方法，主要是通过设定一个优化目标，如距离最短，候选基于该目标分配合适的车辆数，在装车后进行路径规划。但是传统的技术方案，由于在规划路径时，考虑的规划因素单一，使得规划出来的配送路径可应用的业务场景受到限制，适用范围小。
发明内容
基于此，有必要针对上述技术问题，提供一种可以基于多个优化目标对配送任务的配送路径进行规划，使得生成的规划路径可应用的场景更多，适用范围广的配送路径的规划方法、装置、计算机设备和存储介质。
一种配送路径的规划方法，该方法包括：
获取配送任务的任务数据；
根据任务数据得到配送任务的初始路径数据；
根据初始路径数据以及预设数据处理操作得到候选路径数据；
根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；
当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
在其中一个实施例中，上述的方法还包括：
根据初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值；
根据第一目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值；
预设数据处理操作包括多个临域操作，根据初始路径数据以及预设数据处理操作得到候选路径数据，包括：
根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据；
根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果，包括：
根据候选路径数据以及第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值；
根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果；
上述的方法还包括：
当第二函数值不小于第一预设阈值，并且第二函数值小于当前最优函数值时，记录候选路径数据为当前最优解，记录第二函数值为当前最优函数值；
重新执行根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据的步骤。
在其中一个实施例中，上述的方法还包括：
当新的路径数据满足预设的变临域条件时，获取下一个临域操作，将下一个临域操作作为当前领域操作，并且获取当前最优解，以当前最优解作为初始解，重新执行根据当前临域操作对初始解变换得到根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
在其中一个实施例中，上述的方法还包括：
获取根据当前临域操作对初始路径数据进行处理的处理次数，该处理次数作为第一迭代次数；
当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
在其中一个实施例中，上述的任务数据包括多个配送任务，上述的任务数据还包括各配送任务所用的车辆信息、各配送任务的配送起点以及配送任务的配送终点，车辆信息包括至少一辆车辆的车辆标识，上述的根据任务数据得到配送任务的初始路径数据，包括：
获取当前车辆标识；
根据预设规则、配送任务的配送起点以及配送终点，依次获取配送任务分配至当前车辆标识对应的当前车辆；
当当前车辆所分配的目标任务不满足预设的预设条件时，终止依次获取配送任务分配至当前车辆标识对应的当前车辆的步骤；
获取配送任务所属车辆的车辆标识以及配送任务所属车辆上所分配的待分配任务的分配顺序数据，分配顺序数据作为各个待分配任务的配送顺序数据，配送任务所属车辆的车辆标识以及配送顺序数据作为初始路径数据。
在其中一个实施例中，上述的规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，将候选路径数据作为规划后的配送路径数据之后，上述的方法还包括：
当接收到任务新增请求时，提取任务新增请求中的新增配送任务以及新增任务所属的目标车辆的车辆信息；
根据映射关系获取与目标车辆的车辆信息对应的各个配送任务的任务标识，与目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识；
为新增配送任务分配新增任务标识，新增任务标识作为第二任务标识；
将新增任务分配至目标车辆，并对第一任务标识以及第二任务标识进行排序，得到初始配送序列，初始配送序列为目标车辆上各个配送任务的配送顺序数据；
根据预设变换规则对初始配送序列进行变换得到初始种群，初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体；
根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值；
获取初始种群中的两个个体作为当前双亲；
对当前双亲进行交叉及变异处理得到两个新个体，根据第二目标函数以及两个新个体分别得到两个第四函数值；
当两个第四函数值中存在小于第三预设阈值的值时，以小于第三预设阈值的第四函数值对应的新个体作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据；
当两个第四函数值中不存在小于第三预设阈值的值，且第四函数值中存在小于当前最优函数值的值时，记录小于当前最优函数值的第四函数值作为当前最优函数值，记录小于当前最优函数值的第四函数值对应的新个体作为当前最优个体；
获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
在其中一个实施例中，上述的方法还包括：
获取交叉及变异处理的处理次数，交叉及变异处理的处理次数作为第二迭代次数；
当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件；
当满足预设终止条件时，获取新个体作为目标车辆对应规划后的路径数据。
一种配送路径的规划装置，该装置包括：
获取模块，用于获取配送任务的任务数据；
第一处理模块，用于根据任务数据得到配送任务的初始路径数据；
第二处理模块，用于根据初始路径数据以及预设数据处理操作得到候选路径数据；
优化模块，用于根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；
输出模块，用于当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
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，处理器执行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，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。
上述的配送路径的规划方法、装置及计算机设备，方法通过获取配送任务的任务数据；根据任务数据得到配送任务的初始路径数据；根据初始路径数据以及预设数据处理操作得到候选路径数据；根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。本申请可以基于多个优化目标对配送任务的配送路径进行规划，使得生成的规划路径可应用的场景更多，适用范围广。
附图说明
图1为本申请一示例性实施例中配送路径的规划方法的应用环境图；
图2为本申请一示例性实施例中提供的配送路径的规划方法的流程示意图；
图3为本申请一示例性实施例中提供的根据初始路径数据得到规划后的路径数据的流程示意图；
图4为本申请一示例性实施例中提供的根据任务数据得到配送任务的初始路径数据的流程示意图；
图5为本申请一示例性实施例中提供的当接收到任务新增请求时，对任务新增请求中的目标车辆进行路径规划的流程示意图；
图6为本申请一示例性实施例中提供的配送路径的规划装置的结构框图；
图7为本申请一示例性实施例中提供的配送路径的规划装置的结构框图；
图8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配送路径的规划方法的应用环境示意图。如图1所示，该配送路径的规划系统包括服务器100以及终端101，服务器100与终端101通过网络102进行通信，以实现本申请的配送路径的规划方法。
服务器100用于获取配送任务的任务数据；根据任务数据得到配送任务的初始路径数据；根据初始路径数据以及预设数据处理操作得到候选路径数据；根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据，将规划后的配送路径数据发送至终端101展示。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用于接收并展示服务器100发送的规划后的配送路径数据。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，提供了一种配送路径的规划方法，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、获取配送任务的任务数据。
一个实施例中，任务数据可以包括多个配送任务，任务数据还可以包括各个配送任务的任务标识、配送起点、配送终点以及所用车辆的车辆信息。具体的，配送任务可以为待配送的物流订单，相应的，任务数据可以为物流订单的订单信息。该订单信息可以为各物流订单的订单标识、各物流订单的配送起点、配送终点以及所用车辆信息，其中，车辆信息可以为车辆的数量以及各车辆的车辆标识。
进一步的，配送起点可以为仓库，其可以被表达为仓库标识。服务器在进行数据处理时，以各个仓库为维度进行数据处理。具体的，当服务器接收到任务数据时，该任务数据中携带了多个仓库标识以及各个仓库标识对应的各个物流订单的订单信息，服务器提取任务数据中的各个仓库标识，进一步获取各个仓库标识对应的各个物流订单的订单信息，针对每一个仓库标识对应的订单信息进行处理，得到各个订单信息对应规划后的配送路径数据，后续反馈数据时，建立各个仓库标识与规划后的配送路径数据的映射关系，将该映射关系反馈至对应接收方。
进一步的，该任务数据可以是通过终端提交的，也可以是通过上游系统实时下发到本配送路径的规划系统的。
S12、根据任务数据得到配送任务的初始路径数据。
一个实施例中，任务数据包括各个配送任务的配送起点、配送终点以及所用车辆的车辆信息。服务器根据该任务数据中的配送起点、配送终点以及所用车辆的车辆信息，利用预设规则对各个配送任务进行路径规划得到初始路径数据。
具体的，该初始路径数据包括但不限于各个配送任务所分配的车辆的车辆信息、各车辆上所分配的配送任务的任务标识以及各配送任务的配送顺序数据，该配送顺序数据可以被表达为各个任务标识的优先级序列。例如，某车辆A上所分配的配送任务的任务标识包括：ID1、ID2、ID3、ID4以及ID5，配送顺序可以表达为：ID2、ID3、ID1、ID4、ID5，即先配送ID2对应的配送任务、ID3对应的配送任务、ID1对应的配送任务、ID4对应的配送任务,最后配送ID5对应的配送任务。
S13、根据初始路径数据以及预设数据处理操作得到候选路径数据。
一个实施例中，预设数据处理操作可以为预先设定的临域操作，该临域操作可以为数据变换操作，如移位操作。本实施例中，可以设定至少一种临域操作，每次执行一次临域操作可以产生一个新解，该新解作为候选路径数据，一种临域操作可以产生固定数量的新解，得到新解的集合，该集合构成一个临域，因此，利用一种临域操作对初始路径数据进行多次处理可以得到一个临域，一个临域中包括多个新解，当换成另一种临域操作对初始路径数据进行多次处理时，可以产生另一个临域。
本申请通过设定多种临域操作，利用该多种临域操作对初始路径数据进行处理得到多个临域，后续依次搜索该多个临域以获取候选路径数据。
S14、根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果。
一个实施例中，优化目标包括但不限于：
距离最短目标：一个仓库对应的各个物流订单的距离总和最短；
时间最短目标：一个仓库对应的各个物流订单的时间总和最短；
时间均衡目标：一个仓库对应的各个物流订单的时间最均衡。
进一步的，每一个优化目标可以对应一个目标值，如距离最短目标的目标值可以为当前配送起点对应各个配送任务的总配送距离；时间最短目标的目标值可以为当前配送起点对应各个配送任务的总配送时间；时间均衡目标的目标值可以为当前配送起点对应各个配送任务的配送时间的均方差。
进一步的，各个优化目标的优化参数可以各个优化目标的权重值，该权重值可以根据实际需求中各个优化目标的重要程度分别设定，例如，可以设定第一优化目标的权重值大于第二优化目标的权重值大于第三优化目标的权重值。
S15、当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
一个实施例中，预先设定第一目标函数，该第一目标函数可以为损失函数，利用该第一目标函数对候选路径数据以及预设的多个优化目标的优化参数进行处理得到目标函数值，该目标函数值作为优化结果。
进一步的，当该目标函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
进一步的，规划后的配送路径数据可以包括但不限于配送任务的任务标识与所用车辆的车辆标识的映射关系以及各车辆上各个配送任务的配送顺序数据，该配送顺序数据可以被表达为各个任务标识的优先级序列。
请参考图3，图3为一个实施例中，根据初始路径数据得到规划后的路径数据的流程示意图。如图3所示，上述的方法还可以包括：
S101、根据初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值。
S102、根据第一目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值。
上述的预设数据处理操作包括多个临域操作，根据初始路径数据以及预设数据处理操作得到候选配送路径数据，可以包括：
S103、根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
上述的根据候选配送路径数据以及预设的多个优化目标的优化参数得到优化结果，可以包括：
S104、根据候选路径数据以及第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值。
S105、根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果。
上述的方法还可以包括：
S106、判断第二函数值是否小于第一预设阈值。
S107、当第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件，将候选路径数据作为规划后的配送路径数据。
S108、当第二函数值不小于第一预设阈值，并且第二函数值小于当前最优函数值时，记录候选配送路径数据为当前最优解，记录第二函数值为当前最优函数值。
重新执行根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据的步骤。
一个实施例中，假设设定的优化目标为距离最短目标以及时间最短目标。其中，距离最短目标对应的目标值为总配送距离，时间最短目标对应的目标值为总配送时间。
上述的根据初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值，可以包括：
根据预设规则得到多个初始解，初始解为根据各个预设规则得到的初始路径数据；
分别计算各个初始解的总配送距离以及总配送时间，其中，总配送距离以及总配送时间为第一目标值；
上述的根据第一目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值，可以包括：
根据第二预设算法分别计算各个总配送距离的归一化值L；
根据第二预设算法分别计算各个总配送时间的归一化值T；
获取总配送距离对应的优化参数X；
获取总配送时间对应的优化参数Y；
根据L、T、X以及Y利用第一目标函数得到第一函数值。
具体的，预设规则可以根据实际需求设定的单一目标规则，其可以为时间最短规则或者距离最短规则。例如，根据预设规则中的距离最短规则得到初始解S1，初始解S1为根据距离最短规则得到的初始路径数据，该初始路径数据作为第一初始路径数据；
根据第一初始路径数据获取总配送距离L1以及总配送时间T1；
根据预设规则中的时间最短规则得到初始解S1'，初始解S1'为根据距离最短规则得到的初始路径数据，该初始路径数据作为第二初始路径数据；
根据第二初始路径数据获取总配送距离L1'以及总配送时间T1'；
根据第二预设算法计算L1以及L1'获取归一化值L2；
根据第二预设算法计算T1以及T1'获取归一化值T2；
获取总配送距离对应的优化参数X；
获取总配送时间对应的优化参数Y；
根据L2、T2、X以及Y利用第一目标函数得到第一函数值。
具体的，预先设定各个优化目标的权重值即优化参数。
进一步的，上述第二预设算法可以为如下计算公式(1)：
Figure BDA0002388747790000091
其中，y为归一化之后的值，x为当前待归一化的目标值。由于每次产生一个新解的过程称为一次迭代，每个新解都对应存在一组优化目标的目标值，每次迭代完成后都计算该次迭代所产生新解的各个优化目标的目标值，因此，xmin为各次迭代所产生的目标值的最小值，xmax为各次迭代所产生的目标值的最大值。将目标值进行归一化处理，是为了避免目标值分布不均匀，导致单一目标值过大，对整体结果影响过大，进行归一化处理之后可以将各个优化目标的目标值归一到[0,1]之间。
进一步的，预设数据处理操作包括多个临域操作，临域操作可以为移位操作。例如，初始路径数据为(1,2,3,4,5)，对该初始路径数据进行一次移位操作，得到新的路径数据为(2,1,3,4,5)，该新的路径数据作为候选路径数据。
进一步的，上述的第一预设算法包括距离计算算法以及时间计算算法，上述的根据候选路径数据以及第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值，可以包括：
根据候选路径数据利用距离计算算法得到总配送距离L3；
根据候选路径数据利用时间计算算法得到总配送时间T3，其中，L3以及T3为第二目标值；
根据L3、L1以及L1'利用第二预设算法得到归一化值L4；
根据T3、T1以及T1'利用第二预设算法得到归一化值T4；
上述的根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果，可以包括：
根据L4以及T4利用第一目标函数得到第二函数值。
具体的，上述的第一目标函数可以为如下计算公式(2)：
min(L)＝W1O1+W2O2+W3O3+Λ+WNON (2)
其中，min(L)为函数值，W1、W2、W3....WN为各个优化目标的权重值，O1、O2、O3....ON为各个优化目标归一化之后的值。
一个实施例中，当第二函数值小于当前最优函数值时，则利用模拟退火算法以一定的概率接收候选路径数据。
在其中一个实施例中，上述的方法还可以包括：
当新的路径数据满足预设的变临域条件时，获取下一个临域操作，将下一个临域操作作为当前领域操作，并且获取当前最优解，以当前最优解作为初始解，重新执行根据当前临域操作对初始解变换得到根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
一个实施例中，当上述的新的路径数据为当前临域中最后一个遍历的解时，确定新的路径数据满足预设的变临域条件。或者，当多次产生的新解对应的第二函数值都比当前最优函数值大时，则确定新的路径数据满足预设的变临域条件。
在其中一个实施例中，上述的方法还可以包括：
获取根据当前临域操作对初始路径数据进行处理的第一处理次数，该处理次数作为第一迭代次数；
当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
一个实施例中，每次执行临域操作会产生一个新解，每次产生一个新解时记为完成一次迭代，上述的第一处理次数即为第一迭代次数。当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
请参考图4，图4为一个实施例中，上述的根据任务数据得到配送任务的初始路径数据的流程示意图。如图4所示，上述的任务数据包括多个配送任务，上述的任务数据还包括各配送任务所用的车辆信息、各配送任务的配送起点以及配送任务的配送终点，上述的车辆信息包括至少一辆车辆的车辆标识，上述的根据任务数据得到配送任务的初始路径数据，可以包括：
S121、获取当前车辆标识。
S122、根据预设规则、配送任务的配送起点以及配送终点，依次获取配送任务分配至当前车辆标识对应的当前车辆。
S123、当当前车辆所分配的目标任务不满足预设的预设条件时，终止依次获取配送任务分配至当前车辆标识对应的当前车辆的步骤。
S124、获取配送任务所属车辆的车辆标识以及配送任务所属车辆上所分配的待分配任务的分配顺序数据，分配顺序数据作为各个待分配任务的配送顺序数据，配送任务所属车辆的车辆标识以及配送顺序数据作为初始路径数据。
一个实施例中，车辆信息还包括车辆数，首先获取车辆数以及当前配送起点，若获取的车辆数为0，则贪心地构造初始线路，具体的构造初始线路的方案可以为：
设置单一目标，比如：距离最短，则从第一辆车开始操作，先寻找离当前配送起点近且未被分配的订单加入到该车，将订单状态置为已分配。在满足各个预设的预设条件的情况下，寻找距离第一个订单最近的第二个订单加入该车，同时将该订单置为已分配状态，以此类推，直至当前车量不满足预设的预设条件时，则停止继续添加订单。接着，对第二辆车进行和第一辆车相同的操作,以此类推，直至所有的待配送任务分配完成得到初始线路，根据该初始线路获取初始路径数据，即初始解。进一步的，还可以根据时间最短得到另一个初始解，得到多个初始解之后，可以对多个初始解对应的优化目标的目标值进行归一化处理。
请参考图5，图5为一个实施例中，当接收到任务新增请求时，对任务新增请求中的目标车辆进行路径规划的流程示意图。如图5所示，上述的规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，上述的将候选配送路径数据作为规划后的配送路径数据之后，方法还可以包括：
S201、当接收到任务新增请求时，提取任务新增请求中的新增配送任务以及新增任务所属的目标车辆的车辆信息。
S202、根据映射关系获取与目标车辆的车辆信息对应的各个配送任务的任务标识，与目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识。
S203、为新增配送任务分配新增任务标识，新增任务标识作为第二任务标识。
S204、将新增任务分配至目标车辆，并对第一任务标识以及第二任务标识进行排序，得到初始配送序列，初始配送序列为目标车辆上各个配送任务的配送顺序数据。
S205、根据预设变换规则对初始配送序列进行变换得到初始种群，初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体。
S206、根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值。
S207、获取初始种群中的两个个体作为当前双亲。
S208、对当前双亲进行交叉及变异处理得到两个新个体，根据第二目标函数以及两个新个体分别得到两个第四函数值。
S209、判断两个第四函数值中是否存在小于第三预设阈值的值。
S210、当两个第四函数值中存在小于第三预设阈值的值时，以小于第三预设阈值的第四函数值对应的新个体作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据。
S211、当两个第四函数值中不存在小于第三预设阈值的值，且第四函数值中存在小于当前最优函数值的值时，记录小于当前最优函数值的第四函数值作为当前最优函数值，记录小于当前最优函数值的第四函数值对应的新个体作为当前最优个体。
S212、获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
一种可能的应用场景中，当得到规划后的配送路径数据后可能出现人工插入新的订单的情况。此时，需要对新插入的订单重新规划路径，重新对配送顺序进行排序。具体的，仅对插入了新订单的车辆进行重新规划路径，对未插入新订单的车辆可以不执行重新规划路径。
一个实施例中，假设任务新增请求为向车辆标识为A的车辆上插入两个新增配送任务。服务器提取任务新增请求中的目标车辆的车辆标识A以及新增配送任务的数量2个。进一步的，服务器根据A查询到A车辆上的已分配的配送任务的任务标识为(1,2,3)，进一步的，为2个新增配送任务设置任务标识为(4,5)，根据(1,2,3)以及(4,5)得到初始配送序列，例如为(1,2,3,4,5)。
进一步地，服务器根据预设变换规则对(1,2,3,4,5)进行变换得到多个序列，构成初始种群，根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值M，其中第二目标函数的计算公式为上述的公式二。
进一步地，服务器获取初始种群中的两个个体作为当前双亲，例如为A
(1,2,3,4,5)以及B(5,4,3,2，1)；对当前双亲进行交叉处理得到A1(5,4,3,1,2)以及B1(1,2,3,5,4)，进一步对得到的个体分别变异得到两个新个体为A2(4,5,3,1,2)以及B2(2,1,3,5,4)，根据第二目标函数以及两个新个体分别得到两个第四函数值分别为X以及Y,其中，假设X小于第三预设阈值，则以X对应的新个体A2作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据。
若X以及Y均不小于第三预设阈值，并且X小于M，则将X对应的新个体更新为初始种群中的最优个体，记录X为当前最优函数值，获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
一个实施例中，服务器获取双亲A以及B之后，根据第二目标函数分别对A以及B处理得到函数值LA以及LB，根据第二目标函数分别对A1以及B1处理得到函数值LA1以及LB1，根据第二目标函数分别对A2以及2B处理得到函数值LA2以及LB2。当LA2<LA1<LA，LB2<LB1<LB,则将A2以及B2更新至初始种群中，后续从该更新后的初始种群中获取新的个体作为当前双亲。
在其中一个实施例中，上述的方法还可以包括：
获取交叉及变异处理的处理次数，交叉及变异处理的处理次数作为第二迭代次数；
当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件；
当满足预设终止条件时，获取新个体作为目标车辆对应规划后的路径数据。
一个实施例中，当执行完一次变异处理得到新个体，即完成一次迭代。服务器获取交叉及变异处理的处理次数，该交叉及变异处理的处理次数作为第二迭代次数。当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件。
在一个实施例中，如图6所示，提供了一种配送路径的规划装置，包括：
获取模块11，用于获取配送任务的任务数据；
第一处理模块12，用于根据任务数据得到配送任务的初始配送路径数据；
第二处理模块13，用于根据初始路径数据以及预设数据处理操作得到候选路径数据；
优化模块14，用于根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；
输出模块15，用于当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
请参考图7，在其中一个实施例中，上述的装置还包括：
第三处理模块16，用于根据初始配送路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一优化目标值；
根据第一优化目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值；
上述的第二处理模块13，包括：
处理单元，用于根据当前临域操作对初始配送路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据；
上述的优化模块14，包括：
优化单元，用于根据候选路径数据以及第一预设算法得到各个优化目标对应的第二优化目标值，根据各个第二优化目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值；
根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果；
请继续参考图7，上述的装置还包括：
循环模块17，用于当第二函数值不小于第一预设阈值，并且第二函数值小于当前最优函数值时，记录候选路径数据为当前最优解，记录第二函数值为当前最优函数值；
重新执行根据当前临域操作对初始配送路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据的步骤。
请继续参考图7，在其中一个实施例中，上述的装置还包括：
变临域搜索模块18，用于当新的路径数据满足预设的变临域条件时，获取下一个临域操作，将下一个临域操作作为当前领域操作，并且获取当前最优解，以当前最优解作为初始解，重新执行根据当前临域操作对初始解变换得到根据当前临域操作对初始配送路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
请继续参考图7，在其中一个实施例中，上述的装置还包括：
确定模块19，用于获取根据当前临域操作对初始配送路径数据进行处理的处理次数，该处理次数作为第一迭代次数；
当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
在其中一个实施例中，上述的任务数据包括多个配送任务，上述的任务数据还包括各配送任务所用的车辆信息、各配送任务的配送起点以及配送任务的配送终点，上述的车辆信息包括至少一辆车辆的车辆标识，上述的第一处理模块12，包括：
获取单元，用于获取当前车辆标识；
根据预设规则、配送任务的配送起点以及配送终点，依次获取配送任务分配至当前车辆标识对应的当前车辆；
当当前车辆所分配的目标任务不满足预设的预设条件时，终止依次获取配送任务分配至当前车辆标识对应的当前车辆的步骤；
获取配送任务所属车辆的车辆标识以及配送任务所属车辆上所分配的待分配任务的分配顺序数据，分配顺序数据作为各个待分配任务的配送顺序数据，配送任务所属车辆的车辆标识以及配送顺序数据作为初始配送路径数据。
请继续参考图7，在其中一个实施例中，上述的规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，上述的装置还包括：
新增模块20，用于当接收到任务新增请求时，提取任务新增请求中的新增配送任务以及新增任务所属的目标车辆的车辆信息；
根据映射关系获取与目标车辆的车辆信息对应的各个配送任务的任务标识，与目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识；
为新增配送任务分配新增任务标识，新增任务标识作为第二任务标识；
将新增任务分配至目标车辆，并对第一任务标识以及第二任务标识进行排序，得到初始配送序列，初始配送序列为目标车辆上各个配送任务的配送顺序数据；
根据预设变换规则对初始配送序列进行变换得到初始种群，初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体；
根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值；
获取初始种群中的两个个体作为当前双亲；
对当前双亲进行交叉及变异处理得到两个新个体，根据第二目标函数以及两个新个体分别得到两个第四函数值；
当两个第四函数值中存在小于第三预设阈值的值时，以小于第三预设阈值的第四函数值对应的新个体作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据；
当两个第四函数值中不存在小于第三预设阈值的值，且第四函数值中存在小于当前最优函数值的值时，记录小于当前最优函数值的第四函数值作为当前最优函数值，记录小于当前最优函数值的第四函数值对应的新个体作为当前最优个体；
获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
请继续参考图7，在其中一个实施例中，上述的装置还包括：
终止模块21，用于获取交叉及变异处理的处理次数，交叉及变异处理的处理次数作为第二迭代次数；
当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件；
当满足预设终止条件时，获取新个体作为目标车辆对应规划后的路径数据。
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服务器，其内部结构图可以如图8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配送路径的规划方法。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：获取配送任务的任务数据；根据任务数据得到配送任务的初始配送路径数据；根据初始路径数据以及预设数据处理操作得到候选路径数据；根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
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：
根据初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值；
根据第一目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值；
处理器执行计算机程序实现上述的预设数据处理操作包括多个临域操作，根据初始路径数据以及预设数据处理操作得到候选路径数据步骤时，具体实现以下步骤：
根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据；
处理器执行计算机程序实现上述的根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果步骤时，具体实现以下步骤：
根据候选路径数据以及第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值；
根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果；
处理器执行计算机程序时，具体还实现以下步骤：
当第二函数值不小于第一预设阈值，并且第二函数值小于当前最优函数值时，记录候选路径数据为当前最优解，记录第二函数值为当前最优函数值；
重新执行根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据的步骤。
在其中一个实施例中，处理器执行计算机程序时，具体还实现以下步骤：
当新的路径数据满足预设的变临域条件时，获取下一个临域操作，将下一个临域操作作为当前领域操作，并且获取当前最优解，以当前最优解作为初始解，重新执行根据当前临域操作对初始解变换得到根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
在其中一个实施例中，处理器执行计算机程序时，具体还实现以下步骤：
获取根据当前临域操作对初始路径数据进行处理的处理次数，该处理次数作为第一迭代次数；
当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
在其中一个实施例中，上述的任务数据包括多个配送任务，上述的任务数据还包括各配送任务所用的车辆信息、各配送任务的配送起点以及配送任务的配送终点，上述的车辆信息包括至少一辆车辆的车辆标识，处理器执行计算机程序实现上述的根据任务数据得到配送任务的初始路径数据步骤时，具体实现以下步骤：
获取当前车辆标识；
根据预设规则、配送任务的配送起点以及配送终点，依次获取配送任务分配至当前车辆标识对应的当前车辆；
当当前车辆所分配的目标任务不满足预设的预设条件时，终止依次获取配送任务分配至当前车辆标识对应的当前车辆的步骤；
获取配送任务所属车辆的车辆标识以及配送任务所属车辆上所分配的待分配任务的分配顺序数据，分配顺序数据作为各个待分配任务的配送顺序数据，配送任务所属车辆的车辆标识以及配送顺序数据作为初始路径数据。
在其中一个实施例中，上述的规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，处理器执行计算机程序时，具体还实现以下步骤：
当接收到任务新增请求时，提取任务新增请求中的新增配送任务以及新增任务所属的目标车辆的车辆信息；
根据映射关系获取与目标车辆的车辆信息对应的各个配送任务的任务标识，与目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识；
为新增配送任务分配新增任务标识，新增任务标识作为第二任务标识；
将新增任务分配至目标车辆，并对第一任务标识以及第二任务标识进行排序，得到初始配送序列，初始配送序列为目标车辆上各个配送任务的配送顺序数据；
根据预设变换规则对初始配送序列进行变换得到初始种群，初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体；
根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值；
获取初始种群中的两个个体作为当前双亲；
对当前双亲进行交叉及变异处理得到两个新个体，根据第二目标函数以及两个新个体分别得到两个第四函数值；
当两个第四函数值中存在小于第三预设阈值的值时，以小于第三预设阈值的第四函数值对应的新个体作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据；
当两个第四函数值中不存在小于第三预设阈值的值，且第四函数值中存在小于当前最优函数值的值时，记录小于当前最优函数值的第四函数值作为当前最优函数值，记录小于当前最优函数值的第四函数值对应的新个体作为当前最优个体；
获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
在其中一个实施例中，处理器执行计算机程序时，具体还实现以下步骤：
获取交叉及变异处理的处理次数，交叉及变异处理的处理次数作为第二迭代次数；
当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件；
当满足预设终止条件时，获取新个体作为目标车辆对应规划后的路径数据。
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：获取配送任务的任务数据；根据任务数据得到配送任务的初始配送路径数据；根据初始路径数据以及预设数据处理操作得到候选路径数据；根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果；当优化结果满足预设优化条件时，将候选路径数据作为规划后的配送路径数据。
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：
根据初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值；
根据第一目标值以及预设的第一目标函数得到第一函数值，第一函数值作为当前最优函数值；
计算机程序被处理器执行实现上述的预设数据处理操作包括多个临域操作，根据初始路径数据以及预设数据处理操作得到候选路径数据步骤时，具体实现以下步骤：
根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据；
计算机程序被处理器执行实现上述的根据候选路径数据以及预设的多个优化目标的优化参数得到优化结果步骤时，具体实现以下步骤：
根据候选路径数据以及第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值；
根据各个归一化值以及第一目标函数得到第二函数值，第二函数值作为优化结果；
计算机程序被处理器执行时，具体还实现以下步骤：
当第二函数值不小于第一预设阈值，并且第二函数值小于当前最优函数值时，记录候选路径数据为当前最优解，记录第二函数值为当前最优函数值；
重新执行根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据的步骤。
在其中一个实施例中，计算机程序被处理器执行时，具体还实现以下步骤：
当新的路径数据满足预设的变临域条件时，获取下一个临域操作，将下一个临域操作作为当前领域操作，并且获取当前最优解，以当前最优解作为初始解，重新执行根据当前临域操作对初始解变换得到根据当前临域操作对初始路径数据进行处理得到新的路径数据，将新的路径数据作为候选路径数据。
在其中一个实施例中，计算机程序被处理器执行时，具体还实现以下步骤：
获取根据当前临域操作对初始路径数据进行处理的处理次数，该处理次数作为第一迭代次数；
当第一迭代次数大于第二预设阈值，和/或第二函数值小于第一预设阈值时，确定优化结果满足预设优化条件。
在其中一个实施例中，上述的任务数据包括多个配送任务，上述的任务数据还包括各配送任务所用的车辆信息、各配送任务的配送起点以及配送任务的配送终点，上述的车辆信息包括至少一辆车辆的车辆标识，计算机程序被处理器执行实现上述的根据任务数据得到配送任务的初始路径数据步骤时，具体实现以下步骤：
获取当前车辆标识；
根据预设规则、配送任务的配送起点以及配送终点，依次获取配送任务分配至当前车辆标识对应的当前车辆；
当当前车辆所分配的目标任务不满足预设的预设条件时，终止依次获取配送任务分配至当前车辆标识对应的当前车辆的步骤；
获取配送任务所属车辆的车辆标识以及配送任务所属车辆上所分配的待分配任务的分配顺序数据，分配顺序数据作为各个待分配任务的配送顺序数据，配送任务所属车辆的车辆标识以及配送顺序数据作为初始路径数据。
在其中一个实施例中，上述的规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，计算机程序被处理器执行时，具体还实现以下步骤：
当接收到任务新增请求时，提取任务新增请求中的新增配送任务以及新增任务所属的目标车辆的车辆信息；
根据映射关系获取与目标车辆的车辆信息对应的各个配送任务的任务标识，与目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识；
为新增配送任务分配新增任务标识，新增任务标识作为第二任务标识；
将新增任务分配至目标车辆，并对第一任务标识以及第二任务标识进行排序，得到初始配送序列，初始配送序列为目标车辆上各个配送任务的配送顺序数据；
根据预设变换规则对初始配送序列进行变换得到初始种群，初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体；
根据预设的第二目标函数得到初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值；
获取初始种群中的两个个体作为当前双亲；
对当前双亲进行交叉及变异处理得到两个新个体，根据第二目标函数以及两个新个体分别得到两个第四函数值；
当两个第四函数值中存在小于第三预设阈值的值时，以小于第三预设阈值的第四函数值对应的新个体作为目标个体，获取目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为目标车辆对应规划后的路径数据；
当两个第四函数值中不存在小于第三预设阈值的值，且第四函数值中存在小于当前最优函数值的值时，记录小于当前最优函数值的第四函数值作为当前最优函数值，记录小于当前最优函数值的第四函数值对应的新个体作为当前最优个体；
获取初始种群中的两个新的个体作为当前双亲，重新执行对当前双亲进行交叉及变异处理得到两个新个体的步骤。
在其中一个实施例中，计算机程序被处理器执行时，具体还实现以下步骤：
获取交叉及变异处理的处理次数，交叉及变异处理的处理次数作为第二迭代次数；
当第二迭代次数大于第四预设阈值，和/或第四函数值中存在小于第三预设阈值的值时，确定满足预设终止条件；
当满足预设终止条件时，获取新个体作为目标车辆对应规划后的路径数据。
本临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、物理分库分表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，对于本临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 (10)

1.一种配送路径的规划方法，所述方法包括：
获取配送任务的任务数据；
根据所述任务数据得到所述配送任务的初始路径数据；
根据所述初始路径数据以及预设数据处理操作得到候选路径数据；
根据所述候选路径数据以及预设的多个优化目标的优化参数得到优化结果；
当所述优化结果满足预设优化条件时，将所述候选路径数据作为规划后的配送路径数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述初始路径数据、各个优化目标的优化参数以及第一预设算法得到各个优化目标对应的第一目标值；
根据所述第一目标值以及预设的第一目标函数得到第一函数值，所述第一函数值作为当前最优函数值；
所述预设数据处理操作包括多个临域操作，所述根据所述初始路径数据以及预设数据处理操作得到候选路径数据，包括：
根据当前临域操作对所述初始路径数据进行处理得到新的路径数据，将所述新的路径数据作为候选路径数据；
所述根据所述候选路径数据以及预设的多个优化目标的优化参数得到优化结果，包括：
根据所述候选路径数据以及所述第一预设算法得到各个优化目标对应的第二目标值，根据各个第二目标值、各个优化目标对应的优化参数以及第二预设算法得到归一化值；
根据各个归一化值以及所述第一目标函数得到第二函数值，所述第二函数值作为所述优化结果；
所述方法还包括：
当所述第二函数值不小于第一预设阈值，并且所述第二函数值小于当前最优函数值时，记录所述候选路径数据为当前最优解，记录所述第二函数值为当前最优函数值；
重新执行所述根据当前临域操作对所述初始路径数据进行处理得到新的路径数据，将所述新的路径数据作为候选路径数据的步骤。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述新的路径数据满足预设的变临域条件时，获取下一个所述临域操作，将下一个所述临域操作作为当前领域操作，并且获取所述当前最优解，以所述当前最优解作为初始解，重新执行所述根据当前临域操作对所述初始解变换得到根据当前临域操作对所述初始路径数据进行处理得到新的路径数据，将所述新的路径数据作为候选路径数据。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述根据当前临域操作对所述初始路径数据进行处理的处理次数，该处理次数作为第一迭代次数；
当所述第一迭代次数大于第二预设阈值，和/或所述第二函数值小于所述第一预设阈值时，确定所述优化结果满足预设优化条件。
5.根据权利要求1所述的方法，其特征在于，所述任务数据包括多个配送任务，所述任务数据还包括各所述配送任务所用的车辆信息、各所述配送任务的配送起点以及所述配送任务的配送终点，所述车辆信息包括至少一辆车辆的车辆标识，所述根据所述任务数据得到所述配送任务的初始路径数据，包括：
获取当前车辆标识；
根据预设规则、所述配送任务的配送起点以及配送终点，依次获取配送任务分配至所述当前车辆标识对应的当前车辆；
当所述当前车辆所分配的目标任务不满足预设的预设条件时，终止所述依次获取配送任务分配至所述当前车辆标识对应的当前车辆的步骤；
获取所述配送任务所属车辆的车辆标识以及所述配送任务所属车辆上所分配的待分配任务的分配顺序数据，所述分配顺序数据作为各个待分配任务的配送顺序数据，所述配送任务所属车辆的车辆标识以及所述配送顺序数据作为所述初始路径数据。
6.根据权利要求5所述的方法，其特征在于，所述规划后的配送路径数据包括各个配送任务的任务标识与各车辆的车辆信息的映射关系，所述将所述候选路径数据作为规划后的配送路径数据之后，所述方法还包括：
当接收到任务新增请求时，提取所述任务新增请求中的新增配送任务以及所述新增任务所属的目标车辆的车辆信息；
根据所述映射关系获取与所述目标车辆的车辆信息对应的各个配送任务的任务标识，所述与所述目标车辆的车辆信息对应的各个配送任务的任务标识作为第一任务标识；
为所述新增配送任务分配新增任务标识，所述新增任务标识作为第二任务标识；
将所述新增任务分配至所述目标车辆，并对所述第一任务标识以及所述第二任务标识进行排序，得到初始配送序列，所述初始配送序列为所述目标车辆上各个配送任务的配送顺序数据；
根据预设变换规则对所述初始配送序列进行变换得到初始种群，所述初始种群中包括多个候选配送序列，每个候选配送序列作为一个个体；
根据预设的第二目标函数得到所述初始种群中各个个体对应的第三函数值，并获取最小的第三函数值作为当前最优函数值；
获取所述初始种群中的两个个体作为当前双亲；
对所述当前双亲进行交叉及变异处理得到两个新个体，根据所述第二目标函数以及两个新个体分别得到两个第四函数值；
当两个所述第四函数值中存在小于第三预设阈值的值时，以小于所述第三预设阈值的第四函数值对应的新个体作为目标个体，获取所述目标个体对应的候选配送序列，以该候选配送序列对应的配送顺序数据作为所述目标车辆对应规划后的路径数据；
当两个所述第四函数值中不存在小于所述第三预设阈值的值，且所述第四函数值中存在小于所述当前最优函数值的值时，记录小于所述当前最优函数值的第四函数值作为当前最优函数值，记录小于所述当前最优函数值的第四函数值对应的新个体作为当前最优个体；
获取所述初始种群中的两个新的个体作为当前双亲，重新执行所述对所述当前双亲进行交叉及变异处理得到两个新个体的步骤。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取所述交叉及变异处理的处理次数，所述交叉及变异处理的处理次数作为第二迭代次数；
当所述第二迭代次数大于第四预设阈值，和/或所述第四函数值中存在小于所述第三预设阈值的值时，确定满足预设终止条件；
当满足所述预设终止条件时，获取所述新个体作为所述目标车辆对应规划后的路径数据。
8.一种配送路径的规划装置，所述装置包括：
获取模块，用于获取配送任务的任务数据；
第一处理模块，用于根据所述任务数据得到所述配送任务的初始路径数据；
第二处理模块，用于根据所述初始路径数据以及预设数据处理操作得到候选路径数据；
优化模块，用于根据所述候选路径数据以及预设的多个优化目标的优化参数得到优化结果；
输出模块，用于当所述优化结果满足预设优化条件时，将所述候选路径数据作为规划后的配送路径数据。
9.一种计算机设备，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7中任一项所述的配送路径的规划方法的步骤。
10.一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7中任一项所述的配送路径的规划方法的步骤。
CN202010107198.9A 2020-02-21 2020-02-21 配送路径的规划方法、装置、介质及计算机设备 Active CN111311005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010107198.9A CN111311005B (zh) 2020-02-21 2020-02-21 配送路径的规划方法、装置、介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010107198.9A CN111311005B (zh) 2020-02-21 2020-02-21 配送路径的规划方法、装置、介质及计算机设备

Publications (2)

Publication Number Publication Date
CN111311005A true CN111311005A (zh) 2020-06-19
CN111311005B CN111311005B (zh) 2022-08-19

Family

ID=71162118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010107198.9A Active CN111311005B (zh) 2020-02-21 2020-02-21 配送路径的规划方法、装置、介质及计算机设备

Country Status (1)

Country Link
CN (1) CN111311005B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798064A (zh) * 2020-07-13 2020-10-20 泰康保险集团股份有限公司 送药路线生成方法、装置、介质和电子设备
CN111960008A (zh) * 2020-08-27 2020-11-20 上海忍诚科技有限公司 一种基于立体式仓储的数据处理系统、方法、服务器及存储介质
CN113434310A (zh) * 2021-06-23 2021-09-24 未鲲(上海)科技服务有限公司 多线程任务分配方法、装置、设备及存储介质
CN116013085A (zh) * 2023-02-03 2023-04-25 以萨技术股份有限公司 一种获取目标车流量的数据处理系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846610A (zh) * 2018-06-19 2018-11-20 品信科技有限公司 一种配送路径规划方法及装置
CN109919365A (zh) * 2019-02-19 2019-06-21 清华大学 一种基于双策略搜索的电动车辆路径规划方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846610A (zh) * 2018-06-19 2018-11-20 品信科技有限公司 一种配送路径规划方法及装置
CN109919365A (zh) * 2019-02-19 2019-06-21 清华大学 一种基于双策略搜索的电动车辆路径规划方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798064A (zh) * 2020-07-13 2020-10-20 泰康保险集团股份有限公司 送药路线生成方法、装置、介质和电子设备
CN111798064B (zh) * 2020-07-13 2023-12-08 泰康保险集团股份有限公司 送药路线生成方法、装置、介质和电子设备
CN111960008A (zh) * 2020-08-27 2020-11-20 上海忍诚科技有限公司 一种基于立体式仓储的数据处理系统、方法、服务器及存储介质
CN113434310A (zh) * 2021-06-23 2021-09-24 未鲲(上海)科技服务有限公司 多线程任务分配方法、装置、设备及存储介质
CN113434310B (zh) * 2021-06-23 2024-03-22 深圳博瑞晶芯科技有限公司 多线程任务分配方法、装置、设备及存储介质
CN116013085A (zh) * 2023-02-03 2023-04-25 以萨技术股份有限公司 一种获取目标车流量的数据处理系统
CN116013085B (zh) * 2023-02-03 2023-09-22 以萨技术股份有限公司 一种获取目标车流量的数据处理系统

Also Published As

Publication number Publication date
CN111311005B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN111311005B (zh) 配送路径的规划方法、装置、介质及计算机设备
CN107729383A (zh) 一种索引库生成方法、数据验证方法、装置及平台
CN110413893B (zh) 对象推送方法、装置、计算机设备及存储介质
CN112287182A (zh) 图数据存储、处理方法、装置及计算机存储介质
CN112365219B (zh) 订单处理方法、装置、存储介质和电子设备
CN111044062B (zh) 路径规划、推荐方法和装置
CN109918382A (zh) 数据处理方法、装置、终端及存储介质
CN113342418A (zh) 基于区块链的分布式机器学习任务卸载方法
CN112966054A (zh) 基于企业图谱节点间关系的族群划分方法和计算机设备
CN109785867B (zh) 双录流程配置方法、装置、计算机设备和存储介质
CN113190730B (zh) 一种区块链地址的分类方法及装置
CN113612632A (zh) 应用于网关设备的拓扑识别方法、装置、网关设备和介质
CN115705593A (zh) 物流运输方法、装置、计算机设备和存储介质
CN114298391A (zh) 配送路线的确定方法、装置及设备
CN114330807A (zh) 路线的确定方法、装置和电子设备
CN109978678B (zh) 一种参数管理方法及相关设备
CN113222565A (zh) 交易系统、交易方法、装置、计算机设备和存储介质
CN112764923A (zh) 计算资源分配方法、装置、计算机设备及存储介质
CN113111132A (zh) 一种识别目标用户的方法和装置
CN111507783B (zh) 电子票据推送方法、装置、区块链节点设备和存储介质
US12061630B2 (en) System and method for identifying approximate K-nearest neighbors in web scale clustering
CN114298203B (zh) 数据分类的方法、装置、设备和计算机可读介质
US11822980B2 (en) Integration component assessment
CN112101994B (zh) 会员权益管理方法、装置、计算机设备和可读存储介质
CN115511401A (zh) 物流路由的生成方法、装置、计算机设备和存储介质

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