CN111401606A - 商住综合体建筑与智能配送结合的配送方法及配送系统 - Google Patents

商住综合体建筑与智能配送结合的配送方法及配送系统 Download PDF

Info

Publication number
CN111401606A
CN111401606A CN202010100862.7A CN202010100862A CN111401606A CN 111401606 A CN111401606 A CN 111401606A CN 202010100862 A CN202010100862 A CN 202010100862A CN 111401606 A CN111401606 A CN 111401606A
Authority
CN
China
Prior art keywords
distribution
order
information
path
merchant
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
CN202010100862.7A
Other languages
English (en)
Other versions
CN111401606B (zh
Inventor
赵海峰
谢宝玲
吴昊
滕建洁
徐飞
李福宝
王世杰
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202010100862.7A priority Critical patent/CN111401606B/zh
Publication of CN111401606A publication Critical patent/CN111401606A/zh
Application granted granted Critical
Publication of CN111401606B publication Critical patent/CN111401606B/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
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及商住综合体建筑领域，具体涉及一种商住综合体建筑与智能配送结合的生活方式实现系统。配送方法具体包括用户控制终端接收订单；商家控制终端采集订单信息，上传至中央调度管理系统；中央调度管理系统根据订单信息，生成订单的配送顺序、配送路径和配送时间；再将配送顺序和配送时间反馈给商家控制终端；将货物信息打印，标签贴于订单货物上；将订单货物放置于配送装置上，配送装置将货物输送；用户控制终端采集收到的订单信息。配送系统包括商家控制终端、用户控制终端、中央调度管理系统。本发明为订单提供最优配送，实现居住综合体建筑中居民生活中的无缝切换、无缝衔接，实现以人为本的全新家居生活体验。

Description

商住综合体建筑与智能配送结合的配送方法及配送系统
技术领域
本发明涉及商住综合体建筑领域，具体涉及一种商住综合体建筑与智能配送结合的生活方式实现系统。
背景技术
住宅一直是人们关注的焦点，随着城市化的进程不断加速，人们越来越关注居住体验，而现在居住“便捷性”则作为重要的关键词演变成了品质生活的标签之一。
在房地产领域，如今在设计建造上更加人性化的、符合“人居”理念的商住综合体逐渐显现，商住综合体是居住空间和商用空间同楼分层使用。
基于人们对品质生活的追求，无缝切换、无缝衔接的全新生活模式是人们极力追求的，居民足不出户就能收到快递或者外卖是一种生活方式所向，然而目前在所有商住综合体建筑物内都不能解决居民生活中的无缝切换、无缝衔接生活模式问题。
发明内容
发明目的：
本发明目的在于提供一种商住综合体建筑与智能配送结合的配送方法及配送系统，以解决居住综合体建筑中居民生活中的无缝切换、无缝衔接问题，实现“以人为本”的全新家居生活体验。
技术方案：
商住综合体建筑与智能配送结合的配送方法，该配送方法具体包括：用户控制终端接收订单；商家控制终端采集订单信息，采集订单信息装置自动将货物信息上传至中央调度管理系统；中央调度管理系统根据采集的订单信息，通过配送顺序优化模块、配送路径优化模块、配送时间计算模块生成订单的配送顺序、配送路径和配送时间；中央调度管理系统将配送顺序和配送时间反馈给商家控制终端；商家控制终端的信息采集装置将货物信息打印，标签贴于订单货物上；将订单货物放置于配送装置上，配送装置将货物输送；用户控制终端采集收到的订单信息。
进一步的，采集订单的信息，包括：订单物品信息、订单时间要求信息、订单目的地信息；订单物品信息包括：冷鲜货物、星级用户货物、其他货物；订单时间要求信息包括：立即配送、定时配送两种时间要求。
进一步的，配送顺序优化模块，将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序；配送路径优化模块，将所有的物流配送任务作为最短路问题，求解最优配送路径；采用Dijkstra算法求解最短路最优配送路径；配送时间计算模块，用于对订单时间要求信息和订单目的地信息进行判断，在满足时间要求的前提下和已计算出配送顺序和最优配送路径的情况下计算订单配送时间；配送信息发送模块，用于将订单的配送时间、配送顺序发送至商家控制终端，商家控制终端根据反馈的信息进行货物配送；数据存储模块，对订单信息进行存储，并且记录用户的配送频率，配送频率高的用户被标记为星级用户，在配送装置发生排队运输时承载星级用户订单的配送装置优先通行。
进一步的，配送顺序的具体步骤包括：在配送装置发生排队运输时根据承载冷鲜货物订单的配送装置、承载星级用户订单的配送装置、承载其他货物订单的配送装置进行先后通行；也就是根据上传订单的物品要求、时间要求和目的地要求，基于遗传算法求解订单配送顺序；
其中，遗传算法步骤如下：
步骤1：使用自然数编码方式，构造表示可行行车线路的染色体；
步骤2：设置控制参数，交叉率PC，变异率Pm和群体规模n；
步骤3：gen：＝0，随机产生初始群体p(0)，群体中包括n个染色体，每个染包体表示一条行车线路；
步骤4：i：＝1；
步骤5：将群体p(gen)中的第i个染色体译为线路长度；
步骤6：计算适应度；
步骤7：若满足算法终止条件，则停止，否则继续；
步骤8：i＝i+1：
步骤9：若i≤n，回到step5，否则转step10；
步骤10：根据适应度按轮盘赌法复制下代染色体；
步骤11：进行最大保留交叉、反转变异；
步骤12：gen：＝gen+1；
步骤13：若满足算法终止条件则停止，否则转step4；
采用自然数编码，即序数编码，编码染色体结构；
一商户订单的配送可行线路编成长度为l+m的染色体(0，i11，i12，...，i1s，0，i21，...，i2t，0，...，0，im1，...，imw)，其中ikj表示第ikj项任务；染色体结构解释为配送车辆从商户0出发，配送订单至用户i11，i12，...，i1s，后回到商户0，形成子路径1；另一配送车辆从商户0出发，经过以前未访问的用户i21，...，i2t后，返回商家0，形成子路径2；如此往复，直到所有的订单全部被送完为止；m为完成任务所需要的车辆数；
采用染色体0120340678表示行车路线：
子路径1：商家0→任务1→任务2→商家0；
子路径2：商家0→任务3→任务4→任务5→商家0；
子路径3：商家0→任务6→任务7→任务8→商家0；
约束的处理：
将容量约束式变为目标数的一部分
Figure BDA0002385889970000041
中
Figure BDA0002385889970000042
表示若解违反容量约束处以的惩罚值；
其中，z表示总的运输费用，cij表示配送车辆从i到j的运输费用，i，j均表示订单，i＝0，j＝0均表示所在商家0，k表示配送车辆，xijk表示配送车辆k通过运输路线(i，j)即配送订单由i到j，gi表示订单i的需求量，yki表示配送车辆k配送订单i，q表示车辆k的最大容量，M表示一个数值大的常数；
其中，适应度函数计算：
fK＝b·z’/ZK
其中，fK为染色体VK的适应度，b为常数，z’为初始群体中最好染色体的运输成本，ZK为染色体VK对应的运输成本；
其中，初始群体：
随机产生L个订单的全排列i1，i2，…，iL，若
Figure BDA0002385889970000043
且
Figure BDA0002385889970000044
将S至L的基因逐一向后移动一位，使S位空出，将0插入第S位；接着若
Figure BDA0002385889970000045
且
Figure BDA0002385889970000046
如上面的操作，使t位空出，将0插入第t位；如此继续，直到将m个0全部插入染色体为止；构成了一条初始染色体，如此反复，直至满足群体数；此处m为车辆数量。
进一步的，遗传算子是构造特殊的交叉算子--最大保留交叉；
操作过程为：
(1)如果染色体交叉点处的两个基因都为0，直接进行OX，顺序交叉运算；
(2)如果染色体交叉点处的基因不全为0，则将交叉点左移或右移，直到左右两个交叉点处的基因都为0，再进行OX运算；
设为两条双亲染色体，两交叉点，两交叉点的左右基因都为0时，进行顺序运算，存在以下情况：
双亲1的两个交叉点左边都为0，则双亲2的两个交叉点右边都为0，进行顺序运算；
双亲1的两个交叉点右边都为0，则双亲2的两个交叉点左边都为0，进行顺序运算；
双亲1的左交叉点左边为0，则双亲2的左交叉点右边需为0，双亲1的右交叉点右边为0，则双亲2的右交叉点左边需为0，进行顺序运算；
交叉点左移或右移根据满足交叉点处左右基因都为0的条件和具体数值进行分析；
而控制参数和算法的终止条件：
(1)交叉率PC和变异率Pm；
自定义交叉率PC和变异率Pm；
(2)终止条件：
给定参数ε、λ、X、Y，只要有一个条件满足，则算法收敛；
a.计算每代群体中染色体适应度的方差，当方差小于ε时，认为算法收敛；
b.计算每代群体适应度均值，当均值与最佳染色体适应度的比值大于λ时，认为算法收敛；
c.记录每代最佳染色体，若某染色体连续保持最佳达到X代，终止算法；
d.由于计算时间和机器容量都是有限的，代数不能无限长，故造代次数达到规定值Y时，停止计算。
进一步的，Dijkstra算法对于各个配送任务，已知起终点位置，按运输轨道分割为多个子路径，多个子路径构成整个优选路径；计算每个子路径对应的最短距离，并根据计算出的每个子路径对应的最短距离计算整个优选路径对应的最短距离，即确定最短路径；
具体包括：
用标号法求解，即从Vs开始，对每个顶点给以标号；
有两类标号：临时标号Lj和永久标号dj；Lj表示从Vs开始到被标号点Vj的最短路权的一个上界，dj表示从Vs开始到被标号点Vj的真正最短路权；开始时，对Vs有ds＝0，其余各顶点Vj(j≠s)则一律有Lj＝Wsj；算法的每一轮迭代都得到一个永久性标号，直到所有点都得到永久标号为止。
进一步的，具体Dijkstra算法步骤为：
步骤1)：k＝1，ds (1)＝0，Lj (1)＝WSj，j≠S；N＝{VS}，这里N为永久性标号集合，k表示迭代次数，ds表示起点Vs到Vs的距离，WSj表示从起点Vs到点Vj的路权；
步骤2)：将各LJ (K)中最小者对应的顶点VX的标号改变成永久性标号，即dX (K)＝min{LJ (K)}；
步骤3)：若N＝{VS，…，Vt}则算法终止，dt (K)就是从VS到Vt的最短路的权，转步骤5，否则转下一步；
步骤4)：更k：＝k+1，对连接顶点VX的每个顶点VL，LL (K)＝min{LL (K-1)，dX (K-1)+WxL}；
步骤5)：反向追踪从最后顶点Vt开始，寻求一点Vj，使满足dj+Wjt＝dt，记下有向边(Vj，Vt)，然后再从Vj开始，寻求一点Vi，使di+Wij＝dj，再记下有向边(Vi，Vj，)，依次继续，直到得到有向边(VS，VK)为止，于是得到从VS到Vt的最短路；u＝{(VS，VK)，...，(Vi，Vj，)，(Vj，Vt)}。
商住综合体建筑与智能配送结合的配送系统，配送系统包括商家控制终端、用户控制终端、中央调度管理系统；用户控制终端用于接收订单、采集收到的订单信息；商家控制终端用于采集订单信息，采集订单信息装置自动将货物信息上传至中央调度管理系统，中央调度管理系统根据采集的订单信息，通过配送顺序优化模块、配送路径优化模块、配送时间计算模块生成订单的配送顺序、配送路径和配送时间；中央调度管理系统将配送顺序和配送时间反馈给商家控制终端；信息采集装置将货物信息打印；配送装置将货物输送。
进一步的，采集订单信息装置用于采集订单的信息，包括：订单物品信息、订单时间要求信息、订单目的地信息；订单物品信息包括：冷鲜货物、星级用户货物、其他货物；订单时间要求信息包括：立即配送、定时配送两种时间要求。
进一步的，配送顺序优化模块用于将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序；配送路径优化模块用于将所有的物流配送任务作为最短路问题，求解最优配送路径；采用Dijkstra算法求解最短路最优配送路径；配送时间计算模块用于对订单时间要求信息和订单目的地信息进行判断，在满足时间要求的前提下和已计算出配送顺序和最优配送路径的情况下计算订单配送时间；配送信息发送模块，用于将订单的配送时间、配送顺序发送至商家，商家根据反馈的信息进行货物配送；数据存储模块，对订单信息进行存储，并且记录用户的配送频率，配送频率高的用户被标记为星级用户，在配送装置发生排队运输时承载星级用户订单的配送装置优先通行。
优点及效果：
本发明具有以下优点和有益效果：
本发明为订单提供最优配送，实现居住综合体建筑中居民生活中的无缝切换、无缝衔接，实现以人为本的全新家居生活体验。
附图说明：
图1为本发明提供的一种生活方式实现方法流程图示意图；
图2为本发明提供的一种中央调度管理系统结构示意图；
图3为本发明提供的中央调度管理系统的配送顺序优化模块遗传算法流程图示意图。
图4为本发明中央调度管理系统的配送路径优化模块Dijkstra算法求解最短路步骤流程图示意图。
图5为本发明提供的一种控制终端结构示意图；
图6为实施例4的一商家和一用户间的路径示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例1
图1为本发明提供的一种配送方法流程图示意图，该方法适应于对用户生活方式进行实现的情况，该方法可以由生活方式实现的装置来执行，该装置可以由软件和/或硬件来实现，一般可集成在终端中，如图1所示，该方法具体包括如下步骤：
步骤S101、客户下订单；用户通过自己的移动设备比如手机下订单自己所需货物；用户控制终端接收订单。
步骤S102、商家控制终端采集订单信息，采集订单信息装置自动将订单信息上传至中央调度管理系统；
步骤S103、中央调度管理系统根据采集的订单信息，通过配送顺序优化模块、配送路径优化模块、配送时间计算模块生成订单的配送顺序、配送路径和配送时间；
步骤S104、中央调度管理系统将配送顺序和配送时间反馈给商家控制终端；
步骤S105、商家控制终端的信息采集装置将货物信息打印，标签贴于订单货物上；
步骤S106、商家将订单货物放置于配送装置上，配送装置将货物输送；
步骤S107、用户控制终端采集收到的订单信息。
步骤S102采集订单的信息，包括：订单物品信息、订单时间要求信息、订单目的地信息。
订单物品信息包括：冷鲜货物、星级用户货物、其他货物。
订单的时间要求信息包括：立即配送、定时配送两种时间要求。
实施例2
实施例2基于实施例1的内容，进一步深化。
图2为本发明提供的一种中央调度管理系统结构2示意图；包括；
配送顺序优化模块201，将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序。
配送路径优化模块202，将所有的物流配送任务作为最短路问题，求解最优配送路径。用Dijkstra算法求解最短路最优配送路径。
配送时间计算模块203，用于对订单时间要求信息和订单目的地信息进行判断，在满足时间要求的前提下和已计算出最优配送路径的情况下计算订单配送时间；
立即配送订单配送时间计算公式：
订单配送时间T＝用户下单时间X+商家准备时间Z，即T＝X+Z；
定时配送订单配送时间计算公式：
订单配送时间T＝用户要求送达时间W-运输时间Y(商家到用户之间的最优路径距离s除以运行速度v)，即T＝W-Y；
配送信息发送模块204，用于将订单的配送时间、配送顺序发送至商家控制终端，商家控制终端根据反馈的信息进行货物配送。
数据存储模块205，对订单信息进行存储，并且记录用户的配送频率，配送频率高的用户被标记为星级用户，在配送装置发生排队运输时承载星级用户订单的配送装置优先通行。
实施例3
实施例3是基于实施例2的进一步深化。
配送顺序优化模块，将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序。
图3为本发明提供的中央调度管理系统的配送顺序优化模块遗传算法流程图。
步骤S301：使用自然数编码方式，构造表示可行行车线路的染色体；
步骤S302：设置控制参数(交叉率PC，变异率Pm和群体规模n)；
步骤S303：gen：＝0，随机产生初始群体p(0)，群体中包括n个染色体，每个染包体表示一条行车线路；
步骤S304：i：＝1；
步骤S305：将群体p(gen)中的第i个染色体译为线路长度；
步骤S306：计算适应度；
步骤S307：若满足算法终止条件，则停止，否则继续；
步骤S308：i＝i+1：
步骤S309：若i≤n，回到step5，否则转step10；
步骤S310：根据适应度按轮盘赌法复制下代染色体；
步骤S311：进行最大保留交叉、反转变异；
步骤S312：gen：＝gen+1；
步骤S313：若满足算法终止条件则停止，否则转step4。
具体包括包括：采用自然数编码，即序数编码，编码染色体结构。
一商户订单的配送可行线路编成长度为l+m的染色体(0，i11，i12，...，i1s，0，i21，...，i2t，0，….，0，im1，...，imw)，其中ikj表示第ikj项任务。染色体结构解释为配送车辆从商户0出发，配送订单至用户i11，i12，…，i1s，后回到商户0，形成子路径1；另一配送车辆从商户0出发，经过以前未访问的用户i21，...，i2t后，返回商家0，形成子路径2；如此往复，直到所有的订单全部被送完为止。m为完成任务所需要的车辆数。
如染色体0120340678表示行车路线：
子路径1：商家0→任务1→任务2→商家0；
子路径2：商家0→任务3→任务4→任务5→商家0；
子路径3：商家0→任务6→任务7→任务8→商家0；
约束的处理：
将容量约束式变为目标数的一部分
Figure BDA0002385889970000111
其中
Figure BDA0002385889970000112
表示若解违反容量约束处以的惩罚值。其中，z表示总的运输费用，cij表示配送车辆从i到j的运输费用，i，j均表示订单，i＝0，j＝0均表示所在商家0，k表示配送车辆，xijk表示配送车辆k通过运输路线(i，j)即配送订单由i到j，gi表示订单i的需求量，yki表示配送车辆k配送订单i，q表示车辆k的最大容量，M表示一个数值大的常数。
适应度函数计算：
fK＝b·z’/ZK
其中，fK为染色体VK的适应度，b为一常数，z’为初始群体中最好染色体的运输成本，ZK为染色体VK对应的运输成本。
初始群体。
随机产生L个订单的全排列，如i1，i2，…，iL，若
Figure BDA0002385889970000121
且
Figure BDA0002385889970000122
将S至L的基因逐一向后移动一位，使S位空出，将0插入第S位；接着若
Figure BDA0002385889970000123
且
Figure BDA0002385889970000124
如上面的操作，使t位空出，将0插入第t位；如此继续，直到将m个0全部插入染色体为止。这样构成了一条初始染色体，如此反复，直至满足群体数。
遗传算子
构造特殊的交叉算子--最大保留交叉。
其操作过程为：
(1)如果染色体交叉点处的两个基因都为0，直接进行OX(顺序交叉)运算；
(2)如果染色体交叉点处的基因不全为0，则将交叉点左移或右移，直到左右两个交叉点处的基因都为0，再进行OX运算。
这可以理为两条双亲染色体，两交叉点，两交叉点的左右基因都为0时进行顺序运算，存在以下情况：
双亲1的两个交叉点左边都为0，则双亲2的两个交叉点右边都为0，进行顺序运算；
双亲1的两个交叉点右边都为0，则双亲2的两个交叉点左边都为0，进行顺序运算；
双亲1的左交叉点左边为0，则双亲2的左交叉点右边需为0，双亲1的右交叉点右边为0，则双亲2的右交叉点左边需为0，进行顺序运算；
交叉点左移或右移根据满足交叉点处左右基因都为0的条件和具体数值进行分析；
如双亲1：0120|345|06780
双亲2：0137|026|50480
||为匹配段，经过最大保留交叉运算后，产生
后代1：013402650780
后代2：017034502680
控制参数和算法的终止条件
(1)交叉率PC和变异率Pm；
自定义交叉率PC和变异率Pm。
(2)终止条件
给定参数ε、λ、X、Y，只要有一条满足，就认为算法收敛了。
a.计算每代群体中染色体适应度的方差，当方差小于ε时，可认为算法收敛；
b.计算每代群体适应度均值，当均值与最佳染色体适应度的比值大于λ时，可认为算法收敛；
c.记录每代最佳染色体，若某染色体连续保持最佳达到X代，可终止算法；
d.由于计算时间和机器容量都是有限的，代数不能无限长，故造代次数达到规定值Y时，可停止计算。
假设商户A在同一时间有7个订单任务，订单自动上传至中央调度管理系统，中央调度管理系统获取货物订单信息，配送顺序优化模块用遗传算法求解订单配送顺序。各任务坐标(Xi，Yi)由C语言中的random函数在[0，100]X的[0，100]区域内随机产生，0表示商家，1234567表示订单，设q＝1，这样各任务的货运量gi可在[0，1]内随机产生，数据示于表中。
i 0 1 2 3 4 5 6 7
(X<sub>i</sub>，Y<sub>i</sub>) (18，54) (22，60) (58，69) (71，71) (83，46) (91，38) (24，42) (18，40)
g<sub>i</sub> 0.89 0.14 0.28 0.33 0.21 0.41 0.57
令a＝0.95，给出群体规模n＝20，算法参数ε＝20，λ＝0.95，X＝5，Y＝50，取交叉率PC＝0.5、变异率Pm＝0.1，用遗传算法求解，获得订单配送顺序，对应染色体0234501076，表示线路为：
路径1：商家0-订单2(用户)-订单3-订单4-订单5-商家0；
路径2：商家0-订单1-商家0；
路径3：商家0-订单7-订单6-商家0。
实施例4
基于实施例3的配送路径优化模块的进一步改进。
配送路径优化模块具体用于将订单的配送路径作为最短路问题，在已知配送顺序的情况下，求解订单配送的最短路，用Dijkstra算法求解订单最短配送路径。
Dijkstra算法对于各个配送任务，已知起终点位置，按运输轨道分割为多个子路径，多个子路径构成整个优选路径；计算每个子路径对应的最短距离，并根据计算出的每个子路径对应的最短距离计算整个优选路径对应的最短距离，即确定最短路径。
如图4为本发明中中央调度管理系统的配送路径优化模块，Dijkstra算法求解最短路步骤流程图。
步骤S401：k＝1，ds (1)＝0，LJ (1)＝WSJ(J≠S)。N＝{VS}，这里N为永久性标号集合；
步骤S402：将各LJ (K)中最小者对应的顶点VX的标号改变成永久性标号，即dX (K)＝min{LJ (K)}；
步骤S403：若N＝{VS，…，Vt}则算法终止，dt (K)就是从VS到Vt的最短路的权，转步骤5，否则转下一步；
步骤S404：更k：＝k+1，对连接顶点VX的每个顶点VL，LL (K)＝min{LL (K-1)，dx (K-1)+WxL}；
步骤S405：反向追踪从最后顶点Vt开始，寻求一点Vj，使满足dj+Wjt＝dt，记下有向边(Vj，Vt)，然后再从Vj开始，寻求一点Vi，使di+Wij＝dj，再记下有向边(Vi，Vj，)，依次继续，直到得到有向边(VS，VK)为止，于是得到从VS到Vt的最短路。u＝{(VS，VK)，...，(Vi，Vj，)，(Vj，Vt)}。
用标号法求解，即从Vs开始，对每个顶点给以标号。有两类标号：临时标号Lj和永久标号dj。Lj表示从Vs开始到被标号点Vj的最短路权的一个上界，dj表示从Vs开始到被标号点Vj的真正最短路权。开始时，对Vs有ds＝0，其余各顶点Vj(j≠s)则一律有Lj＝Wsj。算法的每一轮迭代都得到一个永久性标号，直到所有点都得到永久标号为止。
假设如图6所示为上述计算出的订单配送顺序路径1中的商户0(v1处)到订单2(用户)(v9处)间的路线示意图，示意图中数字为路径的距离，配送顺序为商户0(v1处)到订单2(用户)(v9处)。由Dijkstra算法计算出最短配送路径为：
路径1：v1-v2-v6-v9；
路径2：v1-v4-v7-v9；
路径3：v1-v2-v6-v7-v9；
三条路径均为最短路，长度为10。
中央调度管理系统信息发放模块将订单配送时间和配送顺序反馈给商家，商家根据中央调度管理系统反馈的配送顺序和配送时间，将订单货物放置配送装置上，根据实施例4中的例子，根据反馈信息，商家0将订单2、订单3、订单4、订单5放置于同一辆配送装置，配送装置根据反馈的时间对订单进行依次顺序配送；商家0将订单1放置于一辆配送装置，配送装置根据反馈的时间对订单进行配送；商家0将订单7、订单6放置于同一辆配送装置，配送装置根据反馈的时间对订单进行依次顺序配送。
配送路径为Dijkstra算法算出的最短路径，如上述计算出的商家0到订单2的配送路径为路径1：v1-v2-v6-v9或路径2：v1-v4-v7-v9或路径3：v1-v2-v6-v7-v9，配送装置根据规划的最短配送路径随机选择一条路径对订单进行配送，其余订单配送路径均与商家0到订单2的计算方法相同，根据计算出的最短路径对订单进行配送，配送完后返回到商家。
配送装置自动识别货物信息，对货物按顺序按路径进行配送。
当配送装置发生排队运输时，根据承载冷鲜货物订单的配送装置、承载星级用户订单的配送装置、承载其他货物订单的配送装置进行先后通行。
实施例5
图5为本发明提供的一种控制终端结构图；本实施例是基于实施例1～4的进一步深化。
配送系统包括商家控制终端、用户控制终端、中央调度管理系统；控制终端设置于商家货物窗口和用户货物窗口一侧，方便商家和用户进行操作。
控制终端结构5包括：按钮键；RFID识别装置；无线通信单元；语音播放系统。
按钮键501，商家和用户手动操作命令的按钮。
RFID识别装置502，识别货物信息。
无线通信单元503，实现货物信息与控制终端以及中央调度管理系统的信息共享。
语音播放系统504，所述语音播放系统是当货物到达时，语音播放系统进行提示，提醒客户收取货物。语音播放系统根据不同的命令播放不同的问候语。
商家货物窗口和用户货物窗口均与自动化输送系统相连；
商家货物窗口和用户货物窗口是配送装置停留放置订单的窗口；
商家货物窗口和用户货物窗口均安装RFID识别装置，自动识别货物信息。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.商住综合体建筑与智能配送结合的配送方法，其特征在于：该配送方法具体包括：
用户控制终端接收订单；
商家控制终端采集订单信息，采集订单信息装置自动将货物信息上传至中央调度管理系统；
中央调度管理系统根据采集的订单信息，通过配送顺序优化模块、配送路径优化模块、配送时间计算模块生成订单的配送顺序、配送路径和配送时间；
中央调度管理系统将配送顺序和配送时间反馈给商家控制终端；
商家控制终端的信息采集装置将货物信息打印，标签贴于订单货物上；
将订单货物放置于配送装置上，配送装置将货物输送；
用户控制终端采集收到的订单信息。
2.根据权利要求1所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：采集订单的信息，包括：订单物品信息、订单时间要求信息、订单目的地信息；
订单物品信息包括：冷鲜货物、星级用户货物、其他货物；
订单时间要求信息包括：立即配送、定时配送两种时间要求。
3.根据权利要求1所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：配送顺序优化模块，将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序；
配送路径优化模块，将所有的物流配送任务作为最短路问题，求解最优配送路径；采用Dijkstra算法求解最短路最优配送路径；
配送时间计算模块，用于对订单时间要求信息和订单目的地信息进行判断，在满足时间要求的前提下和已计算出配送顺序和最优配送路径的情况下计算订单配送时间；
配送信息发送模块，用于将订单的配送时间、配送顺序发送至商家控制终端，商家控制终端根据反馈的信息进行货物配送；
数据存储模块，对订单信息进行存储，并且记录用户的配送频率，配送频率高的用户被标记为星级用户，在配送装置发生排队运输时承载星级用户订单的配送装置优先通行。
4.根据权利要求1或3所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：配送顺序的具体步骤包括：在配送装置发生排队运输时根据承载冷鲜货物订单的配送装置、承载星级用户订单的配送装置、承载其他货物订单的配送装置进行先后通行；
也就是根据上传订单的物品要求、时间要求和目的地要求，基于遗传算法求解订单配送顺序；
其中，遗传算法步骤如下：
步骤1:使用自然数编码方式，构造表示可行行车线路的染色体；
步骤2:设置控制参数，交叉率PC，变异率Pm和群体规模n；
步骤3:gen:＝0，随机产生初始群体p(0)，群体中包括n个染色体，每个染包体表示一条行车线路；
步骤4:i:＝1；
步骤5:将群体p(gen)中的第i个染色体译为线路长度；
步骤6:计算适应度；
步骤7:若满足算法终止条件，则停止，否则继续；
步骤8:i＝i+1:
步骤9:若i≤n，回到step5，否则转step10；
步骤10:根据适应度按轮盘赌法复制下代染色体；
步骤11:进行最大保留交叉、反转变异；
步骤12:gen:＝gen+1；
步骤13:若满足算法终止条件则停止，否则转step4；
采用自然数编码，即序数编码，编码染色体结构；
一商户订单的配送可行线路编成长度为l+m的染色体(0,i11，i12，...,i1s,0,i21,...,i2t,0,....,0,im1,...,imw)，其中ikj表示第ikj项任务；染色体结构解释为配送车辆从商户0出发，配送订单至用户i11,i12,…,i1s，后回到商户0，形成子路径1；另一配送车辆从商户0出发，经过以前未访问的用户i21,...,i2t后，返回商家0，形成子路径2；如此往复，直到所有的订单全部被送完为止；m为完成任务所需要的车辆数；
采用染色体0120340678表示行车路线:
子路径1:商家0→任务1→任务2→商家0；
子路径2:商家0→任务3→任务4→任务5→商家0；
子路径3:商家0→任务6→任务7→任务8→商家0；
约束的处理：
将容量约束式变为目标数的一部分
Figure FDA0002385889960000031
中
Figure FDA0002385889960000032
表示若解违反容量约束处以的惩罚值；
其中，z表示总的运输费用，cij表示配送车辆从i到j的运输费用，i，j均表示订单，i＝0，j＝0均表示所在商家0，k表示配送车辆，xijk表示配送车辆k通过运输路线(i，j)即配送订单由i到j，gi表示订单i的需求量，yki表示配送车辆k配送订单i，q表示车辆k的最大容量，M表示一个数值大的常数；
其中，适应度函数计算：
fK＝b·z'/ZK
其中，fK为染色体VK的适应度，b为常数，z'为初始群体中最好染色体的运输成本，ZK为染色体VK对应的运输成本；
其中，初始群体：
随机产生L个订单的全排列i1,i2,…,iL，若
Figure FDA0002385889960000041
且
Figure FDA0002385889960000042
将S至L的基因逐一向后移动一位，使S位空出，将0插入第S位；接着若
Figure FDA0002385889960000043
且
Figure FDA0002385889960000044
如上面的操作，使t位空出，将0插入第t位；如此继续，直到将m个0全部插入染色体为止；构成了一条初始染色体，如此反复，直至满足群体数；此处m为车辆数量。
5.根据权利要求4所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：遗传算子是构造特殊的交叉算子--最大保留交叉；
操作过程为:
(1)如果染色体交叉点处的两个基因都为0，直接进行OX，顺序交叉运算；
(2)如果染色体交叉点处的基因不全为0，则将交叉点左移或右移，直到左右两个交叉点处的基因都为0，再进行OX运算；
设为两条双亲染色体，两交叉点，两交叉点的左右基因都为0时，进行顺序运算，存在以下情况：
双亲1的两个交叉点左边都为0，则双亲2的两个交叉点右边都为0，进行顺序运算；
双亲1的两个交叉点右边都为0，则双亲2的两个交叉点左边都为0，进行顺序运算；
双亲1的左交叉点左边为0，则双亲2的左交叉点右边需为0，双亲1的右交叉点右边为0，则双亲2的右交叉点左边需为0，进行顺序运算；
交叉点左移或右移根据满足交叉点处左右基因都为0的条件和具体数值进行分析；
而控制参数和算法的终止条件：
(1)交叉率PC和变异率Pm；
自定义交叉率PC和变异率Pm；
(2)终止条件：
给定参数ε、λ、X、Y，只要有一个条件满足，则算法收敛；
a.计算每代群体中染色体适应度的方差，当方差小于ε时，认为算法收敛；
b.计算每代群体适应度均值，当均值与最佳染色体适应度的比值大于λ时，认为算法收敛；
c.记录每代最佳染色体，若某染色体连续保持最佳达到X代，终止算法；
d.由于计算时间和机器容量都是有限的，代数不能无限长，故造代次数达到规定值Y时，停止计算。
6.根据权利要求4所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：Dijkstra算法对于各个配送任务，已知起终点位置，按运输轨道分割为多个子路径，多个子路径构成整个优选路径；计算每个子路径对应的最短距离，并根据计算出的每个子路径对应的最短距离计算整个优选路径对应的最短距离，即确定最短路径；
具体包括：
用标号法求解，即从Vs开始，对每个顶点给以标号；
有两类标号:临时标号Lj和永久标号dj；Lj表示从Vs开始到被标号点Vj的最短路权的一个上界，dj表示从Vs开始到被标号点Vj的真正最短路权；开始时，对Vs有ds＝0，其余各顶点Vj(j≠s)则一律有Lj＝Wsj；算法的每一轮迭代都得到一个永久性标号，直到所有点都得到永久标号为止。
7.根据权利要求6所述的商住综合体建筑与智能配送结合的配送方法，其特征在于：具体Dijkstra算法步骤为：
步骤1)：k＝1，ds (1)＝0，Lj (1)＝WSj，j≠S；N＝{VS}，这里N为永久性标号集合，k表示迭代次数，ds表示起点Vs到Vs的距离，WSj表示从起点Vs到点Vj的路权；
步骤2)：将各LJ (K)中最小者对应的顶点VX的标号改变成永久性标号，即dX (K)＝min{LJ (K)}；
步骤3)：若N＝{VS,…,Vt}则算法终止，dt (K)就是从VS到Vt的最短路的权，转步骤5，否则转下一步；
步骤4)：更k:＝k+1，对连接顶点VX的每个顶点VL，LL (K)＝min{LL (K-1),dX (K-1)+WxL}；
步骤5)：反向追踪从最后顶点Vt开始，寻求一点Vj，使满足dj+Wjt＝dt，记下有向边(Vj,Vt)，然后再从Vj开始，寻求一点Vi，使di+Wij＝dj，再记下有向边(Vi,Vj,)，依次继续，直到得到有向边(VS,VK)为止，于是得到从VS到Vt的最短路；u＝{(VS,VK)，...,(Vi,Vj,),(Vj,Vt)}。
8.商住综合体建筑与智能配送结合的配送系统，其特征在于：配送系统包括商家控制终端、用户控制终端、中央调度管理系统；
用户控制终端用于接收订单、采集收到的订单信息；
商家控制终端用于采集订单信息，采集订单信息装置自动将货物信息上传至中央调度管理系统，
中央调度管理系统根据采集的订单信息，通过配送顺序优化模块、配送路径优化模块、配送时间计算模块生成订单的配送顺序、配送路径和配送时间；
中央调度管理系统将配送顺序和配送时间反馈给商家控制终端；
信息采集装置将货物信息打印；配送装置将货物输送。
9.根据权利要求8所述的商住综合体建筑与智能配送结合的配送系统，其特征在于：采集订单信息装置用于采集订单的信息，包括：订单物品信息、订单时间要求信息、订单目的地信息；订单物品信息包括：冷鲜货物、星级用户货物、其他货物；
订单时间要求信息包括：立即配送、定时配送两种时间要求。
10.根据权利要求8所述的商住综合体建筑与智能配送结合的配送系统，其特征在于：配送顺序优化模块用于将订单配送任务看做是车辆路径问题，用遗传算法求解车辆路径问题的配送顺序，即订单的配送顺序；
配送路径优化模块用于将所有的物流配送任务作为最短路问题，求解最优配送路径；采用Dijkstra算法求解最短路最优配送路径；
配送时间计算模块用于对订单时间要求信息和订单目的地信息进行判断，在满足时间要求的前提下和已计算出配送顺序和最优配送路径的情况下计算订单配送时间；
配送信息发送模块，用于将订单的配送时间、配送顺序发送至商家，商家根据反馈的信息进行货物配送；
数据存储模块，对订单信息进行存储，并且记录用户的配送频率，配送频率高的用户被标记为星级用户，在配送装置发生排队运输时承载星级用户订单的配送装置优先通行。
CN202010100862.7A 2020-02-18 2020-02-18 商住综合体建筑与智能配送结合的配送方法及配送系统 Active CN111401606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010100862.7A CN111401606B (zh) 2020-02-18 2020-02-18 商住综合体建筑与智能配送结合的配送方法及配送系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010100862.7A CN111401606B (zh) 2020-02-18 2020-02-18 商住综合体建筑与智能配送结合的配送方法及配送系统

Publications (2)

Publication Number Publication Date
CN111401606A true CN111401606A (zh) 2020-07-10
CN111401606B CN111401606B (zh) 2024-01-26

Family

ID=71428538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010100862.7A Active CN111401606B (zh) 2020-02-18 2020-02-18 商住综合体建筑与智能配送结合的配送方法及配送系统

Country Status (1)

Country Link
CN (1) CN111401606B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003109170A (ja) * 2001-09-27 2003-04-11 Hitachi Software Eng Co Ltd 輸送計画作成方法およびシステム
CN104392341A (zh) * 2014-11-11 2015-03-04 南华大学 一种用于派送件货系统
CN108932598A (zh) * 2018-05-31 2018-12-04 广东工业大学 一种基于云平台的大规模物流配送方法
CN110097218A (zh) * 2019-04-18 2019-08-06 北京邮电大学 一种时变环境下无人商品配送方法及系统
CN110443397A (zh) * 2018-05-04 2019-11-12 青岛日日顺物流有限公司 一种订单配送方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003109170A (ja) * 2001-09-27 2003-04-11 Hitachi Software Eng Co Ltd 輸送計画作成方法およびシステム
CN104392341A (zh) * 2014-11-11 2015-03-04 南华大学 一种用于派送件货系统
CN110443397A (zh) * 2018-05-04 2019-11-12 青岛日日顺物流有限公司 一种订单配送方法
CN108932598A (zh) * 2018-05-31 2018-12-04 广东工业大学 一种基于云平台的大规模物流配送方法
CN110097218A (zh) * 2019-04-18 2019-08-06 北京邮电大学 一种时变环境下无人商品配送方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨涛: "成品油二次物流配送车辆调度问题研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 2012, pages 034 - 690 *
潘祖金: "一个货运车辆优化调度模型及其应用研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 2008, pages 138 - 12 *

Also Published As

Publication number Publication date
CN111401606B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
Desaulniers et al. Exact algorithms for electric vehicle-routing problems with time windows
Ghannadpour et al. A multi-objective dynamic vehicle routing problem with fuzzy time windows: Model, solution and application
Chevrier et al. Solving a dial-a-ride problem with a hybrid evolutionary multi-objective approach: Application to demand responsive transport
Dotoli et al. A multi-agent advanced traveler information system for optimal trip planning in a co-modal framework
CN101473358B (zh) 路径检索系统、路径检索服务器、终端装置及路径检索方法
CN113139678A (zh) 无人机-车辆联合配送路径优化方法及其模型构建方法
CN110431574A (zh) 用于基于可共享网络的最佳的车辆车队规模制定、搭乘共享和实时调度的数据驱动系统
Peng et al. A hybrid particle swarm optimization for the selective pickup and delivery problem with transfers
CN106895846B (zh) 一种路径规划方法及路径规划装置
CN106203895A (zh) 一种物流虚拟运行仿真系统
CN107704942B (zh) 配送路径确定方法、装置和设备
CN113887782A (zh) 一种面向维修资源配送调度的遗传-烟花混合方法及系统
CN115965172A (zh) 一种成品油二次配送车辆的路径优化算法、系统、设备
CN109804393A (zh) 用于运输物体的系统，实现用于信息有针对性地分发的系统
Hassoune et al. Dynamic parking guidance architecture using ant colony optimization and multiagent systems
CN116257977A (zh) 高铁快运列车开行方案编制方法、装置、设备及介质
Van Duin et al. Smart method for self-organization in last-mile parcel delivery
Kumar et al. A bilevel programming model for operative decisions on special trains: An Indian Railways perspective
CN117808273B (zh) 乘客出发时刻协同与阶段反馈的城际拼车调度方法及装置
CN111754095A (zh) 基于人工智能的车辆调度方法、装置及系统
CN111401606A (zh) 商住综合体建筑与智能配送结合的配送方法及配送系统
Li et al. Robust Service and Charging Plan for Dynamic Electric Demand-Responsive Transit Systems
CN116228090A (zh) 一种基于产业互联网产业链优化配送平台及其使用方法
Chen et al. Modeling and testing autonomous and shared multimodal mobility services for low-density rural areas
Ekiz et al. Route first-cluster second method for personal service routing problem

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