CN111461591A - 一种基于遗传算法的众包任务分配方法 - Google Patents
一种基于遗传算法的众包任务分配方法 Download PDFInfo
- Publication number
- CN111461591A CN111461591A CN202010170756.6A CN202010170756A CN111461591A CN 111461591 A CN111461591 A CN 111461591A CN 202010170756 A CN202010170756 A CN 202010170756A CN 111461591 A CN111461591 A CN 111461591A
- Authority
- CN
- China
- Prior art keywords
- gene
- individuals
- genetic algorithm
- detection
- conflict
- 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.)
- Pending
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 13
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000001172 regenerating effect Effects 0.000 claims abstract description 5
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于遗传算法的众包任务分配方法,通过服务器端开启定时任务心跳检测,判断待匹配的配送人员队列和订单任务队列是否满足数量要求开启遗传算法,遗传算法编码进行二重基因冲突检测,通过多次重新生成不冲突的基因,最终达到个体间及基因序列间无冲突基因,遗传算法选择过程,将最优秀的个体直接复制到新种群,剩下的个体采用轮盘赌方式,若所有遍历个体仍未填充满新种群,则基于双重基因检测引入新的基因型个体。本发明的有益效果是能够高效的为配送人员高效智能地分配任务,提高末端物流配送效率。
Description
技术领域
本发明属于物流技术领域,涉及一种基于遗传算法的众包任务分配方法。
背景技术
随着互联网行业的快速发展,电子商务也由此进入了高速发展模式。近年,以天猫、京东为代表的电子商务平台,创造了巨大的交易额,2018年快递业务量突破500亿件。物流配送作为电子商务的基础属性也受到了前所未有的挑战,是各企业为提升平台水准,服务质量,必须攻克的领域。末端物流作为与用户体验最贴近的一环,配送的便利性,时效性,安全性都将成为用户评价一个电子商务平台的直接因素。传统的配送模式仍存在着时效性难以保证,交通压力大,配送人力物力短缺,处理突发事件能力弱等一系列问题。所以各企业都致力于探索与发展新型的末端配送模式,致力于将末端物流推向更加智能更加高效的阶段,本文所研究的基于众包的末端物流就是其中之一。遗传算法是常用的用于解决最优化问题的搜索算法,其模拟生物进化过程搜索符合实际问题的近似最优解,其过程主要包括:编码、选择、交叉、变异、适应度计算。根据系统的实际需求进行分析,对问题进行了建模。聚类分析后,每一辆车作为一个单独的个体,该聚类内参与同一次匹配的多个车辆组成整个种群。该聚类内的货物总包作为基因库,为避免不同配送车辆被重复分配相同的货物总包,要求聚类内基因不重复分配。以配送路径为目标值,车辆载重和时间窗为约束,进行遗传迭代。
发明内容
本发明的目的在于提供一种基于遗传算法的众包任务分配方法,本发明的有益效果是能够高效的为配送人员高效智能地分配任务,提高末端物流配送效率。
本发明所采用的技术方案是通过服务器端开启定时任务心跳检测,判断待匹配的配送人员队列和订单任务队列是否满足数量要求,满足则开启遗传算法,遗传算法编码进行二重基因冲突检测,若该基因序列为种群第一个个体,则只需进行基因序列内的基因冲突检测,无需进行个体间基因冲突检测;若该基因序列不为种群第一个个体,则首先进行基因序列内基因冲突检测,若有冲突则重新生成随机基因,若无冲突则进行个体间基因冲突检测,个体间检测若有冲突则重新生成随机基因并重复基因序列内检测,若无冲突则编码完成,通过多次重新生成不冲突的基因,最终达到个体间及基因序列间无冲突基因,遗传算法选择过程,将最优秀的个体直接复制到新种群,剩下的个体采用轮盘赌方式,若所有遍历个体仍未填充满新种群,则基于双重基因检测引入新的基因型个体。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明基于遗传算法的众包任务分配方法通过服务器端开启定时任务心跳检测,判断待匹配的配送人员队列和订单任务队列是否满足数量要求,满足则开启遗传算法。遗传算法编码进行二重基因冲突检测,若该基因序列为种群第一个个体,则只需进行基因序列内的基因冲突检测,无需进行个体间基因冲突检测;若该基因序列不为种群第一个个体,则首先进行基因序列内基因冲突检测,若有冲突则重新生成随机基因,若无冲突则进行个体间基因冲突检测。个体间检测若有冲突则重新生成随机基因并重复基因序列内检测,若无冲突则编码完成。通过多次重新生成不冲突的基因,最终达到个体间及基因序列间无冲突基因。遗传算法选择过程,将最优秀的个体直接复制到新种群,剩下的个体采用轮盘赌方式。若所有遍历个体仍未填充满新种群,则基于双重基因检测引入新的基因型个体。
以上所述仅是对本发明的较佳实施方式而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (1)
1.一种基于遗传算法的众包任务分配方法,其特征在于:通过服务器端开启定时任务心跳检测,判断待匹配的配送人员队列和订单任务队列是否满足数量要求,满足则开启遗传算法,遗传算法编码进行二重基因冲突检测,若该基因序列为种群第一个个体,则只需进行基因序列内的基因冲突检测,无需进行个体间基因冲突检测;若该基因序列不为种群第一个个体,则首先进行基因序列内基因冲突检测,若有冲突则重新生成随机基因,若无冲突则进行个体间基因冲突检测,个体间检测若有冲突则重新生成随机基因并重复基因序列内检测,若无冲突则编码完成,通过多次重新生成不冲突的基因,最终达到个体间及基因序列间无冲突基因,遗传算法选择过程,将最优秀的个体直接复制到新种群,剩下的个体采用轮盘赌方式,若所有遍历个体仍未填充满新种群,则基于双重基因检测引入新的基因型个体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010170756.6A CN111461591A (zh) | 2020-03-12 | 2020-03-12 | 一种基于遗传算法的众包任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010170756.6A CN111461591A (zh) | 2020-03-12 | 2020-03-12 | 一种基于遗传算法的众包任务分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111461591A true CN111461591A (zh) | 2020-07-28 |
Family
ID=71679203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010170756.6A Pending CN111461591A (zh) | 2020-03-12 | 2020-03-12 | 一种基于遗传算法的众包任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461591A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030084011A1 (en) * | 2001-04-26 | 2003-05-01 | Honeywell International Inc. | Methods for solving the traveling salesman problem |
JP2004287540A (ja) * | 2003-03-19 | 2004-10-14 | Kawasaki Heavy Ind Ltd | 設備のグルーピング方法およびグルーピング装置 |
CN108280549A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 一种基于改进遗传算法的走班制下的高中排课方法 |
CN109102203A (zh) * | 2018-08-28 | 2018-12-28 | 北京航空航天大学 | 一种基于多串染色体遗传算法的目标分配优化方法 |
CN110097288A (zh) * | 2019-05-08 | 2019-08-06 | 哈尔滨工业大学(威海) | 一种基于图搜索的城市众包配送任务分配方法及装置 |
-
2020
- 2020-03-12 CN CN202010170756.6A patent/CN111461591A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030084011A1 (en) * | 2001-04-26 | 2003-05-01 | Honeywell International Inc. | Methods for solving the traveling salesman problem |
JP2004287540A (ja) * | 2003-03-19 | 2004-10-14 | Kawasaki Heavy Ind Ltd | 設備のグルーピング方法およびグルーピング装置 |
CN108280549A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 一种基于改进遗传算法的走班制下的高中排课方法 |
CN109102203A (zh) * | 2018-08-28 | 2018-12-28 | 北京航空航天大学 | 一种基于多串染色体遗传算法的目标分配优化方法 |
CN110097288A (zh) * | 2019-05-08 | 2019-08-06 | 哈尔滨工业大学(威海) | 一种基于图搜索的城市众包配送任务分配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Surekha et al. | Solution to multi-depot vehicle routing problem using genetic algorithms | |
Ming‐Huang Chiang et al. | Data mining based storage assignment heuristics for travel distance reduction | |
CN107025228B (zh) | 一种问题推荐方法及设备 | |
CN114399227A (zh) | 一种基于数字孪生的生产调度方法、装置及计算机设备 | |
CN110298615A (zh) | 用于选择仓库中的货品的方法、装置、介质和计算设备 | |
CN115841220A (zh) | 一种机场智能停机位自动分配方法 | |
CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
CN111951050A (zh) | 理财产品推荐方法及装置 | |
CN106056137B (zh) | 一种基于数据挖掘多分类算法的电信集团业务推荐方法 | |
CN111461591A (zh) | 一种基于遗传算法的众包任务分配方法 | |
Bentley et al. | Using a variational autoencoder to learn valid search spaces of safely monitored autonomous robots for last-mile delivery | |
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 | |
CN115619200B (zh) | 一种分割式Seru的排产与多能工调度组合优化方法和装置 | |
CN103812873B (zh) | 业务服务请求处理方法和装置 | |
CN109885732A (zh) | 一种基于数据分布模型的分布式排序系统 | |
CN114997532A (zh) | 不确定性环境下民事电话送达调度方法、终端及存储介质 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
CN113901728A (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 | |
Eremeev et al. | A hybrid algorithm for set covering problem | |
CN112598176A (zh) | 遗传与贪婪算法融合的众包高效分派方法 | |
CN110689320A (zh) | 一种基于协同进化算法的大规模多目标项目调度方法 | |
CN111008078A (zh) | 数据的批量处理方法、装置、设备及计算机存储介质 | |
Zou et al. | Improvement of genetic algorithm and the application in computer simulation model of O2O delivery strategies | |
CN109858114A (zh) | 模块类型的识别方法和装置 | |
CN108763871A (zh) | 基于第三代测序序列的补洞方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |