CN111507662B - 一种规划物流车辆路径的方法 - Google Patents
一种规划物流车辆路径的方法 Download PDFInfo
- Publication number
- CN111507662B CN111507662B CN202010292811.9A CN202010292811A CN111507662B CN 111507662 B CN111507662 B CN 111507662B CN 202010292811 A CN202010292811 A CN 202010292811A CN 111507662 B CN111507662 B CN 111507662B
- Authority
- CN
- China
- Prior art keywords
- transfer station
- path
- client
- constraint
- executing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 238000012546 transfer Methods 0.000 claims description 203
- 230000008859 change Effects 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 239000010410 layer Substances 0.000 description 35
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009189 diving Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
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
- G06Q10/08—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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流领域,更具体地,涉及一种规划物流车辆路径的方法,包括:步骤S1:预先构建双层车辆配送系统模型;根据客户信息,建立客户数据集;根据物流网络信息,建立物流网络数据集;步骤S2:将客户数据集与物流网络数据集输入双层车辆配送系统模型进行初始路径规划;步骤S3:优化初始路径规划,获取最佳路径。本发明能得到双层车辆路径问题(2E‑VRP)的全局最优解,完善地规划物流车辆路径。
Description
技术领域
本发明涉及物流领域,更具体地,涉及一种规划物流车辆路径的方法。
背景技术
物流的概念最早是在美国形成的,起源于20世纪30年代,原意为“实物分配”或“货物配送”。随着互联网的高速发展,物流作为一种新型的产业蓬勃发展,物流的迅速发展,创造了许多机遇,同时也带来了许多的难题。不合理的物流的规划和布局、缺乏规范的配送运作、落后的设备与技术水平,这些都是物流企业普遍存在的问题。而其中不合理的物流的规划和布局的问题尤为严重,迫切需要解决。
为了对数量庞大的货物配送进行有效的规划,有人提出了双层物流系统及基于双层物流系统的双层车辆路径问题(2E-VRP)。与单层物流相比,双层物流系统拥有一种新的物流设施,即中转站。大型货车把货物从仓库(或城市物流配送中心)运送到中转站,然后把货物转运到环境友好的小型货车,再由它们完成最后一段的货物运输。这种双层物流系统可以有效地把大型货车限制在城市中心之外,并能在一定条件下减少货车在城市内的行驶里程,因此有助于在减少污染排放,改善城市交通的同时,提高城市物流效率。双层车辆路径问题(2E-VRP)是经典CVRP(带有容量约束的车辆路径问题)的扩展,该问题的目标是使整个运输网络的路径最短,从而达到节约费用、节能减排的目的。双层车辆问题中具有两级路径,从仓库到中转站(一级),再从中转站到客户(二级)。其中仓库只有一个,中转站的数量和位置是既定的。运输流程如下:首先,货物到达仓库后装入第一层的货车,每辆第一层货车访问其中一个中转站,完成货物运输后返回仓库;然后,货物在中转站被装入到第二层货车,每辆第二层货车从中转站出发,执行一条最优路径服务指定客户;最后,返回中转站,准备下一个循环。
尽管目前对于双层车辆路径问题(2E-VRP)已经种求解方法,但普遍存在着为了达到路径的局部优化,达不到全局最优的问题。因此,目前亟需一种能得到双层车辆路径问题(2E-VRP)全局最优解的方法,以完善地规划物流车辆路径。
发明内容
为了解决上述问题,本发明提供一种规划物流车辆路径的方法,该方法能得到双层车辆路径问题(2E-VRP)的全局最优解,完善地规划物流车辆路径。
本发明采取的技术方案是:
一种规划物流车辆路径的方法,所述方法包括:
步骤S1:预先构建双层车辆配送系统模型;
根据客户信息,建立客户数据集;
根据物流网络信息,建立物流网络数据集;
步骤S2:将客户数据集与物流网络数据集输入双层车辆配送系统模型进行初始路径规划;
步骤S3:优化初始路径规划,获取最佳路径。
具体地,本方案首先依据基于距离的贪婪规则将每个客户分配给一个中转站来计算得到一个初始规划模型,即步骤S2;然后,每次改变一个客户与中转站之间分配,即循环使用局部搜索算法优化初始规划模型;最后,使用可行性搜索算法判断优化后规划的可行性,若理想且可行则更新到规划模型上,即步骤S3。
进一步地,所述双层车辆配送系统模型具有基础约束、容量约束和数量约束,所述基础约束包括:
a.第一、第二层路径中车的最大容量以及中转站的最大容量设定后不再更改,并且第一层路径中车的最大容量大于第二层路径中车的最大容量;
b.一个客户的货物由一辆车完成运输,中转站的货物由一辆或多辆车完成运输;
c.第一层、第二层路径中车的数量设定后不再更改,第一层路径中的车运输一个或多个中转站的货物,第二层路径中的车从一个中转站出发为一个或多个客户服务;
d.每个中转站要至少负责一个客户的运输;
所述容量约束为中转站的最大容量;
所述数量约束为第二层路径的可派遣的车辆的总数。
进一步地,所述步骤S2包括:
步骤S2.1:根据客户的需求将客户按照非升序排序;
步骤S2.2:计算客户到各中转站的距离;
步骤S2.3:按照排序将客户依次分配到距离客户最近的中转站;
步骤S2.4:判断客户的中转站分配是否遵循约束,若遵循则执行步骤S2.6,否则执行步骤S2.5;
步骤S2.5:对违反约束的中转站分配进行重新规划,执行步骤S2.3;
所述重新规划为将客户分配到最近的并且遵循约束的中转站;
步骤S2.6:建立初始路径规划。
具体地,首先根据客户需求将客户按照非升序排序,并把每个客户分配到距离其最近的中转站。如果分配一个客户到中转站,中转站需要增加一辆车来运输货物,判断该中转站的当前的存货量是否超出了该中转站的最大容量,以及判断增加车辆后,车辆的数量是否超出了第二层路径的可派遣的车辆的总数,即判断这样的分配是否违反了容量约束和数量约束。如果违反了任一约束,那么就说明当前的分配方式是不可行的,把该客户分配到下一个距离其最近的中转站,如此循环,直到当前的分配不违法任何约束。最后,把所有的客户都分配到了合适的中转站。计算各个中转站的容量,安排第一层路径的车辆。
进一步地,所述步骤S3包括:
步骤S3.1:获取客户的第一、第二中转站;
所述第一中转站为初始路径规划中客户分配的中转站;
所述第二中转站为除第一中转站外,离客户最近的中转站;
步骤S3.2:计算第一距离与第二距离的差的绝对值,根据绝对值将客户按照非降序排列;
所述第一距离为客户到第一中转站的距离;
所述第二距离为客户到第二中转站的距离;
步骤S3.3:按照排序依次将客户从第一中转站变更第二中转站;
步骤S3.4:若客户的变更遵循约束,则执行步骤S3.6,否则执行步骤S3.5;
步骤S3.5:对当前的变更进行修正,若修正后遵循约束执行步骤S3.6,否则执行步骤S3.8;
步骤S3.6:获取第一、第二路径总长,若第一路径总长大于第二路径总长,则将变更的信息更新到初始路径规划,执行步骤S3.8,否则执行步骤S3.7;
所述第一路径总长为当前客户变更中转站前,所有车辆路径长度之和;所述第二路径总长为当前客户变更中转站后,所有车辆路径长度之和;
步骤S3.7:若第二路径总长大于第一路径总长的阈值,则当前客户不进行中转站变更,优化结束,否则执行步骤S3.8;
步骤S3.8:若客户数据集中存在客户未执行过步骤S3.3,则此类客户依次执行步骤S3.3,否则优化结束。
具体地,根据实践经验,最优的规划一般是客户被分配到最近的或第二近的中转站。因此,最优分配可能是初始化分配或第二次分配,使用下面的方法可确定最优化分配:首先,计算每个客户到其他中转站的距离,该中转站是除初始规划中客户分配的中转站之外的距离客户最近的中转站,然后计算客户分配到的中转站的距离与这次计算中中转站的距离之绝对值差。根据该绝对值差将客户按照非降序排列,并按照该排列中客户的次序依次移动客户到第二近的中转站中,验证客户的移动是否遵循约束,若遵循则计算此次分配是否优于当前分配,若优于则更新此次分配到规划模型,否则放弃此次分配;若不遵循则对此次分配进行修正,可修正则验证由于优于当前分配,若优于则更新此次分配到规划模型,否则放弃此次分配;无法修正则放弃此次分配。
进一步地,所述步骤S3.5的修正过程包括:
步骤S3.51:若客户的变更违反数量约束则执行步骤S3.52,否则执行步骤S3.53;
步骤S3.52:获取违反数量约束的中转站,将其中的客户按照非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循数量约束,执行步骤S3.53,若遍历所有选择仍然无法遵循数量约束,则执行步骤S3.56;
步骤S3.53:若客户的变更违反容量约束则执行步骤S3.54,否则执行步骤S3.55;
步骤S3.54:获取违反容量约束的中转站,将其中的客户按非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循容量约束,执行步骤S3.55,若遍历所有选择仍然无法遵循容量约束,否则执行步骤S3.56;
步骤S3.55:判定此次变更遵循约束,结束修正;
步骤S3.56:判定此次变更违反约束,结束修正。
具体地,修正方式为:选择违反数量约束的中转站,将其中的客户移动到随机选择的其他中转站中,直到可以空出未装满的车辆;如果违反的是容量约束,则违反容量约束的中转站中的客户依次移动到随机选择的其他中转站中,直到满足当前中转站的容量约束。重复这样的移动过程,直到满足所有约束,如果遍历所有方式一直不能满足容量约束和数量约束,就放弃此次修正。
进一步地,所述随机选择具有参考规则,包括:
(1)距离:移除距离该中转站最远的客户;
(2)最大需求:移除中转站中需求量最大的客户;
(3)最小需求:移除中转站中需求量最小的客户;
(4)中转站到客户的距离和客户的需求。
具体地,参考规则(1)可以有效的缩减该中转站运输车辆的路径长度;参考规则(2)可以最小化移动客户的数量;参考规则(3)可以更容易安排需要移动的客户,因为客户的需求越小,其他中转站的容量空间越容易满足;参考规则(4)折中考虑客户的距离和客户的需求两者的要求。
进一步地,所述参考规则(4)具有参数α和β,所述α为中转站到客户距离scosti的权值,β为客户需求di的权值,参考规则的公式为:αscosti+βdi。
进一步地,所述参数设置具有以下组合:
α=0.25,β=0.75:
α=0.5,β=0.5;
α=0.75,β=0.25。
具体地,根据实验测试,上述为表现比较好的组合。
进一步地,所述步骤S3.3还包括客户的重新分配,所述重新分配由概率Pij决定;
其中,cij为中转站i与中转站j之间的距离,cil为中转站i与中转站I之间的距离,n为中转站总数量。
具体地,概率Pij可以改变客户分配的中转站,使减少了规划的计算工作量,求解最优规划的速度得到提高。
进一步地,所述客户到各中转站的距离为欧几里得距离。
与现有技术相比,本发明的有益效果为:
(1)优化路径减少了运输的消耗。
(2)引入了参考规则与重新分配,避免生成很差的求解,减少了计算量。
(3)步骤S3避免了路径规划局部最优而达不到全局最优,可更完善地规划物流车辆路径。
附图说明
图1为本发明的优化初始路径规划流程图;
图2为本发明的实验数据图a;
图3为本发明的实验数据图b。
具体实施方式
本发明附图仅用于示例性说明,不能理解为对本发明的限制。为了更好说明以下实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
实施例
本实施例提供一种规划物流车辆路径的方法,所述方法包括:
步骤S1:预先构建双层车辆配送系统模型;
根据客户信息,建立客户数据集;
根据物流网络信息,建立物流网络数据集;
步骤S2:将客户数据集与物流网络数据集输入双层车辆配送系统模型进行初始路径规划;
步骤S3:优化初始路径规划,获取最佳路径。
具体地,本实施例首先依据基于距离的贪婪规则将每个客户分配给一个中转站来计算得到一个初始规划模型,即步骤S2;然后,每次改变一个客户与中转站之间分配,即循环使用局部搜索算法优化初始规划模型;最后,使用可行性搜索算法判断优化后规划的可行性,若理想且可行则更新到规划模型上,即步骤S3。
进一步地,所述双层车辆配送系统模型具有基础约束、容量约束和数量约束,所述基础约束包括:
a.第一、第二层路径中车的最大容量以及中转站的最大容量设定后不再更改,并且第一层路径中车的最大容量大于第二层路径中车的最大容量;
b.一个客户的货物由一辆车完成运输,中转站的货物由一辆或多辆车完成运输;
c.第一层、第二层路径中车的数量设定后不再更改,第一层路径中的车运输一个或多个中转站的货物,第二层路径中的车从一个中转站出发为一个或多个客户服务;
d.每个中转站要至少负责一个客户的运输;
所述容量约束为中转站的最大容量;
所述数量约束为第二层路径的可派遣的车辆的总数。
进一步地,所述步骤S2包括:
步骤S2.1:根据客户的需求将客户按照非升序排序;
步骤S2.2:计算客户到各中转站的距离;
步骤S2.3:按照排序将客户依次分配到距离客户最近的中转站;
步骤S2.4:判断客户的中转站分配是否遵循约束,若遵循则执行步骤S2.6,否则执行步骤S2.5;
步骤S2.5:对违反约束的中转站分配进行重新规划,执行步骤S2.3;
所述重新规划为将客户分配到最近的并且遵循约束的中转站;
步骤S2.6:建立初始路径规划。
具体地,首先根据客户需求将客户按照非升序排序,并把每个客户分配到距离其最近的中转站。如果分配一个客户到中转站,中转站需要增加一辆车来运输货物,判断该中转站的当前的存货量是否超出了该中转站的最大容量,以及判断增加车辆后,车辆的数量是否超出了第二层路径的可派遣的车辆的总数,即判断这样的分配是否违反了容量约束和数量约束。如果违反了任一约束,那么就说明当前的分配方式是不可行的,把该客户分配到下一个距离其最近的中转站,如此循环,直到当前的分配不违法任何约束。最后,把所有的客户都分配到了合适的中转站。计算各个中转站的容量,安排第一层路径的车辆。
图1为本发明的优化初始路径规划流程图,如图所示,所述步骤S3包括:
步骤S3.1:获取客户的第一、第二中转站;
所述第一中转站为初始路径规划中客户分配的中转站;
所述第二中转站为除第一中转站外,离客户最近的中转站;
步骤S3.2:计算第一距离与第二距离的差的绝对值,根据绝对值将客户按照非降序排列;
所述第一距离为客户到第一中转站的距离;
所述第二距离为客户到第二中转站的距离;
步骤S3.3:按照排序依次将客户从第一中转站变更第二中转站;
步骤S3.4:若客户的变更遵循约束,则执行步骤S3.6,否则执行步骤S3.5;
步骤S3.5:对当前的变更进行修正,若修正后遵循约束执行步骤S3.6,否则执行步骤S3.8:
步骤S3.6:获取第一、第二路径总长,若第一路径总长大于第二路径总长,则将变更的信息更新到初始路径规划,执行步骤S3.8,否则执行步骤S3.7;
所述第一路径总长为当前客户变更中转站前,所有车辆路径长度之和;所述第二路径总长为当前客户变更中转站后,所有车辆路径长度之和;
步骤S3.7:若第二路径总长大于第一路径总长的阈值,则当前客户不进行中转站变更,优化结束,否则执行步骤S3.8;
步骤S3.8:若客户数据集中存在客户未执行过步骤S3.3,则此类客户依次执行步骤S3.3,否则优化结束。
具体地,根据实践经验,最优的规划一般是客户被分配到最近的或第二近的中转站。因此,最优分配可能是初始化分配或第二次分配,使用下面的方法可确定最优化分配:首先,计算每个客户到其他中转站的距离,该中转站是除初始规划中客户分配的中转站之外的距离客户最近的中转站,然后计算客户分配到的中转站的距离与这次计算中中转站的距离之绝对值差。根据该绝对值差将客户按照非降序排列,并按照该排列中客户的次序依次移动客户到第二近的中转站中,验证客户的移动是否遵循约束,若遵循则计算此次分配是否优于当前分配,若优于则更新此次分配到规划模型,否则放弃此次分配;若不遵循则对此次分配进行修正,可修正则验证由于优于当前分配,若优于则更新此次分配到规划模型,否则放弃此次分配;无法修正则放弃此次分配。
进一步地,所述步骤S3.5的修正过程包括:
步骤S3.51:若客户的变更违反数量约束则执行步骤S3.52,否则执行步骤S3.53;
步骤S3.52:获取违反数量约束的中转站,将其中的客户按照非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循数量约束,执行步骤S3.53,若遍历所有选择仍然无法遵循数量约束,则执行步骤S3.56;
步骤S3.53:若客户的变更违反容量约束则执行步骤S3.54,否则执行步骤S3.55;
步骤S3.54:获取违反容量约束的中转站,将其中的客户按非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循容量约束,执行步骤S3.55,若遍历所有选择仍然无法遵循容量约束,否则执行步骤S3.56;
步骤S3.55:判定此次变更遵循约束,结束修正;
步骤S3.56:判定此次变更违反约束,结束修正。
具体地,修正方式为:选择违反数量约束的中转站,将其中的客户移动到随机选择的其他中转站中,直到可以空出未装满的车辆;如果违反的是容量约束,则违反容量约束的中转站中的客户依次移动到随机选择的其他中转站中,直到满足当前中转站的容量约束。重复这样的移动过程,直到满足所有约束,如果遍历所有方式一直不能满足容量约束和数量约束,就放弃此次修正。
进一步地,所述随机选择具有参考规则,包括:
(1)距离:移除距离该中转站最远的客户;
(2)最大需求:移除中转站中需求量最大的客户;
(3)最小需求:移除中转站中需求量最小的客户;
(4)中转站到客户的距离和客户的需求。
具体地,参考规则(1)可以有效的缩减该中转站运输车辆的路径长度;参考规则(2)可以最小化移动客户的数量;参考规则(3)可以更容易安排需要移动的客户,因为客户的需求越小,其他中转站的容量空间越容易满足;参考规则(4)折中考虑客户的距离和客户的需求两者的要求。
进一步地,所述参考规则(4)具有参数α和β,所述α为中转站到客户距离scosti的权值,β为客户需求di的权值,参考规则的公式为:αscosti+βdi。
进一步地,所述参数设置具有以下组合:
α=0.25,β=0.75;
α=0.5,β=0.5;
α=0.75,β=0.25。
具体地,根据实验测试,上述为表现比较好的组合。
进一步地,所述步骤S3.3还包括客户的重新分配,所述重新分配由概率Pij决定;
其中,cij为中转站i与中转站j之间的距离,cil为中转站i与中转站I之间的距离,n为中转站总数量。
具体地,概率Pij可以改变客户分配的中转站,使减少了规划的计算工作量,求解最优规划的速度得到提高。
进一步地,所述客户到各中转站的距离为欧几里得距离。
本发明测试:
测试的21个实例由文献Perboli,G.,Tadei,R.,Vigo,D.:The two-echeloncapacitated vehicle routing problem.Publication cirrelt-2008-55,CIRRELTMontr′eal,Canada(2008);andTransportation Science(forthcoming)提供,设定为第一层次的车辆的容量是第二层次的车辆的容量的2.5倍,第一层车辆由卡车组成,第二层车辆由小型货车组成(如最大重量为3.5吨的车辆)。第二层次车辆的容量和数量与相应的CVRP的车辆的容量相等,中转站选在随机客户的相同位置。实例范围是21至50个客户以及2或4个中转站仓库。
图2为本发明的实验数据图a,如图所示,列1-3为21个实例的实例名(E-nx-ky-sa-b-c-d,x代表客户数量,y是车辆最大数量,字母a到d是与客户相关的中转站所在地)、顾客数量和中转站数量;列4和列5为初始规划的目标函数和以秒为单位的计算时间;列6和列7为优化后规划的目标函数和以秒为单位的计算时间;列8-9为加入了参考规则与重新分配步骤进优化步骤的目标函数和计算时间。
图3为本发明的实验数据图b,如图所示,列1-3为21个实例的实例名(E-nx-ky-sa-b-c-d,x代表客户数量,y是车辆最大数量,字母a到d是与客户相关的中转站所在地)、顾客数量和中转站数量;列4-7记录了最先进算法的结果;列8-9由Diving和SEMI得到最佳的目标函数和计算时间;列10.BEST LB是实例计算出来的最佳下确界。
图中标记的值对应着最优解,由图中可以看出本方法的计算结果都比DIVING和SEMI表现更好。与文献的方法比较,达到了整体的最佳,各方面都有不少的改善。
显然,本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例,而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种规划物流车辆路径的方法,其特征在于,所述方法包括:
步骤S1:预先构建双层车辆配送系统模型;
根据客户信息,建立客户数据集;
根据物流网络信息,建立物流网络数据集;
步骤S2:将客户数据集与物流网络数据集输入双层车辆配送系统模型进行初始路径规划;
步骤S3:优化初始路径规划,获取最佳路径;
所述双层车辆配送系统模型具有基础约束、容量约束和数量约束,所述基础约束包括:
a .第一、第二层路径中车的最大容量以及中转站的最大容量设定后不再更改,并且第一层路径中车的最大容量大于第二层路径中车的最大容量;
b .一个客户的货物由一辆车完成运输,中转站的货物由一辆或多辆车完成运输;
c .第一层、第二层路径中车的数量设定后不再更改,第一层路径中的车运输一个或多个中转站的货物,第二层路径中的车从一个中转站出发为一个或多个客户服务;
d .每个中转站要至少负责一个客户的运输;
所述容量约束为中转站的最大容量;
所述数量约束为第二层路径的可派遣的车辆的总数;
所述步骤S2包括:
步骤S2 .1:根据客户的需求将客户按照非升序排序;
步骤S2 .2:计算客户到各中转站的距离;
步骤S2 .3:按照排序将客户依次分配到距离客户最近的中转站;
步骤S2 .4:判断客户的中转站分配是否遵循约束,若遵循则执行步骤S2 .6,否则执行步骤S2 .5;
步骤S2 .5:对违反约束的中转站分配进行重新规划,执行步骤S2 .3;
所述重新规划为将客户分配到最近的并且遵循约束的中转站;
步骤S2 .6:建立初始路径规划;
所述步骤S3包括:
步骤S3 .1:获取客户的第一、第二中转站;
所述第一中转站为初始路径规划中客户分配的中转站;
所述第二中转站为除第一中转站外,离客户最近的中转站;
步骤S3 .2:计算第一距离与第二距离的差的绝对值,根据绝对值将客户按照非降序排列;
所述第一距离为客户到第一中转站的距离;
所述第二距离为客户到第二中转站的距离;
步骤S3 .3:按照排序依次将客户从第一中转站变更第二中转站;
步骤S3 .4:若客户的变更遵循约束,则执行步骤S3 .6,否则执行步骤S3 .5;
步骤S3 .5:对当前的变更进行修正,若修正后遵循约束执行步骤S3 .6,否则执行步骤S3 .8;
步骤S3 .6:获取第一、第二路径总长,若第一路径总长大于第二路径总长,则将变更的信息更新到初始路径规划,执行步骤S3 .8,否则执行步骤S3 .7;
所述第一路径总长为当前客户变更中转站前,所有车辆路径长度之和;所述第二路径总长为当前客户变更中转站后,所有车辆路径长度之和;
步骤S3 .7:若第二路径总长大于第一路径总长的阈值,则当前客户不进行中转站变更,优化结束,否则执行步骤S3 .8;
步骤S3 .8:若客户数据集中存在客户未执行过步骤S3 .3,则此类客户依次执行步骤S3 .3,否则优化结束。
2.根据权利要求1所述的一种规划物流车辆路径的方法,其特征在于,所述步骤S3 .5的修正过程包括:
步骤S3 .51:若客户的变更违反数量约束则执行步骤S3 .52,否则执行步骤S3 .53;
步骤S3 .52:获取违反数量约束的中转站,将其中的客户按照非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循数量约束,执行步骤S3 .53,若遍历所有选择仍然无法遵循数量约束,则执行步骤S3 .56;
步骤S3 .53:若客户的变更违反容量约束则执行步骤S3 .54,否则执行步骤S3 .55;
步骤S3 .54:获取违反容量约束的中转站,将其中的客户按非升序排序;
排序的依据为客户到当前存储货物最少中转站的距离与客户需求的和;
按照排序依次将客户随机移动到其他中转站中,直到所有的中转站都遵循容量约束,执行步骤S3 .55,若遍历所有选择仍然无法遵循容量约束,否则执行步骤S3 .56;
步骤S3 .55:判定此次变更遵循约束,结束修正;
步骤S3 .56:判定此次变更违反约束,结束修正。
3.根据权利要求2所述的一种规划物流车辆路径的方法,其特征在于,所述随机选择具有参考规则,包括:
(1)距离:移除距离该中转站最远的客户;
(2)最大需求:移除中转站中需求量最大的客户;
(3)最小需求:移除中转站中需求量最小的客户;
(4)中转站到客户的距离和客户的需求。
4.根据权利要求3所述的一种规划物流车辆路径的方法,其特征在于,所述参考规则(4)具有参数α和β,所述α为中转站到客户距离的权值,β为客户需求的权值,参考规则的公式为:。
5.根据权利要求4所述的一种规划物流车辆路径的方法,其特征在于,所述参数设置具有以下组合:
α=0 .25,β=0 .75;
α=0 .5,β=0 .5;
α=0 .75,β=0 .25。
6.根据权利要求1所述的一种规划物流车辆路径的方法,其特征在于,所述步骤S3 .3还包括客户的重新分配,所述重新分配由概率决定;
其中,为中转站i与中转站j之间的距离,为中转站i与中转站I之间的距离,n为中转站总数量。
7.根据权利要求1所述的一种规划物流车辆路径的方法,其特征在于,所述客户到各中转站的距离为欧几里得距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292811.9A CN111507662B (zh) | 2020-04-14 | 2020-04-14 | 一种规划物流车辆路径的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292811.9A CN111507662B (zh) | 2020-04-14 | 2020-04-14 | 一种规划物流车辆路径的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507662A CN111507662A (zh) | 2020-08-07 |
CN111507662B true CN111507662B (zh) | 2023-04-21 |
Family
ID=71864811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292811.9A Active CN111507662B (zh) | 2020-04-14 | 2020-04-14 | 一种规划物流车辆路径的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507662B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883013B (zh) * | 2023-06-09 | 2024-04-19 | 上海朗晖慧科技术有限公司 | 一种基于大数据的售后服务智能监管系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383756A (zh) * | 2013-07-22 | 2013-11-06 | 浙江省烟草公司绍兴市公司 | 一种烟草物流配送路径规划方法 |
CN107578199A (zh) * | 2017-08-21 | 2018-01-12 | 南京航空航天大学 | 一种求解二维装载约束物流车辆调度问题的方法 |
CN110197311A (zh) * | 2019-06-12 | 2019-09-03 | 江苏航运职业技术学院 | 一种基于智能优化的物流配送路径规划方法 |
-
2020
- 2020-04-14 CN CN202010292811.9A patent/CN111507662B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383756A (zh) * | 2013-07-22 | 2013-11-06 | 浙江省烟草公司绍兴市公司 | 一种烟草物流配送路径规划方法 |
CN107578199A (zh) * | 2017-08-21 | 2018-01-12 | 南京航空航天大学 | 一种求解二维装载约束物流车辆调度问题的方法 |
CN110197311A (zh) * | 2019-06-12 | 2019-09-03 | 江苏航运职业技术学院 | 一种基于智能优化的物流配送路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111507662A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726863A (zh) | 一种多目标优化的物流方法和系统 | |
CN109034481B (zh) | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 | |
CN108985597B (zh) | 一种动态物流调度方法 | |
CN106156961B (zh) | 一种车辆调度方法和装置 | |
CN110659839A (zh) | 一种物流智能配载调度方法 | |
CN110909952B (zh) | 一种带移动配送站的城市两级配送及调度方法 | |
US20120226624A1 (en) | Optimization system of smart logistics network | |
CN109559062B (zh) | 一种合作式物流问题的任务分配与路径规划方法 | |
US20200327497A1 (en) | System and method for linehaul optimization | |
CN113379102B (zh) | 一种多网干线运输优化方法、计算机设备及存储介质 | |
Dell’Amico et al. | Optimization of a real-world auto-carrier transportation problem | |
CN114626794B (zh) | 基于物联网的仓储立库穿梭车路径规划方法及系统 | |
CN111860957B (zh) | 一种考虑二次配送和平衡用时的多车型车辆路径规划方法 | |
CN115759917A (zh) | 一种基于改进混合蚁群算法的物流路径规划方法 | |
CN111507662B (zh) | 一种规划物流车辆路径的方法 | |
CN114662929A (zh) | 物流配载方法、系统、电子设备和计算机可读存储介质 | |
CN109685260A (zh) | 一种物流配送方法及其系统 | |
Wang et al. | Pickup and delivery of automobiles from warehouses to dealers | |
CN112613701A (zh) | 一种成品卷烟物流调度方法 | |
CN116797127A (zh) | 货物运输路径的规划方法、装置、电子设备及存储介质 | |
CN111461395A (zh) | 临时配送中心的选址方法和系统 | |
KR101321644B1 (ko) | 철도운송의 화차 재배치 방법 | |
CN114757394A (zh) | 基于工作量平衡的物流车辆路径优化方法、系统和介质 | |
CN116703291B (zh) | 一种混合能源车队配送路径优化方法 | |
CN112801310A (zh) | 一种基于c-w节约算法的车辆路径优化方法 |
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 |