CN111667105A - 一种带时间窗的智能优化配送云系统 - Google Patents
一种带时间窗的智能优化配送云系统 Download PDFInfo
- Publication number
- CN111667105A CN111667105A CN202010473139.3A CN202010473139A CN111667105A CN 111667105 A CN111667105 A CN 111667105A CN 202010473139 A CN202010473139 A CN 202010473139A CN 111667105 A CN111667105 A CN 111667105A
- Authority
- CN
- China
- Prior art keywords
- information
- distribution
- module
- path
- customer
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 96
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000012986 modification Methods 0.000 claims abstract description 31
- 230000004048 modification Effects 0.000 claims abstract description 31
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000012856 packing Methods 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material 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
- G06Q10/04—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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种带时间窗的智能优化配送云系统,该系统包括登录模块,用于唤醒系统;信息输入模块,用于输入客户及配送车辆信息;可视化模块,用于对客户及配送车辆信息进行可视化处理;信息修改模块,用于修改客户及配送车辆信息;配送可行性判断模块,用于根据客户及配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,返回执行信息修改模块,否则执行路径生成模块;路径生成模块,用于根据客户信息、配送车辆信息生成配送路径;显示模块,用于将配送路径显示在地图上。本发明应用性广,可适用于实际物流生产中各种不同类型的配送问题,且相比于同类产品具有显著的价格优势,此外能实现个性化定制服务,满足客户的多元化需求。
Description
技术领域
本发明涉及配送调度领域,特别涉及一种带时间窗的智能优化配送云系统。
背景技术
随着网购,外卖订餐,共享打车等便利的服务的普及,物流业正向着高度专业化的趋势发展。无人直升机,自动驾驶等新兴物流技术的发展也在催化着配送调度系统的不断提高。在传统物流以及新型配送服务环节中,物流配送的效率直接影响着企业的盈亏。而车辆路径问题(VRP)作为解决配送问题的关键技术,得到越来越多企业决策者以及学术研究者的高度重视。
中国专利CN108596390A公开一种解决车辆路径问题的方法,通过原始数据集中采集每个点的信息使用相异度计算公式,计算各点之间的相异度,构造相异度矩阵;再通过聚类分析将大规模数据集划分为一系列规模较小的簇;最后使用分支限界算法对每个簇进行分析,计算出每个簇中从原点出发经过簇中所有点的最佳运输方案。中国专利CN109919359A公开一种基于ADP算法的车辆路径规划方法,包括获取货物配送中心信息、可利用车辆信息和顾客需求点信息,根据所获取的货物配送中心信息、可利用车辆信息和顾客需求点信息,计算货物配送中心与每个顾客需求点之间的相互距离,建立相应数学模型,采用ADP算法找出成本最低的配送路径,再根据成本最低的路径进行货物配送。
上述现有技术中,均存在以下技术问题:
(1)无法解决更为一般的带时间窗的情况以及更多复杂的情况。
(2)在实际情况中货物的重量和容量等需要多维约束,而上述技术考虑的约束条件较为单一,在实际运用中有一定难度。
(3)对于时间段交通拥堵均未给出解决方案。
发明内容
本发明的目的在于针对上述问题,提供一种综合考虑用户需求时间窗、同时进行存取货、多维容量约束等的配送系统。
实现本发明目的的技术方案为:一种带时间窗的智能优化配送云系统,所述系统包括登录模块、信息输入模块、可视化模块、信息修改模块、配送可行性判断模块、路径生成模块以及显示模块;
所述登录模块,用于唤醒配送云系统;
所述信息输入模块,用于输入客户信息、配送车辆信息;
所述可视化模块,用于对所述客户信息、配送车辆信息进行可视化处理;
所述信息修改模块,用于修改所述客户信息、配送车辆信息;
所述配送可行性判断模块,用于根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,返回执行信息修改模块,否则执行路径生成模块;
所述路径生成模块,用于根据所述客户信息、配送车辆信息生成配送路径;
所述显示模块,用于将配送路径显示在地图上。
进一步地,所述登录模块采用用户名、密码模式和或指纹模式和或面容模式。
进一步地,所述客户信息包括客户名、客户需求的货物存取的时间窗、货物存储地址、货物重量、货物容量、取货或存货;
所述配送车辆信息包括车辆数、车辆型号、车牌号、速度、载货最大容量、载货最大重量。
进一步地,所述信息输入模块还用于输入可用二维线性分段函数表示的信息,包括:地图各路段各时间段通行的速度信息、配送车辆在客户所需存取货物的时间窗之外到达时客户的满意度信息。
进一步地,所述配送可行性判断模块包括:
判断条件生成单元,用于根据所述客户信息求解Bin packing问题,获得该客户信息对应的所需使用车辆数的四维下限值,包括:满足载货重量的车辆数下限,满足载货容量的车辆数下限,满足卸货重量的车辆数下限,满足卸货容量的车辆数下限;
第一判断单元,用于判断所述配送车辆信息是否同时满足所述四维下限值,若不满足,表明配送不可行,生成输入信息修改意见。
进一步地,所述路径生成模块具体利用启发式算法根据所述客户信息、配送车辆信息生成配送路径。
进一步地,所述启发式算法具体采用迭代局部搜索算法,所述路径生成模块包括依次执行的:
第一路径生成单元,用于根据所述客户信息、配送车辆信息随机生成路径x;
第二路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行p%程度的改变,获得新的路径x';p%<100%,p%的具体取值范围可以根据实际对迭代时间、优化精度的要求进行动态自定义设置;
第二判断单元,用于判断所述新的路径x'是否比路径x更优,若是,将路径x更新为新的路径x',之后判断是否到达预设迭代上限,若达到则输出当前搜索到的最优路径,若未达到,返回执行第二路径生成单元;若否,执行第三路径生成单元;
第三路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行q%程度的改变,q%大于p%,之后返回执行第二路径生成单元。
进一步地,所述判断所述新的路径x'是否比路径x更优,具体包括:
求取每条路径x的评价值f(x):
f(x)=αpenfpen(x)+αdistfdist(x)
式中,fpen(x)表示当前路径x下客户的不满意度,fdist(x)表示当前路径x所需花费的时间与路程和,αpen、αdist分别为fpen(x)、fdist(x)的权重,αpen+αdist=1;
评价值f(x)相对较小的路径更优。
进一步地,所述显示模块还用于显示各配送车辆不同时间的工作状态,所述工作状态包括移动、服务。
进一步地,所述显示模块还用于显示各配送车辆不同时间的载货容量以及载货重量。
进一步地,所述系统还包括配送结果生成模块,用于将显示模块显示的所有信息生成图或表,供下载查看。
本发明与现有技术相比,其显著优点为:1)系统可在路径优化前通过系统内配置的数据分析引擎对用户输入的数据进行可视化分析,可以达到快速高效地分析出用户数据的瓶颈部分,并给出修改意见,不会进行无效的路径优化,节省资源;2)系统应用性广,可适用于实际物流生产中各种不同类型的配送问题,可满足不同客户的各种需求;具体体现在:路径优化时综合考虑了客户时间窗、货物的重量和容量,交通,以及收货和配货要求同时存在等多维约束情况,提高了路径优化的精度;除此之外,通过线性分段函数来最大限度实现时间的设定,可以实现其他配送优化系统一般无法满足的柔性较大的移动时间的设定需求;3)以该系统开发的优化引擎和云端,相比于同类产品具有显著的价格优势;4)可以通过客户输入的信息进行个性化定制服务,满足客户的多元化需求。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中带时间窗的智能优化配送云系统的结构框图。
图2为一个实施例中各个客户需求的时间窗示意图。
图3为一个实施例中不同型号载货车辆的载货率(容量+重量)示意图。
图4为一个实施例中配送结果的可视化输出示意图。
图5为一个实施例中路径在地图上的显示示意图。
图6为一个实施例中各车辆日程的甘特图。
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。
在一个实施例中,结合图1,提供了一种带时间窗的智能优化配送云系统,该系统包括登录模块、信息输入模块、可视化模块、信息修改模块、配送可行性判断模块、路径生成模块以及显示模块;
所述登录模块,用于唤醒配送云系统;
所述信息输入模块,用于输入客户信息、配送车辆信息;
这里,客户信息包括客户名、客户需求的货物存取的时间窗、货物存储地址、货物重量、货物容量、取货或存货;
所述配送车辆信息包括车辆数、车辆型号、车牌号、速度、载货最大容量、载货最大重量。
所述可视化模块,用于对所述客户信息、配送车辆信息进行可视化处理;如图2示出了各个用户需求的时间窗(用户想要进行存/取货物的时间段),其中每一行代表一个用户的时间窗;如图3示出了不同型号载货车辆的载货率(容量+重量)。
所述信息修改模块,用于修改所述客户信息、配送车辆信息;
所述配送可行性判断模块,用于根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,返回执行信息修改模块,否则执行路径生成模块;
这里,输入修改建议就是指使得修改后的数据满足配送可行性的建议。
所述路径生成模块,用于根据所述客户信息、配送车辆信息生成配送路径;
所述显示模块,用于将配送路径显示在地图上如图5所示。
进一步地,在其中一个实施例中,所述登录模块采用用户名、密码模式和或指纹模式和或面容模式。
这里,还可以采用现有的其他登录方式。
采用本实施例的方案,能提高系统的安全性。
进一步地,在其中一个实施例中,所述信息输入模块还用于输入可用二维线性分段函数表示的信息,包括:地图各路段各时间段通行的速度信息、配送车辆在客户所需存取货物的时间窗之外到达时客户的满意度信息。
这里,地图各路段各时间段通行的速度信息根据实际信息确定。
这里,配送车辆在客户所需存取货物的时间窗之外到达时客户的满意度信息可以为:配送车辆在时间t到达客户地点时,客户不满意度为fpen(t);只要fpen为线性分段函数,系统可以读入并处理任意的fpen。
进一步地,在其中一个实施例中,所述配送可行性判断模块包括:
判断条件生成单元,用于根据所述客户信息求解Bin packing问题,获得该客户信息对应的所需使用车辆数的四维下限值,包括:满足载货重量的车辆数下限,满足载货容量的车辆数下限,满足卸货重量的车辆数下限,满足卸货容量的车辆数下限;其可视化输出如图4所示;
第一判断单元,用于判断所述配送车辆信息是否同时满足所述四维下限值,若满足,表明配送可行,反之表明配送不可行,生成输入信息修改意见。
这里,配送不可行一般包括两种情况:一种是用户的时间窗存在冲突或者用户的时间窗太短,另一种是输入的车辆数小于上述任意一个下限值。对应的输入信息修改意见包括:调整用户时间窗、调整车辆数满足四维下限值。
进一步优选地,在其中一个实施例中,所述路径生成模块具体利用启发式算法根据所述客户信息、配送车辆信息生成配送路径。
这里,还可以采用现有的其他路径生成算法。路径优化算法可以采用2-OPT优化算法、3-OPT优化算法等等。
进一步优选地,在其中一个实施例中,所述启发式算法具体采用迭代局部搜索算法,所述路径生成模块包括依次执行的:
第一路径生成单元,用于根据所述客户信息、配送车辆信息随机生成路径x;
第二路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行p%程度的改变,获得新的路径x';p%<100%;
这里,p%的取值范围可以根据实际对迭代时间、优化精度的要求进行动态自定义设置;可以取1%、5%等等。
这里,对路径改变的方式包括:改变同一辆车的服务顺序,改变车辆与客户的服务组合等等。进行p%程度的改变是指:将当前路径x完全改变表示程度为100%,p%程度的改变就是指将当前路径x改变后,与原有路径有p%不同。
第二判断单元,用于判断所述新的路径x'是否比路径x更优,若是,将路径x更新为新的路径x',之后判断是否到达预设迭代上限,若达到则输出当前搜索到的最优路径,若未达到,返回执行第二路径生成单元;若否,执行第三路径生成单元;
这里,判断所述新的路径x'是否比路径x更优,具体包括:
求取每条路径x的评价值f(x):
f(x)=αpenfpen(x)+αdistfdist(x)
式中,fpen(x)表示当前路径x下客户的不满意度,fdist(x)表示当前路径x所需花费的时间与路程和,αpen、αdist分别为fpen(x)、fdist(x)的权重,αpen+αdist=1;
评价值f(x)相对较小的路径更优。
这里,返回执行第二路径生成单元时,还可以适当的修改p%,例如令p%=p%+Δp%,其中Δp%自定义设置,可以为1%。
第三路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行q%程度的改变,q%大于p%,之后返回执行第二路径生成单元。
进一步地,在其中一个实施例中,所述显示模块还用于显示各配送车辆不同时间的工作状态如图6所示,所述工作状态包括移动、服务。
进一步地,在其中一个实施例中,所述显示模块还用于显示各配送车辆不同时间的载货容量以及载货重量。
这里,还可以根据用户需求显示不同的信息,实现个性化定制。
进一步地,在其中一个实施例中,所述系统还包括配送结果生成模块,用于将显示模块显示的所有信息生成图或表,供下载查看。
采用本实施例的方案,为用户提供了信息查看的接口,便捷性更好,更加人性化。
在一个实施例中,提供了一种带时间窗的智能优化配送方法,所述方法包括以下步骤:
步骤S01,登录配送云系统;
步骤S02,输入客户信息、配送车辆信息;
这里,客户信息包括客户名、客户需求的货物存取的时间窗、货物存储地址、货物重量、货物容量、取货或存货;
所述配送车辆信息包括车辆数、车辆型号、车牌号、速度、载货最大容量、载货最大重量。
步骤S03,对所述客户信息、配送车辆信息进行可视化处理;
步骤S04,根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,并根据该意见修改所述客户信息、配送车辆信息,之后重新执行本步骤,否则执行下一步;
步骤S05,根据所述客户信息、配送车辆信息生成配送路径;
步骤S06,将配送路径显示在地图上。
进一步地,在其中一个实施例中,步骤S01所述登录配送系统采用用户名、密码模式和或指纹模式和或面容模式。
进一步地,在其中一个实施例中,步骤S02还包括输入可用二维线性分段函数表示的信息,包括:地图各路段各时间段通行的速度信息、配送车辆在客户所需存取货物的时间窗之外到达时客户的满意度信息。
进一步地,在其中一个实施例中,步骤S04所述根据所述客户信息、配送车辆信息判断配送的可行性,具体过程包括:
步骤S041,根据所述客户信息求解Bin packing问题,获得该客户信息对应的所需使用车辆数的四维下限值,包括:满足载货重量的车辆数下限,满足载货容量的车辆数下限,满足卸货重量的车辆数下限,满足卸货容量的车辆数下限;
步骤S042,判断所述配送车辆信息是否同时满足所述四维下限值,若满足,表明配送可行,反之表明配送不可行,生成输入信息修改意见。
进一步地,在其中一个实施例中,步骤S05所述根据所述客户信息、配送车辆信息生成配送路径,具体采用迭代局部搜索算法,过程包括:
步骤S051,根据所述客户信息、配送车辆信息随机生成路径x;
步骤S052,根据所述客户信息、配送车辆信息对所述路径x进行p%程度的改变,获得新的路径x';p%<100%,p%的具体取值范围可以根据实际对迭代时间、优化精度的要求进行自定义设置;
步骤S053,判断所述新的路径x'是否比路径x更优,若是,将路径x更新为新的路径x',之后判断是否到达预设迭代上限,若达到则输出当前搜索到的最优路径,若未达到,返回执行步骤S052;若否,执行步骤S054;
步骤S054,根据所述客户信息、配送车辆信息对所述路径x进行q%程度的改变,q%大于p%,之后返回执行步骤S052。
进一步地,在其中一个实施例中,步骤S06还包括显示各配送车辆不同时间的工作状态,所述工作状态包括移动、服务。
进一步地,在其中一个实施例中,步骤S06还包括显示各配送车辆不同时间的载货容量以及载货重量。
进一步地,在其中一个实施例中,所述配送方法还包括:
步骤S07,将步骤S06所有的显示信息生成图或表,供下载查看。
关于带时间窗的智能优化配送方法的具体限定可以参见上文中对于带时间窗的智能优化配送云系统的限定,在此不再赘述。
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:
步骤S01,登录配送云系统;
步骤S02,输入客户信息、配送车辆信息;
步骤S03,对所述客户信息、配送车辆信息进行可视化处理;
步骤S04,根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,并根据该意见修改所述客户信息、配送车辆信息,之后重新执行本步骤,否则执行下一步;
步骤S05,根据所述客户信息、配送车辆信息生成配送路径;
步骤S06,将配送路径显示在地图上。
步骤S07,将步骤S06所有的显示信息生成图或表,供下载查看。
对于每一步的限定具体限定可以参见上文中对于带时间窗的智能优化配送方法的限定,在此不再赘述。
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:
步骤S01,登录配送云系统;
步骤S02,输入客户信息、配送车辆信息;
步骤S03,对所述客户信息、配送车辆信息进行可视化处理;
步骤S04,根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,并根据该意见修改所述客户信息、配送车辆信息,之后重新执行本步骤,否则执行下一步;
步骤S05,根据所述客户信息、配送车辆信息生成配送路径;
步骤S06,将配送路径显示在地图上。
步骤S07,将步骤S06所有的显示信息生成图或表,供下载查看。
对于每一步的限定具体限定可以参见上文中对于带时间窗的智能优化配送方法的限定,在此不再赘述。
综上,本发明可在路径优化前通过系统内配置的数据分析引擎对用户输入的数据进行可视化分析,可以达到快速高效地分析出用户数据的瓶颈部分,并给出修改意见,不会进行无效的路径优化,节省资源。此外,路径优化时综合考虑了客户时间窗、货物的重量和容量,交通,以及收货和配货要求同时存在等多维约束情况,提高了路径优化的精度;且通过线性分段函数来最大限度实现时间的设定,可以实现其他配送优化系统一般无法满足的柔性较大的移动时间的设定需求。本发明应用性广,可适用于实际物流生产中各种不同类型的配送问题,且相比于同类产品具有显著的价格优势,此外能实现个性化定制服务,满足客户的多元化需求。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种带时间窗的智能优化配送云系统,其特征在于,所述系统包括登录模块、信息输入模块、可视化模块、信息修改模块、配送可行性判断模块、路径生成模块以及显示模块;
所述登录模块,用于唤醒配送云系统;
所述信息输入模块,用于输入客户信息、配送车辆信息;
所述可视化模块,用于对所述客户信息、配送车辆信息进行可视化处理;
所述信息修改模块,用于修改所述客户信息、配送车辆信息;
所述配送可行性判断模块,用于根据所述客户信息、配送车辆信息判断配送的可行性,若不可行,生成输入信息修改意见,返回执行信息修改模块,否则执行路径生成模块;
所述路径生成模块,用于根据所述客户信息、配送车辆信息生成配送路径;
所述显示模块,用于将配送路径显示在地图上。
2.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述登录模块采用用户名、密码模式和或指纹模式和或面容模式。
3.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述客户信息包括客户名、客户需求的货物存取的时间窗、货物存储地址、货物重量、货物容量、取货或存货;
所述配送车辆信息包括车辆数、车辆型号、车牌号、速度、载货最大容量、载货最大重量。
4.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述信息输入模块还用于输入可用二维线性分段函数表示的信息,包括:地图各路段各时间段通行的速度信息、配送车辆在客户所需存取货物的时间窗之外到达时客户的满意度信息。
5.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述配送可行性判断模块包括:
判断条件生成单元,用于根据所述客户信息求解Bin packing问题,获得该客户信息对应的所需使用车辆数的四维下限值,包括:满足载货重量的车辆数下限,满足载货容量的车辆数下限,满足卸货重量的车辆数下限,满足卸货容量的车辆数下限;
第一判断单元,用于判断所述配送车辆信息是否同时满足所述四维下限值,若不满足,表明配送不可行,生成输入信息修改意见。
6.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述路径生成模块具体利用启发式算法根据所述客户信息、配送车辆信息生成配送路径。
7.根据权利要求6所述的带时间窗的智能优化配送云系统,其特征在于,所述启发式算法具体采用迭代局部搜索算法,所述路径生成模块包括依次执行的:
第一路径生成单元,用于根据所述客户信息、配送车辆信息随机生成路径x;
第二路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行p%程度的改变,获得新的路径x';p%<100%,p%的具体取值范围可以根据实际对迭代时间、优化精度的要求进行动态自定义设置;
第二判断单元,用于判断所述新的路径x'是否比路径x更优,若是,将路径x更新为新的路径x',之后判断是否到达预设迭代上限,若达到则输出当前搜索到的最优路径,若未达到,返回执行第二路径生成单元;若否,执行第三路径生成单元;
第三路径生成单元,用于根据所述客户信息、配送车辆信息对所述路径x进行q%程度的改变,q%大于p%,之后返回执行第二路径生成单元。
8.根据权利要求7所述的带时间窗的智能优化配送云系统,其特征在于,所述判断所述新的路径x'是否比路径x更优,具体包括:
求取每条路径x的评价值f(x):
f(x)=αpenfpen(x)+αdistfdist(x)
式中,fpen(x)表示当前路径x下客户的不满意度,fdist(x)表示当前路径x所需花费的时间与路程和,αpen、αdist分别为fpen(x)、fdist(x)的权重,αpen+αdist=1;
评价值f(x)相对较小的路径更优。
9.根据权利要求1所述的带时间窗的智能优化配送云系统,其特征在于,所述显示模块还用于显示各配送车辆不同时间的工作状态,所述工作状态包括移动、服务;
所述显示模块还用于显示各配送车辆不同时间的载货容量以及载货重量。
10.根据权利要求1或9所述的带时间窗的智能优化配送云系统,其特征在于,所述系统还包括配送结果生成模块,用于将显示模块显示的所有信息生成图或表,供下载查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473139.3A CN111667105B (zh) | 2020-05-29 | 2020-05-29 | 一种带时间窗的智能优化配送云系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473139.3A CN111667105B (zh) | 2020-05-29 | 2020-05-29 | 一种带时间窗的智能优化配送云系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667105A true CN111667105A (zh) | 2020-09-15 |
CN111667105B CN111667105B (zh) | 2023-12-05 |
Family
ID=72385162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010473139.3A Active CN111667105B (zh) | 2020-05-29 | 2020-05-29 | 一种带时间窗的智能优化配送云系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667105B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI817450B (zh) * | 2021-04-28 | 2023-10-01 | 日商綠盒技術股份有限公司 | 配送管理支援系統、配送管理支援方法以及配送管理支援程式 |
CN117314132A (zh) * | 2023-11-30 | 2023-12-29 | 乾健科技有限公司 | 一种基于大数据的调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109919359A (zh) * | 2019-02-01 | 2019-06-21 | 陕西科技大学 | 一种基于adp算法的车辆路径规划方法 |
-
2020
- 2020-05-29 CN CN202010473139.3A patent/CN111667105B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109919359A (zh) * | 2019-02-01 | 2019-06-21 | 陕西科技大学 | 一种基于adp算法的车辆路径规划方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI817450B (zh) * | 2021-04-28 | 2023-10-01 | 日商綠盒技術股份有限公司 | 配送管理支援系統、配送管理支援方法以及配送管理支援程式 |
CN117314132A (zh) * | 2023-11-30 | 2023-12-29 | 乾健科技有限公司 | 一种基于大数据的调度方法及系统 |
CN117314132B (zh) * | 2023-11-30 | 2024-03-15 | 乾健科技有限公司 | 一种基于大数据的调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111667105B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bertsimas et al. | Online vehicle routing: The edge of optimization in large-scale applications | |
Cheung et al. | Dynamic routing model and solution methods for fleet management with mobile technologies | |
US11543250B2 (en) | Securitized and encrypted data for vehicle service scheduling and dispatch devices (SSDD) and systems that provide improved operations and outcomes | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
JP7462320B2 (ja) | 搬送業界セグメントにおけるインタラクティブリアルタイムシステムおよびそのリアルタイム使用方法 | |
CN112082566B (zh) | 电动汽车路径规划方法、装置、终端及存储介质 | |
CN111667105B (zh) | 一种带时间窗的智能优化配送云系统 | |
van der Hagen et al. | Machine learning–based feasibility checks for dynamic time slot management | |
Fielbaum | Optimizing a vehicle’s route in an on-demand ridesharing system in which users might walk | |
Liang et al. | An estimation distribution algorithm for wave-picking warehouse management | |
US20200226506A1 (en) | Methods and systems for automated salesbeat optimization | |
CN111680382A (zh) | 等级预测模型训练方法、等级预测方法、装置及电子设备 | |
Wang et al. | The mobile production vehicle routing problem: Using 3D printing in last mile distribution | |
Silva et al. | Deep reinforcement learning for stochastic last-mile delivery with crowdshipping | |
Rasku et al. | On automatic algorithm configuration of vehicle routing problem solvers | |
De Giovanni et al. | Algorithms for a vehicle routing tool supporting express freight delivery in small trucking companies | |
Xue | An adaptive ant colony algorithm for crowdsourcing multi-depot vehicle routing problem with time windows | |
Soeffker et al. | Adaptive state space partitioning for dynamic decision processes | |
Chen et al. | Solving a 3-dimensional vehicle routing problem with delivery options in city logistics using fast-neighborhood based crowding differential evolution algorithm | |
Molina et al. | An optimization approach for designing routes in metrological control services: a case study | |
US20230304806A1 (en) | Graph-based vehicle route optimization with vehicle capacity clustering | |
Zhao et al. | Time-dependent vehicle routing problem of perishable product delivery considering the differences among paths on the congested road | |
Muñoz-Villamizar et al. | Measuring environmental impact of collaborative urban transport networks: A case study | |
Kovács et al. | Methods and algorithms to solve the vehicle routing problem with time windows and further conditions | |
Rabet et al. | A simheuristic approach towards supply chain scheduling: Integrating production, maintenance and distribution |
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 |