CN111768149A - 一种快递物流网络规划优化方法及系统 - Google Patents

一种快递物流网络规划优化方法及系统 Download PDF

Info

Publication number
CN111768149A
CN111768149A CN202010580843.9A CN202010580843A CN111768149A CN 111768149 A CN111768149 A CN 111768149A CN 202010580843 A CN202010580843 A CN 202010580843A CN 111768149 A CN111768149 A CN 111768149A
Authority
CN
China
Prior art keywords
logistics network
express logistics
express
mixed integer
optimization method
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
Application number
CN202010580843.9A
Other languages
English (en)
Inventor
冯雄峰
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.)
Unidt Technology Shanghai Co ltd
Original Assignee
Unidt Technology Shanghai 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 Unidt Technology Shanghai Co ltd filed Critical Unidt Technology Shanghai Co ltd
Priority to CN202010580843.9A priority Critical patent/CN111768149A/zh
Publication of CN111768149A publication Critical patent/CN111768149A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—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
    • G06Q10/04—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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (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)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种快递物流网络规划优化方法及系统，包括获取该快递物流网络运行的基本参数；根据基本参数确定快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件；根据目标函数和约束条件建立混合整数规划模型；采用混合整数规划求解器对混合整数规划模型进行求解。本发明能够降低快递物流的总成本。

Description

一种快递物流网络规划优化方法及系统
技术领域
本发明属于快递物流技术领域，特别涉及一种快递物流网络规划优化方法及系统。
背景技术
中国物流行业当前的现状是大而不精，很多时候都是靠堆人砸钱来完成货物运输配送任务，运行效率极低。一些全国性的大型物流公司，像四通一达，物流网络遍布全国，日订单量达到数万吨，如何确定这些订单的OD(Origin/Destination)走货路线(直达或中转方案)以及班车线路(班车模式及运行区间)，直接影响整个物流网络的运营效率，进而决定总的物流成本。
当前关于快递网络优化主要是基于轴辐理论，该理论通过两个步骤对物流网络进行优化，首先将物流网络中的分拨中心进行分级，分为枢纽分拨和普通分拨，每个普通分拨都挂靠一个枢纽分拨，只有枢纽分拨之间才有直达线路；确定分拨级别之后，再根据订单的始发到达地确定走OD货路线，从而规划开线班车。现有技术可以在一定程度上优化物流网络，并提供规范的管理，但同时也存在以下一些缺点：
1.未从全局考虑，将路线规划和班车设计分开来看，对降低整体物流网络成本效果有限；
2.不能适应快递OD订单量经常变化的情况，分拨中心的级别一旦确定就很难改变，在快递订单量经常变化的物流网络中，分拨的应对会出现能力不足和冗余的情况；
3.无法处理发货和收获不平衡的问题，在物流网络中经常会出现收发不平衡的分拨中心，现有技术将一条OD路线的正向和逆向同等对待，导致其中一个方向的运力浪费。
发明内容
针对上述现有技术中的不足，本发明提供一种快递物流网络规划优化方法及系统。
本发明公开了一种快递物流网络规划优化方法，包括：
获取该快递物流网络运行的基本参数；
根据所述基本参数确定所述快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件；
根据所述目标函数和所述约束条件建立混合整数规划模型；
采用混合整数规划求解器对所述混合整数规划模型进行求解。
优选的是，所述基本参数包括：
demij为ODij的货量；
distij为分拨中心i-j之间的直达运输距离；
csij为分拨中心i-j之间单边车的单公里成本；
cdij为分拨中心i-j之间双边车的单公里成本；
hub_capi为分拨中心i的操作容量；
capij为路线i-j上车辆最大装载量；
其中，i、j为分拨中心。
优选的是，所述决策变量包括：
ODij路线为
Figure BDA0002552268730000021
ODij中线路段Sij上的单边车数量为ysij；
ODij中线路段Sij上的双边车数量为ydij；
ODij中线路段Sij上的货量为Zij；
其中，i、m、n、j为分拨中心；分拨i到所述分拨j的线路段Sij上的货量为Zij。
优选的是，所述目标函数为：
Figure BDA0002552268730000022
优选的是，所述约束条件：
Figure BDA0002552268730000023
Figure BDA0002552268730000024
Figure BDA0002552268730000031
Figure BDA0002552268730000032
Figure BDA0002552268730000033
Figure BDA0002552268730000034
Figure BDA0002552268730000035
Figure BDA0002552268730000036
Figure BDA0002552268730000037
Figure BDA0002552268730000038
Figure BDA0002552268730000039
Figure BDA00025522687300000310
Figure BDA00025522687300000311
Figure BDA00025522687300000312
Figure BDA00025522687300000313
Figure BDA00025522687300000314
其中，H为分拨中心集合；s、t为分拨中心。
优选的是，所述混合整数规划求解器为SCIP软件。
优选的是，所述基本参数获取步骤包括：
基于历史订单数据进行建模，并针对每一个订单的OD进行训练，训练得到所述OD上的货量预测模型；
基于所述OD货量预测模型，得到每条OD上的基本参数。
优选的是，还包括对所述混合整数规划模型进行求解得到的快递物流网络运行进行监测。
优选的是，一种快递物流网络规划优化系统，包括：
预测模块，用于对历史订单货量进行统计统计建模，并针对每一个订单的OD进行训练，训练得到所述OD上的基本参数；
优化模块，用于根据所述基本参数确定快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件，根据所述目标函数和所述约束条件建立混合整数规划模型，采用混合整数规划求解器对所述混合整数规划模型进行求解；
监测模块，用于对所述目标函数进行求解得到的快递物流网络运行进行监测。
与现有技术相比，本发明的有益效果是：
1.本发明将路线和车辆同时作为决策变量进行考虑，路线的选择会影响车辆的开设，车辆的开设则会影响物流成本，将二者同时考虑会避免以前先确定分拨级别和路线再确定车辆所导致的成本不可控；
2.本发明并不固定分拨等级，而是根据具体的物流货量决定中转分拨，相对比较灵活，对货量周期变化适应性强；
3.设立单边车和双边车两种订车模式，解决了物流网络中存在的OD收发不平衡问题。
附图说明
图1为本发明快递物流网络规划优化的方法流程图；
图2为本发明快递物流网络规划优化系统的框架图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述。
参照图1，一种快递物流网络规划优化方法，包括：
获取该快递物流网络运行的基本参数；
根据基本参数确定快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件；
根据目标函数和约束条件建立混合整数规划模型；
采用混合整数规划求解器对混合整数规划模型进行求解。
其中，基本参数包括：
demij为ODij的货量；
distij为分拨中心i-j之间的直达运输距离；
csij为分拨中心i-j之间单边车的单公里成本；
cdij为分拨中心i-j之间双边车的单公里成本；
hub_capi为分拨中心i的操作容量；
capij为路线i-j上车辆最大装载量；
其中，i、j为分拨中心。
在本实施例中，基本参数distij、hub_capi基于历史订单是不变的，csij、cdij是由市场决定的，而capij是根据距离决定车型，该车型包括装载量为10T和28T的车，当运输距离超过500㎞时，选用28T，否则选10T。
另外，demij货量确定包括以下步骤：
获取企业过去几年的历史订单货量数据；
对历史订单货量数据进行统计建模，并针对每一条订单OD，训练出OD货量预测模型；
输入需要预测的月份参数信息，预测该月每天每条订单OD的货量。
在本实施例中，决策变量包括：
ODij路线为
Figure BDA0002552268730000051
ODij中线路段Sij上的单边车数量为ysij；
ODij中线路段Sij上的双边车数量为ydij；
ODij中线路段Sij上的货量为Zij；
其中，i、m、n、j为分拨中心；分拨i到分拨j的线路段Sij上的货量为Zij。
在本实施例中，目标函数：
Figure BDA0002552268730000052
进一步地，约束条件为：
Figure BDA0002552268730000053
Figure BDA0002552268730000054
Figure BDA0002552268730000055
Figure BDA0002552268730000056
Figure BDA0002552268730000061
Figure BDA0002552268730000062
Figure BDA0002552268730000063
Figure BDA0002552268730000064
Figure BDA0002552268730000065
Figure BDA0002552268730000066
Figure BDA0002552268730000067
Figure BDA0002552268730000068
Figure BDA0002552268730000069
Figure BDA00025522687300000610
Figure BDA00025522687300000611
Figure BDA00025522687300000612
其中，H为分拨中心集合；s、t为分拨中心；demij为分拨中心i-j的货量；hub_capi为分拨中心i的操作容量；capij为分拨中心i-j上车辆最大装载量；Zst为分拨中心s-t的运输货量。
再进一步地，约束公式(1)为了保证路线不会回到初始的分拨中心；
约束公式(2)(3)(4)(5)(6)(7)为了保证直达路线O-D由Xiijj表示，一次中转的路线O-H-D由Ximmj表示；
约束公式(8)为了保证双边车在路线i-j和路线j-i的车辆是一致；
约束公式(9)为了保证两个分拨中心之间的走货路线是唯一的，不可能出现多条走货路线；
约束公式(10)是约束了路线s-t的总货量是由三类路线产生的货量组成，即前面一段经过分拨s、t的路线s-t-a-b；中间一段经过分拨s、t的路线a-s-t-b以及后面一段经过分拨s、t的路线a-b-s-t，因此线路s-t的总货量为三类路线上的货量之和；
约束公式(11)约束了路线上车辆的装载量不小于路线上的货量；
约束公式(12)约束了分拨中心操作总量不能超过该分拨中心承载量限制；
约束公式(13)约束了当两个分拨中心之间的货量超过一辆车额定装载量的40％，则必须开直达车，即该路线为两点直达；
约束公式(14)(15)(16)客观实际约束。
将上述的公式输入到SCIP软件进行求解，得到规划后的快递物流网络。
在本实施例中，还包括基于对规划后的快递物流网络的运行进行监测。
在本实施例中，还提供了一种快递物流网络规划系统，包括：
预测模块1，用于对历史订单货量进行建模，并训练得到预测模型；
优化模块2，用于根据所述基本参数确定快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件，根据所述目标函数和所述约束条件建立混合整数规划模型，采用混合整数规划求解器对所述混合整数规划模型进行求解；
监测模块3，用于对快递物流网络规划系统优化的方案运行情况进行监测。
通过上述方法得到的快递物流规划方案，平均车辆装载率比当前人工方案提高15％，消耗的运输成本与当前人工方案相比，平均能节约10％左右运输成本。
实施例1
下表为输入数据ODij货量及运输距离,其中，i和j的数字分别表示为分拨中心，即城市名称，不同的数字为不同的城市：
表1
Figure BDA0002552268730000071
Figure BDA0002552268730000081
下表为分拨操作容量,其中，hub_i表示不同的分拨中心，hub_capacity/t表示不同分拨中心的操作容量：
表2
hub_i hub_capacity/t
0 7021.529
1 4236.54
2 917.5
3 2792.286
4 1046.918
5 1103.143
6 615.9947
7 477.1
8 280.1217
9 251.2626
10 421.4302
... ...
单边车和双边车的单公里成本有实际市场得出：
Figure BDA0002552268730000082
Figure BDA0002552268730000083
将上述输入到SCIP软件进行求解，根据求解结果即可确定快递物流的规划方案，同时还可以获得该方案预计消耗的运输成本。
下表为ODij路线优化结果，其中Origin表示起点；Destination表示终点；
表3
Figure BDA0002552268730000091
下表为车辆优化结果；
表4
Figure BDA0002552268730000092
Figure BDA0002552268730000101
统计发现本发明算法优化的方案，平均车辆装载率比当前提高15％，大大降低运力资源浪费，节省运输成本。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种快递物流网络规划优化方法，其特征在于，包括：
获取该快递物流网络运行的基本参数；
根据所述基本参数确定所述快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件；
根据所述目标函数和所述约束条件建立混合整数规划模型；
采用混合整数规划求解器对所述混合整数规划模型进行求解。
2.如权利要求1所述的一种快递物流网络规划优化方法，其特征在于，所述基本参数包括：
demij为ODij的货量；
distij为分拨中心i-j之间的直达运输距离；
csij为分拨中心i-j之间单边车的单公里成本；
cdij为分拨中心i-j之间双边车的单公里成本；
hub_capi为分拨中心i的操作容量；
capij为路线i-j上车辆最大装载量；
其中，i、j为分拨中心。
3.如权利要求2所述的一种快递物流网络规划优化方法，其特征在于，所述决策变量包括：
ODij路线为
Figure FDA0002552268720000011
ODij中线路段Sij上的单边车数量为ysij；
ODij中线路段Sij上的双边车数量为ydij；
ODij中线路段Sij上的货量为Zij；
其中，i、m、n、j为分拨中心；分拨i到所述分拨j的线路段Sij上的货量为Zij。
4.如权利要求3所述的一种快递物流网络规划优化方法，其特征在于，所述目标函数为：
Figure FDA0002552268720000012
5.如权利要求4所述的一种快递物流网络规划优化方法，其特征在于，所述约束条件：
Figure FDA0002552268720000021
Figure FDA0002552268720000022
Figure FDA0002552268720000023
Figure FDA0002552268720000024
Figure FDA0002552268720000025
Figure FDA0002552268720000026
Figure FDA0002552268720000027
Figure FDA0002552268720000028
Figure FDA0002552268720000029
Figure FDA00025522687200000210
Figure FDA00025522687200000211
Figure FDA00025522687200000212
Figure FDA00025522687200000213
Figure FDA00025522687200000214
Figure FDA00025522687200000215
Figure FDA00025522687200000216
其中，H为分拨中心集合；s、t为分拨中心。
6.如权利要求1所述的一种快递物流网络规划优化方法，其特征在于，所述混合整数规划求解器为SCIP软件。
7.如权利要求1所述的一种快递物流网络规划优化方法，其特征在于，所述基本参数获取步骤包括：
基于历史订单数据进行建模，并针对每一个订单的OD进行训练，训练得到所述OD上的货量预测模型；
基于所述OD货量预测模型，得到每条OD上的基本参数。
8.如权利要求1所述的一种快递物流网络规划优化方法，其特征在于，还包括对所述混合整数规划模型进行求解得到的快递物流网络运行进行监测。
9.一种实现如权利要求1～8中任一项所述的快递物流网络规划优化方法的优化系统，其特征在于，包括：
预测模块，用于对历史订单货量进行建模，并针对每一个订单的OD进行训练，训练得到所述OD上的基本参数；
优化模块，用于根据所述基本参数确定快递物流网络运行的决策变量，并以规划后所有快递订单的总物流成本值最小为优化目标，确定目标函数和约束条件，根据所述目标函数和所述约束条件建立混合整数规划模型，采用混合整数规划求解器对所述混合整数规划模型进行求解；
监测模块，用于对规划后的快递物流网络运行进行监测。
CN202010580843.9A 2020-06-23 2020-06-23 一种快递物流网络规划优化方法及系统 Pending CN111768149A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580843.9A CN111768149A (zh) 2020-06-23 2020-06-23 一种快递物流网络规划优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580843.9A CN111768149A (zh) 2020-06-23 2020-06-23 一种快递物流网络规划优化方法及系统

Publications (1)

Publication Number Publication Date
CN111768149A true CN111768149A (zh) 2020-10-13

Family

ID=72722712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580843.9A Pending CN111768149A (zh) 2020-06-23 2020-06-23 一种快递物流网络规划优化方法及系统

Country Status (1)

Country Link
CN (1) CN111768149A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077103A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 运输网络规划方法和装置
CN113379102A (zh) * 2021-05-20 2021-09-10 浙江百世技术有限公司 一种多网干线运输优化方法、计算机设备及存储介质
CN113673932A (zh) * 2021-08-24 2021-11-19 北京京东振世信息技术有限公司 一种物流网络规划方法和装置
CN113762679A (zh) * 2020-11-03 2021-12-07 北京京东振世信息技术有限公司 一种基于分拣网络的资源配置方法和装置
CN113762869A (zh) * 2021-01-29 2021-12-07 北京京东振世信息技术有限公司 运输任务处理方法和装置
CN113810217A (zh) * 2021-01-07 2021-12-17 北京京东振世信息技术有限公司 分拣网络的节点功能配置方法和装置
CN113837495A (zh) * 2021-10-29 2021-12-24 浙江百世技术有限公司 基于多阶段优化的物流干线运输调度优化方法
CN113988425A (zh) * 2021-10-29 2022-01-28 浙江百世技术有限公司 物流网络发车方案测算方法及装置
CN114118887A (zh) * 2021-01-06 2022-03-01 北京京东振世信息技术有限公司 一种物流路由的更新方法和装置
CN114493465A (zh) * 2022-02-21 2022-05-13 深圳佳利达供应链管理有限公司 一种多目标物流路径优化方法
CN116070776A (zh) * 2023-02-24 2023-05-05 中外运跨境电商物流有限公司 一种航空货运产品的智能拼接方法与系统
CN116911711A (zh) * 2023-07-25 2023-10-20 重庆工程职业技术学院 一种物流运输规划方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762679B (zh) * 2020-11-03 2023-11-03 北京京东振世信息技术有限公司 一种基于分拣网络的资源配置方法和装置
CN113762679A (zh) * 2020-11-03 2021-12-07 北京京东振世信息技术有限公司 一种基于分拣网络的资源配置方法和装置
CN114118887A (zh) * 2021-01-06 2022-03-01 北京京东振世信息技术有限公司 一种物流路由的更新方法和装置
CN113810217A (zh) * 2021-01-07 2021-12-17 北京京东振世信息技术有限公司 分拣网络的节点功能配置方法和装置
CN113810217B (zh) * 2021-01-07 2023-12-05 北京京东振世信息技术有限公司 分拣网络的节点功能配置方法和装置
CN113762869A (zh) * 2021-01-29 2021-12-07 北京京东振世信息技术有限公司 运输任务处理方法和装置
CN113762869B (zh) * 2021-01-29 2024-06-18 北京京东振世信息技术有限公司 运输任务处理方法和装置
CN113077103A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 运输网络规划方法和装置
CN113379102B (zh) * 2021-05-20 2022-10-18 浙江百世技术有限公司 一种多网干线运输优化方法、计算机设备及存储介质
CN113379102A (zh) * 2021-05-20 2021-09-10 浙江百世技术有限公司 一种多网干线运输优化方法、计算机设备及存储介质
CN113673932A (zh) * 2021-08-24 2021-11-19 北京京东振世信息技术有限公司 一种物流网络规划方法和装置
CN113837495A (zh) * 2021-10-29 2021-12-24 浙江百世技术有限公司 基于多阶段优化的物流干线运输调度优化方法
CN113988425A (zh) * 2021-10-29 2022-01-28 浙江百世技术有限公司 物流网络发车方案测算方法及装置
CN113837495B (zh) * 2021-10-29 2024-04-26 浙江百世技术有限公司 基于多阶段优化的物流干线运输调度优化方法
CN114493465A (zh) * 2022-02-21 2022-05-13 深圳佳利达供应链管理有限公司 一种多目标物流路径优化方法
CN116070776B (zh) * 2023-02-24 2024-03-29 中外运空运有限公司 一种航空货运产品的智能拼接方法与系统
CN116070776A (zh) * 2023-02-24 2023-05-05 中外运跨境电商物流有限公司 一种航空货运产品的智能拼接方法与系统
CN116911711B (zh) * 2023-07-25 2024-04-05 重庆工程职业技术学院 一种物流运输规划方法
CN116911711A (zh) * 2023-07-25 2023-10-20 重庆工程职业技术学院 一种物流运输规划方法

Similar Documents

Publication Publication Date Title
CN111768149A (zh) 一种快递物流网络规划优化方法及系统
Wang et al. A genetic algorithm for the simultaneous delivery and pickup problems with time window
Miranda et al. A simultaneous inventory control and facility location model with stochastic capacity constraints
CN108364105A (zh) 一种物流配送线路的目标优化方法
Lee et al. A hybrid hub-and-spoke postal logistics network with realistic restrictions: A case study of Korea Post
CN105096006A (zh) 一种智能电能表的配送车辆路径优化方法
CN111553507B (zh) 基于多商品流的中欧集装箱运输方案优化方法
CN112884383A (zh) 考虑时间窗约束的集装箱港口应急物资优化调运方法
CN113379102B (zh) 一种多网干线运输优化方法、计算机设备及存储介质
CN112085271B (zh) 一种基于众包模式的传统产业集群集货路径优化方法
CN111724086A (zh) 物流订单的配送方法、系统、存储介质及电子设备
CN113592440B (zh) 一种基于大数据的智慧物流取件分析系统及方法
Won et al. Workload-based yard-planning system in container terminals
CN117541022B (zh) 一种国际运输散货的拣货路径规划方法
CN115965172A (zh) 一种成品油二次配送车辆的路径优化算法、系统、设备
CN112581058A (zh) 物流控制管理方法
CN113610453B (zh) 一种多运输方式联合的集装箱运输路径选择方法
CN116090689B (zh) 一种基于中转接驳的货运资源优化方法及优化系统
Chang et al. Adaptive large neighborhood search Algorithm for route planning of freight buses with pickup and delivery
CN110674967A (zh) 一种不确定行车时间下快递车辆路径鲁棒优化方法
CN115049314A (zh) 一种干线运输自备车队规模优化方法
YANG et al. Optimizing the scale and spatial location of city logistics terminals
CN114742498A (zh) 一种采用拓扑分析的地址区域匹配方法及系统
CN113902359A (zh) 物流配送路径规划方法、装置、计算机设备和存储介质
Costantino et al. Simulation model of the logistic distribution in a medical oxygen supply chain

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200040 9th floor, block a, 1256 and 1258 Wanrong Road, Jing'an District, Shanghai

Applicant after: Huayuan computing technology (Shanghai) Co.,Ltd.

Address before: 200040 9 / F, 1256, 1258, Wanrong Road, Jing'an District, Shanghai

Applicant before: UNIDT TECHNOLOGY (SHANGHAI) Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201013