CN111784045A - 配送车辆的优化方法、装置、设备以及存储介质 - Google Patents

配送车辆的优化方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN111784045A
CN111784045A CN202010612606.6A CN202010612606A CN111784045A CN 111784045 A CN111784045 A CN 111784045A CN 202010612606 A CN202010612606 A CN 202010612606A CN 111784045 A CN111784045 A CN 111784045A
Authority
CN
China
Prior art keywords
vehicle
vehicles
target
violating
vehicle set
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
CN202010612606.6A
Other languages
English (en)
Other versions
CN111784045B (zh
Inventor
曹高立
孙芳媛
邹庆言
吴金霖
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010612606.6A priority Critical patent/CN111784045B/zh
Publication of CN111784045A publication Critical patent/CN111784045A/zh
Application granted granted Critical
Publication of CN111784045B publication Critical patent/CN111784045B/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
    • 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

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)

Abstract

本申请公开了一种配送车辆的优化方法、装置、设备以及存储介质，涉及智能交通、智能搜索技术领域。具体实现方案为：从配送车辆集合中剔除目标车辆，并确定分配给目标车辆的站点；按照目标分配方式将分配给目标车辆的站点分配给剔除目标车辆后的车辆集合中的车辆，其中，目标分配方式为多个分配方式中车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；在剔除目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除目标车辆后的车辆集合为目标车辆集合。通过本申请，提高了对配送车辆的配送过程的优化。

Description

配送车辆的优化方法、装置、设备以及存储介质
技术领域
本申请涉及计算机技术领域，具体涉及智能交通、智能搜索技术领域；本申请提供了一种配送车辆的优化方法、装置、设备以及存储介质。
背景技术
物流快递行业在新兴电商模式的促进下得到迅猛发展。物流作为智能供应链的重要组成部分，如何高效运输商品已经成为企业利润的重要增长点，而如何解决运输过程中车辆路径问题(Vehicle Routing Problem，VRP)问题是其中的关键点。
目前针对小规模的VRP问题，可以采用邻域搜索方法进行解决。
发明内容
本申请提供了一种配送车辆的优化方法、装置、设备以及存储介质。
根据本申请的一方面，提供了一种配送车辆的优化方法，包括：从配送车辆集合中剔除目标车辆，并确定分配给所述目标车辆的站点；按照目标分配方式将分配给所述目标车辆的站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，所述目标分配方式为多个分配方式中所述车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；在剔除所述目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除所述目标车辆后的车辆集合为目标车辆集合。
根据本申请的另一方面，提供了一种配送车辆的优化装置，包括：处理模块，用于从配送车辆集合中剔除目标车辆，并确定分配给所述目标车辆的站点；第一分配模块，用于按照目标分配方式将分配给所述目标车辆的站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，所述目标分配方式为多个分配方式中所述车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；确定模块，用于在剔除所述目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除所述目标车辆后的车辆集合为目标车辆集合。
根据本申请的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述配送车辆的优化方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述配送车辆的优化方法。
根据本申请的技术，通过对车辆集合中的车辆进行剔除后，使得最终的目标车辆集合中的车辆既没有违反约定约束条件，提高了对配送车辆的配送过程的优化，解决了现有技术中在问题规模增大和配送约束增加的情况下，导致无法优化配送车辆的配送过程的问题。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例的配送车辆的优化方法的流程图；
图2是根据本申请实施例的APNS算法的流程图；
图3是根据本申请实施例的配送车辆的优化装置的结构示意图一；
图4是根据本申请实施例的配送车辆的优化装置的结构示意图二；
图5是用来实现本申请实施例的配送车辆的优化方法的电子设备的框图。
具体实施方式
以下集合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
首先对本申请实施例中的VRP问题进行介绍，在本申请中VRP问题可以定义为一个完全图G＝(V,E)，V＝{v0,…,vN}表示客户点集合，N表示客户个数，E＝{(vi,vj)|vi,vj∈V,i≠j}，其中，v0表示配送中心，{v1,…,vN}表示客户点，si表示vi的服务时间，qi表示点vi的需求量(v0配送中心的服务时间s0＝0，货物需求量q0＝0)。
需要说明的是，客户点vi符合如下约束，
Figure BDA0002559645950000032
Figure BDA0002559645950000033
客户点vi(i≠0)的时间窗表示为[ei,li],其中ei为客户点vi的最早开始时间，li则为其对应的最晚开始时间。costij包含edge(vi,vj)从点vi到vj的距离dij和时间tij。K表示车辆总数，Qk(k∈{1,…,K})表示每台车辆的装载能力。
客户点vi仅且只能被车辆k服务一次，若客户vi由车辆k进行配送，那么xik＝1(i∈{1,…,N},k∈{1,…,K})),若否则xik＝0。每条线路上必须满足
Figure BDA0002559645950000031
优化目标为在满足约束的前提，最优化遍历全部客户点V的costij累和，或其他用户自定义营收费用之和。
本申请实施例提供了一种配送车辆的优化方法，图1是根据本申请实施例的配送车辆的优化方法的流程图，如图1所示，该方法的步骤包括：
步骤S102，从配送车辆集合中剔除目标车辆，并确定分配给目标车辆的站点；
其中，以快递行业为例，该配送车辆集合则是中心站点中用于配送快件的车辆的集合，例如一个中心站点有8辆车用于完成日常快件的配送，则该8辆车组成一个配送车辆集合，其中，每一个车辆负责不同站点的配送，可以是一个或多个站点对应一辆车。
步骤S104，按照目标分配方式将分配给目标车辆的站点分配给剔除目标车辆后的车辆集合中的车辆，其中，目标分配方式为多个分配方式中车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；
其中，还是以上述一个中心站点有8辆车用于完成日常快件的配送，即该配送车辆集合中有8辆车，且从中剔除的第2辆车，该第2辆车有200个配送站点。因此，需要将该200个配送站点分配给配送车联集合中的其他车辆，每一个站点分配的方式有7种，且7种分配方式所引起的辆集合中所有车辆所行驶的里程之和是不同的，即每次所有车辆所行驶的里程之和增加量是不相同的，因此，最终需要的是从多种分配方式中选择一种所有车辆所行驶的里程之和的增加量最少的一种分配方式。
步骤S106，在剔除目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除目标车辆后的车辆集合为目标车辆集合；其中，违反约束是指车辆在行驶过程中违反约定约束条件。
其中，以上述一个中心站点有8辆车用于完成日常快件的配送，即该配送车辆集合中有8辆车，且从中剔除的第2辆车为例，如果剩下的车辆集合中的车辆均没有违反约定约束条件，例如所有车辆均为超过各自对应的预设里程阈值，或者在配送过程中对于配送时间也是满足预设要求的，即在减少了车辆的同时也未违反约束条件，则认为当前剔除目标车辆后的车辆集合为最终的目标车辆集合，是最优化的车辆集合。
通过上述步骤S102至步骤S106，通过对车辆集合中的车辆进行剔除后，使得最终的目标车辆集合中的车辆既没有违反约定约束条件，且车辆集合中所有车辆所行驶的里程之和的增加量还是最少的，达到了对配送车辆的配送过程的优化；也就是说，对车辆集合实现了智能搜索，进而对配送车辆集合进行了优化。
可选地，本申请实施例中的约定约束条件包括以下至少一项：车辆最大配送能力(最大行驶里程/最大装载能力)、车辆配送站点的时间窗。此外，本申请实施例中的约定约束条件还可以包括：多车型且所有车辆完成配送需要返回配送中心，其中，配送中心有且只有一个。
可选地，在本申请实施例中对于步骤S102中涉及到的从配送车辆集合中剔除目标车辆的方式，进一步可以是：从配送车辆集合中剔除配送站点最少的目标车辆。也即是说，是从配送车辆集合中选择一个配送站点最少的目标车辆进行剔除，这样分配给其他车辆的站点数量也是最少的，从而可以减少分配过程的工作量，提高分配效率。
可选地，对于本申请实施例中的步骤S104中涉及到的按照目标分配方式将分配给目标车辆的站点分配给剔除目标车辆后的车辆集合中的车辆的方式，进一步可以包括：
步骤S104-11，从目标车辆所配送的站点中依次选择目标站点；
步骤S104-12，将依次选择的目标站点分配给剔除目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：依次增加目标站点后，车辆集合中所有车辆所行驶的里程之和的增加量最少。
可见，对于每一次的站点分配可能存在多种方式，最终分配的方式为将站点分配站点之后其里程增加量比其他任一一种方式都少，即在减少车辆的同时，尽量保证里程增加量最少，达到优化的目的。
对于上述步骤S104-11和步骤S104-12，在具体应用场景中可以通过节约算法(CW)来实现，假设，客户点vi(i∈{1,…,N})为基点，尝试vi与vm、vn(m,n∈{1…,N})进行合并。最大节约位置计算如公式(1)所示，遍历全部vi，得到最大Max_CWi，将vi插入到vm、vn之间：
Figure BDA0002559645950000051
可选地，本申请实施例的方法步骤还可以包括：
步骤S108，在剔除目标车辆后的车辆集合中的车辆存在违反约束的车辆的情况下，从车辆集合中再次剔除违反约束次数最多的目标车辆，其中，违反约束的次数是车辆在行驶过程中违反约定约束条件的次数；
步骤S110，将违反约束次数最多的目标车辆所要配送的站点，依次分配给剔除违反约束次数最多的目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：在将违反约束次数最多的目标车辆所要配送的站点依次分配之后，车辆集合中所有车辆所行驶的里程之和的增加量最少。
步骤S112，再次触发执行判断剔除所述目标车辆后的车辆集合中的车辆是否存在违反约束的车辆的操作。
可见，如果剔除目标车辆后的车辆集合中的车辆存在违反约束的车辆的情况，则需要从车辆集合中再次剔除违反约束次数最多的目标车辆，因为最终想要的结果是不存在违反约束的车辆，因此，首先将违反约束最多的车辆进行剔除，以减少后续循环的过程。这样之后再次判断剔除目标车辆后的车辆集合中的车辆是否存在违反约束的车辆，直到剔除目标车辆后的车辆集合中的车辆不存在违反约束的车辆。
对于上述步骤S102至步骤S110，在本申请的可选实施方式中可以基于一种带惩罚的自适应变邻域搜索(Adaptive Neighborhood Search，APNS)算法来实现；如图2所示，APNS算法的流程包括：
步骤S201，构建问题；
其中，构建的问题包括：仓、客户点、车辆、问题约束和路网信息；其中，问题约束包括：ConstraintSet＝{TimeWindows Constraint,Capacity Constraint,MaxTravelDistance Constraint,MaxLoad Constraint})，其中，Time WindowsConstraint是指客户点配送硬时间窗约束、Max Travel Distance Constraint是指车辆最大配送能力约束(最大行驶里程/最大装载能力)、Max Load Constraint是指多车型且所有车辆完成配送需要返回配送中心(配送中心有且只有一个)。
步骤S202，构建APNS算法组件；
其中，算法组件包括：解的初始化方法、加载inter-route(路径间)、加载intra-route(路径内)、算法运行终止管理器、约束管理器、目标计算和比较管理器、解的保存策略。
其中，该解的初始化方法如上述节约算法(CW)，加载inter-route包括：exchange、relocate、2-opt*、CROSS-exchange；加载intra-route包括：2-opt、Or-opt、3-opt。
此外，对于APNS算法，还包括以下公式2-5；其中，在公式(2)中，Scorei表示已知解在不同约束下得分，当i＝MaxTravelDistance Constraint时，cost(s)i表示车辆的行驶总里程，violateTmi表示当前解中违反i约束的客户点个数，s表示一个解；在公式(3)中violateTmi初始值均为0；公式(4)表示解在各个约束上统计指标的聚合；公式(5)表示带惩罚的目标函数，其中Punishi表示违反约束i对应的单位惩罚量，λ(λ>1)为用户输入参数；求解目标为最优化f(s)。
Figure BDA0002559645950000061
Figure BDA0002559645950000062
g(s)＝∑i∈ConstraintSetcost(s)i (4)
f(s)＝g(s)+λ*∑i∈ConstraintSetPunishi*violateTmi (5)
步骤S203，全局最优解队列是否为空，如果是则构造初始化可行解；如果否则执行步骤S204；
步骤S204，是否达到终止条件；如果否则执行步骤S205，如果是则执行步骤S207；
其中，该终止条件最优的情况为违反约束的次数为零，而在实际情况中有可能得到不到违反约束的次数为零的结果，因此需要根据求解问题的下限而定，即无限逼近问题解下限。
步骤S205，从全局最优解的优先队列中取出一个局部最优解，执行局部最优逃逸；
其中，局部最优逃逸过程可以是：
步骤S11，获取一个历史局部最优解：
Figure BDA0002559645950000071
其中，routek表示一条线路，若Scorelocal中
Figure BDA0002559645950000072
(violateTmi∈{Scorei},i∈ConstraintSet)，则该解为合法解
Figure BDA0002559645950000073
iter∈{1,…,M},iter表示迭代次数。
步骤S12，删除
Figure BDA0002559645950000074
其中，删除的是一条线路上配送点最少的线路。
步骤S13，构建待配送客户点集合
Figure BDA0002559645950000075
且必须满足
Figure BDA0002559645950000076
Figure BDA0002559645950000077
步骤S14，先从PriorityQueue中依次取出vj∈PriorityQueue贪婪插入
Figure BDA0002559645950000078
线路中；
其中，具体过程是调用步骤S14-1至步骤S14-4的变邻域操作；
步骤S14-1，VRP线路间变换；其中，具体为exchange、relocate、2-opt*、CROSS-exchange操作；
步骤S14-2，VRP线路内变换；其中，具体为n-Opt操作；
步骤S14-3，依次重复S14-1至S14-2直至目标函数不再更新；
其中，这里的目标函数不再更新是指：算法对指定的解空间邻域进行了深入搜索，该解空间邻域已经不存在更优的解。如何选择解空间的邻域，选择历史最优解，并删除该解中配送客户数最少的车辆，然后按照最优插入到剩余可用的线路中，然后通过算法的局部搜索实现近似最优。
步骤S14-4，若PriorityQueue＝φ，则执行S15，若否则跳转S14继续插入；
步骤S15，得到新解
Figure BDA0002559645950000081
若Scorenew中
Figure BDA0002559645950000082
则更新
Figure BDA0002559645950000083
步骤S16，若Scorenew中
Figure BDA0002559645950000084
不等于0，执行删除操作，删除的路径为
Figure BDA0002559645950000085
步骤S17，重复执行步骤S13至步骤S15；
步骤S18，输出
Figure BDA0002559645950000086
结束。
步骤S206，基于模拟退火选择保留历史最优解；
步骤S207，APNS输出全局最优解。
可见，通过上述步骤S201至步骤S207，APNS框架遵循主动破坏已知合法解，即按照最小代价将未指派客户(对应于上述的站点)逐次插入剩余线路中，依次循环调用inter-route(路径之间)、intra-route(内部路径)过程，直至评价函数不再更新。为提高算法逃逸局部最优邻域的能力，扩大邻域搜索范围，对影响线路构建的约束条件进行惩罚，并统计其违反约束的次数。通过惩罚函数扩大了对解空间搜索宽度，由劣解逐步收敛到全局最优解邻域。
本申请实施例还提供了一种配送车辆的优化装置，如图3所示，该装置包括：
处理模块301，用于从配送车辆集合中剔除目标车辆，并确定分配给目标车辆的站点；
第一分配模块302，用于按照目标分配方式将分配给目标车辆的站点分配给剔除目标车辆后的车辆集合中的车辆，其中，目标分配方式为多个分配方式中车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；
确定模块303，用于在剔除目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除目标车辆后的车辆集合为目标车辆集合；其中，违反约束是指车辆在行驶过程中违反约定约束条件。
可选地，本申请实施例中的处理模块301进一步可以包括：剔除单元，用于从配送车辆集合中剔除配送站点最少的目标车辆。
可选地，本申请实施例中的第一分配模块302进一步可以包括：选择单元，用于从目标车辆所配送的站点中依次选择目标站点；分配单元，用于将依次选择的目标站点分配给剔除目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：依次增加目标站点后，车辆集合中所有车辆所行驶的里程之和的增加量最少。
可选地，如图4所示，本申请实施例中的装置还可以包括：
剔除模块401，用于在剔除目标车辆后的车辆集合中的车辆存在违反约束的车辆的情况下，从车辆集合中再次剔除违反约束次数最多的目标车辆，其中，违反约束的次数是车辆在行驶过程中违反约定约束条件的次数；
第二分配模块402，用于将违反约束次数最多的目标车辆所要配送的站点，依次分配给剔除违反约束次数最多的目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：在将违反约束次数最多的目标车辆所要配送的站点依次分配之后，车辆集合中所有车辆所行驶的里程之和的增加量最少；
触发模块403，用于触发执行判断剔除所述目标车辆后的车辆集合中的车辆是否存在违反约束的车辆的操作。
可选地，本申请实施例中的约定约束条件包括以下至少一项：车辆最大配送能力、车辆配送站点的时间窗。
通过本申请实施例的装置，在对车辆集合中的车辆进行剔除后，使得最终的目标车辆集合中的车辆既没有违反约定约束条件，且车辆集合中所有车辆所行驶的里程之和的增加量还是最少的，达到了对车辆集合的优化。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的用于配送车辆优化的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的配送车辆的优化方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的配送车辆的优化方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中配送车辆的优化方法对应的程序指令/模块(例如，附图3所示的处理模块301、第一分配模块302和确定模块303)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的配送车辆的优化方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于配送车辆优化的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至用于配送车辆优化的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于配送车辆优化的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与用于配送车辆优化的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，在对车辆集合中的车辆进行剔除后，使得最终的目标车辆集合中的车辆既没有违反约定约束条件，且车辆集合中所有车辆所行驶的里程之和的增加量还是最少的，达到了对车辆集合的优化。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种配送车辆的优化方法，包括：
从配送车辆集合中剔除目标车辆，并确定分配给所述目标车辆的站点；
按照目标分配方式将分配给所述目标车辆的站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，所述目标分配方式为多个分配方式中所述车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；
在剔除所述目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除所述目标车辆后的车辆集合为目标车辆集合。
2.根据权利要求1所述的方法，其中，所述从配送车辆集合中剔除目标车辆，包括：
从所述配送车辆集合中剔除配送站点最少的目标车辆。
3.根据权利要求1所述的方法，其中，按照目标分配方式将分配给所述目标车辆的站点分配给剔除所述目标车辆后的车辆集合中的车辆，包括：
从所述目标车辆所配送的站点中依次选择目标站点；
将依次选择的目标站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：依次增加所述目标站点后，所述车辆集合中所有车辆所行驶的里程之和的增加量最少。
4.根据权利要求1所述的方法，其中，所述方法还包括：
在剔除所述目标车辆后的车辆集合中的车辆存在违反约束的车辆的情况下，从所述车辆集合中再次剔除违反约束次数最多的目标车辆，其中，所述违反约束的次数是车辆在行驶过程中违反约定约束条件的次数；
将违反约束次数最多的目标车辆所要配送的站点，依次分配给剔除违反约束次数最多的目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：在将违反约束次数最多的目标车辆所要配送的站点依次分配之后，所述车辆集合中所有车辆所行驶的里程之和的增加量最少；
触发执行判断剔除所述目标车辆后的车辆集合中的车辆是否存在违反约束的车辆的操作。
5.根据权利要求4所述的方法，其中，所述约定约束条件包括以下至少一项：车辆最大配送能力、车辆配送站点的时间窗。
6.一种配送车辆的优化装置，包括：
处理模块，用于从配送车辆集合中剔除目标车辆，并确定分配给所述目标车辆的站点；
第一分配模块，用于按照目标分配方式将分配给所述目标车辆的站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，所述目标分配方式为多个分配方式中所述车辆集合中所有车辆所行驶的里程之和的增加量最少的分配方案；
确定模块，用于在剔除所述目标车辆后的车辆集合中的车辆不存在违反约束的车辆的情况下，确定剔除所述目标车辆后的车辆集合为目标车辆集合。
7.根据权利要求6所述的装置，其中，所述处理模块包括：
剔除单元，用于从所述配送车辆集合中剔除配送站点最少的目标车辆。
8.根据权利要求6所述的装置，其中，所述第一分配模块包括：
选择单元，用于从所述目标车辆所配送的站点中依次选择目标站点；
分配单元，用于将依次选择的目标站点分配给剔除所述目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：依次增加所述目标站点后，所述车辆集合中所有车辆所行驶的里程之和的增加量最少。
9.根据权利要求6所述的装置，其中，所述装置还包括：
剔除模块，用于在剔除所述目标车辆后的车辆集合中的车辆存在违反约束的车辆的情况下，从所述车辆集合中再次剔除违反约束次数最多的目标车辆，其中，所述违反约束的次数是车辆在行驶过程中违反约定约束条件的次数；
第二分配模块，用于将违反约束次数最多的目标车辆所要配送的站点，依次分配给剔除违反约束次数最多的目标车辆后的车辆集合中的车辆，其中，分配完成的条件为：在将违反约束次数最多的目标车辆所要配送的站点依次分配之后，所述车辆集合中所有车辆所行驶的里程之和的增加量最少；
触发模块，用于触发执行判断剔除所述目标车辆后的车辆集合中的车辆是否存在违反约束的车辆的操作。
10.根据权利要求9所述的装置，其中，所述约定约束条件包括以下至少一项：车辆最大配送能力、车辆配送站点的时间窗。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010612606.6A 2020-06-29 2020-06-29 配送车辆的优化方法、装置、设备以及存储介质 Active CN111784045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010612606.6A CN111784045B (zh) 2020-06-29 2020-06-29 配送车辆的优化方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010612606.6A CN111784045B (zh) 2020-06-29 2020-06-29 配送车辆的优化方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111784045A true CN111784045A (zh) 2020-10-16
CN111784045B CN111784045B (zh) 2023-09-22

Family

ID=72760408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010612606.6A Active CN111784045B (zh) 2020-06-29 2020-06-29 配送车辆的优化方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN111784045B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117610159A (zh) * 2023-11-23 2024-02-27 苏州郅荣软件有限公司 一种汽车悬置系统稳健性优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504453A (zh) * 2014-11-20 2015-04-08 昆明理工大学 一种多目标优化的军事运输过程的优化调度方法
CN105825358A (zh) * 2016-03-16 2016-08-03 上海久耶供应链管理有限公司 货物配送的车辆调度方法
CN106600036A (zh) * 2016-11-09 2017-04-26 浙江工业大学 基于Android多点快递配送方法
US20180158148A1 (en) * 2018-01-13 2018-06-07 Joel San Antonio Vehicle Service Contract Rating Method and Algorithm System
CN109345166A (zh) * 2018-09-20 2019-02-15 北京百度网讯科技有限公司 用于生成信息的方法和装置
US20190295204A1 (en) * 2018-03-23 2019-09-26 Walmart Apollo, Llc Systems and methods for transportation staffing
CN110782086A (zh) * 2019-10-24 2020-02-11 山东师范大学 一种用于救援的带无人机车辆配送路径优化方法及系统
CN111178810A (zh) * 2019-12-31 2020-05-19 北京百度网讯科技有限公司 用于生成信息的方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504453A (zh) * 2014-11-20 2015-04-08 昆明理工大学 一种多目标优化的军事运输过程的优化调度方法
CN105825358A (zh) * 2016-03-16 2016-08-03 上海久耶供应链管理有限公司 货物配送的车辆调度方法
CN106600036A (zh) * 2016-11-09 2017-04-26 浙江工业大学 基于Android多点快递配送方法
US20180158148A1 (en) * 2018-01-13 2018-06-07 Joel San Antonio Vehicle Service Contract Rating Method and Algorithm System
US20190295204A1 (en) * 2018-03-23 2019-09-26 Walmart Apollo, Llc Systems and methods for transportation staffing
CN109345166A (zh) * 2018-09-20 2019-02-15 北京百度网讯科技有限公司 用于生成信息的方法和装置
CN110782086A (zh) * 2019-10-24 2020-02-11 山东师范大学 一种用于救援的带无人机车辆配送路径优化方法及系统
CN111178810A (zh) * 2019-12-31 2020-05-19 北京百度网讯科技有限公司 用于生成信息的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郝群茹;潘帅;: "基于禁忌搜索算法的物流系统车辆路径优化", 科学技术与工程, no. 34 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117610159A (zh) * 2023-11-23 2024-02-27 苏州郅荣软件有限公司 一种汽车悬置系统稳健性优化方法

Also Published As

Publication number Publication date
CN111784045B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN110645983B (zh) 用于无人车的路径规划方法、装置和系统
CN109308540B (zh) 一种配送车辆的配送计划生成方法、装置及系统
EP3719724A1 (en) Inventory scheduling method and device and computer readable storage medium
CN111639854B (zh) 车辆分配方法、装置、电子设备和存储介质
CN111553548B (zh) 一种拣货方法和装置
WO2023005653A1 (zh) 物品分配方法和装置
CN112700180A (zh) 一种拣货方法和拣货装置
CN113128744A (zh) 配送规划方法和装置
CN114416351A (zh) 资源分配方法、装置、设备、介质及计算机程序产品
CN111784045B (zh) 配送车辆的优化方法、装置、设备以及存储介质
CN113128821A (zh) 确定任务的方法和装置
CN115409439A (zh) 基于改进蚁群算法的多车型供应链调度方法及电子设备
CN112101690A (zh) 一种物品拣选方法和装置
CN112785025B (zh) 仓库布局方法和装置
CN110807612A (zh) 确定剩余产能的方法和装置
CN113159467B (zh) 一种派车单处理方法和装置
CN113650997A (zh) 一种物品出库定位方法和装置
CN113222490A (zh) 一种库存分配方法和装置
CN113762668B (zh) 生成任务单的方法的和装置
CN115689454A (zh) 确定服务站点的方法、装置、电子设备及存储介质
CN113723721B (zh) 基于物流运输的智能调度方法、装置、设备及存储介质
CN111768133A (zh) 物品入库方法和装置
CN114781972A (zh) 一种货物运输方案的确定方法、装置、设备及介质
CN116245435A (zh) 一种基于无人机和车辆协同的物资配送服务调度管理系统
CN115099865A (zh) 一种数据处理方法和装置

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
GR01 Patent grant
GR01 Patent grant