CN111798177A - 订单压单方法及装置 - Google Patents

订单压单方法及装置 Download PDF

Info

Publication number
CN111798177A
CN111798177A CN202010583045.1A CN202010583045A CN111798177A CN 111798177 A CN111798177 A CN 111798177A CN 202010583045 A CN202010583045 A CN 202010583045A CN 111798177 A CN111798177 A CN 111798177A
Authority
CN
China
Prior art keywords
average
determining
order
solution
pressing
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
CN202010583045.1A
Other languages
English (en)
Inventor
吴卓林
张涛
于洋
孔兵
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 Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202010583045.1A priority Critical patent/CN111798177A/zh
Publication of CN111798177A publication Critical patent/CN111798177A/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
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Mathematical Analysis (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书公开了一种订单压单方法及装置，基于历史订单信息构建平均压单时间与平均行驶距离对应关系的拟合函数，根据优化目标构建适应度函数，并根据预设的映射函数和决策参数，通过最优化算法进行迭代计算，并且，针对每次迭代过程，当该迭代计算的解不满足目标条件时，则根据最近两次迭代过程得到的解在拟合函数上的斜率差，调整该适应度函数中惩罚项的权重，以继续进行迭代计算，以根据满足目标条件的解对应的决策参数，对订单进行压单。通过历史数据确定平均压单时间与平均行驶距离的拟合函数，使得可以根据拟合函数指导适应度函数的调整方向，相当于确定了算法搜索方向，避免了向非必要解的方向搜索的问题，降低了订单压单的成本。

Description

订单压单方法及装置
技术领域
本申请涉及物流配送技术领域，尤其涉及一种订单压单方法以及装置。
背景技术
目前，在物流配送领域，为了提高订单配送效率，配送平台通常会对接收到的订单进行压单，以寻求可以合单配送可能性。也就是通过压单实现更多的订单能够“顺路”配送。
设置准确的压单时间，可以有效提高订单配送效率，反之则可能降低订单配送效率。于是在现有技术中，通常会采用最优化算法确定压单时间。
具体的，通常来说由于压单的目的是提高配送效率，可以从两个维度进行优化，一个是配送一个订单的平均行驶距离，另一个是平均压单时间。优化目标可设置为在一定的压单时间内，平均行驶距离最小。于是，可构建平均行驶距离与平均压单时间的映射函数，其中，映射函数的变量为压单的决策参数，决策参数用于根据配送信息确定压单时间的参数，例如，基于区域内订单密度、交通拥堵状况、下单量等，计算得到压单时间的阈值的决策参数。在解决最优化问题时，目标函数为平均行驶距离最小，并将当前计算得到的压单时间与目标的压单时间的差作为目标函数的惩罚项。
但是，目前目标函数中惩罚项的权重通常是人工设置的，且由于优化目标存在两项：平均压单时间接近预设值以及平均行驶距离最小，导致在寻找最优解时可能会算法会向并不需要的方向进行搜索，例如，计算得到了平均压单时间等于预设值，但是平均行驶距离较长的结果。如此，计算过程容易造成算力浪费，提高了订单压单的成本。
发明内容
本说明书实施例提供的一种订单压单方法及装置，用于解决现有技术中存在的问题。
本说明书实施例采用下述技术方案：
本说明书提供的订单压单方法，包括：
根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数；
基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数；
根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算；
当本次迭代过程确定出的解不满足目标条件时，则确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理。
可选地，根据各历史订单信息，确定订单的平均压单时间与平均行驶距离的拟合函数，具体包括：
获取若干历史订单，根据各历史订单的下单时间以及预设的时长，确定若干组历史订单；
根据各组历史订单，确定平均压单时间与平均行驶距离在二维空间上的若干离散点；
通过多段直线拟合以及预设的节点数，确定所述离散点对应的拟合函数；
其中，每组历史订单中的历史订单的时间跨度不超过所述预设的时长，所述拟合函数中直线的数量与所述节点的数量对应。
可选地，所述目标条件包括：本次迭代过程确定出的平均压单时间与期望压单时间的绝对差值落入目标区间，所述本次迭代过程确定出的平均行驶距离不大于所述其他迭代过程确定出的平均行驶距离；
确定所述本次迭代过程确定的解是否满足目标条件之前，所述方法还包括：
确定所述本次迭代过程的解包含的平均压单时间以及平均行驶距离，以及确定所述本次迭代过程之前其他迭代过程解的平均行驶距离。
可选地，所述方法还包括：
根据预设的时间差以及所述期望压单时间，确定一段时间范围，作为目标区间。
可选地，确定所述本次迭代过程之前其他迭代过程解的平均行驶距离，具体包括：
确定所述本次迭代过程之前指定数量的其他迭代过程的解包含的各平均行驶距离。
可选地，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理，具体包括：
根据确定出的解满足所述目标条件的迭代过程采用的决策参数，确定订单进行压单的条件；
针对每个待配送订单，当根据压单的条件确定该待配送订单需要压单处理时，对该待配送订单进行压单。
可选地，确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，具体包括：
确定所述本次迭代过程的上一次迭代过程的解的平均压单时间，作为第一时间，并在所述拟合函数上确定所述第一时间对应的斜率；以及，确定所述本次迭代过程的解的平均压单时间，作为第二时间，并在所述拟合函数上确定所述第二时间对应的斜率；
根据确定出的两个斜率，确定斜率差；
根据所述本次迭代过程的解的平均压单时间与期望压单时间的差，所述第二时间对应的斜率，以及确定出的斜率差，重新确定所述惩罚项的权重。
本说明书提供的订单压单装置，包括：
历史构建模块，根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数；
确定模块，基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数；
计算以及压单模块，根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算，当本次迭代过程确定出的解不满足目标条件时，则确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理。
本说明书提供的计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的方法。
本说明书提供的电子设备，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，所述处理器执行所述程序时实现上述任一所述的方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
首先，基于历史订单信息，构建表征实际平均压单时间与平均行驶距离对应关系的拟合函数，该拟合函数可视为是对实际情况的一种反应，之后根据优化目标构建适应度函数，并根据预设的映射函数和决策参数，通过最优化算法进行迭代计算，并且，针对每次迭代过程，当该迭代计算的解不满足目标条件时，则根据最近两次迭代过程得到的解在拟合函数上的斜率差，调整该适应度函数中惩罚项的权重，以继续进行迭代计算，而当迭代计算的解满足目标条件时，则根据该迭代过程采用的决策参数，对订单进行压单。通过历史数据确定平均压单时间与平均行驶距离的拟合函数，使得可以根据拟合函数指导适应度函数的调整方向，相当于确定了算法搜索方向，避免了向非必要解的方向搜索的问题，调高了计算效率，降低了订单压单的成本。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的订单压单流程示意图；
图2为本说明书实施例提供的拟合函数示意图；
图3为本说明书实施例提供的订单压单装置的结构示意图；
图4为本说明书实施例提供的实现订单压单方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的订单压单流程示意图，包括：
S100：根据各历史订单信息，确定订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数。
在本说明书中，对于订单压单过程来说，由于每日或者每日中不同时段，订单的配送情况都有可能出现变化，因此如何确定合适的压单时间便成为了进行压单处理前需要执行的过程。而这一过程通常由服务器执行，同理在本说明书中，该订单压单过程也可由服务器执行。具体的，该服务器可以专门用于处理订单压单的服务器，或者是配送平台具有对订单进行压单处理功能的服务器
为了避免利用最优化算法确定决策参数时，由于优化目标存储在多项，导致算法向不必要的解方向进行搜索的问题，在本说明书中，该服务器可在对订单进行压单处理前，首先可获取各历史订单的信息，包括订单的取货位置、送货位置、订单的压单时间、订单的下单时间等。
之后，根据各历史订单的下单时间以及预设的时长，将各历史订单划分为若干组历史订单。具体的，该服务器选择任一时间点，确定该时间点之前预设时长内完成的历史订单，确定一组历史订单。或者，该服务器也可按照预设的时间步长，从当前时刻开始以该预设的时间步长，确定若干时间点，并确定每个时间点之前预设时长内完成的历史订单，分别确定若干组历史订单。
其中，由于订单压单的目标是使一段时间内订单的平均压单时间和平均行驶距离符合要求，因此可根据目标中的一段时间作为预设的时长。例如，目标是使一周内订单的平均压单时间在2分钟左右，且订单的平均行驶距离最小，需要设置什么样的决策参数，则服务器可将一周作为预设的时长。
然后，针对每组历史订单，该服务器可根据该组历史订单中各历史订单的取货位置以及送货位置，确定该组历史订单配送所需的总行驶距离，根据确定出的总行驶距离与该组历史订单中的总单量之比，确定平均行驶距离。根据各历史订单的压单时间与总单量之比，确定平均压单时间。
再后，根据该组历史订单的平均压单时间与平均行驶距离，在以平均压单时间和平均行驶距离构建的二维空间中，确定该组历史订单对应点。
最后，根据在该二维空间中确定出的各组历史订单对应的离散点以及预设的节点数，通过多段直线拟合，确定拟合函数。
图2为本说明书提供的拟合函数的示意图，其中横轴x表示平均压单时间，纵轴y表示平均行驶距离，在该二维空间中，对应有多个点，每个点对应一组历史订单的平均行驶距离以及平均压单时间。根据预设的节点数，确定最终拟合函数由几段直线组成，对该二维空间中的各离散点进行函数拟合，确定拟合函数。当然，图2中仅是示意性的展示了拟合函数，具体拟合函数包含直线的数量本说明书并不做限制。
具体的，该服务器可根据节点数，将该二维空间在横轴上进行分割，在针对分割后得到的每段空间中的离散点，进行直线拟合，例如采用随机采样一致性(Random SampleConsensus，RANSAC)算法进行直线拟合。将确定出的若干段直线作为拟合函数。则该拟合函数表达是可为yi＝Kixi+Bi，其中，i表示图2中不同折线对应的区域，例如，x0～x1区域对应的拟合函数为y0＝K0x0+B0，K表示折线的斜率，B表示该段折线基础的y轴高度。
或者，该服务器也可根据该二维空间中的各离散点，进行折线拟合，确定拟合函数。当然，针对离散点进行折线拟合已经是现有技术中较为成熟的方法，因此本说明书对此不再进行赘述。
需要说明的是，该拟合函数由于是根据实际的历史订单的信息拟合出的，因此反应了实际情况，因此该拟合函数可以用于指导后续最优化问题迭代计算时，指导算法的搜索方向，避免对多元目标的解搜索时，搜索方向错误，导致浪费算力对不需要的解进行搜索。
S102：基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数。
在本说明书中，由于要基于最优化算法对决策参数进行求解，因此需要确定该计算过程使用的适应度函数，也就是最终想要得到效果与计算得到的解之间的差异，以向目标进行调整的函数。
具体的，该服务器可基于平均行驶距离最小，以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数。例如，适应度函数可为fmin(Pi)+α|Ci-Cstandard|，其中Pi表示第i次迭代计算得到的平均行驶距离，Ci表示第i次迭代计算得到的平均压单时间，Cstandard表示期望压单时间，也就是在压单流程中期望订单的平均压单时间，α是惩罚项的权重值，可根据预设值进行初始化，例如，0.3。
S104：根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算。
在本说明书中，服务器在确定好适应度函数以及拟合函数后，便可根据预设的平均压单时间与平均行驶距离的映射函数，以及初始化的决策参数，通过最优化算法进行迭代计算。
具体的，该服务器可先随机生成初始化的决策参数，作为最优化问题的初始结果，之后通过该映射函数和确定出的决策参数，计算得到初始解，即第一次迭代过程计算得到的解。其中，初始解是根据初始化的决策参数，计算得到订单的平均压单时间以及平均行驶距离。之后，判断第一次迭代过程得到的初始解是否满足目标条件，若不满足则执行步骤S106继续进行迭代计算，直至计算出的解满足目标条件位置，确定得到最优化问题的解。
在本说明书中，该订单压单过程中通过最优化算法进行迭代计算的目的是：得到这样一组决策参数，使得平均压单时间调与期望压单时间的差在预设范围内，且订单的平均行驶距离最小，即，上文中构建的适应度函数体现的内容。于是，该目标条件也可以是：该迭代过程确定出的平均压单时间与期望压单时间的绝对差值落入目标区间，该迭代过程确定出的平均行驶距离不大于所述其他迭代过程确定出的平均行驶距离。
当然，对于初始解来说，由于无法确定得到的平均行驶距离是否是最小值，因此通常需要继续进行迭代计算，以通过多次迭代过程的解，确定满足目标条件的解。
另外，对于每次迭代过程，该服务器在进行判断之前，还可先确定判断所需的数据，也就是确定该迭代过程的解包含的平均压单时间以及平均行驶距离，以及确定该迭代过程之前其他迭代过程解的平均行驶距离。
进一步地，在本说明书中，由于期望是得到平均行驶距离最小，因此需要判断当前迭代过程解的平均行驶距离是否已经无法继续收敛。但是，由于最优化算法都是渐进式的逼近最优解的过程，因此服务器只需要根据最近几次迭代过程的解，便可确定当前平均行驶距离是否已经无法继续收敛。于是，服务器可确定该迭代过程之前指定数量的其他迭代过程的解包含的各平均行驶距离，并根据各当前平均行驶距离与其他解包含的各平均行驶距离的大小，当确定该迭代过程确定出的平均行驶距离均不大于所述其他迭代过程确定出的平均行驶距离时，确定该迭代过程的解满足fmin(Pi)，也就是平均行驶距离最小的条件。
更进一步地，对于目标区间，该服务器可根据预设的时间差以及期望压单时间，确定时间范围作为目标区间。例如，期望压单时间为2分钟，预设的时间差为0.3分钟，则可确定1.7～2.3分钟为目标区间，当该迭代过程的解包含的平均压单时间落入1.7～2.3分钟范围内，则确定该迭代过程的解满足Ci-Cstandard<C差值，也就是落入目标区间的条件。
S106：当本次迭代过程确定出的解不满足目标条件时，则确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理。
在本说明书中，服务器可重复迭代计算，并在每次迭代过程中当本次迭代过程的解不满足目标条件时，该服务器可继续根据适应度函数调整决策参数，并进行迭代计算，直到计算得到满足目标条件的解为止。
具体的，在本所明书中从第一次迭代过程进行描述，由于无法确定初始解是否满足目标条件，因此该服务器可根据该初始解的平均压单时间和平均行驶距离，通过适应度函数，确定该初始化的决策参数的适应度。
其次，继续对初始化的决策参数进行调整，例如，随机对某一个或某几个参数进行随机方向的调整，继续进行迭代计算，重新确定解，并确定该词迭代计算的采用的调整后的决策参数的适应度。
然后，根据两次迭代过程适应度的差值，确定调整决策参数的调整方向。
最终，通过多次迭代计算过程得到最优化的解。
在本说明书中，该服务器在根据两次迭代过程适应度的差值，确定调整决策参数的调整方向时，为了避免搜索不需要的解，可以根据步骤S100确定出的拟合函数，确定决策参数的调整方向。
具体的，针对每次迭代过程，首先，该服务器可确定上一次迭代过程的解的平均压单时间，作为第一时间。确定本次迭代过程的解的平均压单时间，作为第二时间。
其次，该服务器可在该拟合函数中，确定该第一时间和该第二时间分别对应的斜率，该斜率表示了基于历史参数，在某个平均压单时间下，平均行驶距离的变化趋势。而调整决策参数也需要按照这一趋势进行调整。
于是，之后该服务器可根据确定出的两个斜率，确定斜率差。
最后，根据本次迭代过程的解的平均压单时间与期望压单时间的差，该第二时间对应的斜率，以及确定出的斜率差，重新确定该惩罚项的权重。利用公式表达，该服务器可根据公式(1-β)(Ci-Cstandard)Ki+Ki·Ki，i-1·β确定惩罚项的权重，其中，β为预设的参数，Ki为第i次迭代过程的解的平均压单时间(即，第二时间)对应的斜率，Ki，i-1为第i次迭代过程与第i-1次迭代过程的斜率差。可见，当两次迭代过程的解处于不同的拟合函数的折线范围内时，可以根据斜率差使权重调整指向期望的压单时间，也就是说当压单时间没有落入目标区间时，该惩罚项的权重调整，是要考虑到对压单时间的调整的。而当本次迭代过程的解的平均压单时间已经落入目标区间时，也是就是Ki，i-1为0时，只需要考虑平均行驶距离是否能够更小，此时惩罚项的权重的调整与压单时间没有关系。
另外，在本说明书中，该预设参数β的值，可根据采用的最优化算法的不同而通过不同的方式确定。例如，在采用粒子群算法进行计算时，可根据当前迭代过程中gbest与pbest的距离确定β，在采用模拟退火算法进行计算时，可根据阶段参数T确定β。也就是说该预设参数β可根据当前解与全局解的距离确定。
而当迭代过程确定出的解满足所述目标条件时，可根据本次迭代过程采用的决策参数，也就是确定出的解满足目标条件的迭代过程采用的决策参数，对订单进行压单处理。
在本说明书中，当在步骤S104中确定本次迭代过程的解满足目标条件，则该本次迭代过程采用的决策参数，可以使订单压单后达到目标条件所对应的效果。因此该服务器可确定该本次迭代过程采用的决策参数，并根据该决策参数确定订单进行压单的条件，之后，在接收到待配送订单时，根据确定出的订单压单条件，判断是否需要对该待配送订单进行压单，若是，则进行压单处理，若否则不进行压单处理。
或者，当步骤S104中确定本次迭代过程的解不满足目标条件时，通过步骤S106进行多次迭代过程，重新计算解，直至解满足目标条件为止。确定计算出满足目标条件的解的迭代过程采用的决策参数，并根据该决策参数确定订单进行压单的条件，之后，在接收到待配送订单时，根据确定出的订单压单条件，判断是否需要对该待配送订单进行压单，若是，则进行压单处理，若否则不进行压单处理。
基于图1所示的订单压单方法，首先，基于历史订单信息，构建表征实际平均压单时间与平均行驶距离对应关系的拟合函数，该拟合函数可视为是对实际情况的一种反应，之后根据优化目标构建适应度函数，并根据预设的映射函数和决策参数，通过最优化算法进行迭代计算，并且，针对每次迭代过程，当该迭代计算的解不满足目标条件时，则根据最近两次迭代过程得到的解在拟合函数上的斜率差，调整该适应度函数中惩罚项的权重，以继续进行迭代计算，而当迭代计算的解满足目标条件时，则根据该迭代过程采用的决策参数，对订单进行压单。通过历史数据确定平均压单时间与平均行驶距离的拟合函数，使得可以根据拟合函数指导适应度函数的调整方向，相当于确定了算法搜索方向，避免了向非必要解的方向搜索的问题，调高了计算效率，降低了订单压单的成本。
基于图1所示的订单压单过程，本说明书实施例还对应提供订单压单装置的结构示意图，如图3所示。
图3为本说明书实施例提供的订单压单装置的结构示意图，所述装置包括：
历史构建模块200，根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数；
确定模块202，基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数；
计算以及压单模块204，根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算，当迭代过程确定出的解不满足目标条件时，则确定所述迭代过程的上一次迭代过程的解以及所述迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据所述迭代过程采用的决策参数，对订单进行压单处理。
可选地，所述历史构建模块200，获取若干历史订单，根据各历史订单的下单时间以及预设的时长，确定若干组历史订单，根据各组历史订单，确定平均压单时间与平均行驶距离在二维空间上的若干离散点，通过多段直线拟合以及预设的节点数，确定所述离散点对应的拟合函数，其中，每组历史订单中的历史订单的时间跨度不超过所述预设的时长，所述拟合函数中直线的数量与所述节点的数量对应。
可选地，所述目标条件包括：迭代过程确定出的平均压单时间与期望压单时间的绝对差值落入目标区间，所述迭代过程确定出的平均行驶距离不大于所述其他迭代过程确定出的平均行驶距离，所述计算以及压单模块204，确定所述迭代过程确定的解是否满足目标条件之前，确定所述迭代过程的解包含的平均压单时间以及平均行驶距离，以及确定所述迭代过程之前其他迭代过程解的平均行驶距离。
可选地，所述计算以及压单模块204，根据预设的时间差以及所述期望压单时间，确定时间范围，作为目标区间。
可选地，所述计算以及压单模块204，确定所述迭代过程之前指定数量的其他迭代过程的解包含的各平均行驶距离。
可选地，所述计算以及压单模块204，根据所述迭代过程采用的决策参数，确定订单进行压单的条件，针对每个待配送订单，当根据压单的条件确定该待配送订单需要压单处理时，对该待配送订单进行压单。
可选地，所述计算以及压单模块204，确定所述迭代过程的上一次迭代过程的解的平均压单时间，作为第一时间，并在所述拟合函数上确定所述第一时间对应的斜率；以及，确定所述迭代过程的解的平均压单时间，作为第二时间，并在所述拟合函数上确定所述第二时间对应的斜率，根据确定出的两个斜率，确定斜率差，根据所述迭代过程的解的平均压单时间与期望压单时间的差，所述第二时间对应的斜率，以及确定出的斜率差，重新确定所述惩罚项的权重。
需要说明的是图1中步骤S104和步骤S106构成进行迭代求解的过程，因此在图3所示的装置中可通过同一个计算以及压单模块204，执行步骤S104和步骤S106相应的过程，并根据得到的满足目标条件的解所采用的决策参数，确定如何对订单进行压单处理。
本说明书实施例还提供了计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述订单压单方法中的任一个。
基于图1提供的订单压单过程，本说明书实施例还提出了图4所示的电子设备。如图4，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述订单压单方法中的任一个。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种订单压单方法，其特征在于，包括：
根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数；
基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数；
根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算；
当本次迭代过程确定出的解不满足目标条件时，则确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理。
2.如权利要求1所述的方法，其特征在于，根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，具体包括：
获取若干历史订单，根据各历史订单的下单时间以及预设的时长，确定若干组历史订单；
根据各组历史订单，确定平均压单时间与平均行驶距离在二维空间上的若干离散点；
通过多段直线拟合以及预设的节点数，确定所述离散点对应的拟合函数；
其中，每组历史订单中的历史订单的时间跨度不超过所述预设的时长，所述拟合函数中直线的数量与所述节点的数量对应。
3.如权利要求1所述的方法，其特征在于，所述目标条件包括：本次迭代过程确定出的平均压单时间与期望压单时间的绝对差值落入目标区间，所述本次迭代过程确定出的平均行驶距离不大于所述其他迭代过程确定出的平均行驶距离；
确定所述本次迭代过程确定的解是否满足目标条件之前，所述方法还包括：
确定所述本次迭代过程的解包含的平均压单时间以及平均行驶距离，以及确定所述本次迭代过程之前其他迭代过程解的平均行驶距离。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
根据预设的时间差以及所述期望压单时间，确定时间范围，作为目标区间。
5.如权利要求3所述的方法，其特征在于，确定所述本次迭代过程之前其他迭代过程解的平均行驶距离，具体包括：
确定所述本次迭代过程之前指定数量的其他迭代过程的解包含的各平均行驶距离。
6.如权利要求1所述的方法，其特征在于，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理，具体包括：
根据确定出的解满足所述目标条件的迭代过程采用的决策参数，确定订单进行压单的条件；
针对每个待配送订单，当根据压单的条件确定该待配送订单需要压单处理时，对该待配送订单进行压单。
7.如权利要求1所述的方法，其特征在于，确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，具体包括：
确定所述本次迭代过程的上一次迭代过程的解的平均压单时间，作为第一时间，并在所述拟合函数上确定所述第一时间对应的斜率；以及，确定所述本次迭代过程的解的平均压单时间，作为第二时间，并在所述拟合函数上确定所述第二时间对应的斜率；
根据确定出的两个斜率，确定斜率差；
根据所述本次迭代过程的解的平均压单时间与期望压单时间的差，所述第二时间对应的斜率，以及确定出的斜率差，重新确定所述惩罚项的权重。
8.一种订单压单装置，其特征在于，包括：
历史构建模块，根据各历史订单的信息，确定历史订单的平均压单时间与平均行驶距离的拟合函数，所述拟合函数为多段直线连接的形式的函数；
确定模块，基于平均行驶距离最小以及平均压单时间与期望压单时间的绝对差值为惩罚项，根据初始化的惩罚项的权重值，确定初始的适应度函数；
计算以及压单模块，根据预设的平均压单时间与平均行驶距离的映射函数以及初始化的决策参数，通过预设的最优化算法进行迭代计算，当本次迭代过程确定出的解不满足目标条件时，则确定所述本次迭代过程的上一次迭代过程的解以及所述本次迭代过程的解在所述拟合函数上对应的斜率差，根据确定出的斜率差调整所述适应度函数中惩罚项的权重，并重新确定适应度函数，以根据重新确定的适应度函数，通过所述最优化算法继续进行迭代计算，直至确定出的解满足所述目标条件时，根据确定出的解满足所述目标条件的迭代过程采用的决策参数，对订单进行压单处理。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一所述的方法。
10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法。
CN202010583045.1A 2020-06-23 2020-06-23 订单压单方法及装置 Pending CN111798177A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010583045.1A CN111798177A (zh) 2020-06-23 2020-06-23 订单压单方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010583045.1A CN111798177A (zh) 2020-06-23 2020-06-23 订单压单方法及装置

Publications (1)

Publication Number Publication Date
CN111798177A true CN111798177A (zh) 2020-10-20

Family

ID=72803695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010583045.1A Pending CN111798177A (zh) 2020-06-23 2020-06-23 订单压单方法及装置

Country Status (1)

Country Link
CN (1) CN111798177A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734222A (zh) * 2021-01-06 2021-04-30 成都星云智联科技有限公司 一种工厂订单生产排程自适应方法、设备及存储介质
CN116562557A (zh) * 2023-04-28 2023-08-08 汉唐融科(北京)科技有限公司 一种灵活用工智能派单系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734222A (zh) * 2021-01-06 2021-04-30 成都星云智联科技有限公司 一种工厂订单生产排程自适应方法、设备及存储介质
CN116562557A (zh) * 2023-04-28 2023-08-08 汉唐融科(北京)科技有限公司 一种灵活用工智能派单系统
CN116562557B (zh) * 2023-04-28 2024-01-26 汉唐融科(北京)科技有限公司 一种灵活用工智能派单系统

Similar Documents

Publication Publication Date Title
CN110231044B (zh) 一种路径规划方法及装置
EP3547168A1 (en) Block chain based data processing method and device
CN111114543B (zh) 一种轨迹预测方法及装置
CN111062372B (zh) 一种预测障碍物轨迹的方法及装置
CN111798177A (zh) 订单压单方法及装置
CN110852503B (zh) 一种支付渠道的选择方法和设备、支付渠道路由
CN112561112B (zh) 订单分配的方法、装置、计算机可读存储介质及电子设备
CN115880685A (zh) 一种基于votenet模型的三维目标检测方法和系统
CN113298445A (zh) 一种模型训练和调度无人设备的方法及装置
CN117113892A (zh) 一种功耗仿真的方法、装置、存储介质及电子设备
CN114792256B (zh) 基于模型选择的人群扩量方法及装置
CN112288346A (zh) 一种订单改派的方法及装置
CN113902356B (zh) 区域流量数据分析方法及装置
CN114120273A (zh) 一种模型训练的方法及装置
CN111046981B (zh) 一种无人车控制模型的训练方法及装置
CN113074734B (zh) 一种轨迹规划方法、装置、存储介质及电子设备
CN116909744B (zh) 一种线程池参数调节方法、装置、存储介质及电子设备
CN116090715A (zh) 一种业务区域划分方法、装置、存储介质及电子设备
CN116204387B (zh) 一种芯片电流的预测方法、装置、介质及电子设备
CN115705523A (zh) 配送范围确定方法及装置
CN115049235A (zh) 一种订单匹配方法、装置、存储介质及电子设备
CN117391624A (zh) 一种业务执行方法、装置、存储介质及电子设备
CN112668816A (zh) 一种订单分配的方法及装置
CN117933707A (zh) 一种风控模型解释方法、装置、存储介质及电子设备
CN116091101A (zh) 一种信息推荐的方法、装置、存储介质及电子设备

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