CN112232605B - 派送资源的处理方法、装置、设备及计算机可读存储介质 - Google Patents
派送资源的处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112232605B CN112232605B CN202011462083.8A CN202011462083A CN112232605B CN 112232605 B CN112232605 B CN 112232605B CN 202011462083 A CN202011462083 A CN 202011462083A CN 112232605 B CN112232605 B CN 112232605B
- Authority
- CN
- China
- Prior art keywords
- dispatching
- dispatch
- resources
- constraint conditions
- logistics
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了派送资源的处理方法、装置、设备及计算机可读存储介质,用于通过邻域搜索算法进行迭代搜索,得到派送区域的派送资源的目标管理策略,不仅显著提高管理策略制定效率,且具有较佳的管理策略质量。本申请提供的方法,包括:确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;提取满足最优解的收敛条件的目标管理策略。
Description
技术领域
本申请涉及物流领域,具体涉及派送资源的处理方法、装置、设备及计算机可读存储介质。
背景技术
一个物流件完整的运输行程,包括从初始网点收件后,经物流网络运输至末端物流网点,再由该末端物流网点将物流件派送至收件人手中。在网上购物的购物方式愈加受到消费者青睐的背景下,物流公司处理的物流订单量仍在不断得增长中,也因此,导致海量物流件的运输为物流公司带来不小的处理压力,在物流技术的不断发展的同时,对物流公司提出了高效运输物流件的要求,物流公司需要在物流件的各个运输环节提高处理效率。
在上述情况下,物流公司在派件环节中,涉及到众多的派件资源,不仅可涉及到硬件设备资源,也可涉及到人力资源,物流公司在对派件环节优化处理效率时,这些派件资源的利用率显然是一大突破口。
而在现有的相关技术的研究过程中,发明人发现,现有的派件资源的管理策略的制定,是一项极具挑战的工作,通常由工作人员进行指定,然而存在着制定效率慢、误差浮动较大的问题,管理策略质量较差。
发明内容
本申请提供了派送资源的处理方法、装置、设备及计算机可读存储介质,用于通过邻域搜索算法进行迭代搜索,得到派送区域的派送资源的目标管理策略,不仅显著提高管理策略制定效率,且具有较佳的管理策略质量。
第一方面,本申请提供了一种派送资源的处理方法,方法包括:
确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;
获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;
基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取满足最优解的收敛条件的目标管理策略。
结合本申请第一方面,在本申请第一方面第一种可能的实现方式中,方法还包括:
预测派送区域所需处理的物流订单量;
预估不同派送设备的派送能力,其中,派送资源包括不同派送设备的设备资源;
基于派送资源以及约束条件,通过邻域算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件,包括:
基于派送资源、约束条件、物流件订单量以及派送能力,通过邻域算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件。
结合本申请第一方面,在本申请第一方面第二种可能的实现方式中,派送资源包括不同派送设备的设备资源,设备资源具体包括常驻时间、非常驻时间、意愿在岗时间、休息时间、跨班次数、跨节点时间,派送设备包括派送车辆、派件机器人以及送餐机器人中的至少一种,目标管理策略包括工作路径。
结合本申请第一方面第二种可能的实现方式,在本申请第一方面第三种可能的实现方式中,提取满足最优解的收敛条件的目标管理策略之后,方法还包括:
向物流节点以及不同派送设备推送目标管理策略。
结合本申请第一方面第三种可能的实现方式,在本申请第一方面第四种可能的实现方式中,向物流节点以及不同派送设备推送目标管理策略之前,方法还包括:
向用户输出目标管理策略;
待接收到用户确认指令后,触发向物流节点以及不同派送设备推送目标管理策略。
结合本申请第一方面,在本申请第一方面第五种可能的实现方式中,约束条件包括硬约束条件以及软约束条件,硬约束条件是指必须满足的约束条件,软约束条件是指非必须满足的约束条件,软约束条件配置有惩罚权重,惩罚权重用于调节软约束条件在迭代搜索过程中的影响程度。
结合本申请第一方面第五种可能的实现方式,在本申请第一方面第六种可能的实现方式中,硬约束条件包括节点营业时间内必须安排至少一个派送设备、节点非营业时间不安排派送设备、派送设备在同一节点至少连续工作1小时以上以及派送设备的工作时长上下浮动不超过10%,软约束条件包括驻店节点的运力需求过饱和度最小、派送设备的跨班次数尽可能少以及派送设备在非常驻节点的工作时长占比最小。
第二方面,本申请提供了一种派送资源的处理装置,装置包括:
确定单元,用于确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;
获取单元,用于获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;
搜索单元,用于基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取单元,用于提取满足最优解的收敛条件的目标管理策略。
结合本申请第二方面,在本申请第二方面第一种可能的实现方式中,装置还包括预测单元,用于:
预测派送区域所需处理的物流订单量;
预估不同派送设备的派送能力,其中,派送资源包括不同派送设备的设备资源;
搜索单元,具体用于:
基于派送资源、约束条件、物流件订单量以及派送能力,通过邻域算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件。
结合本申请第二方面,在本申请第二方面第二种可能的实现方式中,派送资源包括不同派送设备的设备资源,设备资源具体包括常驻时间、非常驻时间、意愿在岗时间、休息时间、跨班次数、跨节点时间,派送设备包括派送车辆、派件机器人以及送餐机器人中的至少一种,目标管理策略包括工作路径。
结合本申请第二方面第二种可能的实现方式,在本申请第二方面第三种可能的实现方式中,装置还包括推送单元,用于:
向物流节点以及不同派送设备推送目标管理策略。
结合本申请第二方面第三种可能的实现方式,在本申请第二方面第四种可能的实现方式中,装置还包括输出单元,用于:
向用户输出目标管理策略;
待接收到用户确认指令后,触发推送单元。
结合本申请第二方面,在本申请第二方面第五种可能的实现方式中,约束条件包括硬约束条件以及软约束条件,硬约束条件是指必须满足的约束条件,软约束条件是指非必须满足的约束条件,软约束条件配置有惩罚权重,惩罚权重用于调节软约束条件在迭代搜索过程中的影响程度。
结合本申请第二方面第五种可能的实现方式,在本申请第二方面第六种可能的实现方式中,硬约束条件包括节点营业时间内必须安排至少一个派送设备、节点非营业时间不安排派送设备、派送设备在同一节点至少连续工作1小时以上以及派送设备的工作时长上下浮动不超过10%,软约束条件包括驻店节点的运力需求过饱和度最小、派送设备的跨班次数尽可能少以及派送设备在非常驻节点的工作时长占比最小。
第三方面,本申请还提供了一种物流资源的处理设备,包括处理器和存储器,存储器中存储有计算机程序,处理器调用存储器中的计算机程序时执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。
第四方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有多条指令,指令适于处理器进行加载,以执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。
从以上内容可得出,本申请具有以下的有益效果:
针对于物流件的派件场景,本申请在确定触发派送资源优化条件的派送区域后,该派送区域指的是执行物流件派送任务的区域范围,获取该派送区域的派送资源以及派送区域预先配置的约束条件,该派送资源是指执行物流件派送任务所需的资源,该约束条件是指执行物流件派送任务时需满足的条件,再基于该派件资源以及该约束条件,通过邻域搜索算法对派件资源的管理策略进行迭代搜索,直至满足最优解的收敛条件,如此,提取出的满足最优解的收敛条件的目标管理策略,不仅在机器自动制定方式下具有显著提高管理管理策略的制定效率的特点,且由于结合了可根据实际情况灵活设置的约束条件进行邻域搜索,得到的目标管理策略还具有较佳管理策略质量的特点。
其次,本申请对于派件资源的管理策略,是以派送区域为基础进行制定的,该区域不仅可以为一个物流节点的负责区域,还可能是两个甚至多个物流节点重叠的负责区域,如此,使得本申请所针对的派送区域,在实际应用中的设置,可更佳的灵活,由此可更为灵活地为不同的派送区域制定其派件资源的管理策略,为智慧化物流服务提供更为有力的数据支持。
附图说明
图1为本申请派送资源的处理方法的一种流程示意图;
图2为本申请派送资源的处理方法的一种场景示意图;
图3为本申请派送资源的处理方法的又一种流程示意图;
图4为本申请派送资源的处理装置的一种结构示意图;
图5为本申请派送资源的处理设备的一种结构示意图。
具体实施方式
首先,在介绍本申请之前,先介绍下本申请关于应用背景的相关内容。
本申请提供的派送资源的处理方法、装置以及计算机可读存储介质,可应用于派送资源的处理设备上,用于通过邻域搜索算法进行迭代搜索,得到派送区域的派送资源的目标管理策略,不仅显著提高管理策略制定效率,且具有较佳的管理策略质量。
本申请提及的派送资源的处理方法,其执行主体可以为派送资源的处理装置,或者集成了该派送资源的处理装置的服务器设备、物理主机或者用户设备(User Equipment,UE)等不同类型的派送资源的处理设备,其中,派送资源的处理装置可以采用硬件或者软件的方式实现,UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assistant,PDA)等终端设备,服务器可以为服务器集群的形式设置。
其中,考虑到物流的范畴从狭义来说,为物品从A地运向B地的过程,而从广义来说,为商品的运输、仓储、包装、搬运装卸、流通加工以及相关的物流信息等环节的相互结合。因此本申请所称的物流件,不仅可以为传统的物流服务涉及的标的物,典型的如快递件;进一步,也可以为配送服务涉及的标的物,例如超市配送、冷链配送、代购配送、社区配送等服务涉及的商品;或者,还可以为外卖服务涉及的餐饮等商品。由此可看出,本申请可随涉及的物流件不同的存在形式,而存在多元化的应用场景。
下面,开始介绍本申请提供的派送资源的处理方法。
参阅图1,图1示出了本申请派送资源的处理方法的一种流程示意图,本申请提供的派送资源的处理方法,具体可包括如下步骤:
步骤S101,确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;
步骤S102,获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;
步骤S103,基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
步骤S104,提取满足最优解的收敛条件的目标管理策略。
从上述图1所示实施例可看出,针对于物流件的派件场景,本申请在确定触发派送资源优化条件的派送区域后,该派送区域指的是执行物流件派送任务的区域范围,获取该派送区域的派送资源以及派送区域预先配置的约束条件,该派送资源是指执行物流件派送任务所需的资源,该约束条件是指执行物流件派送任务时需满足的条件,再基于该派件资源以及该约束条件,通过邻域搜索算法对派件资源的管理策略进行迭代搜索,直至满足最优解的收敛条件,如此,提取出的满足最优解的收敛条件的目标管理策略,不仅在机器自动制定方式下具有显著提高管理管理策略的制定效率的特点,且由于结合了可根据实际情况灵活设置的约束条件进行邻域搜索,得到的目标管理策略还具有较佳管理策略质量的特点。
其次,本申请对于派件资源的管理策略,是以派送区域为基础进行制定的,该区域不仅可以为一个物流节点的负责区域,还可能是两个甚至多个物流节点重叠的负责区域,如此,使得本申请所针对的派送区域,在实际应用中的设置,可更佳的灵活,由此可更为灵活地为不同的派送区域制定其派件资源的管理策略,为智慧化物流服务提供更为有力的数据支持。
以下继续对图1所示的各步骤以及在实际应用中可能采用的具体实施方式进行详细阐述:
在本申请中,物流件具体可以为快递件,对应的,物流节点具体可以为快递节点,例如中转站、快递营业点、快递柜等不同形式的节点,物流件派送任务具体可以为快递件派送任务。
物流件具体也可以为配送服务涉及的商品,对应的,物流节点具体可以为配送节点,例如超市、社区服务点、配送中转站、配送柜等不同形式的节点,物流件派送任务具体可以为商品配送任务。
物流件具体还可以为外卖服务涉及的商品,对应的,物流节点具体可以为送餐节点,例如餐饮店、超市、外卖柜等不同形式的节点,物流件派送任务具体可以为外卖配送任务。
可以理解的是,随着业务的发展,一家物流公司X,通过相同的派送资源,还可能同时提供快递服务、配送服务、外卖服务等不同类型的物流服务,
派送区域,是指执行物流件派送任务的区域范围。该范围,具体可以为地理行政区域划分得到的,例如,A市XX区XX街道、B市XX街道XX工业区,或者也可以为人工划分、机器划分得到的,具体在此不做限定。
其中,该派送区域,不仅可以为一个物流节点的负责区域,在实际应用中,还可能是两个甚至多个物流节点重叠的负责区域,换句话说,该派送区域与物流节点之间并无固定的一对一配对关系,可灵活地设置。
在本申请中,若某一派送区域触发派送资源优化条件后,则可触发本申请提供的派送资源的处理方法,进行派送资源的管理策略的制定。
该派送资源优化条件,为触发条件,在实际应用中,例如,可针对派送资源的管理策略的定时更新场景,挑选出距离上次更新管理策略的时间已经达到一个预设周期的派送区域,作为当前触发派送资源优化条件的派送区域;
又例如,可针对派送资源的管理策略的实时更新场景,挑选出在一定时期内派送资源的利用率未达到预设利用率的派送区域,作为当前触发派送资源优化条件的派送区域;
又例如,可针对派送区域的灵活更新场景,当检测出新成立的派送区域,可将该派送区域作为当前触发派送资源优化条件的派送区域;
又例如,继续针对派送区域的灵活更新场景,当在至少两个相邻的原派送区域中的某一区域,检测出在一定时期内派送资源的利用率未达到预设利用率时,可将该区域划分为一新的派送区域,并作为当前触发派送资源优化条件的派送区域。
由此可看出,该派送资源优化条件,不仅可针对于原有的、预先划分好的派送区域,也可针对于当前划分的派送区域,且其条件内容本身也可随实际需要调整,具体在此不做限定。
派送区域的派送资源,其资源本身可涉及到派送车辆、快递柜、派件机器人、送餐柜、送餐机器人等硬件设备形式存在的派送设备,也可涉及到派送骑士(例如快递员、配送员、外卖员)等人力资源,这些资源在数据层面上,例如,可携带派送区域的区域标识,如此根据该标识可直接确定派送区域的派送资源;
又例如,这些资源也可标注有归属区域,例如标注有归属的地理行政区域,当这些资源的归属区域存在于或者部分存在于当前的派送区域中时,则可将这些资源作为当前派送区域的派送资源;
当然,如触发派送资源优化条件的派送区域,派件资源也可由工作人员手动配置,具体在此不做限定。
约束条件,是指执行物流件派送任务时需满足的条件,该条件,在实际应用中,是根据后续的邻域搜索算法配置的,用于在通过邻域搜索算法迭代搜索满足收敛条件的派送资源的管理策略的过程中,限定迭代搜索的范围,进一步提高迭代搜索出的管理策略的准确性。
在本申请中,所应用的邻域搜索算法,从理论层面上可以理解为,从一个初始解x出发,利用状态发生器持续性地在解x的邻域中搜索比它更好的解,若找到,则将之代替原来的解x,成为新的当前解y,再继续重复上述过程,否则结束搜索过程,以当前解y作为最终解。
而从实际层面上可以理解为,从一个初始的派送资源的管理策略出发,结合派送资源以及添加的约束条件在该初始管理策略的基础上,不断地迭代搜索具有更佳管理质量的管理策略,直至满足最优化条件时,停止搜索过程,可确定满足最优解的派送资源的管理策略。
进一步的,在本申请中,还可采用自适应大邻域算法,自适应大邻域算法有更大的概率能够找到更好的解,具有效率更高、鲁棒性更高的特点。
具体的,通过自适应大邻域搜索算法,将涉及的算式配置反应其影响力的权重系数,通过调整权重系数的大小,如此,改变具体算式对于迭代搜索的影响。其中,除了自适应大邻域搜索算法本身涉及的算式,对于上述本申请配置的约束条件,也可进行该权重系数的配置。
而在实际应用中,本申请配置的约束条件,本质上并不是需要完全满足的约束条件,部分条件还可在提供引导效果的目的下为非必须满足的约束条件。具体,本申请配置的约束条件还可分为硬约束条件以及软约束条件,硬约束条件是指必须满足的约束条件,软约束条件是指非必须满足的约束条件,而对于该软约条件,则可引入权重系数的配置,具体的,该软约束条件配置有惩罚权重,惩罚权重用于调节软约束条件在迭代搜索过程中的影响程度。
以一组实例作为说明,一方面,本申请中的硬约束条件具体可包括:
1,节点营业时间内必须安排至少一个派送设备;
2,节点非营业时间不安排派送设备;
3,派送设备在同一节点至少连续工作1小时以上;
3,派送设备的工作时长上下浮动不超过10%。
另一方面,本申请中的软约束条件具体可包括:
1,节点的运力需求过饱和度最小;
2,派送设备的跨班次数尽可能少;
3,派送设备在非常驻节点的工作时长占比最小。
进一步的,在本申请中,所称的派送资源具体可以包括不同派送设备的设备资源,以派送设备为基础反应派送资源,例如在部署派送车辆的同时,可一对一地配置对应的派送骑士(例如快递员、配送员、外卖员),该派送骑士可驾驶派送车辆进行物流件的派送,如此,派送骑士的人力资源可隐含于派送车辆的车辆资源中,管理策略中派送资源的具体排班情况,是与派送车辆的排班情况相匹配的。
而派送设备的设备资源,具体可包括在派送过程中涉及的常驻时间、非常驻时间、意愿在岗时间、休息时间、跨班次数、跨节点时间等资源指标。
当然,派送设备不仅可以为派送车辆,也可以为派件机器人、送餐机器人或者其他派送设备,甚至不同派送设备的组合。
在该情况下,通过邻域搜索算法迭代搜索得到的派送资源的目标管理策略,具体可包括工作路径,该工作路径,不仅具有地理位置上的移动轨迹,且还可标注其路径中包含工作节点的工作内容以及工作时间,达到排班的效果。
进一步的,在上述涉及的迭代搜索过程中,本申请还可结合实际情况,继续引入新的影响因素。
例如,本申请还可预测派送区域所需处理的物流订单量以及预估不同派送设备的派送能力,其中,派送资源包括不同派送设备的设备资源;
然后再基于派送资源、约束条件、物流件订单量以及派送能力四者,通过邻域算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件。
可以理解,物流订单量可将派送区域中在历史时间段中收到的物流订单量作为时序数据,通过时序模型提取其时序特征,并以提取出的时序特征预测在未来时间段所需处理的物流订单量。其中,该时序模型可以通过不同派送区域的不同历史时间段的物流订单数据作为基础,训练初始时序模型得到,例如Prophet模型。
派送设备的派送能力,尤其当派送设备为派送车辆时,可受限于驾驶配送车辆的派送骑士,而派送骑士则可能受到工作意愿等主观因素造成派送时长、派件量等派送能力上的浮动,又或者,当存在气候变化、天气变化或者当地交通条件等客观因素的实时变化时,会对派送骑士造成派送时长、派件量等派送能力上的浮动,例如同城配送服务或者外卖服务涉及的派送骑士,在恶劣气候、天气或者交通条件下,往往会明显降低工作意愿,降低派送时长以及派件量。因此,可通过考虑影响因素,来预测这些可能浮动能力大小的真实派送能力。
例如,可将派送设备的历史派送能力作为时序数据,通过时序模型提取其时序特征,并引入影响因素作为辅助,通过预测模型提取这些数据中的数据特征,将根据该特征预测在未来时间段的派送能力。其中,该预测模型可以在时序模型的基础上,通过不同派送设备在不同时间段以及不同影响因素的派送能力作为基础,训练初始模型得到,其中,模型具体可以为时序模型或者其他种类的模型,例如LightGBM模型。
如此,结合派送资源、约束条件、物流件订单量以及派送能力四者,可进行更为细腻的迭代搜索,从而得到更为精确的、满足最优解的收敛条件的目标管理策略。
其中,以考虑派送骑士的派送能力的情况下,对派送设备(与派送骑士具有对应关系,例如派送骑士可与派送车辆具有一对一的配对关系)的设备资源进行管理策略的迭代搜索为例:
首先,对应约束条件,构造目标函数:
目标函数表示为公式(1)、(2):
本申请通过设计惩罚权重算法的方式,来使算法在骑士跨班次数与店铺的过饱和度之间达到一个较好的均衡,同时,权重的设置,使软约束条件转化为目标函数的组成部分,将多目标问题转化为单目标优化问题求解,降低了问题的优化求解难度。该平衡权重的算法如公式(3)、(4),应用场景包括但不仅限于此。
接着,采用贪心法生成一个满足所有硬性约束条件的初始解:
初始解生成过程中,按派送骑士是否该节点常驻对派送骑士排序;按派送骑士意愿工作时间与节点营业时间的重合度对派送骑士进行排序;优先将节点常驻、专职且与节点营业时间重合度最高的派送骑士分配到该节点中去,直至所有常驻派送骑士都遍历过或营业时间满足至少一人。
其中,重合度计算公式见公式(5),好处是可以最大程度的保证算法的软约束,一方面减少派送骑士的跨班次数,一方面使派送骑士在非常驻店铺节点的工作时长占比最小。
再接着,将初始解作为当前解和当前最优解,初始化破坏算式与重建算式的权重,初始化解的接受权重:
对于相关算式的权重调整,算式权重长度为算式个数,初始均为1;解的接受权重分为全局最优解的权重、局部最优解的权重、可接受解的权重以及不可接受解的权重四类,初始手动调参。
然后,基于自适应大邻域搜索算法对当前最优解进行迭代搜索,直至满足迭代终止条件:
在迭代搜索过程中,本申请还提出一类似轮盘赌的方式,自动选择算式,即自适应的选择一对破环重建算式,初始从均匀分布中产生随机数,随机选择移除操作、插入操作、交换算式;迭代过程中若解变优,则所对应的算式对被选择概率就越大。
对当前最优解的副本执行以下操作生成候选解:移除算式为选取跨班次数最多的派送骑士进行移除;插入算式为根据运力需求不饱和的情况,以最小连续工作单元为最小粒度进行插入;经过该操作,可减少派送骑士的跨班次数,提高派送骑士的工作效率与工作满意度。交换算式为随机交换,或者为交换常驻派送骑士与非常驻派送骑士的非常驻时段。经过该操作可避免将派送骑士分配至不熟悉的节点中,影响配送效率。
硬性约束条件是指在整个排班方案中必须要满足的条件,本申请通过将硬约束条件设置为解的接受条件的方式,保证其有效性。当候选解满足解的接受条件,则继续更新算式权重的流程,反之,继续重新选择算式迭代搜索。
其中,解的接受条件,或者说接受策略,具体可采用爬山法、模拟退火法等方式。
最后,基于公式(7)更新所选的破坏重建算式的权重,继续执行下一次迭代,直到迭代次数满足一定阈值,或直到解在一定迭代次数之内没有更好,得到最优解。
具体的,结合图2示出的本申请派送资源的处理方法的一种场景示意图进行举例说明。
已知有7个派送骑士,一个店铺节点。派送骑士的意愿工作时间如图2-a所示,横坐标是时段,粒度为半小时,纵坐是每个派送骑士,图2-a表示一共有7个派送骑士,每个派送骑士的意愿工作时段为黑色覆盖区域,店铺节点的运力需求如图2-b所示,横坐标是时段,粒度为半小时,纵坐标是店铺节点需要的派送骑士数,如第一列表示在第一个半小时中需要一个派送骑士,第4列表示店铺节点在该半小时内需要5个派送骑士,自动排班的目标是将派送骑士的意愿工作时段,以一定目标与约束插入至店铺节点有运力需求的时段。
而针对于派送骑士(对应派送车辆)的排班方案,首先构造目标函数;
其次根据约束条件生成一个满足硬约束条件的初始解,将其作为当前最优解;
接着基于搜索算法完成对当前解的搜索迭代,所迭代过程涉及移除、插入和交换操作算式,分别如图2-c所示。
其中,算式操作可通过举例说明:
移除操作即移除一天当中跨班次数最多的派送骑士的班次,即让该派送骑士在这一天休息;
插入操作即以派送骑士在一个店铺节点的连续工作单元为最小粒度,重新将移除的骑士节点插入缺少运力的店铺节点中去;
交换操过程是交换一段时间内两个派送骑士的所工作店铺节点,具体而言,首先选择一段店铺节点常驻派送骑士没在其常驻店铺节点的时段,再选择一段商圈派送骑士排在该店铺节点的时段,以派送骑士在一个店铺节点的连续工作单元为最小粒度,交换两个派送骑士该时段的班次。
在迭代中,通过算式的权重更新公式来自动选择下一次使用的算式。
采用该算法的求解结果如图2-d。
当然,如前面已提及,派送资源不仅可以为硬件设备资源,也可为派送骑士这类的人力资源,因此在实际应用中,也可无需如上述基于派送骑士与派送设备之间的配对关系,对派送设备(派送骑士)进行排班管理,也可直接用于派送骑士这类人力资源的排班管理。
而在提取出满足最优解的收敛条件(如满足上述公式(1)的要求)的目标管理策略后,还可进行输出,以投入实际使用,用于派送区域的派送资源的调度使用。
例如,可向物流节点以及不同派送设备推送目标管理策略。
具体的,物流节点可配置相应的台式电脑、笔记本电脑等固定式设备,供工作人员使用,此时则可将目标管理策略推送至这些相应的工作站,以供物流节点的工作人员查阅,了解派送区域的派送资源如何进行物流件派送任务的,并予以配合,如分配、提供派送资源等。
又或者,当派送设备为派件机器人、送餐机器人时,也可通过与派件机器人、送餐机器人之间的通信连接,直接推送目标管理策略,使派件机器人按照接收到的目标管理策略,落实物流件派送任务。
当然,在实际应用中,物流节点还存在着工作人员,在该情况下,向物流节点推送目标管理策略,还可以理解为向物流节点中工作人员的UE进行推送,类似的,当派送设备为派送车辆等设备时,也可向派送设备侧的工作人员的UE进行推送。
其中,在推送之前,还可可能涉及到推送确认环节,以便在相关工作人员确认目标管理策略可投入实际应用的情况下,再进行推送,落实物流件的派送任务。
参阅图3示出的本申请派送资源的处理方法的又一种流程示意图,在执行步骤S303向物流节点以及不同派送设备推送目标管理策略之前,方法还可包括:
步骤S301,向用户输出目标管理策略;
步骤S302,待接收到用户确认指令后,触发向物流节点以及不同派送设备推送目标管理策略。
应当理解的是,该用户一般为管理人员,在向该用户输出目标管理策略的同时,还可输出物流件处理量等进一步的策略指标,又或者,在目标管理策略中已包括物流件处理量等进一步的策略指标,从而该用户可获知更为具体的策略详情,评估是否可通过确认。
以上是本申请派送资源的处理方法的介绍,为便于更好的实施本申请提供的派送资源的处理方法,本申请还提供了派送资源的处理装置。
参阅图4,图4为本申请派送资源的处理装置的一种结构示意图,在本申请中,派送资源的处理装置400具体可包括如下结构:
确定单元401,用于确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;
获取单元402,用于获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;
搜索单元403,用于基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取单元404,用于提取满足最优解的收敛条件的目标管理策略。
在一种示例性的实现方式中,装置还包括预测单元405,用于:
预测派送区域所需处理的物流订单量;
预估不同派送设备的派送能力,其中,派送资源包括不同派送设备的设备资源;
搜索单元403,具体用于:
基于派送资源、约束条件、物流件订单量以及派送能力,通过邻域算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件。
在又一种示例性的实现方式中,派送资源包括不同派送设备的设备资源,设备资源具体包括常驻时间、非常驻时间、意愿在岗时间、休息时间、跨班次数、跨节点时间,派送设备包括派送车辆、派件机器人以及送餐机器人中的至少一种,目标管理策略包括工作路径。
在又一种示例性的实现方式中,装置还包括推送单元406,用于:
向物流节点以及不同派送设备推送目标管理策略。
在又一种示例性的实现方式中,装置还包括输出单元407,用于:
向用户输出目标管理策略;
待接收到用户确认指令后,触发推送单元406。
在又一种示例性的实现方式中,约束条件包括硬约束条件以及软约束条件,硬约束条件是指必须满足的约束条件,软约束条件是指非必须满足的约束条件,软约束条件配置有惩罚权重,惩罚权重用于调节软约束条件在迭代搜索过程中的影响程度。
在又一种示例性的实现方式中,硬约束条件包括节点营业时间内必须安排至少一个派送设备、节点非营业时间不安排派送设备、派送设备在同一节点至少连续工作1小时以上以及派送设备的工作时长上下浮动不超过10%,软约束条件包括驻店节点的运力需求过饱和度最小、派送设备的跨班次数尽可能少以及派送设备在非常驻节点的工作时长占比最小。
本申请还提供了派送资源的处理设备,参阅图5,图5示出了本申请派送资源的处理设备的一种结构示意图,具体的,本申请派送资源的处理设备包括处理器501、存储器502以及输入输出设备503,处理器501用于执行存储器502中存储的计算机程序时实现如图1及图3对应任意实施例中派送资源的处理方法的各步骤;或者,处理器501用于执行存储器502中存储的计算机程序时实现如图4对应实施例中各单元的功能,存储器502用于存储处理器501执行上述图1及图3对应任意实施例中派送资源的处理方法所需的计算机程序。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器502中,并由处理器501执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
派送资源的处理设备可包括,但不仅限于处理器501、存储器502、输入输出设备503。本领域技术人员可以理解,示意仅仅是派送资源的处理设备的示例,并不构成对派送资源的处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如派送资源的处理设备还可以包括网络接入设备、总线等,处理器501、存储器502、输入输出设备503以及网络接入设备等通过总线相连。
处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是派送资源的处理设备的控制中心,利用各种接口和线路连接整个设备的各个部分。
存储器502可用于存储计算机程序和/或模块,处理器501通过运行或执行存储在存储器502内的计算机程序和/或模块,以及调用存储在存储器502内的数据,实现计算机装置的各种功能。存储器502可主要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、至少一个功能所需的应用程序等;存储数据区可存储根据派送资源的处理设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器501用于执行存储器502中存储的计算机程序时,具体可实现以下功能:
确定触发派送资源优化条件的派送区域,其中,派送区域是指执行物流件派送任务的区域范围;
获取派送区域的派送资源以及派送区域预先配置的约束条件,其中,派送资源是指执行物流件派送任务所需的资源,约束条件是指执行物流件派送任务时需满足的条件;
基于派送资源以及约束条件,通过邻域搜索算法对派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取满足最优解的收敛条件的目标管理策略。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的派送资源的处理装置、设备及其相应单元的具体工作过程,可以参考如图1及图3对应任意实施例中派送资源的处理方法的说明,具体在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请如图1及图3对应任意实施例中派送资源的处理方法中的步骤,具体操作可参考如图1及图3对应任意实施例中派送资源的处理方法的说明,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(Read Only Memory,ROM)、随机存取记忆体(Random Access Memory,RAM)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请如图1及图3对应任意实施例中派送资源的处理方法中的步骤,因此,可以实现本申请如图1及图3对应任意实施例中派送资源的处理方法所能实现的有益效果,详见前面的说明,在此不再赘述。
以上对本申请提供的派送资源的处理方法、装置、设备以及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种派送资源的处理方法,其特征在于,所述方法包括:
确定触发派送资源优化条件的派送区域,其中,所述派送区域是指执行物流件派送任务的区域范围;
获取所述派送区域的派送资源以及所述派送区域预先配置的约束条件,其中,所述派送资源是指所述执行所述物流件派送任务所需的资源,所述约束条件是指执行所述物流件派送任务时需满足的条件;
基于所述派送资源以及所述约束条件,通过邻域搜索算法对所述派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取满足所述最优解的收敛条件的目标管理策略;
其中,所述约束条件包括硬约束条件以及软约束条件,所述硬约束条件是指必须满足的约束条件,所述软约束条件是指非必须满足的约束条件,所述软约束条件配置有惩罚权重,所述惩罚权重用于调节所述软约束条件在所述迭代搜索过程中的影响程度;
所述惩罚权重在迭代搜索过程中变更影响的目标算式,所述目标算式包括于所述软约束条件中,所述软约束条件包含不同算式,所述惩罚权重的变更处理包括:
初始从均匀分布中产生随机数,随机选择移除操作、插入操作、交换算式;
在迭代搜索过程中若解变优,则提高对应的算式的选择概率;
所述对应的算式的选择概率的提高处理包括:
将解变优的目标算式的对应目标惩罚权重的数值提高,得到第一惩罚权重;
将所述第一惩罚权重,与当前所述不同算式对应的包括所述第一惩罚权重的第二惩罚权重之和的商,确认为所述目标惩罚权重对应目标算式的选择概率。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
预测所述派送区域所需处理的物流订单量;
预估不同派送设备的派送能力,其中,所述派送资源包括不同所述派送设备的设备资源;
所述基于所述派送资源以及所述约束条件,通过邻域算法对所述派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件,包括:
基于所述派送资源、所述约束条件、所述物流件订单量以及所述派送能力,通过所述邻域算法对所述派送资源的管理策略进行迭代搜索,直至满足所述最优解的收敛条件。
3.根据权利要求1所述的方法,其特征在于,所述派送资源包括不同派送设备的设备资源,所述设备资源具体包括常驻时间、非常驻时间、意愿在岗时间、休息时间、跨班次数、跨节点时间,所述派送设备包括派送车辆、派件机器人以及送餐机器人中的至少一种,所述目标管理策略包括工作路径。
4.根据权利要求3所述的方法,其特征在于,所述提取满足所述最优解的收敛条件的目标管理策略之后,所述方法还包括:
向物流节点以及所述不同派送设备推送所述目标管理策略。
5.根据权利要求4所述的方法,其特征在于,所述向所述物流节点以及所述不同派送设备推送所述目标管理策略之前,所述方法还包括:
向用户输出所述目标管理策略;
待接收到用户确认指令后,触发向所述物流节点以及所述不同派送设备推送所述目标管理策略。
6.根据权利要求1所述的方法,其特征在于,所述硬约束条件包括节点营业时间内必须安排至少一个派送设备、节点非营业时间不安排派送设备、派送设备在同一节点至少连续工作1小时以上以及派送设备的工作时长上下浮动不超过10%,所述软约束条件包括驻店节点的运力需求过饱和度最小、派送设备的跨班次数尽可能少以及派送设备在非常驻节点的工作时长占比最小。
7.一种派送资源的处理装置,其特征在于,所述装置包括:
确定单元,用于确定触发派送资源优化条件的派送区域,其中,所述派送区域是指执行物流件派送任务的区域范围;
获取单元,用于获取所述派送区域的派送资源以及所述派送区域预先配置的约束条件,其中,所述派送资源是指所述执行所述物流件派送任务所需的资源,所述约束条件是指执行所述物流件派送任务时需满足的条件;
搜索单元,用于基于所述派送资源以及所述约束条件,通过邻域搜索算法对所述派送资源的管理策略进行迭代搜索,直至满足最优解的收敛条件;
提取单元,用于提取满足所述最优解的收敛条件的目标管理策略;
其中,所述约束条件包括硬约束条件以及软约束条件,所述硬约束条件是指必须满足的约束条件,所述软约束条件是指非必须满足的约束条件,所述软约束条件配置有惩罚权重,所述惩罚权重用于调节所述软约束条件在所述迭代搜索过程中的影响程度;
所述惩罚权重在迭代搜索过程中变更影响的目标算式,所述目标算式包括于所述软约束条件中,所述软约束条件包含不同算式,所述惩罚权重的变更处理包括:
初始从均匀分布中产生随机数,随机选择移除操作、插入操作、交换算式;
在迭代搜索过程中若解变优,则提高对应的算式的选择概率;
所述对应的算式的选择概率的提高处理包括:
将解变优的目标算式的对应目标惩罚权重的数值提高,得到第一惩罚权重;
将所述第一惩罚权重,与当前所述不同算式对应的包括所述第一惩罚权重的第二惩罚权重之和的商,确认为所述目标惩罚权重对应目标算式的选择概率。
8.一种派送资源的处理设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时执行如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462083.8A CN112232605B (zh) | 2020-12-14 | 2020-12-14 | 派送资源的处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462083.8A CN112232605B (zh) | 2020-12-14 | 2020-12-14 | 派送资源的处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232605A CN112232605A (zh) | 2021-01-15 |
CN112232605B true CN112232605B (zh) | 2021-05-14 |
Family
ID=74124649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011462083.8A Active CN112232605B (zh) | 2020-12-14 | 2020-12-14 | 派送资源的处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232605B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739482A (zh) * | 2023-08-15 | 2023-09-12 | 宁波安得智联科技有限公司 | 订单装箱方法、设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103369A1 (zh) * | 2016-12-09 | 2018-06-14 | 北京三快在线科技有限公司 | 一种运力监测方法及装置 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
CN109800904A (zh) * | 2018-12-18 | 2019-05-24 | 山东师范大学 | 带时间窗的装配式建筑预制件配送路径优化方法及系统 |
CN111461624A (zh) * | 2020-04-20 | 2020-07-28 | 上海东普信息科技有限公司 | 物流线路规划方法、装置、设备及存储介质 |
CN111553626A (zh) * | 2020-04-09 | 2020-08-18 | 北京顺达同行科技有限公司 | 一种路径规划方法、装置、电子设备及其存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578128B (zh) * | 2017-08-31 | 2020-07-07 | 南京理工大学 | 基于免疫粒子群算法的跨级配送网络规划方法 |
CN107657412B (zh) * | 2017-10-23 | 2023-06-09 | 天津职业技术师范大学 | 面向偏远地区的无人机和汽车组合式配送系统及配送方法 |
CN111428931B (zh) * | 2020-03-24 | 2022-07-08 | 上海东普信息科技有限公司 | 物流配送线路规划方法、装置、设备及存储介质 |
CN111798067B (zh) * | 2020-07-17 | 2021-06-25 | 大连理工大学 | 基于自适应大邻域搜索算法的自动驾驶汽车配送路径规划方法 |
-
2020
- 2020-12-14 CN CN202011462083.8A patent/CN112232605B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103369A1 (zh) * | 2016-12-09 | 2018-06-14 | 北京三快在线科技有限公司 | 一种运力监测方法及装置 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
CN109800904A (zh) * | 2018-12-18 | 2019-05-24 | 山东师范大学 | 带时间窗的装配式建筑预制件配送路径优化方法及系统 |
CN111553626A (zh) * | 2020-04-09 | 2020-08-18 | 北京顺达同行科技有限公司 | 一种路径规划方法、装置、电子设备及其存储介质 |
CN111461624A (zh) * | 2020-04-20 | 2020-07-28 | 上海东普信息科技有限公司 | 物流线路规划方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112232605A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764777B (zh) | 带时间窗的电动物流车调度方法和系统 | |
CN106980955B (zh) | 用于输出信息的方法和装置 | |
Low et al. | Coordination of production scheduling and delivery problems with heterogeneous fleet | |
Zhong et al. | Territory planning and vehicle dispatching with driver learning | |
CN112288347B (zh) | 冷链配送的路线确定方法、装置、服务器及存储介质 | |
CN108846623A (zh) | 基于多目标蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN111428991B (zh) | 用于确定配送车辆的方法和装置 | |
CN109345091A (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
CN107067218A (zh) | 一种配送商的货物配送方法、系统及终端 | |
CN107220796A (zh) | 一种配送商的货品运输方法及装置 | |
CN107274014A (zh) | 一种基于标准箱的配送任务的处理方法、系统及终端 | |
CN113962481B (zh) | 一种应急物资的资源配置方法、装置和服务器 | |
Shang et al. | Spatial scheduling optimization algorithm for block assembly in shipbuilding | |
Kofler et al. | Affinity based slotting in warehouses with dynamic order patterns | |
CN112232605B (zh) | 派送资源的处理方法、装置、设备及计算机可读存储介质 | |
CN110389822A (zh) | 执行任务的节点调度方法、装置和服务器 | |
CN109255462B (zh) | 一种货物配送方法及装置 | |
Kim et al. | Ant colony optimisation with random selection for block transportation scheduling with heterogeneous transporters in a shipyard | |
CN116989819B (zh) | 一种基于模型解的路径确定方法及装置 | |
CN113034088A (zh) | 仓库物流任务调度方法、装置、电子设备及存储介质 | |
CN113650997A (zh) | 一种物品出库定位方法和装置 | |
CN117933581A (zh) | 机器人调度方法及装置 | |
CN115437321A (zh) | 基于深度强化学习网络的微服务-多代理工厂调度模型 | |
CN112926907B (zh) | 一种仓库库存布局方法和装置 | |
CN111815339B (zh) | 一种营销信息推送方法及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |