CN112465180A - 车辆路径规划方法和装置 - Google Patents

车辆路径规划方法和装置 Download PDF

Info

Publication number
CN112465180A
CN112465180A CN201910848499.4A CN201910848499A CN112465180A CN 112465180 A CN112465180 A CN 112465180A CN 201910848499 A CN201910848499 A CN 201910848499A CN 112465180 A CN112465180 A CN 112465180A
Authority
CN
China
Prior art keywords
vehicle
path
paths
orders
value
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
CN201910848499.4A
Other languages
English (en)
Other versions
CN112465180B (zh
Inventor
步允千
陈浪
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 Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information 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 Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201910848499.4A priority Critical patent/CN112465180B/zh
Publication of CN112465180A publication Critical patent/CN112465180A/zh
Application granted granted Critical
Publication of CN112465180B publication Critical patent/CN112465180B/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)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种车辆路径规划方法和装置，涉及路径规划领域。该方法包括：确定车辆集合中每辆车的初始规划的路径，其中，路径包括规划配送的订单以及配送订单的顺序；基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径；若一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对一组优化后的路径的总路径值设置惩罚值，否则，不对一组优化后的路径的总路径值设置惩罚值；将一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。本公开能够均衡化每辆车的配送订单个数，提高了车辆利用率，进而提高了订单配送的效率。

Description

车辆路径规划方法和装置
技术领域
本公开涉及路径规划领域，尤其涉及一种车辆路径规划方法和装置。
背景技术
随着待配送订单数量越来越多，对配送订单的车辆进行路径规划越来越重要。针对不同类型的车辆路径规划问题，有许多算法进行解决。但相关车辆路径规划技术中，有的车辆配送订单个数过多，而有的车辆配送订单个数过少，使得车辆利用率较低，订单配送效率有待提高。
发明内容
本公开要解决的一个技术问题是，提供一种车辆路径规划方法和装置，能够提高订单的配送效率。
根据本公开一方面，提出一种车辆路径规划方法，包括：确定车辆集合中每辆车的初始规划的路径，其中，路径包括规划配送的订单以及配送订单的顺序；基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径；若一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对一组优化后的路径的总路径值设置惩罚值，否则，不对一组优化后的路径的总路径值设置惩罚值；将一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。
在一些实施例中，一组优化后的路径中，每辆车配送的订单个数小于等于配送个数阈值。
在一些实施例中，得到一组优化后的路径包括：基于车辆的载容载重约束条件和订单的时间窗约束条件，将已规划配送的订单中的任意一个订单，重新规划到任意一辆已规划路径的车辆中；遍历所有已规划路径的车辆，得到当前优化中最短总路径值对应的一组第一路径；将一组第一路径，作为一组优化后的路径。
在一些实施例中，得到一组优化后的路径还包括：将已规划配送的订单中的任意一个订单，重新规划到一辆未规划路径的车辆中，得到一组第二路径；将一组第一路径的总路径值之和，与一组第二路径的总路径值之和，进行比较，将最短总路径值对应的一组路径，作为一组优化后的路径。
在一些实施例中，判断优化迭代次数是否满足次数阈值；若优化迭代次数不满足次数阈值，则继续执行得到一组优化后的路径的步骤；若优化迭代次数满足次数阈值，则确定可行解集合中的最优的一组路径。
在一些实施例中，确定车辆集合中每辆车的初始规划的路径包括：基于车辆的载容载重约束条件和订单的时间窗约束条件，确定每辆车的初始规划的路径。
在一些实施例中，确定车辆集合中每辆车的初始规划的路径还包括：以车辆总路径值最短为目标函数，确定每辆车的初始规划的路径。
根据本公开的另一方面，还提出一种车辆路径规划装置，包括：初始路径确定单元，被配置为确定车辆集合中每辆车的初始规划的路径，其中，路径包括规划配送的订单以及配送订单的顺序；路径优化单元，被配置为基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径；惩罚值设置单元，被配置为若一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对一组优化后的路径的总路径值设置惩罚值，否则，不对一组优化后的路径的总路径值设置惩罚值；最优解确定单元，被配置为将一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。
根据本公开的另一方面，还提出一种车辆路径规划装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的车辆路径规划方法。
根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的车辆路径规划方法。
与相关技术相比，本公开实施例在为车辆进行路径规划时，以最小化成本为前提，设定配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比小于设定值，从而实现车辆均衡化配送订单个数，提高了车辆利用率，进而提高了订单配送的效率。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开车辆路径规划方法的一些实施例的流程示意图。
图2为本公开车辆路径规划方法的另一些实施例的流程示意图。
图3为本公开车辆路径规划装置的一些实施例的结构示意图。
图4为利用相关车辆路径规划方案实现的效果示意图。
图5为利用本公开车辆路径规划方法实现的效果示意图。
图6为本公开车辆路径规划装置的另一些实施例的结构示意图。
图7为本公开车辆路径规划装置的另一些实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
图1为本公开车辆路径规划方法的一些实施例的流程示意图。
在步骤110，确定车辆集合中每辆车的初始规划的路径，其中，路径包括规划配送的订单以及配送订单的顺序。该步骤中，可以基于车辆的载容载重约束条件和订单的时间窗约束条件，确定每辆车的初始规划的路径，即每辆车配送哪些订单，以及先配送哪个订单，后配送哪个订单，从而形成每辆车的配送路径。
在步骤120，基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径。启发式算法包括遗传算法、模拟退火算法等。在优化每辆车的路径过程中，以车辆总路径值最短为目标函数，重新确定某一规划好的订单，由哪辆车配送，以及该订单为该辆车配送的第几个订单，从而形成一组新的车辆路径。
在步骤130，若一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对一组优化后的路径的总路径值设置惩罚值，否则，不对一组优化后的路径的总路径值设置惩罚值。
在一些实施例中，预定值可以根据实际情况进行设定。该步骤中，为了实现每辆车均衡配送订单，因此，在路径规划过程中，不允许存在有的车辆配送订单个数过多，而有的车辆配送订单过少的情况。
在步骤140，将一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。以车辆总路径值最短为目标函数，即以最小化成本为前提，为车辆集合选择一组最优的路径。
在一些实施例中，若多组优化后的路径加入到了可行解结合中，则以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。由于为一组优化后的路径中，配送最多订单个数的车辆所载的订单数，与配送最少订单个数的车辆所载的订单数之比大于预定值的总路径值设置了惩罚值，使得这一组优化后的路径在下一轮迭代过程中，尽量避免该组优化后的路径的出现。
在上述实施例中，在为车辆进行路径规划时，以最小化成本为前提，设定配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比小于设定值，从而实现车辆均衡化配送订单个数，提高了车辆利用率，进而提高了订单配送的效率。
在一些实施例中，一组优化后的路径中，每辆车配送的订单个数小于等于配送个数阈值。该实施例中，限定每辆车最多配送的订单个数，能够使得每辆车的订单量不会过多，进而均衡化每辆车的配送订单个数。
图2为本公开车辆路径规划方法的另一些实施例的流程示意图。
在步骤210，基于车辆的载容载重约束条件和订单的时间窗约束条件，以车辆总路径值最短为目标函数，确定每辆车的初始规划的路径。该步骤中，每辆车的订单个数不超过配送个数阈值。
车辆的载容载重约束条件，指车辆配送的所有订单的体积之和不能超过车辆的允许的载容，重量之和不能超过车辆的允许的载重。订单的时间窗约束条件，指每个用户收取自己的订单，有一个允许被配送的最早开始时间，以及一个允许被配送的最晚结束时间。如果配送到达时间早于用户要求的最早开始时间，则配送人员需要进行等待，如果配送达到时间晚于用户要求的最晚结束时间，则用户可能会拒绝签收订单。
在一些实施例中，还可以利用基于提货送货模式、多始发点以及车辆的发车时间以及收车时间等限制，进行车辆路径规划。
在一些实施例中，可以初始化一个空的路径规划列表，和一个未规划配送的订单列表，其中，未规划配送的订单列表的初始状态包括全部订单。从未规划配送的订单列表中随机选取一个订单，进行以下两种操作。
第一种操作为，遍历路径规划列表，找到该选取的订单可以插入的位置，其中，可以插入的位置，即将该选取的订单插入到某路径的某位置后，该路径仍然满足车辆的载容载重约束条件和订单的时间窗约束条件，并且该路径中的订单个数不超过配送个数阈值；记录每条路径插入该订单后，路径的总路径值；找到最短总路径值对应的一组路径。
第二种操作为，试图创建一条新的空路径，在该路径中插入选取的订单，然后计算路径的总路径值。比较第一种操作和第二种操作，确定最短总路径值对应的一组路径。
然后，将该选取的订单从未规划配送的订单列表中删除，同时，若通过第二种操作确定了一组路径，则将第二种操作中新创建的路径加入到路径规划列表。然后判断未规划配送的订单列表是否为空，若为空，则输出每辆车的初始规划的路径，否则，继续从未规划配送的订单列表中随机选取一个订单，并确定一组路径。
在步骤220，在已规划配送的订单中，选取的任意一个订单。然后分别执行步骤230和步骤240。该任意一个订单可以作为未规划订单，并将该订单从原始路径的位置进行删除。
在步骤230，基于车辆的载容载重约束条件和订单的时间窗约束条件，将该任意一个订单，重新规划到任意一辆已规划路径的车辆中。
在步骤231，遍历所有已规划路径的车辆，得到当前优化中最短总路径值对应的一组第一路径。在该步骤中，一组第一路径中，每辆车配送的订单个数小于等于配送个数阈值。
在一些实施例中，遍历可行解集合中，最短总路径值对应的一组路径的所有车辆。
在步骤240，将已规划配送的订单中的任意一个订单，重新规划到一辆未规划路径的车辆中，得到一组第二路径。
在步骤250，将一组第一路径的总路径值之和，与一组第二路径的总路径值之和，进行比较，将最短总路径值对应的一组路径，作为一组优化后的路径。
在步骤260，判断该组优化后的路径中，配送最多订单个数的车辆所载的订单数，与配送最少订单个数的车辆所载的订单数之比，是否大于预定值，若是，则执行步骤261，否则，执行步骤262。
在步骤261，对该一组优化后的路径的总路径值设置惩罚值。
在步骤262，不对该一组优化后的路径的总路径值设置惩罚值。
在步骤270，将该一组优化后的路径加入可行解集合。
在步骤280，判断优化迭代次数是否满足次数阈值，若是，则执行步骤290，否则，执行步骤220。
在步骤290，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。
在该实施例中，限制每辆车最多配送订单个数，并且，以最小化成本为前提，使得配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数尽量接近，从而实现车辆均衡化配送订单个数，提高了订单配送的效率。
图3为本公开车辆路径规划装置的一些实施例的结构示意图。该装置包括初始路径确定单元310、路径优化单元320、惩罚值设置单元330和最优解确定单元340。
初始路径确定单元310被配置为确定车辆集合中每辆车的初始规划的路径，其中，路径包括规划配送的订单以及配送订单的顺序。
在一些实施例中，基于车辆的载容载重约束条件和订单的时间窗约束条件，以车辆总路径值最短为目标函数，确定每辆车的初始规划的路径。其中，每辆车的订单个数不超过配送个数阈值。
路径优化单元320被配置为基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径。其中，每辆车的订单个数不超过配送个数阈值。
在一些实施例中，基于车辆的载容载重约束条件和订单的时间窗约束条件，将已规划配送的订单中的任意一个订单，重新规划到任意一辆已规划路径的车辆中；遍历所有已规划路径的车辆，得到当前优化中最短总路径值对应的一组第一路径。或者，将已规划配送的订单中的任意一个订单，重新规划到一辆未规划路径的车辆中，得到一组第二路径。将一组第一路径的总路径值之和，与一组第二路径的总路径值之和，进行比较，将最短总路径值对应的一组路径，作为一组优化后的路径。
惩罚值设置单元330被配置为若一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对一组优化后的路径的总路径值设置惩罚值，否则，不对一组优化后的路径的总路径值设置惩罚值。
最优解确定单元340被配置为将一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定可行解集合中的最优的一组路径。
在该实施例中，限制每辆车最多配送订单个数，并且，以最小化成本为前提，使得配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数尽量接近，从而实现车辆均衡化配送订单个数，提高了订单配送的效率。
图4为利用相关车辆路径规划方案实现的效果示意图。共有100个订单，配送最多订单个数的车辆所载的订单数为32，配送最少订单个数的车辆所载的订单数为2，两者之比为33/2，车辆利用率较低，订单配送效率较低。图5为利用本公开车辆路径规划方法实现的效果示意图。配送最多订单个数的车辆所载的订单数为32，配送最少订单个数的车辆所载的订单数为17，两者之比为33/17，相比于相关技术，车辆利用率有效提高，订单配送效率也有效提高。
图6为本公开车辆路径规划装置的另一些实施例的结构示意图。该装置包括存储器610和处理器620，其中：存储器610可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1-2所对应实施例中的指令。处理器620耦接至存储器610，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器620用于执行存储器中存储的指令。
在一些实施例中，还可以如图7所示，该装置700包括存储器710和处理器720。处理器720通过BUS总线730耦合至存储器710。该装置700还可以通过存储接口740连接至外部存储装置750以便调用外部数据，还可以通过网络接口760连接至网络或者另外一台计算机系统(未标出)，此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，提高了车辆利用率，进而提高了订单配送的效率。
在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1-2所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开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，本公开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非瞬时性存储介质(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。
本公开是参照根据本公开实施例的方法、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。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种车辆路径规划方法，包括：
确定车辆集合中每辆车的初始规划的路径，其中，所述路径包括规划配送的订单以及配送订单的顺序；
基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径；
若所述一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对所述一组优化后的路径的总路径值设置惩罚值，否则，不对所述一组优化后的路径的总路径值设置惩罚值；
将所述一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。
2.根据权利要求1所述的车辆路径规划方法，其中，
所述一组优化后的路径中，每辆车配送的订单个数小于等于配送个数阈值。
3.根据权利要求1所述的车辆路径规划方法，其中，得到一组优化后的路径包括：
基于车辆的载容载重约束条件和订单的时间窗约束条件，将已规划配送的订单中的任意一个订单，重新规划到任意一辆已规划路径的车辆中；
遍历所有已规划路径的车辆，得到当前优化中最短总路径值对应的一组第一路径；
将所述一组第一路径，作为所述一组优化后的路径。
4.根据权利要求3所述的车辆路径规划方法，其中，得到一组优化后的路径还包括：
将已规划配送的订单中的任意一个订单，重新规划到一辆未规划路径的车辆中，得到一组第二路径；
将所述一组第一路径的总路径值之和，与所述一组第二路径的总路径值之和，进行比较，将最短总路径值对应的一组路径，作为所述一组优化后的路径。
5.根据权利要求1-4任一所述的车辆路径规划方法，还包括：
判断优化迭代次数是否满足次数阈值；
若优化迭代次数不满足次数阈值，则继续执行得到一组优化后的路径的步骤；
若优化迭代次数满足次数阈值，则确定所述可行解集合中的最优的一组路径。
6.根据权利要求1-4任一所述的车辆路径规划方法，其中，确定车辆集合中每辆车的初始规划的路径包括：
基于车辆的载容载重约束条件和订单的时间窗约束条件，确定每辆车的初始规划的路径。
7.根据权利要求6所述的车辆路径规划方法，其中，确定车辆集合中每辆车的初始规划的路径还包括：
以车辆总路径值最短为目标函数，确定每辆车的初始规划的路径。
8.一种车辆路径规划装置，包括：
初始路径确定单元，被配置为确定车辆集合中每辆车的初始规划的路径，其中，所述路径包括规划配送的订单以及配送订单的顺序；
路径优化单元，被配置为基于启发式算法，对每辆车的路径进行优化，得到一组优化后的路径；
惩罚值设置单元，被配置为若所述一组优化后的路径中，配送最多订单个数的车辆所载的订单数与配送最少订单个数的车辆所载的订单数之比，大于预定值，则对所述一组优化后的路径的总路径值设置惩罚值，否则，不对所述一组优化后的路径的总路径值设置惩罚值；
最优解确定单元，被配置为将所述一组优化后的路径加入可行解集合，以车辆总路径值最短为目标函数，确定所述可行解集合中的最优的一组路径。
9.一种车辆路径规划装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至7任一项所述的车辆路径规划方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至7任一项所述的车辆路径规划方法。
CN201910848499.4A 2019-09-09 2019-09-09 车辆路径规划方法和装置 Active CN112465180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910848499.4A CN112465180B (zh) 2019-09-09 2019-09-09 车辆路径规划方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910848499.4A CN112465180B (zh) 2019-09-09 2019-09-09 车辆路径规划方法和装置

Publications (2)

Publication Number Publication Date
CN112465180A true CN112465180A (zh) 2021-03-09
CN112465180B CN112465180B (zh) 2023-09-26

Family

ID=74807448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910848499.4A Active CN112465180B (zh) 2019-09-09 2019-09-09 车辆路径规划方法和装置

Country Status (1)

Country Link
CN (1) CN112465180B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077106A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 一种基于时间窗的物品运输方法和装置
US20220391785A1 (en) * 2021-06-03 2022-12-08 At&T Intellectual Property I, L.P. Continuous delivery systems
CN117278466A (zh) * 2023-09-14 2023-12-22 清华大学 针对容错流量工程场景下的候选路径选择方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122679A (ja) * 2003-09-25 2005-05-12 Jfe Steel Kk 車両運行計画作成方法及び装置並びにプログラム
CN101739817A (zh) * 2009-11-26 2010-06-16 西北工业大学 一种动态起点的最短路径规划方法
CN104567905A (zh) * 2014-12-25 2015-04-29 深圳国泰安教育技术股份有限公司 一种车辆规划路径的生成方法、装置
CN106327010A (zh) * 2016-08-18 2017-01-11 浪潮软件股份有限公司 一种订单配送路线生成方法及装置
CN107657412A (zh) * 2017-10-23 2018-02-02 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
US20180364061A1 (en) * 2017-06-14 2018-12-20 The Chinese University Of Hong Kong Methods and systems for efficient and timely transportation of heavy-duty trucks
CN109117993A (zh) * 2018-07-27 2019-01-01 中山市武汉理工大学先进工程技术研究院 一种车辆路径优化的处理方法
CN109615133A (zh) * 2018-12-10 2019-04-12 达疆网络科技(上海)有限公司 一种路径确定方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122679A (ja) * 2003-09-25 2005-05-12 Jfe Steel Kk 車両運行計画作成方法及び装置並びにプログラム
CN101739817A (zh) * 2009-11-26 2010-06-16 西北工业大学 一种动态起点的最短路径规划方法
CN104567905A (zh) * 2014-12-25 2015-04-29 深圳国泰安教育技术股份有限公司 一种车辆规划路径的生成方法、装置
CN106327010A (zh) * 2016-08-18 2017-01-11 浪潮软件股份有限公司 一种订单配送路线生成方法及装置
US20180364061A1 (en) * 2017-06-14 2018-12-20 The Chinese University Of Hong Kong Methods and systems for efficient and timely transportation of heavy-duty trucks
CN107657412A (zh) * 2017-10-23 2018-02-02 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
CN109117993A (zh) * 2018-07-27 2019-01-01 中山市武汉理工大学先进工程技术研究院 一种车辆路径优化的处理方法
CN109615133A (zh) * 2018-12-10 2019-04-12 达疆网络科技(上海)有限公司 一种路径确定方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JINGJIN YU ETC.: "Optimal Multi-Robot Path Planning on Graphs: Complete Algorithms and Effective Heuristics", 《ARXIV》, pages 1 - 20 *
向甜甜: "XY公司电子商务物流配送业务车辆调度优化研究", 《中国优秀硕士学位论文全文数据库（经济与管理科学辑）》, pages 152 - 889 *
蒋莎: "B2C环境下多阶段多目标车辆路径问题的研究", 《中国优秀硕士学位论文全文数据库（经济与管理科学辑）》, pages 157 - 106 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077106A (zh) * 2021-04-16 2021-07-06 北京京东振世信息技术有限公司 一种基于时间窗的物品运输方法和装置
US20220391785A1 (en) * 2021-06-03 2022-12-08 At&T Intellectual Property I, L.P. Continuous delivery systems
CN117278466A (zh) * 2023-09-14 2023-12-22 清华大学 针对容错流量工程场景下的候选路径选择方法

Also Published As

Publication number Publication date
CN112465180B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN112465180B (zh) 车辆路径规划方法和装置
CN108985597B (zh) 一种动态物流调度方法
CN110322172B (zh) 库存调度方法、装置以及计算机可读存储介质
CN111768629B (zh) 车辆调度方法、装置和系统
CN109978423A (zh) 库存调度方法、装置以及计算机可读存储介质
Hoogeboom et al. Efficient neighborhood evaluations for the vehicle routing problem with multiple time windows
CN109656243A (zh) 一种agv控制方法、控制系统、电子设备及存储介质
CN108492068B (zh) 用于路径规划的方法和装置
CN108573325A (zh) 物流配送路径优化方法及终端设备
Coltin et al. Scheduling for transfers in pickup and delivery problems with very large neighborhood search
CN105260785A (zh) 一种基于改进布谷鸟算法的物流配送车辆路径优化方法
CN115345549B (zh) 结合装载方案的车辆路径调整方法及系统
KR102532433B1 (ko) 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템
CN109255462B (zh) 一种货物配送方法及装置
CN115330051A (zh) 基于混合遗传算法的车辆路径优化方法及应用
Alaia et al. Optimization of the multi-depot & multi-vehicle pickup and delivery problem with time windows using genetic algorithm
CN109919359B (zh) 一种基于adp算法的车辆路径规划方法
CN112633609B (zh) 车辆路径规划方法、装置、设备和存储介质
Costa et al. Selective arc‐ng pricing for vehicle routing
US20150006341A1 (en) Billing transaction scheduling
CN111369189A (zh) 生成拣货任务的方法、装置、存储介质及电子设备
CN111199321A (zh) 运输网络的优化方法、装置、介质及计算机设备
CN109948990A (zh) 云物流环境下的路径优化方法、系统及存储介质
CN115345550A (zh) 车辆路径规划方法及系统
CN111498368B (zh) 确定储位的方法和装置

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