CN112749822B - 一种生成路线的方法和装置 - Google Patents
一种生成路线的方法和装置 Download PDFInfo
- Publication number
- CN112749822B CN112749822B CN201911045390.3A CN201911045390A CN112749822B CN 112749822 B CN112749822 B CN 112749822B CN 201911045390 A CN201911045390 A CN 201911045390A CN 112749822 B CN112749822 B CN 112749822B
- Authority
- CN
- China
- Prior art keywords
- route
- places
- unassigned
- place
- objective function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 108
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生成路线的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:基于贪心算法生成路线,其中每条路线包括至少一个地点;去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。该实施方式能够解决生成的路线不合理的技术问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种生成路线的方法和装置。
背景技术
外勤人员经常需要到外勤地点出勤,比如在法院拍卖的外勤场景中,法院外勤人员负责查看待拍卖的物品,因此对于需要拍卖的物品,需要每天安排外勤人员进行实地查看,又比如在警员出警的场景中,外勤警员需要到各个外勤地点进行出勤。
一般来说,需要安排外勤人员每天出勤的外勤地点尽可能多,但是由于外勤人员的数量有限,并且每位外勤人员每天的工作时间有限,有时无法将现有的外勤地点全部实地查看完,所以会导致一些外勤地点没有被实地查看。然而每天又会有新的外勤地点增加进来,如果有的外勤地点比较偏远,可能会导致该外勤地点一直无法被实地查看。如果有的外勤地点长时间未被实地查看时,需要考虑对这些外勤地点进行优先出勤。
目前,对外勤人员分配外勤任务采用的主要方式是安排外勤人员从出发点(比如法院或者派出所等)出发,往优先级较高的外勤地点附近区域进行由近至远的推进式出勤;如果所有外勤地点的优先级一致,则从出发点出发,往地点密集区域进行由近至远的推进式出勤。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
对外勤人员的任务分配仅考虑在某个局部区域范围内的外勤地点进行出勤,没有基于全局考虑来合理生成外勤路线。而且这种方式可能会导致外勤人员实际出勤的外勤地点非常少,从而影响外勤人员的工作效率。
发明内容
有鉴于此,本发明实施例提供一种生成路线的方法和装置,以解决生成的路线不合理的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种生成路线的方法,包括:
基于贪心算法生成路线;其中,每条路线包括至少一个地点;
去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;
分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。
可选地,基于贪心算法生成路线,包括:
将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;
重复生成路线的步骤,直到路线的数量与人员的数量相同。
可选地,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;
根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
可选地,去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线,包括:
判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;
经过多次迭代,生成多组路线。
可选地,去除所述路线中的若干个地点,包括:
随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,
随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:
在满足总行驶时间上限约束的条件下,对于去除地点后的每条路线:将任意一个未分配的地点加入到该条路线中,分别计算该条路线中各个地点与所述未分配的地点的加权分数,以最高的加权分数作为所述未分配的地点在该条路线中的加权分数;
比较各个未分配的地点在该条路线中的加权分数的大小,筛选出最高的加权分数对应的未分配的地点以及路线,将所述未分配的地点加入到所述路线中。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:
在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;
筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中。
可选地,根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线,包括:
计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;
针对每条路线,计算第一目标函数值与第二目标函数值的差值;
按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
可选地,所述路线的目标函数描述为:
所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
另外,根据本发明实施例的另一个方面,提供了一种生成路线的装置,包括:
生成模块,用于基于贪心算法生成路线,其中每条路线包括至少一个地点;
迭代模块,用于去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;
求解模块,用于分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。
可选地,所述生成模块还用于:
将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;
重复生成路线的步骤,直到路线的数量与人员的数量相同。
可选地,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;
根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
可选地,所述迭代模块还用于:
判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;
经过多次迭代,生成多组路线。
可选地,所述迭代模块还用于:
随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,
随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。
可选地,所述迭代模块还用于:
在满足总行驶时间上限约束的条件下,对于去除地点后的每条路线:将任意一个未分配的地点加入到该条路线中,分别计算该条路线中各个地点与所述未分配的地点的加权分数,以最高的加权分数作为所述未分配的地点在该条路线中的加权分数;
比较各个未分配的地点在该条路线中的加权分数的大小,筛选出最高的加权分数对应的未分配的地点以及路线,将所述未分配的地点加入到所述路线中。
可选地,所述迭代模块还用于:
在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;
筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中。
可选地,所述迭代模块还用于:
计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;
针对每条路线,计算第一目标函数值与第二目标函数值的差值;
按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
可选地,所述路线的目标函数描述为:
所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用基于贪心算法生成路线,去除路线中的若干个地点,将未分配的地点加入到去除地点后的路线中,从而迭代生成多组路线,并从中筛选出目标函数值最大的一组路线的技术手段,所以克服了现有技术中生成的路线不合理的技术问题。本发明实施例从全局角度出发生成合理的路线,使人员每天的路线尽量合理化,尽可能保证优先级较高的地点分配到路线中且尽可能使路线中包含的地点尽可能多,从而提升外勤人员的工作效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的生成路线的方法的主要流程的示意图;
图2是根据本发明一个可参考实施例的生成路线的方法的主要流程的示意图;
图3是根据本发明实施例的测试样例数据在二维平面上的可视化示意图;
图4是根据本发明实施例考虑优先级场景下生成的路线的示意图;
图5是根据本发明实施例的不考虑优先级场景下生成的路线的示意图;
图6是根据本发明实施例的生成路线的装置的主要模块的示意图;
图7是本发明实施例可以应用于其中的示例性系统架构图;
图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明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,而不会背离本发明的范围和精神。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。
图1是根据本发明实施例的生成路线的方法的主要流程的示意图。作为本发明的一个实施例,如图1所示,所述生成路线的方法可以包括:
步骤101,基于贪心算法生成路线。
贪心算法(又称贪婪算法)是指在对问题求解时,总是做出在当前看来是最好的选择。本发明实施例采用贪心算法生成至少一条初始路线,即得到一组初始可行解。其中,每条路线包括至少一个地点。
可选地,基于贪心算法生成路线,包括:将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;重复生成路线的步骤,直到路线的数量与人员的数量相同。需要指出的是,路线的总行驶时间可以预先设置,而且每条路线的总行驶时间可以相同,也可以各自不同。可选地,路线的总行驶时间可以基于人员的工作时间、人员的行驶速度等进行设置。一般来说,路线的数量与人员的数量相同,以便于分配任务,但是在某些情况下,路线的数量与人员的数量也可以不同,本发明实施例对此不作限制。
可选地,在本发明的实施例中,可以通过以下两个步骤生成初始可行解:
步骤(1):首先,将与出发点的加权分数最高的地点加入到这条路线中;然后,以新加入的地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到这条路线中;接着,以新加入的地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到这条路线中;直到这条路线的总行驶时间达到上限而无法添加任何新的地点为止,由此生成一条路线。
步骤(2):重复步骤(1),直到路线的数量达到人员的数量为止,即可得到一组初始解。
可选地,在本发明的实施例中,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
同理,以新加入的地点作为当前地点时,采用类似方法计算当前地点与任意一个地点的加权分数:
根据当前地点的位置坐标和所述地点的位置坐标,计算所述当前地点与所述地点之间的距离;根据所述当前地点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述当前地点与所述地点的加权分数。
由于每个地点的经纬度坐标和优先级都是已知的,因此可以通过经纬度坐标计算得到地点之间的距离,加权分数可以通过距离和优先级分别乘以一个加权系数再求和得到,加权系数可以根据实际需求指定。例如,可以采用以下公式计算两个地点之间的加权分数:
W=bP-aS
其中,W为加权分数,a为距离的加权系数,b为优先级的加权系数,P为地点的优先级,S为两个地点之间的距离。
可选地,如果地点的优先级为低,则P=0,如果地点的优先级为高,则P=1。如果优先级为多个等级,还可以根据需要制定P的取值,本发明实施例对此不作限制。
步骤102,去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线。
在该步骤中,通过多次迭代生成多组路线,在每次迭代过程中:先去除已生成的路线中的若干个地点,然后将未分配的地点加入到去除地点后的路线中。
在本发明的实施例,采用启发式算法修改当前的路线。可选地,步骤102可以包括:判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;经过多次迭代,生成多组路线。设置最大迭代次数可以控制算法的运行时间,最大迭代次数的大小可以根据实际业务对算法的性能要求来设置。
从所述路线中取出若干个地点的策略可以有多种,可选地,在本发明的实施例中,去除所述路线中的若干个地点,包括:随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。需要指出的是,从所述路线中去除若干个地点后,这些地点再次成为未分配的地点。可以预先指定去除数量,在每次迭代过程中,从路线中随机取出指定数量的地点。也可以指定邻域范围,在每次迭代过程中,随机选择一个地点,将该地点及其邻域范围内的所有地点从所述路线中去除。
在每次迭代过程中,去除所述路线中的若干个地点之后,还要将未分配的地点加入到去除地点后的所述路线中。具体地,可以通过一些插入策略在满足所有约束的条件(比如:总行驶时间上限约束,每一个地点的下一个地点至多有一个,每条路线中均不存在子回路的情况等)下将一些未分配的地点加入路线中,直到所有路线均由于总行驶时间上限约束无法添加任何新的地点或者所有地点均被分配到路线中为止。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:在满足总行驶时间上限约束的条件下,对于去除地点后的每条路线:将任意一个未分配的地点加入到该条路线中,分别计算该条路线中各个地点与所述未分配的地点的加权分数,以最高的加权分数作为所述未分配的地点在该条路线中的加权分数;比较各个未分配的地点在该条路线中的加权分数的大小,筛选出最高的加权分数对应的未分配的地点以及路线,将所述未分配的地点加入到所述路线中。在本发明的实施例中,将未分配的地点分别加入到某一条路线中,然后分别计算这条路线中各个地点与未分配的地点的加权分数,筛选出最高的加权分数,并将对应的未分配的地点加入到这条路线中。需要指出的是,计算加权分数的方法与步骤101类似,不再赘述。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中。
可选地,根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线,包括:计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;针对每条路线,计算第一目标函数值与第二目标函数值的差值;按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
在本发明的实施例中,对于某一条路线:计算加入未分配的地点前的这条路线的第一目标函数值;将未分配的地点分别加入到某一条路线中,然后分别计算加入所述未分配的地点后的这条路线的第二目标函数值;接着计算第一目标函数值与第二目标值的差值,那么就可以得到每个未分配的地点加入到每一条路线后的代价差值(也就是第一目标函数值与第二目标值的差值)。根据代价差值由大到小的顺序对各条路线进行排序,从而筛选出各个未分配的地点对应的最优路线和次优路线。最后,筛选出最优路线的目标函数值与次优路线的目标函数值之间的差值最大的未分配的地点,将该未分配的地点加入到该未分配的地点对应的最优路线中。
可选地,所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。可选地,所述路线的目标函数可以描述如下:
其中,N是地点的总数量;K是路线的总数量;xijk是在第k条路线上第i个地点的下一个地点是否为第j个地点的指示变量;λ是惩罚系数;IA是指示函数,事件A发生时IA=1,事件A不发生时IA=0;Pi是第i个地点的优先级,Pi=1表示第i个地点是高优先级地点,需要优先出勤;tij是第i个地点和第j个地点之间的行驶时间;tU是每条路线的总行驶时间上限。
(1)式是函数的目标,即最大化路线中包含的地点数量,且使高优先级地点尽可能被出勤(即惩罚最小化)。(2)-(6)式均为模型约束:(2)式表示每一个地点的下一个地点至多有一个;(3)式表示流平衡;(4)式表示每条路线中均不存在子回路的情况;(5)式表示每条路线的总行驶时间均控制在[0,tU]范围内。(6)式表示xijk是0-1变量,取值非0即1。xijk=0表示第k条路线上第i个地点的下一个地点不是第j个地点;xijk=1表示第k条路线上第i个地点的下一个地点是第j个地点。
因此,对于某一条路线来说,其目标函数可以简化为:
步骤103,分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。
可选地,与步骤102类似,所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。所述路线的目标函数可以与步骤102中的(1)式相同,不再赘述。
由于通过步骤102的多次迭代得到了多组的路线,每组线路包括至少一条线路,在每组线路中,线路的数量与人员的数量相同。在步骤103中,分别计算每组路线的目标函数值,将每组中每条路线的目标函数值相加,即(1)式,选择目标函数值最大的一组路线作为最终的路线。如果出现多组路线的目标函数值均是最大,则随机选择一组路线作为最终的路线。
根据上面所述的各种实施例,可以看出本发明通过基于贪心算法生成路线,去除路线中的若干个地点,将未分配的地点加入到去除地点后的路线中,从而迭代生成多组路线,并从中筛选出目标函数值最大的一组路线的技术手段,解决了现有技术中生成的路线不合理的技术问题。本发明实施例从全局角度出发生成合理的路线,使人员每天的路线尽量合理化,尽可能保证优先级较高的地点分配到路线中且尽可能使路线中包含的地点尽可能多,从而提升外勤人员的工作效率。
图2是根据本发明一个可参考实施例的生成路线的方法的主要流程的示意图。作为本发明的一个实施例,所述生成路线的方法可以包括以下步骤:
步骤201,基于贪心算法生成初始的路线。
可选地,将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;重复生成路线的步骤,直到路线的数量与人员的数量相同。其中,每条路线包括至少一个地点。
由于每个地点的经纬度坐标和优先级都是已知的,因此可以通过经纬度坐标计算得到地点之间的距离,加权分数可以通过距离和优先级分别乘以一个加权系数再求和得到,加权系数可以根据实际需求指定。可选地,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
步骤202,判断迭代次数是否达到最大迭代次数;若是,则执行步骤204;若否,则执行步骤203。
步骤203,去除路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线。
在每次迭代过程中,采用启发式算法修改当前的路线。具体地,先去除已生成的路线中的若干个地点,然后将未分配的地点加入到去除地点后的路线中。
从所述路线中取出若干个地点的策略可以有多种,可选地,可以包括:随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。
可以通过一些插入策略在满足所有约束的条件(比如:总行驶时间上限约束,每一个地点的下一个地点至多有一个,每条路线中均不存在子回路的情况等)下将一些未分配的地点加入路线中,直到所有路线均由于总行驶时间上限约束无法添加任何新的地点或者所有地点均被分配到路线中为止。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:在满足总行驶时间上限约束的条件下,对于去除地点后的每条路线:将任意一个未分配的地点加入到该条路线中,分别计算该条路线中各个地点与所述未分配的地点的加权分数,以最高的加权分数作为所述未分配的地点在该条路线中的加权分数;比较各个未分配的地点在该条路线中的加权分数的大小,筛选出最高的加权分数对应的未分配的地点以及路线,将所述未分配的地点加入到所述路线中。
可选地,将未分配的地点加入到去除地点后的所述路线中,包括:在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中。
可选地,根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线,包括:计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;针对每条路线,计算第一目标函数值与第二目标函数值的差值;按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
可选地,所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
步骤204,计算生成的多组路线的目标函数值。
通过迭代生成多组路线,分别计算每组路线的目标函数值。所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
步骤205,选择目标函数值最大的一组路线作为最终的路线。
另外,在本发明一个可参考实施例中生成路线的方法的具体实施内容,在上面所述生成路线的方法中已经详细说明了,故在此重复内容不再说明。
为了清晰地说明本发明实施例提供的方法可以从全局角度使外勤人员每天的外勤路线尽量的合理化,下面我们给予一个测试样例,具体数据如表1所示。
表1 测试样例数据
/>
将表1中的测试样例数据在二维平面上进行可视化就可以得到如图3所示结果,以便我们能清晰直观地了解测试样例的具体情况。
如图3所示,测试样例一共包含54个外勤地点,其中有45个低优先级地点和9个高优先级地点。如果采用本发明实施例提供的方法对这些地点安排一个外勤计划,就会得到如图4所示的结果。如图4所示,当设置每条外勤路线的总行驶时间上限约束时,会存在距离较远的3个地点无法被分配到外勤路线中,但是高优先级的地点均被安排到外勤路线中。
为了证明本发明实施例提供的方法在需要考虑外勤地点的优先级场景下会达到很好的技术效果,可以去除考虑外勤优先级的部分(将所有地点的优先级配置为相同),可以得到如图5所示结果。如图5所示,在同样设置每条外勤路线的总行驶时间上限约束时,会存在距离较远的2个地点无法被分配到外勤路线中,但是不考虑外勤优先级时会导致有1个高优先级的地点没有被分配在外勤路线中。尽管图5所示的外勤路线中包含的地点数量比图5所示的外勤路线中包含的地点数量多1个,但是在需要考虑优先级的外勤场景下,图4所示的外勤线路更合理。
图6是根据本发明实施例的生成路线的装置的主要模块的示意图,如图6所示,所述生成路线的装置600包括生成模块601、迭代模块602和求解模块603。其中,生成模块601用于基于贪心算法生成路线,其中每条路线包括至少一个地点;迭代模块602用于去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;求解模块603用于分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。
可选地,所述生成模块601还用于:
将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;
重复生成路线的步骤,直到路线的数量与人员的数量相同。
可选地,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;
根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
可选地,所述迭代模块602还用于:
判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;
经过多次迭代,生成多组路线。
可选地,所述迭代模块602还用于:
随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,
随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。
可选地,所述迭代模块602还用于:
在满足总行驶时间上限约束的条件下,对于去除地点后的每条路线:将任意一个未分配的地点加入到该条路线中,分别计算该条路线中各个地点与所述未分配的地点的加权分数,以最高的加权分数作为所述未分配的地点在该条路线中的加权分数;
比较各个未分配的地点在该条路线中的加权分数的大小,筛选出最高的加权分数对应的未分配的地点以及路线,将所述未分配的地点加入到所述路线中。
可选地,所述迭代模块602还用于:
在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;
筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中。
可选地,所述迭代模块602还用于:
计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;
针对每条路线,计算第一目标函数值与第二目标函数值的差值;
按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
可选地,所述路线的目标函数描述为:
所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
根据上面所述的各种实施例,可以看出本发明通过基于贪心算法生成路线,去除路线中的若干个地点,将未分配的地点加入到去除地点后的路线中,从而迭代生成多组路线,并从中筛选出目标函数值最大的一组路线的技术手段,解决了现有技术中生成的路线不合理的技术问题。本发明实施例从全局角度出发生成合理的路线,使人员每天的路线尽量合理化,尽可能保证优先级较高的地点分配到路线中且尽可能使路线中包含的地点尽可能多,从而提升外勤人员的工作效率。
需要说明的是,在本发明所述生成路线的装置的具体实施内容,在上面所述生成路线的方法中已经详细说明了,故在此重复内容不再说明。
图7示出了可以应用本发明实施例的生成路线的方法或生成路线的装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的生成路线的方法一般由服务器705执行,相应地,所述生成路线的装置一般设置在服务器705中。本发明实施例所提供的生成路线的方法也可以由终端设备701、702、703执行,相应地,所述生成路线的装置可以设置在终端设备701、702、703中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图8,其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括生成模块、迭代模块和求解模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:基于贪心算法生成路线;其中,每条路线包括至少一个地点;去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线。
根据本发明实施例的技术方案,因为采用基于贪心算法生成路线,去除路线中的若干个地点,将未分配的地点加入到去除地点后的路线中,从而迭代生成多组路线,并从中筛选出目标函数值最大的一组路线的技术手段,所以克服了现有技术中生成的路线不合理的技术问题。本发明实施例从全局角度出发生成合理的路线,使人员每天的路线尽量合理化,尽可能保证优先级较高的地点分配到路线中且尽可能使路线中包含的地点尽可能多,从而提升外勤人员的工作效率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种生成路线的方法,其特征在于,包括:
基于贪心算法生成路线;其中,每条路线包括至少一个地点;
去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;
分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线;
去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线,包括:
判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;
经过多次迭代,生成多组路线;
将未分配的地点加入到去除地点后的所述路线中,包括:
在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;
筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中;
所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
2.根据权利要求1所述的方法,其特征在于,基于贪心算法生成路线,包括:
将与出发点的加权分数最高的地点加入到当前路线中,以所述地点作为当前地点,将与所述当前地点的加权分数最高的地点加入到所述当前路线中,直到所述当前路线的总行驶时间达到上限,从而生成一条路线;
重复生成路线的步骤,直到路线的数量与人员的数量相同。
3.根据权利要求2所述的方法,其特征在于,采用如下方法计算出发点与任意一个地点的加权分数:
根据出发点的位置坐标和所述地点的位置坐标,计算所述出发点与所述地点之间的距离;
根据所述出发点与所述地点之间的距离、所述地点的优先级、距离的加权系数和优先级的加权系数,计算所述出发点与所述地点的加权分数。
4.根据权利要求1所述的方法,其特征在于,去除前一次迭代生成的路线中的若干个地点,包括:
随机去除前一次迭代生成的至少一个路线中指定数量的地点;或者,
随机选择前一次迭代生成的至少一个路线中的一个地点,将所述地点及其邻域内的地点从所述至少一个路线中去除。
5.根据权利要求1所述的方法,其特征在于,根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线,包括:
计算加入所述未分配的地点前的每条路线的第一目标函数值,计算加入所述未分配的地点后的每条路线的第二目标函数值;
针对每条路线,计算第一目标函数值与第二目标函数值的差值;
按照所述第一目标函数值与第二目标函数值的差值由大到小的顺序对各条路线进行排序,从而筛选出所述未分配的地点对应的最优路线和次优路线。
6.一种生成路线的装置,其特征在于,包括:
生成模块,用于基于贪心算法生成路线,其中每条路线包括至少一个地点;
迭代模块,用于去除所述路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,从而迭代生成多组路线;
求解模块,用于分别计算每组路线的目标函数值,选择目标函数值最大的一组路线作为最终的路线;
所述迭代模块还用于:
判断迭代次数是否达到最大迭代次数;若是,则停止迭代;若否,则去除前一次迭代生成的路线中的若干个地点,将未分配的地点加入到去除地点后的所述路线中,生成一组路线;
经过多次迭代,生成多组路线;
所述迭代模块还用于:
在满足总行驶时间上限约束的条件下,对于每一个未分配的地点:将所述未分配的地点分别加入到去除地点后的每条路线中,分别计算加入所述未分配的地点后的每条路线的目标函数值;根据加入所述未分配的地点后的每条路线的目标函数值筛选出所述未分配的地点对应的最优路线和次优路线;计算所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值;
筛选出所述最优路线的目标函数值与所述次优路线的目标函数值之间的差值最大的未分配的地点,将所述未分配的地点加入到所述未分配的地点对应的最优路线中;
所述路线的目标函数描述为:所述路线中的地点的数量与优先级较高的地点未被加入所述路线的惩罚之和。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045390.3A CN112749822B (zh) | 2019-10-30 | 2019-10-30 | 一种生成路线的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045390.3A CN112749822B (zh) | 2019-10-30 | 2019-10-30 | 一种生成路线的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112749822A CN112749822A (zh) | 2021-05-04 |
CN112749822B true CN112749822B (zh) | 2024-05-17 |
Family
ID=75640567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911045390.3A Active CN112749822B (zh) | 2019-10-30 | 2019-10-30 | 一种生成路线的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749822B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227898B (zh) * | 2023-05-09 | 2023-07-21 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
CN107967152A (zh) * | 2017-12-12 | 2018-04-27 | 西安交通大学 | 基于最小分支路径函数胎记的软件局部抄袭证据生成方法 |
CN108681586A (zh) * | 2018-05-14 | 2018-10-19 | 安徽师范大学 | 基于群智感知的旅游路线个性化推荐方法 |
CN109032789A (zh) * | 2018-07-02 | 2018-12-18 | 上海大学 | 一种物流网络的部署方法、装置和服务器 |
CN109389239A (zh) * | 2017-08-14 | 2019-02-26 | 顺丰科技有限公司 | 一种随机路径摧毁重建方法、系统、设备 |
CN110191413A (zh) * | 2019-05-23 | 2019-08-30 | 大连海事大学 | 一种基于贪婪蚁群算法在移动自组网中进行广播的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180032955A1 (en) * | 2016-08-01 | 2018-02-01 | Sap Se | System and method of minimizing waiting time in vehicle routing and scheduling with narrow time-windows |
-
2019
- 2019-10-30 CN CN201911045390.3A patent/CN112749822B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
CN109389239A (zh) * | 2017-08-14 | 2019-02-26 | 顺丰科技有限公司 | 一种随机路径摧毁重建方法、系统、设备 |
CN107967152A (zh) * | 2017-12-12 | 2018-04-27 | 西安交通大学 | 基于最小分支路径函数胎记的软件局部抄袭证据生成方法 |
CN108681586A (zh) * | 2018-05-14 | 2018-10-19 | 安徽师范大学 | 基于群智感知的旅游路线个性化推荐方法 |
CN109032789A (zh) * | 2018-07-02 | 2018-12-18 | 上海大学 | 一种物流网络的部署方法、装置和服务器 |
CN110191413A (zh) * | 2019-05-23 | 2019-08-30 | 大连海事大学 | 一种基于贪婪蚁群算法在移动自组网中进行广播的方法及系统 |
Non-Patent Citations (2)
Title |
---|
Virtual Network Function Deployment in Tree-structured Networks;Yang Chen et al.;《2018 IEEE 26th International Conference on Network Protocols》;第132-142页 * |
突发事件下城市轨道交通客流疏散组织优化研究;赵学彧;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;C033-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN112749822A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734559B (zh) | 一种订单处理方法和装置 | |
CN107545338B (zh) | 业务数据处理方法及业务数据处理系统 | |
CN110371548B (zh) | 一种货物入库方法和装置 | |
US20140310712A1 (en) | Sequential cooperation between map and reduce phases to improve data locality | |
US20210312359A1 (en) | Method and device for scheduling automated guided vehicle | |
CN107633358B (zh) | 设施选址及分配的方法和装置 | |
CN111274341A (zh) | 一种网点选址方法和装置 | |
CN103034267B (zh) | 用于控制设施装置的设备和方法 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN109902848B (zh) | 班车站点规划的方法和装置 | |
CN113128743B (zh) | 一种拣货路径规划方法和装置 | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
US20150356491A1 (en) | Workforce optimization by improved provision of job performance plan | |
CN112749822B (zh) | 一种生成路线的方法和装置 | |
CN109783236A (zh) | 用于输出信息的方法和装置 | |
CN113361739B (zh) | 一种生成拣货路径的方法和装置 | |
CN113626472A (zh) | 一种处理订单数据的方法和装置 | |
CN115344359A (zh) | 算力资源分配方法、装置、计算机可读存储介质及设备 | |
CN113283830A (zh) | 运单信息序列生成方法、装置、设备和计算机可读介质 | |
CN111553622B (zh) | 一种配送路线的确定方法和装置 | |
CN111767351A (zh) | 确定搬运机器人停车点的方法和装置 | |
CN110750608A (zh) | 一种基于规则库的空间数据分析自动调度方法 | |
CN114579889B (zh) | 订单热力图的推荐方法、装置、设备及存储介质 | |
CN114393583B (zh) | 通过机器人控制设备的方法及装置 | |
CN113449053B (zh) | 一种车辆调度的方法及装置 |
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 |