CN112837001A - 物流网络规划方法、装置及计算机可读存储介质 - Google Patents
物流网络规划方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112837001A CN112837001A CN201911153661.7A CN201911153661A CN112837001A CN 112837001 A CN112837001 A CN 112837001A CN 201911153661 A CN201911153661 A CN 201911153661A CN 112837001 A CN112837001 A CN 112837001A
- Authority
- CN
- China
- Prior art keywords
- distribution
- delivery
- historical
- parameters
- target
- 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
Links
- 238000013439 planning Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 357
- 230000006870 function Effects 0.000 claims abstract description 128
- 238000012384 transportation and delivery Methods 0.000 claims description 170
- 230000015654 memory Effects 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000032683 aging Effects 0.000 description 31
- 238000005457 optimization Methods 0.000 description 7
- 230000009194 climbing Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种物流网络规划方法、装置及计算机可读存储介质，该物流网络规划方法包括，获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。本申请能够有效提高配送路线时效性，提高用户体验。
Description
技术领域
本申请涉及物流配送领域，具体涉及一种物流网络规划方法、装置及计算机可读存储介质。
背景技术
近年来，随着行业的快速发展，各公司的竞争越来越激烈，商品配送服务越来越受到消费者关注，商品的配送时效是一个亟待极高的问题。商品的种类繁多，而服务站的面积有限，无法将所有商品都存放在服务站，企业会在各省的中心城市建立中心备件库。例如，某公司拥有50余家中心库，上百家服务站，当服务站有商品需求时，服务站会向同省的中心库进行调货。这种省会城市中心库和服务站的配货关系存在着部分线路时效差的问题，无法满足用户的需求。
也即，现有技术中的物流配送方法存在配送路线时效差的问题，用户体验较差。
发明内容
本申请实施例提供一种物流网络规划方法、装置及计算机可读存储介质，能够有效提高配送路线时效性，提高用户体验。
第一方面，本申请提供一种物流网络规划方法，所述物流网络规划方法包括：
获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；
基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；
基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；
将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
其中，所述物流运力资源参数包括目标配送类型数量，所述基于配送参数和物流运力资源参数构建目标函数，包括：
以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数。
其中，所述获取历史物流运力资源参数和至少两组配送参数，包括：
获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量；
所述以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数，包括：
以配送参数为决策变量，以目标配送类型数量为第一变量，以目标配送时效为第二变量，构建目标函数。
其中，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
当预设配送路线上存在历史配送时效时，将所述历史配送时效中最短的历史配送时效确定为历史目标配送时效。
其中，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
当预设配送路线上不存在历史配送时效时，获取预设配送路线上服务站和中心库的位置信息；
基于所述服务站和所述中心库的位置信息进行导航，得到导航时效；
基于所述导航时效确定所述历史配送时效。
其中，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
获取预设配送路线上各个配送类型对应的历史配送时效；
统计预设配送路线上各个配送类型对应的历史配送时效中，预设配送时效的数量，其中，所述预设配送时效为时效值不超过预设时效值的历史配送时效；
将所述预设配送时效的数量确定为所述预设配送路线上的所述历史目标配送类型数量。
其中，所述目标函数的约束条件包括：
单个服务站仅与一个中心库之间存在配送路线。
第二方面，本申请提供一种物流网络规划装置，所述物流网络规划装置包括：
获取模块，用于获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；
构建模块，用于基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；
计算模块，用于基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；
确定模块，用于将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
其中，所述物流运力资源参数包括目标配送类型数量，所述构建模块，还用于以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数。
其中，所述获取模块，还用于获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量；
所述构建模块，还用于以目标配送类型数量为第一变量，以目标配送时效为第二变量，构建目标函数。
其中，所述获取模块，还用于，当预设配送路线上存在历史配送时效时，将所述历史配送时效中最短的历史配送时效确定为历史目标配送时效。
其中，所述获取模块，还用于，当预设配送路线上不存在历史配送时效时，获取预设配送路线上服务站和中心库的位置信息；
基于所述服务站和所述中心库的位置信息进行导航，得到导航时效；
基于所述导航时效确定所述历史配送时效。
其中，所述获取模块，还用于，获取预设配送路线上各个配送类型对应的历史配送时效；
统计预设配送路线上各个配送类型对应的历史配送时效中，预设配送时效的数量，其中，所述预设配送时效为时效值不超过预设时效值的历史配送时效；
将所述预设配送时效的数量确定为所述预设配送路线上的所述历史目标配送类型数量。
其中，所述目标函数的约束条件包括：
单个服务站仅与一个中心库之间存在配送路线。
第三方面，本申请还提供一种物流网络规划装置，所述物流网络规划装置包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的物流网络规划方法。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储计算机程序，所述计算机程序适于处理器进行加载，以执行第一方面中任一项的物流网络规划方法。
本申请的有益效果是：本申请提供一种物流网络规划方法，该物流网络规划方法包括，获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。本申请在现有技术中的物流配送方法存在配送路线时效差的情况下，创造性地根据物流运力资源参数和配送参数构建出以总配送时效最优为目标的目标函数，对配送参数进行优化，从而确定最优的目标配送参数，能够有效提高配送路线时效性，提高用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的物流网络规划方法一个实施例流程示意图；
图2是本申请实施例提供的物流网络规划装置一个实施例结构示意图；
图3是本申请实施例提供的物流网络规划装置另一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作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。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种物流网络规划方法、装置及计算机可读存储介质。
首先，本申请实施例提供一种物流网络规划方法，该物流网络规划方法包括：获取历史物流运力资源参数和至少两组配送参数，配送参数包括物流网络中各条配送路线上的配货方案，配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效；基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。以下分别进行详细说明。
首参阅图1，图1是本申请实施例提供的物流网络规划方法一个实施例流程示意图。该物流网络规划方法可以包括：
S11：获取历史物流运力资源参数和至少两组配送参数，配送参数包括各条配送路线上的配货方案，配送路线为中心库至服务站的路线。
中心库一般设置在各省的中心城市，例如省会城市和较大城市，中心库可以用于存放大量商品。服务站分布较广，主要设置在小城市或者县城等，商品存放量比中心库小。当服务站有商品需求时，服务站会向中心库进行调货。例如，云南省内，昆明设有中心库，楚雄、丽江、玉溪等城市设有服务站；在四川省内，成都设有中心库，攀枝花、乐山、德阳等城市设有服务站。因此，将中心库与服务站两两相连，即可得到至少两条配送路线。
具体的，首先定义配送参数。配送参数包括物流网络中各条配送路线上的配货方案。若配送路线进行配货，则将配送路线的配送参数定义为1；若配送路线不进行配货，则将配送路线的配送参数定义为0。因此，对至少两条配送路线分别定义配送参数后，即可得到一组配送参数。例如。配送路线包括两条配送路线，配送路线A为昆明中心库至攀枝花服务站，不进行配送；配送路线B为昆明中心库至玉溪服务站，进行配送。可以得到一组配送参数为[0,1]。因此，当采用不同的配送方案时，则可以得到至少两组配送参数。至少两组配送参数可以采用穷举法依次列出。例如，当存在两条配送路线时，可以列举出四组配送参数，分别为[0,0]，[1,0]，[1,1]，[0,1]。当然，也可以是人工通过经验总结得出至少两组配送参数，通过键盘输入、语音输入等方式输入物流网络规划装置，从而可以获取至少两组配送参数。
在本申请的一些实施例中，物流运力资源参数包括目标配送类型数量。获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量。目标配送类型数量这个参数反映的是物流公司在这个配送路线中提供的陆运、航空、人力资源情况。目标配送类型数量越大，表明物流公司在这个配送路线的资源较多，目标配送类型数量越小，表明物流公司在这个配送路线的资源较小，因此目标配送类型数量，能够影响其总配送时效。在其他实施例中，物流运力资源参数也可以包括配送路线上的车辆数量等其他参数，本申请对此不做限定。
在一个具体的实施例中，获取预设路线上的历史配送时效。其中，预设路线上的历史配送时效为商品从预设路线上的中心库运送至服务站的时间。预设路线上的历史配送时效可以通过历史记录的运单获取。预设路线上的历史配送时效可以为历史60内、历史90天内或其他时间段中的数据，根据具体情况选用即可，本申请对此不作限定。具体的，从历史记录的运单中，获取历史运单配送时效，历史运单配送时效为之前每个运单的实际配送时效。将历史运单配送时效的平均值确定为历史配送时效。当然可以将历史运单配送时效中预设分位数对应的历史运单配送时效确定为历史配送时效，预设分位数可以是较大四分位数、中位数、第95百分位数等等，根据具体情况选用，本申请对此不作限定。
当预设配送路线上不存在历史配送时效时，获取预设配送路线上服务站和中心库的位置信息。具体的，可以通过地图工具获取服务站和中心库的位置信息，例如，获取服务站和中心库的经纬度信息。在获取预设配送路线上服务站和中心库的位置信息后，基于服务站和中心库的位置信息进行导航，得到导航时效。导航是一个研究领域，重点是监测和控制工艺或车辆从一个地方移动到另一个地方的过程。导航领域包括四个一般类别：陆地导航，海洋导航，航空导航和空间导航。因此，通过根据已知的服务站和中心库的位置信息进行导航，即可得到导航时效。在得到导航时效后，基于导航时效确定历史配送时效。具体的，可以将导航时效直接确定为历史配送时效，也可以将导航时效加权后确定为历史配送时效，加权系数可以为0.5、0.8或者1.1等数值，根据具体情况设定即可，本申请对此不作限定。当预设配送路线上不存在历史配送时效时，表明历史记录中没有预设配送路线上的运单，通过地图工具进行位置确定和导航得到导航时效，能搞避免历史记录缺陷造成无法确定最优配送方案的问题。
当预设配送路线上存在历史配送时效时，将历史配送时效中最短的历史配送时效确定为历史目标配送时效。例如，配送路线A的两个历史配送时效分别为18.7小时和19.4小时，则配送路线A的历史目标配送时效为18.7小时。在其他实施例中，也可以将历史配送时效的平均值确定为历史目标配送时效，本申请对此不作限定。
在一个具体的实施例中，获取预设配送路线上各个配送类型对应的历史配送时效。其中，获取预设配送路线上各个配送类型对应的历史配送时效可以通过历史记录的运单获取。预设配送路线上各个配送类型对应的历史配送时效可以为历史60内、历史90天内或其他时间段中的数据，根据具体情况选用即可，本申请对此不作限定。配送类型可以包括重货包裹、小票零担、物流普运、顺丰特惠以及顺丰标快中的至少一种。具体的，从历史记录的运单中，获取历史运单配送时效，将历史运单配送时效的平均值确定为历史配送时效。当然可以将历史运单配送时效中预设分位数对应的历史运单配送时效确定为历史配送时效，预设分位数可以是较大四分位数、中位数、第95百分位数等等，根据具体情况选用，本申请对此不作限定。例如，配送路线A上重货包裹的历史配送时效为18.72小时、小票零担的历史配送时效为21.11小时、物流普运的历史配送时效为21.49小时。
在获取预设配送路线上各个配送类型对应的历史配送时效后，统计预设配送路线上各个配送类型对应的历史配送时效中，预设配送时效的数量，其中，预设配送时效为时效值不超过预设时效值的历史配送时效。例如，配送路线A上重货包裹的历史配送时效为18.72小时、小票零担的历史配送时效为21.11小时、物流普运的历史配送时效为21.49小时。预设时效值为24小时，即预设配送时效为满足24小时配送的时效。3个历史配送时效均不超过24小时，则三个历史配送时效均为预设配送时效。因此，预设配送时效的的数量为3个。
在统计得到预设配送时效的数量后，将预设配送时效的数量确定为预设配送路线上的历史目标配送类型数量。配送类型对应的历史配送时效满足24小时配送，则该配送类型为历史目标配送数量。例如，预设配送时效的的数量为3个，则历史目标配送类型数量为3个，3个历史目标配送类型分别为重货包裹、小票零担以及物流普运。
进一步的，逐一计算每条配送路线上的历史目标配送类型数量，即可得到至少两条配送路线上的历史目标配送类型数量。
设置预设时效值为24小时，在满足24小时配送时效的情况下，能够得到预设路线上的多个目标配送类型，从而为用户推荐多种物流产品选择。在其他实施例中，也可以将预设时效值设置为36小时、48小时等其他数值，本申请对此不作限定。
进一步的，对服务站对应的中心库进行优先级排序。具体的，基于服务站与各个中心库的历史目标配送时效进行排序。更具体的，按配送类型分类，分别基于服务站与各个中心库的历史目标配送时效进行排序。例如，攀枝花服务站对应的中心库分别为昆明中心库和成都中心库。其中，攀枝花服务站至昆明中心库这条配送路线上重货包裹的历史目标配送时效为18.72小时，攀枝花服务站至成都中心库这条配送路线上重货包裹的历史目标配送时效为26.47小时。因此，攀枝花服务站通过重货包裹需求商品时对应的中心库优先级从高到低为：昆明中心库、成都中心库。当昆明中心库出现缺货情况，可推荐成都中心库通过为攀枝花服务站配送商品，保证配件尽可能早送达。
S12：基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效。
最优化问题就是在给定条件下寻找最佳方案的问题。最佳的含义有各种各样：成本最小、收益最大、利润最多、距离最短、时间最少、空间最小等，即在资源给定时寻找最好的目标，或在目标确定下使用最少的资源。生产、经营和管理中几乎所有问题都可以认为是最优化问题，比如产品原材料组合问题、人员安排问题、运输问题、选址问题、资金管理问题、最优定价问题、经济订货量问题、预测模型中的最佳参数确定问题，等等。
最优化问题的数学模型一般都由决策变量、目标函数和约束条件三部分构成。决策变量是指最优化问题中所涉及的与约束条件和目标函数有关的待确定的量。一般来说，它们都有一些限制条件(约束条件)，与目标函数紧密关联。在最优化问题中，与变量有关的待求其极值(或最大值最优值)的函数称为目标函数。在最优化问题中，求目标函数的极值时，变量必须满足的限制称为约束条件。例如，许多实际问题变量要求必须非负，这是一种限制；在研究电路优化设计问题时，变量必须服从电路基本定律，这也是一种限制等等。在研究问题时，这些限制我们必须用数学表达式准确地描述它们。
在本申请的一些实施例中，以配送参数为决策变量，以目标配送类型数量为第一变量，以目标配送时效为第二变量，构建目标函数。
在一个具体的实施例中，目标函数如公式(1)所示，
其中，F为目标函数，N为中心库的集合，M为服务站的集合，Tij为配送路线为中心库i到服务站j的目标配送时效,Pij为配送路线为中心库i到服务站j的目标配送类型数量，Yij为配送路线为中心库i到服务站j的配送参数，λ为调节系数。
其中，λ为负值，可以是-10到-1的数值。该配送路线上的目标配送类型数量越多，可以减少该配送路线上的耗时，更多的可选目标配送类型给一定的时效奖励。
在本申请的一些实施例中，基于配送参数和物流运力资源参数构建目标函数，可以包括：以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数。
在一个具体的实施例中，目标函数如公式(2)所示，
其中，F为目标函数，N为中心库的集合，M为服务站的集合，Pij为配送路线为中心库i到服务站j的目标配送类型数量，Yij为配送路线为中心库i到服务站j的配送参数，λ为调节系数。
S13：基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值。
本申请实施例中，以目标函数F为公式(1)进行说明，当目标函数为其他公式时，参照目标函数为公式(1)的情况。
目标函数F为公式(1)时，调节系数λ可以根据用户输入的值进行确定。将历史目标配送时效代入目标配送时效Tij，将历史目标配送类型数量代入目标配送类型数量Pij。因此，目标函数F中的未知量仅为配货参数。将至少两组配送参数依次输入目标函数，即可得到至少两个目标函数输出值。
进一步的，目标函数的约束条件包括：单个服务站仅与一个中心库之间存在配送路线。具体的，目标函数的约束条件如公式(3)所示，
通过约束条件对配送参数进行筛选，能够大幅减小符合条件的配送参数，从而减小计算量，提高得到目标配送参数的效率。并且单个服务站仅与一个中心库之间存在配送路线，一方面能够满足每个服务站都能够有对应中心库进行供货，另一方面也避免了过多中心库对服务站进行供货造成的资源浪费。例如，存在两条配送路线时，通过穷举法可以列举出四组配送参数，分别为[0,0]，[1,0]，[1,1]，[0,1]。在约束条件下，只有两组配送参数符合条件，分别为[1,0]，[0,1]。减小了一半的计算量，大大提高了计算效率。
S14：将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
本申请实施例中，在得到至少两个目标函数输出值后，对至少两个目标函数输出值进行排序，得到至少两个目标函数输出值中最优值。将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。优选的，将至少两个目标函数输出值中最小值对应的配送参数确定为目标配送参数。
例如，将两组配送参数[1,0]，[0,1]分别输入目标函数，则可得到两个目标函数输出值，分别为F1和F2。对F1和F2由大到小进行排序后，排序结果为F1,F2。则将最小值对应的配送参数[0,1]，作为目标配送参数。
由于目标函数表示总配送时效，因此，目标函数输出值最小时对应的目标配送参数为总配送时效最小的配送方案，采用目标配送参数进行配送，能够实现总配送时效最短，提高物流配送的时效性。
本申请提供一种物流网络规划方法，该物流网络规划方法包括，获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。本申请在现有技术中的物流配送方法存在配送路线时效差的情况下，创造性地根据物流运力资源参数和配送参数构建出以总配送时效最优为目标的目标函数，对配送参数进行优化，从而确定最优的目标配送参数，能够有效提高配送路线时效性，提高用户体验。
参阅图2，图2是本申请实施例提供的物流网络规划装置一个实施例结构示意图。
如图2所示，本申请还提供一种物流网络规划装置。物流网络规划装置可以集成在服务器中。物流网络规划装置包括获取模块201、构建模块202、计算模块203、确定模块204。具体的：
获取模块201，用于获取历史物流运力资源参数和至少两组配送参数，配送参数包括各条配送路线上的配货方案，配送路线为中心库至服务站的路线；
构建模块202，基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效；
计算模块203，基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；
确定模块204，用于将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
其中，物流运力资源参数包括目标配送类型数量，构建模块202，还用于以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数。
其中，获取模块201，还用于获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量；
构建模块202，还用于以目标配送类型数量为第一变量，以目标配送时效为第二变量，构建目标函数。
其中，获取模块201，还用于，当预设配送路线上存在历史配送时效时，将历史配送时效中最短的历史配送时效确定为历史目标配送时效。
其中，获取模块201，还用于，当预设配送路线上不存在历史配送时效时，获取预设配送路线上服务站和中心库的位置信息；
基于服务站和中心库的位置信息进行导航，得到导航时效；
基于导航时效确定历史配送时效。
其中，获取模块201，还用于，获取预设配送路线上各个配送类型对应的历史配送时效；
统计预设配送路线上各个配送类型对应的历史配送时效中，预设配送时效的数量，其中，预设配送时效为时效值不超过预设时效值的历史配送时效；
将预设配送时效的数量确定为预设配送路线上的历史目标配送类型数量。
其中，目标函数的约束条件包括：
单个服务站仅与一个中心库之间存在配送路线。
本申请获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。本申请在现有技术中的物流配送方法存在配送路线时效差的情况下，创造性地根据物流运力资源参数和配送参数构建出以总配送时效最优为目标的目标函数，对配送参数进行优化，从而确定最优的目标配送参数，能够有效提高配送路线时效性，提高用户体验。
参阅图3，图3是本申请实施例提供的物流网络规划装置另一个实施例结构示意图。
如图3所示，其示出了本申请实施例所涉及的物流网络规划装置的结构示意图，具体来讲：
该物流网络规划装置可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解，图3中示出的物流网络规划装置结构并不构成对物流网络规划装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器301是该物流网络规划装置的控制中心，利用各种接口和线路连接整个物流网络规划装置的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行物流网络规划装置的各种功能和处理数据，从而对物流网络规划装置进行整体监控。可选的，处理器301可包括一个或多个处理核心；优选的，处理器301可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块，处理器301通过运行存储在存储器302的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器302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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据物流网络规划装置的使用所创建的数据等。此外，存储器302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。相应地，存储器302还可以包括存储器控制器，以提供处理器301对存储器302的访问。
物流网络规划装置还包括给各个部件供电的电源303，优选的，电源303可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该物流网络规划装置还可包括输入单元304，该输入单元304可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，物流网络规划装置还可以包括显示单元等，在此不再赘述。具体在本申请实施例中，物流网络规划装置中的处理器301会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能，如下：
获取历史物流运力资源参数和至少两组配送参数，配送参数包括物流网络中各条配送路线上的配货方案，配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效；基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
本申请获取历史物流运力资源参数和至少两组配送参数，配送参数包括物流网络中各条配送路线上的配货方案，配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效；基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。本申请在现有技术中的物流配送方法存在配送路线时效差的情况下，创造性地根据物流运力资源参数和配送参数构建出以总配送时效最优为目标的目标函数，对配送参数进行优化，从而确定最优的目标配送参数，能够有效提高配送路线时效性，提高用户体验。
为此，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种物流网络规划方法中的步骤。例如，该指令可以执行如下步骤：
获取历史物流运力资源参数和至少两组配送参数，配送参数包括物流网络中各条配送路线上的配货方案，配送路线为中心库至服务站的路线；基于配送参数和物流运力资源参数构建目标函数，目标函数表示总配送时效；基于目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
以上对本申请实施例所提供的一种物流网络规划方法、装置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，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种物流网络规划方法，其特征在于，所述物流网络规划方法包括：
获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括物流网络中各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；
基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；
基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；
将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
2.根据权利要求1所述的物流网络规划方法，其特征在于，所述物流运力资源参数包括目标配送类型数量，所述基于配送参数和物流运力资源参数构建目标函数，包括：
以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数。
3.根据权利要求2所述的物流网络规划方法，其特征在于，
所述获取历史物流运力资源参数和至少两组配送参数，包括：
获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量；
所述以配送参数为决策变量，以目标配送类型数量为第一变量，构建目标函数，包括：
以配送参数为决策变量，以目标配送类型数量为第一变量，以目标配送时效为第二变量，构建目标函数。
4.根据权利要求3所述的物流网络规划方法，其特征在于，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
当预设配送路线上存在历史配送时效时，将所述历史配送时效中最短的历史配送时效确定为历史目标配送时效。
5.根据权利要求3所述的物流网络规划方法，其特征在于，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
当预设配送路线上不存在历史配送时效时，获取预设配送路线上服务站和中心库的位置信息；
基于所述服务站和所述中心库的位置信息进行导航，得到导航时效；
基于所述导航时效确定所述历史配送时效。
6.根据权利要求3所述的物流网络规划方法，其特征在于，所述获取至少两组配送参数、至少两条配送路线上的历史目标配送时效、至少两条配送路线上的历史目标配送类型数量，包括：
获取预设配送路线上各个配送类型对应的历史配送时效；
统计预设配送路线上各个配送类型对应的历史配送时效中，预设配送时效的数量，其中，所述预设配送时效为时效值不超过预设时效值的历史配送时效；
将所述预设配送时效的数量确定为所述预设配送路线上的所述历史目标配送类型数量。
7.根据权利要求1-3任意一项所述的物流网络规划方法，其特征在于，所述目标函数的约束条件包括：
单个服务站仅与一个中心库之间存在配送路线。
8.一种物流网络规划装置，其特征在于，所述物流网络规划装置包括：
获取模块，用于获取历史物流运力资源参数和至少两组配送参数，所述配送参数包括各条配送路线上的配货方案，所述配送路线为中心库至服务站的路线；
构建模块，用于基于配送参数和物流运力资源参数构建目标函数，所述目标函数表示总配送时效；
计算模块，用于基于所述目标函数分别计算至少两组配送参数对应的至少两个目标函数输出值；
确定模块，用于将至少两个目标函数输出值中最优值对应的配送参数确定为目标配送参数。
9.一种物流网络规划装置，其特征在于，所述物流网络规划装置包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至7中任一项所述的物流网络规划方法。
10.一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中存储计算机程序，所述计算机程序适于处理器进行加载，以执行权利要1至7中任一项所述的物流网络规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911153661.7A CN112837001A (zh) | 2019-11-22 | 2019-11-22 | 物流网络规划方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911153661.7A CN112837001A (zh) | 2019-11-22 | 2019-11-22 | 物流网络规划方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112837001A true CN112837001A (zh) | 2021-05-25 |
Family
ID=75921589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911153661.7A Pending CN112837001A (zh) | 2019-11-22 | 2019-11-22 | 物流网络规划方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837001A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862299A (zh) * | 2022-03-31 | 2022-08-05 | 盒马(中国)有限公司 | 运输路线规划方法以及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651227A (zh) * | 2015-10-28 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 提供进口物流时效信息的方法及装置 |
| CN107094165A (zh) * | 2016-08-31 | 2017-08-25 | 阿里巴巴集团控股有限公司 | 配送能力确定、配送任务获取、配送资源调度方法和设备 |
| CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
| CN108898351A (zh) * | 2018-08-14 | 2018-11-27 | 网易无尾熊（杭州）科技有限公司 | 配送方选择方法、系统、介质和计算设备 |
| CN109242211A (zh) * | 2018-10-16 | 2019-01-18 | 顺丰科技有限公司 | 一种运输网络规划方法、系统、设备及存储介质 |
| CN109447355A (zh) * | 2018-10-31 | 2019-03-08 | 网易无尾熊（杭州）科技有限公司 | 仓库货物的配送优化方法、装置、介质和计算设备 |
| CN110097320A (zh) * | 2019-05-09 | 2019-08-06 | 上汽安吉物流股份有限公司 | 订单预测方法和装置、物流系统及计算机可读介质 |
| CN110163543A (zh) * | 2018-02-13 | 2019-08-23 | 北京京东尚科信息技术有限公司 | 配送决策方法和装置及计算机可读存储介质 |
-
2019
- 2019-11-22 CN CN201911153661.7A patent/CN112837001A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651227A (zh) * | 2015-10-28 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 提供进口物流时效信息的方法及装置 |
| CN107094165A (zh) * | 2016-08-31 | 2017-08-25 | 阿里巴巴集团控股有限公司 | 配送能力确定、配送任务获取、配送资源调度方法和设备 |
| CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
| CN110163543A (zh) * | 2018-02-13 | 2019-08-23 | 北京京东尚科信息技术有限公司 | 配送决策方法和装置及计算机可读存储介质 |
| CN108898351A (zh) * | 2018-08-14 | 2018-11-27 | 网易无尾熊（杭州）科技有限公司 | 配送方选择方法、系统、介质和计算设备 |
| CN109242211A (zh) * | 2018-10-16 | 2019-01-18 | 顺丰科技有限公司 | 一种运输网络规划方法、系统、设备及存储介质 |
| CN109447355A (zh) * | 2018-10-31 | 2019-03-08 | 网易无尾熊（杭州）科技有限公司 | 仓库货物的配送优化方法、装置、介质和计算设备 |
| CN110097320A (zh) * | 2019-05-09 | 2019-08-06 | 上汽安吉物流股份有限公司 | 订单预测方法和装置、物流系统及计算机可读介质 |
Non-Patent Citations (1)
| Title |
|---|
| 温惠英;沈芬;徐建闽;: "物流配送车辆导航系统设计研究", 微计算机信息, no. 10, 5 April 2008 (2008-04-05) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862299A (zh) * | 2022-03-31 | 2022-08-05 | 盒马(中国)有限公司 | 运输路线规划方法以及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102542395B (zh) | 一种应急物资调度系统及计算方法 | |
| US20240054444A1 (en) | Logistics scheduling method and system for industrial park based on game theory | |
| Chan et al. | A hybrid genetic algorithm for production and distribution | |
| Goodarzi et al. | A new bi-objective vehicle routing-scheduling problem with cross-docking: Mathematical model and algorithms | |
| US20060015396A1 (en) | System and method for optimizing the utilization of a cargo space and for maximizing the revenue from a cargo transport | |
| Wei et al. | Assigning customer-dependent travel time limits to routes in a cold-chain inventory routing problem | |
| Özcan et al. | 3PL service provider selection with a goal programming model supported with multicriteria decision making approaches | |
| Delgado et al. | A multistage stochastic programming model for the network air cargo allocation under capacity uncertainty | |
| CN112926808A (zh) | 物流路径规划方法、装置、设备和计算机可读存储介质 | |
| CN112418475B (zh) | 物流路径规划方法、装置、电子设备及存储介质 | |
| CN114266395A (zh) | 基于组合预测法卷烟物流集散分拨中心信息系统 | |
| Guo et al. | Integrated inventory control and scheduling decision framework for packaging and products on a reusable transport item sharing platform | |
| CN112837001A (zh) | 物流网络规划方法、装置及计算机可读存储介质 | |
| Li et al. | Parcel consolidation approach and routing algorithm for last-mile delivery by unmanned aerial vehicles | |
| Wu | Modelling of containerized air cargo forwarding problems under uncertainty | |
| Lam et al. | Responsive pick face replenishment strategy for stock allocation to fulfil e-commerce order | |
| Hua et al. | Large-scale dockless bike sharing repositioning considering future usage and workload balance | |
| CN115759574A (zh) | 物资的存储方法、装置、计算机设备和存储介质 | |
| CN115952883A (zh) | 一种计量物资采购与检定计划横纵协调优化方法及装置 | |
| CN113762842B (zh) | 仓储调度方法、服务器和系统 | |
| CN115099463A (zh) | 一种计量物资配送风险预测方法及装置 | |
| CN112862135B (zh) | 快件运输线路规划方法、装置、服务器及存储介质 | |
| CN107229996A (zh) | 一种一体化供应链管理平台 | |
| CN111047354A (zh) | 一种分时定价的实现方法、装置、电子设备和存储介质 | |
| Wyciślak et al. | Supply chain control tower and the adoption of intelligent dock booking for improving efficiency |
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 |