CN112926769A - 一种物流配送路径规划方法及装置 - Google Patents
一种物流配送路径规划方法及装置 Download PDFInfo
- Publication number
- CN112926769A CN112926769A CN202110172936.2A CN202110172936A CN112926769A CN 112926769 A CN112926769 A CN 112926769A CN 202110172936 A CN202110172936 A CN 202110172936A CN 112926769 A CN112926769 A CN 112926769A
- Authority
- CN
- China
- Prior art keywords
- path
- ant
- pheromone
- distribution
- dot
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013439 planning Methods 0.000 title claims abstract description 29
- 239000003016 pheromone Substances 0.000 claims description 36
- 238000012384 transportation and delivery Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 19
- 241000257303 Hymenoptera Species 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 238000011068 loading method Methods 0.000 description 60
- 238000011161 development Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 230000001976 improved effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000013523 data management Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009440 infrastructure construction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物流配送路径规划方法及装置,以配送网点位置为输入,以最短路径为目标,以允许访问网点集合为限定,采用蚁群算法求解各网点间配送的最佳路径,减少配送时间和配送里程,提高配送效率,降低配送成本,加快物流速度,能准时、快速的把货物送到客户的手中,提高客户满意度,并使用Python实现最优路径的展示,降低人工经验判断带来的运输不合理性及效率低下,解决现有配送路径依靠人工经验判断存在的效率低、容易出现误判、人工干预成本高的技术问题。
Description
技术领域
本发明属于物流技术领域,具体地说,是涉及一种物流配送路径规划方法及装置。
背景技术
随着经济全球化以及电子商务的迅速发展,物流产业作为国民经济中一个重要的服务产业,正在全球范围迅速发展,并逐渐成为国民经济的基础产业和发展动脉,其发展程度已经成为衡量一个国家现代化程度和综合国力的重要标志,这一新的经济增长点作为社会发展的有利支柱逐渐引起了广泛关注。
现代物流是企业在降低物质消耗,提高生产率的第三重要利润源泉,也是企业降低生产运营成本,提高市场竞争力的重要途径,在国家社会层面上也有着多方面的因素影响着物流行业的发展,如经济社会环境的变化、基础设施的建设、现代信息技术的发展、国家政策以及其他行业发展在社会总体发展最优的前提下对物流行业提出新的要求等。
随着信息技术的发展,物流行业正面临激烈市场竞争和严峻挑战。在这种情况下,依托现有的资源优势,运用通信技术和信息技术,积极培育发展业务,在信息领域挖掘新的利润增长点,必将成为物流实施可持续发展战略的重要手段之一。物流公司拥有遍布全国的网点资源和人力资源优势,凭借公司的实物流、信息流、资金流合一的优势,业务范围已经深入到社会生产生活的各个领域和层面,有着众多企业无法比拟的资源优势,通过推进具有行业特色的业务,将能够开创基于现有业务的新型服务模式,为企业创造新的利润增长点;通过提供丰富的服务内容,满足广大消费者的新需求,进一步提高消费者满意度,增强物流业务的竞争力,完善企业内部生产作业流程,降低运营成本,提高工作效率,增强物流公司的市场竞争力。
而在现代化物流集约一体化的过程中,配送是直接与消费者相连的重要环节,配送车辆优化调度是物流系统优化,物流科学化的关键一环,是企业改善服务水平,降低物流配送成本,提高经济效益的重要途径。物流配送作为着现代物流管理中的重要环节以及开展现代化电子商务活动不可缺少的支持部分,如何采用合理有效的方法将会对配送速度、运营成本、经济效益等产生很大的影响,而其中的车辆调度问题更是物流配送中较为核心的内容。对物流配送中车辆调度问题的研究是发展智能交通运输系统、构建综合物流系统和开展电子商务的基础,随着电子商务、互联网与通信技术的发展,物流配送与车辆调度问题在各种连锁店、大型商场、快递等领域有着广泛的应用前景。
然而,目前对物流配送的许多研究主要停留在传统的配送模式上,随着物联网技术和电子商务的快速发展,物流配送模式已经发生巨大变化,联合配送、动态配送、大规模跨区域配送等新的配送需求出现,传统的物流配送模式已经难以支持现代物流配送的需求,但是目前我国在货物运输车辆调度方面仍多采用传统的人工方法编制调度方案,比较落后,这种基于调度员驾驶员经验的调度模式提高了人力成本、流通成本且效率较低,并且由于很多物流企业的部分车辆所有权不属于物流企业,车主带车队加盟,车主与物流企业并不属于从属关系,加大了管理的难度,因此,对车辆装载和调度问题的研究具有很高的科学意义和工程应用价值。
物流的准时、经济及高效要求物流的各个环节都能够衔接顺畅,而当前物流行业仍然存在基础设施建设不完善,自动化信息程度低等问题,在运输、配送等环节仍然大量依靠人工,严重影响了物流企业的专业化发展。
发明内容
本发明的目的在于提供一种物流配送路径规划方法及装置,在接到订单进行网点初步分配后,利用蚁群算法形成网点间最优化配送路径,减少不合理的绕路,提升物流运输效率,增加车辆利用率,节约物流运输成本,解决现有配送路径依靠人工经验判断存在的效率低、容易出现误判、人工干预成本高的技术问题。
本发明采用以下技术方案予以实现:
提出一种物流配送路径规划方法,包括:
2)设置终止条件和寻优参数;
3)将蚂蚁置于各个网点上;
4)各蚂蚁按照转移概率择下一个网点,完成各自周游;其中,τij为(i,j)边上的信息素,为从网点i转移到网点j的启发因子,ak为蚂蚁k下一步被允许访问的网点集合;α为信息素重要程度因子,β为启发函数重要程度因子;
5)记录本次迭代最佳路径;
7)重复执行3)至6)直至满足终止条件;
8)输出最佳路径结果。
进一步的,步骤2)中设置终止条件包括:设置迭代次数、设置运行时间或设置最短路径的下限值。
进一步的,针对步骤4)中采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中。
进一步的,步骤5)中还计算并记录本次迭代的平均路径;步骤8)后,所述方法还包括:绘制平均路径长度曲线图和最佳路径长度曲线图并显示。
进一步的,步骤8)之后,所述方法还包括:获取网点坐标;基于最佳路径结果绘制最佳路径图并显示。
提出一种物流配送路径规划装置,包括:
1)将蚂蚁置于各个网点上;
2)各蚂蚁按照转移概率选择下一个网点,完成各自周游;其中,τij为(i,j)边上的信息素,为从网点i转移到网点j的启发因子,ak为蚂蚁k下一步被允许访问的网点集合;α为信息素重要程度因子,β为启发函数重要程度因子;
3)记录本次迭代最佳路径;
5)重复执行1)至4)直至满足终止条件;
最佳路径输出模块,用于输出最佳路径结果。
进一步的,所述初始化模块设置的终止条件包括:设置迭代次数、设置运行时间或设置最短路径的下限值。
进一步的,所述寻优模块包括:允许访问网点集合设置单元,用于采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中。
进一步的,所述寻优模块包括:迭代平均路径记录单元,用于在每次迭代后计算并记录本次迭代的平均路径;最佳路径输出模块包括:路径长度输出单元,用于绘制平均路径长度曲线图和最佳路径程度曲线图并显示。
进一步的,所述最佳路径输出模块包括:路径输出单元,用于获取网点坐标,基于最佳路径结果绘制最佳路径图并显示。
与现有技术相比,本发明的优点和积极效果是:
本发明提出的物流配送路径规划方法及装置,以配送网点位置为输入,以最短路径为目标,以允许访问网点集合为限定,采用蚁群算法求解配送的最佳路径,减少配送时间和配送里程,提高配送效率,降低配送成本,加快物流速度,能准时、快速的把货物送到客户的手中,提高客户满意度。
结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,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为本发明提出的配送调度系统的系统架构图;
图2为本发明提出的三维装车方法的流程图;
图3为本发明三维装车可视化示意图之一;
图4为本发明三维装车可视化示意图之二;
图5为本发明三维装车可视化示意图之三;
图6为本发明三维装车可视化示意图之四;
图7为本发明提出的三维装车装置的装置架构图;
图8为本发明提出的物流配送路径规划方法的流程图;
图9为本发明物流配送路径规划结果示意图之一;
图10为本发明物流配送路径规划结果示意图之二;
图11为本发明物流配送路径规划结果示意图之三;
图12为本发明物流配送路径规划装置的装置架构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“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发明和简化描述,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发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本发明旨在建立一个全优化的配送调度系统,如图1所示,该配送调度系统包括用户管理模块11、订单管理模块12、车辆调度模块13、数据管理模块14和单据管理模块15。
其中,用户管理模块11可分为管理员模块和调度员模块,管理员模块维护管理员信息、调度员信息和用户权限等,调度员模块则用于对特殊订单紧急调度等;订单管理模块12用于订单查询、订单信息维护、特殊订单标记等;车辆调度模块13用于构建三维装车和车辆调度模型,借助算法实现车辆调度全场景的优化,提高装配车效率以及运输效率;数据管理模块14用于度车辆信息、货物信息实施管理;单据管理模块15用于对订单单据信息实施管理。
本发明重点对上述配送调度系统的车辆调度模块13的实现展开,提出一种三维装车方法,以及一种物流配送路径规划方法,在系统根据货物具体配送需求初步分配网点区域,结合三维装车智能化高效率用车厢空间,以及蚁群算法下路径优化,实现智能化选取更优路线提高运输配送效率,以得出的最优方案统筹对配送车队进行管理调度,实现“货-车”装配的整车运力调度智能化、自动化,改善原有根据人工经验进行配车装车状况,提高装车配车效率,节省人力,降低运输成本,提高企业竞争力。
具体的,两部分内容包括:
1、建立三维装车模型:采用基于Python语言中matplotlib模块的三维装箱模型,以生成可用放置点、消耗可用放置点的方式,在三维车厢放置货物,对原始人工判断装车的流程进行改造,简化人工判断和操作,基于三维装车可视化,将现有货物以及可用车辆进行可视化装箱,便于提前预判和及时调整,实现最优化装车。
进一步的,充分考虑实际因素,根据大件家电运输过程中,装箱、重量、摆放、及其他特殊要求建立数学模型,得出一定数量下的多种货物,在设定规格车厢中的最优装载方案。
进一步的,可以在数学模型中将货物进行转向,以不同的方式测试多种摆放方案,对多种方法加以比较,能够更科学化的得出最优装车方案。
2、采用蚁群算法求得最优路径并结合配送调度系统建设来实现统筹规划车辆运输配送,相对原来的低维装车,人工经验判断等,更能减少人力投入,提高效率,降低成本。
在充分考虑装箱的各种条件下,本发明对运输途中的路径优化进行充分考虑,综合考虑运算开销、求解速度、计算复杂度以及受初始种群的影响等各种因素,采用蚁群算法对车辆路径进行优化,并使用Python实现最优路径的展示。大大减低根据人工经验判断带来的运输不合理性及效率低下,提高了运输中的科学性,为企业降低成本、提高效率带来保证。
多品种货物装载到同一车厢内时,需要考虑摆放顺序及方向,人工预估车辆装载方案与实际情况有偏差,车辆装载效率有待提高,路径选择依靠人工判断,易造成不合理运输,本发明提出一种三维装车方法,提高车厢利用率,提高装载效率,降低人力投入成本。
具体的,如图2所示,本发明提出的三维装车方法包括如下步骤:
步骤S21:获取货物信息和车辆信息。
基于配送调度系统数据管理模块14,从中获取货物信息和车辆信息;货物信息包括但不限定于货物的型号、尺寸、重量、特殊装载要求等;车辆信息包括但不限定于车辆型号、车厢尺寸、可装载货物类型等。
步骤S22:基于车辆信息建立车厢三维模型,以车厢三维模型的指定顶点为原点关联三维空间坐标系。
如图3所示,根据车辆信息确定车厢尺寸,根据车厢尺寸建立起三维模型并显示,以车厢三维模型的指定顶点为原点建立三维空间坐标系,本实施例中,指定顶点为车厢左侧底部外侧的顶点O。
步骤S23:以三维空间坐标系的原点为初始放置点放置货物并显示。
如图4所示,按照预订或判断的装车顺序调度货物,根据货物信息确定货物尺寸,根据货物尺寸建立货物三维模型,以原点O为初始放置点,将其显示于三维车厢模型中。
步骤S24:以已放置货物在X、Y、Z轴方向上对应的三个顶点生成可用放置点并加入放置点列表。
如图5所示,找到已经放置的货物1在X轴方向上的顶点O11、在Y轴方向上的顶点O12、在Z轴方向上的顶点O13,将这三个顶点作为可用放置点加入放置点列表中。
步骤S25:从放置点列表读取可用放置点放置未放货物并显示。
在后续的三维装车时,每从放置点列表读取一个可用放置点时,按照预订或判断的装车顺序调度一件货物,建立货物三维模型,按照读取的可用放置点对其进行放置并显示,装车后效果如图6所示。
并且,在每放置一件货物时,仍旧按照步骤S24生成可用放置点并加入放置点列表中;以及,每放置一件货物后,将已经使用的可用放置点从放置点列表中删除。
重复调取货物、放置、生成可用放置点、删除已用放置点的操作,直至系统分配的货物放置完成,或者达到系统要求的放置限定条件,该点将在下述内容中详述。
上述,当为货物分配了配送网点后,从配送调度系统获取货物信息和车辆信息,基于车辆信息建立车厢三维模型,并以车厢三维模型的指定顶点为原点关联三维空间坐标系,先以三维空间坐标系的原点为初始放置点放置货物并进行显示,进而以已放置货物在三轴方向上对应的三个顶点生成可用放置点,将可用放置点加入放置点列表中,之后的货物则采用放置点列表中的可用放置点继续放置并进行显示,可见,基于本发明提出的三维装车方法,可从系统中直观获知货物的装车情况,根据三维装车情况可对实际装车进行预判,并能够及时作出调整,避免以人工经验分配装车顺序造成的误判情况,起到提高装载效率的作用。
在从放置点列表中读取可用放置点放置货物时,可以按照调度员的经验判断结合放置要求来选取目标货物实施放置,三维装车过程由调度员操作系统控件逐渐实现,在本发明优选实施例中,系统可基于货物信息确定货物尺寸,根据货物尺寸设定自动装车顺序,例如大尺寸货物先入车厢,小尺寸货物后入车厢,或指定尺寸的货物最后入厢等,在从放置点列表读取可用放置点后,根据设定的装车顺序从未放货物中调取货物进行放置,从而实现根据货物需求实施装车的效果。
在本发明一些实施例中,基于货物信息将货物进行分类,例如根据尺寸分类、根据货物内容分类、根据特殊要求分类(不可置于下层、不可放置于上层等)等,进而限定货物分类与堆放层之间的关系,例如大尺寸类货物放置最底层,小尺寸类货物放置最顶层,易碎类货物放置中层等,在从放置点列表读取可用放置点之前,先基于货物分类与堆放层之间的限定关系,确定当前货物分类对应的目标堆放层,进而从放置点列表读取目标堆放层上的可用放置点,并从当前货物分类中调取未放货物进行放置,进一步实现根据货物需求实施装车的效果。
在本发明一些实施例中,在当前货物分类中的货物堆满目标堆放层后若还有剩余未放置的,分别从X、Y和/或Z方向上调整货物的堆放方向,每调整一次堆放方向,若产生多余的放置空间可继续将当前货物分类中剩余的货物实施放置,实现二次转向重装剩余货物,选取堆放数量最多的方向为最终的堆放方向,以实现尽可能多的放置货物的效果,相比人工判断能够更高效利用车厢装载空间。
在实际货物运输过程中,有些货物存在特殊的运送要求,例如不可倒放,在本发明一些实施例中,基于货物信息设定堆放方向,从放置点列表读取可用放置点后,从未放货物中调取货物,并按照读取的可用放置点基于货物堆放方向实施放置,实现对特殊放置要求的货物的自动堆放。
基于上述本发明提出的三维装车方法,系统调度员可基于可视化三维装车过程和/或结果,完成3D拟人化依次堆叠货物,从而可参考三维装车情况进行实际装车,并能够及时作出调整,避免人工经验分配装车顺序造成的误判情况,提高装载效率和车厢利用率。
基于上述提出的三维装车方法,本发明相应的提出支持其运作的三维装车装置,运行上述提出的三维装车方法,并以可视化方式展示三维装车结果。
如图7所示,该三维装车装置包括一种三维装车装置,其特征在于,包括信息获取模块71、三维车厢构建模块72和货物堆放模块73;信息获取模块71用于获取货物信息和车辆信息;三维车厢构建模块72用于基于车辆信息建立车厢三维模型,以车厢三维模型的指定顶点为原点关联三维空间坐标系;货物堆放模块73用于以三维空间坐标系的原点为初始放置点放置货物并显示;以及,以已放置货物在X、Y、Z轴方向上对应的三个顶点生成可用放置点并加入放置点列表;从放置点列表读取可用放置点放置未放货物并显示。
在本发明一些实施例中,三维装车装置还包括装车顺序设定模块74,用于基于货物信息确定货物尺寸,并根据货物尺寸设定装车顺序;则,货物堆放模块73包括按序装车单元731,用于从放置点列表读取可用放置点后,按照装车顺序从未放货物中调取货物,并按照读取的可用放置点实施放置。
在本发明一些实施例中,三维装车装置还包括货物分类模块75和堆放层划分模块76,货物分类模块75用于基于货物信息将货物分类,堆放层划分模块76用于限定货物分类与堆放层之间的关系;则货物堆放模块包括按层堆放单元732,用于基于货物分类与堆放层之间的限定关系,确定当前货物分类分配的目标堆放层;从放置点列表读取目标堆放层上的可用放置点,从当前货物分类中的未放货物中调取货物,并按照读取的可用放置点放置货物。
在本发明一些实施例中,货物堆放模块73还包括二次堆放模块733,用于在目标堆放层堆满之后,判断当前货物分类中的货物是否全部堆放完,若否,则分别从X、Y和/或Z上调整货物堆放方向,选取堆放数量最多的方向为最终堆放方向。
在本发明一些实施例中,三维装车装置还包括货物堆放方向设定模块77,用于基于货物信息设定货物堆放方向;则货物堆放模块还包括按向装车单元734,用于从放置点列表读取可用放置点,从未放货物中调取货物,并按照读取的可用放置点基于货物堆放方向实施放置。
本发明还提出一种货物在网点间配送的路径规划方法,相比人工经验派车调度,减少不合理运输活动,减少配送时间和配送里程,以实现提高配送效率,降低配送成本,加快物流速度,准时、快速的把货物送到客户手中,提高客户满意度,提高企业作业效率的效果。
本发明采用蚁群算法作为求解优化路径的方法,用蚂蚁的行走路径表示待优化问题的可行解,整个蚂蚁群体的所有路径构成待优化问题的解空间。
如图8所示,本发明提出的物流配送路径规划方法,包括如下步骤:
其中,dij为网点i与网点j之间的距离,
步骤S82:设置终止条件和寻优参数。
终止条件包括但不限定于设置迭代次数、设置运行时间或设置最短路径的下限值等。
蚁群算法的寻优参数包括:蚂蚁数量、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子和信息素释放总量。
在本发明实施例中,蚂蚁数量根据配送的网点数量设置,设置为网点数量的1.5-2倍,信息素重要程度因子α为1-2.5,启发函数重要程度因子β为1.5-5,信息素挥发因子设为0.4-1.0,信息素释放总量设为100。
步骤S83:将蚂蚁置于各个网点上。
以10个派送网点为例,蚂蚁数量设为20只,将20只蚂蚁随机放置于10个网点上。
本发明实施例中,采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中,保证蚂蚁在各网点间不走重复路径。
步骤S85:记录本次迭代最佳路径。
每迭代一次记录当次迭代中所有蚂蚁的最佳路径和平均路径,并记录路径的网点顺序。
步骤S87:重复执行步骤S93至步骤S96,直至满足迭代次数、运行时间或最短路径的下限值等终止条件。
步骤S88:输出最佳路径结果。
如下表一所示,在系统界面推出配送网点最佳路径:
表一
如表一所示,根据最优路径的网点标号顺序得出最优路径结果为:2-5-4-9-10-7-3-8-1-6。
在本发明一些实施例中,采用python绘制平均路径长度曲线图,如图9所示,以及最佳路径长度曲线图,如图10,在系统界面显示平均路径长度曲线图和最佳路径长度曲线图,可视化最优路径计算结果,提高决策的科学度。
在本发明一些实施例中,通过获取网点坐标和最佳路径结果可绘制如图11所示得最佳路径图并在系统界面进行显示,可通过系统向货车司机的智能终端推送该最佳路径图,协助货车司机直观获知网点配送顺序,并可结合地图导航等技术为货车司机提供配送导向,提高配送效率。
针对上述提出的物流配送路径规划方法,本发明相应提供执行该路径规划方法的物流配送路径规划装置,如图12所示,包括配送路径目标函数创建模块121、初始化模块122、寻优模块123和最佳路径输出模块124。
初始化模块122用于设置终止条件和寻优参数;寻优模块123用于采用蚁群算法得到配送最佳路径,包括:
1)将蚂蚁置于各个网点上;
2)各蚂蚁按照转移概率选择下一个网点,完成各自周游;其中,τij为(i,j)边上的信息素,为从网点i转移到网点j的启发因子,ak为蚂蚁k下一步被允许访问的网点集合;α为信息素重要程度因子,β为启发函数重要程度因子;
3)记录本次迭代最佳路径;
5)重复执行1)至4)直至满足终止条件。
最佳路径输出模块124用于输出最佳路径结果。
上述,初始化模块122设置的终止条件包括:设置迭代次数、设置运行时间或设置最短路径的下限值。
在本发明的一些实施例中,寻优模块123包括允许访问网点集合设置单元1231和迭代平均路径记录单元1232;允许访问网点集合设置单元1231用于采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中;迭代平均路径记录单元1232用于在每次迭代后计算并记录本次迭代的平均路径。
最佳路径输出模块124包括路径长度输出单元1241和路径输出单元1242,路径长度输出单元1241用于绘制平均路径长度曲线图和最佳路径程度曲线图并显示;路径输出单元1242用于获取网点坐标,基于最佳路径结果绘制最佳路径图并显示。
上述,结合本发明提出的三维装车模型和基于蚁群算法的路径规划模型,打造了货物、车辆、网点、路径等多位数据下“货-车”匹配的全过程优化调度平台,经由三维装车模型、路径优化算法实现货物装载一体,形成智能化、自动化调度方案,大大减少人工经验误判情况,提升货物运输的效率,节约成本,提升企业竞争力。
通过本系统的开发与监理,以更高效率、更加智能化的状态承接运输货物,积极准确的响应客户的需求,赋能企业车辆调度场景,更有利于降低企业的人力成本,节约时间成本,提高效益,积极配合企业物流上的其他各个环节,共建企业高效智能物流链条以及物流网络,提高企业物流综合水平,推动企业发展,增强市场竞争力,
应该指出的是,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (10)
2.根据权利要求1所述的物流配送路径优化方法,其特征在于,步骤2)中设置终止条件包括:设置迭代次数、设置运行时间或设置最短路径的下限值。
3.根据权利要求1所述的物流配送路径优化方法,其特征在于,针对步骤4)中采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中。
4.根据权利要求1所述的物流配送路径优化方法,其特征在于,步骤5)中还计算并记录本次迭代的平均路径;
步骤8)后,所述方法还包括:
绘制平均路径长度曲线图和最佳路径长度曲线图并显示。
5.根据权利要求1所述的物流配送路径优化方法,其特征在于,步骤8)之后,所述方法还包括:
获取网点坐标;
基于最佳路径结果绘制最佳路径图并显示。
6.一种物流配送路径规划装置,其特征在于,包括:
初始化模块,用于设置终止条件和寻优参数;
寻优模块,用于采用蚁群算法得到配送最佳路径,包括:
1)将蚂蚁置于各个网点上;
2)各蚂蚁按照转移概率选择下一个网点,完成各自周游;其中,τij为(i,j)边上的信息素,为从网点i转移到网点j的启发因子,ak为蚂蚁k下一步被允许访问的网点集合;α为信息素重要程度因子,β为启发函数重要程度因子;
3)记录本次迭代最佳路径;
5)重复执行1)至4)直至满足终止条件;
最佳路径输出模块,用于输出最佳路径结果。
7.根据权利要求6所述的物流配送路径规划装置,其特征在于,所述初始化模块设置的终止条件包括:设置迭代次数、设置运行时间或设置最短路径的下限值。
8.根据权利要求6所述的物流配送路径规划装置,其特征在于,所述寻优模块包括:
允许访问网点集合设置单元,用于采用禁忌表记录蚂蚁k当前走过的网点坐标,从其下一步被允许访问的网点集合ak中将走过的网点坐标删除,增加到已访问网点列表中。
9.根据权利要求6所述的物流配送路径规划装置,其特征在于,所述寻优模块包括:
迭代平均路径记录单元,用于在每次迭代后计算并记录本次迭代的平均路径;
最佳路径输出模块包括:
路径长度输出单元,用于绘制平均路径长度曲线图和最佳路径程度曲线图并显示。
10.根据权利要求6所述的物流配送路径规划装置,其特征在于,所述最佳路径输出模块包括:
路径输出单元,用于获取网点坐标,基于最佳路径结果绘制最佳路径图并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110172936.2A CN112926769A (zh) | 2021-02-08 | 2021-02-08 | 一种物流配送路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110172936.2A CN112926769A (zh) | 2021-02-08 | 2021-02-08 | 一种物流配送路径规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112926769A true CN112926769A (zh) | 2021-06-08 |
Family
ID=76171229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110172936.2A Pending CN112926769A (zh) | 2021-02-08 | 2021-02-08 | 一种物流配送路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926769A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881580A (zh) * | 2022-07-11 | 2022-08-09 | 深圳市元美供应链管理有限公司 | 一种基于智能供应链的电商物流配送管理系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN106225788A (zh) * | 2016-08-16 | 2016-12-14 | 上海理工大学 | 基于路径拓展蚁群算法的机器人路径规划方法 |
CN106251012A (zh) * | 2016-07-28 | 2016-12-21 | 广东工业大学 | 一种带软时间窗物流运输调度的路径计算方法及装置 |
CN109636039A (zh) * | 2018-12-13 | 2019-04-16 | 深圳朗昇贸易有限公司 | 一种用于物流配送的路径规划系统 |
CN111860754A (zh) * | 2020-07-15 | 2020-10-30 | 无锡弘宜智能科技有限公司 | 基于蚁群以及遗传算法的agv调度方法 |
-
2021
- 2021-02-08 CN CN202110172936.2A patent/CN112926769A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN106251012A (zh) * | 2016-07-28 | 2016-12-21 | 广东工业大学 | 一种带软时间窗物流运输调度的路径计算方法及装置 |
CN106225788A (zh) * | 2016-08-16 | 2016-12-14 | 上海理工大学 | 基于路径拓展蚁群算法的机器人路径规划方法 |
CN109636039A (zh) * | 2018-12-13 | 2019-04-16 | 深圳朗昇贸易有限公司 | 一种用于物流配送的路径规划系统 |
CN111860754A (zh) * | 2020-07-15 | 2020-10-30 | 无锡弘宜智能科技有限公司 | 基于蚁群以及遗传算法的agv调度方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881580A (zh) * | 2022-07-11 | 2022-08-09 | 深圳市元美供应链管理有限公司 | 一种基于智能供应链的电商物流配送管理系统及方法 |
CN114881580B (zh) * | 2022-07-11 | 2022-09-27 | 深圳市元美供应链管理有限公司 | 一种基于智能供应链的电商物流配送管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766611A (zh) | 一种三维装车方法及装置 | |
CN102542395B (zh) | 一种应急物资调度系统及计算方法 | |
Rizzoli et al. | Ant colony optimization for real-world vehicle routing problems: from theory to applications | |
Zhao et al. | Research on cooperative scheduling of automated quayside cranes and automatic guided vehicles in automated container terminal | |
CN107833002A (zh) | 基于协同多目标算法的多级低碳物流配送网络规划方法 | |
CN102136104A (zh) | 基于负载均衡和lk算法的车辆路径规划方法 | |
Jamrus et al. | Extended priority-based hybrid genetic algorithm for the less-than-container loading problem | |
CN108197761A (zh) | 融合循环取货与甩挂式配送的入厂物流调度方法和系统 | |
CN114037180B (zh) | 一种基于分支定价切割算法的协同配送路径优化方法 | |
Ren et al. | Improved ant colony optimization for the vehicle routing problem with split pickup and split delivery | |
CN104598475A (zh) | 基于行车用量模型事件的存储及索引方法及系统 | |
Wang et al. | Carbon reduction in the location routing problem with heterogeneous fleet, simultaneous pickup-delivery and time windows | |
Nia et al. | Dual command cycle dynamic sequencing method to consider GHG efficiency in unit-load multiple-rack automated storage and retrieval systems | |
Feng et al. | Solving truck-cargo matching for drop-and-pull transport with genetic algorithm based on demand-capacity fitness | |
Tao et al. | A bi-objective optimization for integrated truck operation and storage allocation considering traffic congestion in container terminals | |
Duan et al. | Combined configuration of container terminal berth and quay crane considering carbon cost | |
CN112926769A (zh) | 一种物流配送路径规划方法及装置 | |
CN108985510B (zh) | 基于人工智能的大规模智能物流路径判定系统 | |
Wang et al. | Model construction of material distribution system based on digital twin | |
CN115358464A (zh) | 基于强化学习算法的零部件供应循环包装箱配送调度方法 | |
An et al. | An auxiliary model of intelligent logistics distribution management for manufacturing industry based on refined supply chain | |
Wang et al. | Storage strategy of outbound containers with uncertain weight by data-driven hybrid genetic simulated annealing algorithm | |
Wang et al. | Research on milk-run routing problem of automotive supply logistics based on genetic algorithm | |
Yang | Research on Distributed Material Vehicle Path Planning Based on AnyLogic | |
Wang et al. | Optimal policy for scheduling automated guided vehicles in large-scale intelligent transportation systems |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210608 |