CN113592199A - 一种利用巷道浓度与最小化集合覆盖的波次规划方法 - Google Patents

一种利用巷道浓度与最小化集合覆盖的波次规划方法 Download PDF

Info

Publication number
CN113592199A
CN113592199A CN202110987671.1A CN202110987671A CN113592199A CN 113592199 A CN113592199 A CN 113592199A CN 202110987671 A CN202110987671 A CN 202110987671A CN 113592199 A CN113592199 A CN 113592199A
Authority
CN
China
Prior art keywords
lane
commodities
roadway
wave
commodity
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
CN202110987671.1A
Other languages
English (en)
Other versions
CN113592199B (zh
Inventor
易佳琪
苏振裕
甘建明
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.)
Nanjing Xiyin E Commerce Co ltd
Original Assignee
Nanjing Xiyin E Commerce 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 Nanjing Xiyin E Commerce Co ltd filed Critical Nanjing Xiyin E Commerce Co ltd
Priority to CN202110987671.1A priority Critical patent/CN113592199B/zh
Publication of CN113592199A publication Critical patent/CN113592199A/zh
Application granted granted Critical
Publication of CN113592199B publication Critical patent/CN113592199B/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"
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了一种利用巷道浓度与最小化集合覆盖的波次规划方法，把波次中巷道设定为集合，在巷道上有库存的商品设定为该巷道的集合成员；确定必须经过的巷道，把巷道的所属商品安排在该巷道拣货；从待拣集S移除已选取的商品库存，判断是否还有必须经过的巷道，如果有，转向上一步骤，如果没有，转向下一步骤；在所述待拣集S上计算每条巷道的商品数，选取最大商品数的巷道，把商品安排在最大商品数的巷道拣货；从所述待拣集S移除已选取的商品，判断待拣集S是否还有商品，如果有转向上一步骤，如果没有，转向下一步骤；输出波次。本发明通过优化拣货所需要经过的巷道数量,来间接优化拣货的行走距离，以解决拣货不能优化拣货行走距离的问题。

Description

一种利用巷道浓度与最小化集合覆盖的波次规划方法
技术领域
本发明属于仓库拣货技术领域，具体涉及利用巷道浓度与最小化集合覆盖的波次规划方法。
背景技术
在电商仓储中实时会流入大量的订单信息，仓库系统会根据库存信息和订单需求拣货，电商仓库内存放商品多，订单相对较小，导致单个拣选订单非常困难，目前电商针对这种现状采用先分波聚合一个波次的订单需求，一个波次的商品分布在仓库的各个区域，每个区域会形成一个任务，在此区域的拣选工人会负责拣选这个任务所对应的商品，这些被不同区域拣选完的商品会最终合在一起并被整理成单个波次的商品集，单个波次的商品最后会被分成一个一个的包裹，最后打包贴面单通过物流手段最终流入客户手中，在所有仓储环节中，拣货是仓储物流中最占成本的工作，与拣货相关的人员约占整个仓储中心的50%，合理的优化拣选任务可以大大提高整个仓储物流的效率。
目前分波大多累计一定总量的订单或者一段时间窗口内的订单成为一个波次，下游的拣选直接遍历各个区域查询该区域能承担这个波次所需的商品的数量最大值然后进行分配，直到波次内所有的商品需求都被分配完成，而规划每个商品要到哪个库位取货，一般用包裹相似度聚类包裹或用运筹学来具体安装每个商品的库存，但是目前并沒有在概定的波次裡对提升拣货效率的每个商品的库存选取的有效方法，一般还是用一些固化规则或者是聚类的方式来优化，现有技术焦点都放在商品维度上的库存决策，要决定每个订单每个商品到哪个库位取库存，往往要花费大量时间计算，或是过份简化问题，使到拣货效率低下，在概定的波次裡，用固化规则或是聚类的方式来选取每个商品的最终库存，拣货效率都不高。
发明内容
本发明的目的在于提供一种利用巷道浓度与最小化集合覆盖的波次规划方法，通过优化拣货所需要经过的巷道数量,来间接优化拣货的行走距离。
为实现上述目的，本发明提供如下技术方案：
本发明的一种利用巷道浓度与最小化集合覆盖的波次规划方法，包括如下步骤：
S1、初始化结果集C为空集，待拣商品与所有巷道为待拣集S；
S2、把波次中巷道设定为集合，在巷道上有库存的商品设定为该巷道的集合成员；
S3、确定必须经过的巷道，把巷道的所属商品安排在该巷道拣货；
S4、从待拣集S移除已选取的商品库存，判断是否还有必须经过的巷道，如果有，转向步骤S3，如果没有，转向步骤S5；
S5、在所述待拣集S上计算每条巷道的商品数，选取最大商品数的巷道，把商品安排在最大商品数的巷道拣货；
S6、从所述待拣集S移除已选取的商品，判断待拣集S是否还有商品，如果有转向步骤S5，如果没有，转向步骤S7；
S7、输出波次。
优选的，步骤S1之前，累积一批订单成为一个波次。
优选的，步骤S2中，S={巷道x:{(商品y,库存量),(商品y+1,库存量)...},巷道x:{(商品y+1,库存量),(商品y+2,库存量)...}}。
优选的，步骤S5中，利用贪心算法，选取最大商品数的巷道。
优选的，所述巷道包括巷道a,巷道b,巷道c，其中，巷道a包含商品{s1,s2,s3}，巷道b包含商品{s3,s4,s6},巷道c包含商品{s4,s5},波次的需求是{s1,s2,s3,s4,s5},若巷道a具有3件未被满足需求的商品，巷道b具有2件被满足需求的商品，巷道c具有2件未被满足需求的商品，若巷道a首先被选择，s1,s2,s3已被满足，剩下s4,s5尚未被满足，巷道b包含s4,s5中的一件，巷道c具有2件未被满足需求的商品，则最小巷道数的方法为优先选择c巷道，再经过巷道a,巷道b，即可满足需求，所述最小巷道数与最优解的近似比为
Figure 100002_DEST_PATH_IMAGE001
,其中，n为总巷道数，Θ(1)为雅可比Θ函数，参数为1。
本发明的技术效果和优点：该利用巷道浓度与最小化集合覆盖的波次规划方法，通过优化拣货的所需要的经过的巷道数量来间接优化拣货的行走距离，使用一种收敛性质较好的启发式算法来优化拣选完波次内所有货物所需要经过的巷道数。
附图说明
图1为本发明的流程图；
图2为本发明巷道和商品分布的示意图。
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。
如图1所示，本发明提供了一种利用巷道浓度与最小化集合覆盖的波次规划方法,包括如下步骤：
S1、初始化结果集为空集，待拣商品和所有巷道为待拣集为S集；在S1之前，累积一批订单成为一个波次；
S2、把波次中巷道设定为集合；即S={巷道x:{(商品y,库存量),(商品y+1,库存量)...},巷道x:{(商品y+1,库存量),(商品y+2,库存量)...}}；其中x代表巷道数量，y代表商品数量，所述巷道上有库存的商品为巷道的集合成员；
S3、确定必须经过的巷道，把巷道的所属商品安排在该巷道拣货；
S4、从待拣集S移除已选取的商品库存，判断是否还有必须经过的巷道，如果有，转向步骤S3，如果没有，转向步骤S5；
S5、在所述待拣集S上计算每条巷道的商品数，选取最大商品数的巷道，把商品安排在最大商品数的巷道拣货；
S6、从所述待拣集S移除已选取的商品，判断待拣集S是否还有商品，如果有转向步骤S5，如果没有，转向步骤S7；
S7、输出波次。
电商仓库的结构分为子仓、层、区域、巷道、货位，商品都摆放在货位上，系统通过累积一批订单成为一个波次，并将波次内的商品指派好库存拣货，使得拣选完所有的商品所需要走的路径最短，拣选完一个波次内所有的商品数量并且所需要经过的巷道数最少，用最少的巷道覆盖完一个波次内所有商品的需求量，从而降低拣货的劳动量。
如图2所示，巷道a,b,c分别可以覆盖一个集合的商品例如：巷道a包含商品{s1,s2,s3}，巷道b包含商品{s3,s4,s6},巷道c包含商品{s4,s5},目前波次的需求是{s1,s2,s3,s4,s5},如何用走最少的巷道拿完所有的商品，最开始的需求为{s1,s2,s3,s4,s5}，a巷道具有3件未被满足需求的商品，b巷道具有2件被满足需求的商品，c巷道具有2件未被满足需求的商品，a巷道首先被选择，s1,s2,s3已被满足，剩下s4,s5尚未被满足，巷道b包含s4,s5中的一件，c巷道具有2件未被满足需求的商品，优先选择c巷道，最终走完两条巷道，所有的需求都被满足，所述最小巷道数与最优解的近似比为
Figure 456548DEST_PATH_IMAGE002
,其中，n为总巷道数，Θ(1)为雅可比Θ函数，参数为1本算法的逻辑为在每个阶段选择包含最多未被满足需求的商品的巷道，加入解集并更新需求量；
现在的电商仓库内的拣货路线大多采用s形的行走路线，拣货人员的行走距离可以被拆解成巷道纵向行走距离和巷道横向行走距离，由于单个拣选任务已经被拆解到单个小区域，所以不再关注纵向行走距离，只集中在横向行走距离即巷道长度*巷道数，由于巷道长度是固定值，本发明通过直接优化拣选完所有的货物所要经过的巷道数量来达到优化拣货行走距离的目的，把空间较大的调度问题变成了一个覆盖问题来求解，从而提供了更大的优化空间，具有较好的实际应用效果，而且此类覆盖问题属于NPC问题，本发明提供一个近似算法来快速对波次内的拣货问题进行优化，得到了较好的实际应用效果。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：包括如下步骤：
S1、初始化结果集C为空集，待拣商品与所有巷道为待拣集S；
S2、把波次中巷道设定为集合，在巷道上有库存的商品设定为该巷道的集合成员；
S3、确定必须经过的巷道，把巷道的所属商品安排在该巷道拣货；
S4、从待拣集S移除已选取的商品库存，判断是否还有必须经过的巷道，如果有，转向步骤S3，如果没有，转向步骤S5；
S5、在所述待拣集S上计算每条巷道的商品数，选取最大商品数的巷道，把商品安排在最大商品数的巷道拣货；
S6、从所述待拣集S移除已选取的商品，判断待拣集S是否还有商品，如果有转向步骤S5，如果没有，转向步骤S7；
S7、输出波次。
2.根据权利要求1所述的一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：步骤S1之前，累积一批订单成为一个波次。
3.根据权利要求1所述的一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：步骤S2中，S={巷道x:{(商品y,库存量),(商品y+1,库存量)...},巷道x:{(商品y+1,库存量),(商品y+2,库存量)...}},其中x代表巷道数量，y代表商品数量。
4.根据权利要求1所述的一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：步骤S5中，利用贪心算法，选取最大商品数的巷道。
5.根据权利要求4所述的一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：所述巷道包括巷道a,巷道b,巷道c，其中，巷道a包含商品{s1,s2,s3}，巷道b包含商品{s3,s4,s6},巷道c包含商品{s4,s5},波次的需求是{s1,s2,s3,s4,s5},若巷道a具有3件未被满足需求的商品，巷道b具有2件被满足需求的商品，巷道c具有2件未被满足需求的商品，若巷道a首先被选择，s1,s2,s3已被满足，剩下s4,s5尚未被满足，巷道b包含s4,s5中的一件，巷道c具有2件未被满足需求的商品，则最小巷道数的方法为优先选择c巷道，再经过巷道a,巷道b，即可满足需求。
6.根据权利要求5所述的一种利用巷道浓度与最小化集合覆盖的波次规划方法，其特征在于：所述最小巷道数与最优解的近似比为
Figure DEST_PATH_IMAGE001
,其中，n为总巷道数，Θ(1)为雅可比Θ函数，参数为1。
CN202110987671.1A 2021-08-26 2021-08-26 一种利用巷道浓度与最小化集合覆盖的波次规划方法 Active CN113592199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110987671.1A CN113592199B (zh) 2021-08-26 2021-08-26 一种利用巷道浓度与最小化集合覆盖的波次规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110987671.1A CN113592199B (zh) 2021-08-26 2021-08-26 一种利用巷道浓度与最小化集合覆盖的波次规划方法

Publications (2)

Publication Number Publication Date
CN113592199A true CN113592199A (zh) 2021-11-02
CN113592199B CN113592199B (zh) 2022-06-07

Family

ID=78239433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110987671.1A Active CN113592199B (zh) 2021-08-26 2021-08-26 一种利用巷道浓度与最小化集合覆盖的波次规划方法

Country Status (1)

Country Link
CN (1) CN113592199B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456523A (zh) * 2022-09-06 2022-12-09 上海聚货通电子商务有限公司 一种电商仓库拣货通道的规划方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04342064A (ja) * 1991-05-19 1992-11-27 Nippon Syst Design Kk 自動商品発注システムと自動商品発注装置
CN103632026A (zh) * 2012-08-28 2014-03-12 纽海信息技术（上海）有限公司 拣货方法和系统
CN105354641A (zh) * 2015-11-12 2016-02-24 北京京东尚科信息技术有限公司 拣货路径优化方法及拣货路径优化装置
US20170147762A1 (en) * 2015-11-24 2017-05-25 Jonathan Vallee Method for Finding the Optimal Schedule and Route in Contrained Home Healthcare Visit Scheduling
CN106779531A (zh) * 2016-11-25 2017-05-31 慈溪太平鸟物流有限公司 一种拣货路径生成方法及装置
CN108320041A (zh) * 2017-01-16 2018-07-24 北京京东尚科信息技术有限公司 分配集合单的方法、装置、电子设备和可读存储介质
CN109754203A (zh) * 2018-12-08 2019-05-14 武汉普罗格集成科技有限公司 一种智能物流拣选路径组合方法
CN109858680A (zh) * 2018-12-31 2019-06-07 北京云杉信息技术有限公司 拣货方法
CN110489804A (zh) * 2019-07-22 2019-11-22 哈尔滨工程大学 一种单位圆盘图上的最大独立集近似求解方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04342064A (ja) * 1991-05-19 1992-11-27 Nippon Syst Design Kk 自動商品発注システムと自動商品発注装置
CN103632026A (zh) * 2012-08-28 2014-03-12 纽海信息技术（上海）有限公司 拣货方法和系统
CN105354641A (zh) * 2015-11-12 2016-02-24 北京京东尚科信息技术有限公司 拣货路径优化方法及拣货路径优化装置
US20170147762A1 (en) * 2015-11-24 2017-05-25 Jonathan Vallee Method for Finding the Optimal Schedule and Route in Contrained Home Healthcare Visit Scheduling
CN106779531A (zh) * 2016-11-25 2017-05-31 慈溪太平鸟物流有限公司 一种拣货路径生成方法及装置
CN108320041A (zh) * 2017-01-16 2018-07-24 北京京东尚科信息技术有限公司 分配集合单的方法、装置、电子设备和可读存储介质
CN109754203A (zh) * 2018-12-08 2019-05-14 武汉普罗格集成科技有限公司 一种智能物流拣选路径组合方法
CN109858680A (zh) * 2018-12-31 2019-06-07 北京云杉信息技术有限公司 拣货方法
CN110489804A (zh) * 2019-07-22 2019-11-22 哈尔滨工程大学 一种单位圆盘图上的最大独立集近似求解方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RONZL: ""贪心算法（集合覆盖问题）"", 《CSDN》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115456523A (zh) * 2022-09-06 2022-12-09 上海聚货通电子商务有限公司 一种电商仓库拣货通道的规划方法及系统
CN115456523B (zh) * 2022-09-06 2023-06-16 上海聚货通电子商务有限公司 一种电商仓库拣货通道的规划方法及系统

Also Published As

Publication number Publication date
CN113592199B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Eisenhandler et al. The humanitarian pickup and distribution problem
Li et al. Two-echelon vehicle routing problem with satellite bi-synchronization
Nero A note on the competitive advantage of large hub-and-spoke networks
CN107093050A (zh) 一种车辆调度方法及系统
CN107038496A (zh) 一种无人机快递自动投送路径规划方法及系统
CN113592199B (zh) 一种利用巷道浓度与最小化集合覆盖的波次规划方法
CN113408775A (zh) 基于物流网络的路由规划方法、装置、设备和存储介质
CN110390497A (zh) 物品入库方法和装置
CN111047102B (zh) 基于精英驱动粒子群算法的快递配送路线优化方法
CN111428902B (zh) 确定运输线路的方法及装置
Alaia et al. Optimization of the multi-depot & multi-vehicle pickup and delivery problem with time windows using genetic algorithm
CN113537640B (zh) 一种基于包裹聚类和库位推荐的拣货波次规划方法
Panicker et al. Solving a heterogeneous fleet vehicle routing model-A practical approach
Hanum et al. Vehicle routing problems in rice-for-the-poor distribution
Islam et al. Solving capacitated vehicle routing problem by using heuristic approaches: A case study
Bruni et al. The multi-vehicle profitable pick up and delivery routing problem with uncertain travel times
Johnson et al. An analytic model for design and analysis of single-vehicle asynchronous material handling systems
Anh et al. The vehicle routing problem with time windows: A case study of fresh food distribution center
Kosasih et al. Comparison study between nearest neighbor and farthest insert algorithms for solving VRP model using heuristic method approach
CN114693004A (zh) 物流优化方法和装置
CN113988570A (zh) 一种基于多目标进化算法的旅游大巴车调度优化方法
CN111652550A (zh) 一种智能寻找最佳环线集合的方法、系统及设备
FRANCUZ et al. BRANCH AND BOUND SOLUTION OF ROUTING PROBLEMS FOR DRONE-BASED SUPPLY.
JP2005189925A (ja) 物流費予測装置と予測方法とそのためのプログラム
Hou et al. Multi-warehouse location of logistics based on Dijkstra and divide-and-conquer algorithm

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