CN113762667A - 一种车辆调度方法和装置 - Google Patents
一种车辆调度方法和装置 Download PDFInfo
- Publication number
- CN113762667A CN113762667A CN202010812324.0A CN202010812324A CN113762667A CN 113762667 A CN113762667 A CN 113762667A CN 202010812324 A CN202010812324 A CN 202010812324A CN 113762667 A CN113762667 A CN 113762667A
- Authority
- CN
- China
- Prior art keywords
- node
- vehicle
- route
- routes
- scanning algorithm
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing 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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (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)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆调度方法和装置,涉及物流技术领域。该方法的一具体实施方式包括:基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;根据所述最优解调度车辆。该实施方式能够解决无法解决多仓库多趟难题的技术问题。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种车辆调度方法和装置。
背景技术
车辆路径问题是物流调度中最常见的问题之一,属于典型的NP(non-deterministic polynomial,非确定性多项式)难问题。
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:
目前,现有技术解决的是单仓库配送揽收问题,然而针对多仓库多趟问题,还无法解决。
发明内容
有鉴于此,本发明实施例提供一种车辆调度方法和装置,以解决无法解决多仓库多趟难题的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种车辆调度方法,包括:
基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;
根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;
基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;
根据所述最优解调度车辆。
可选地,所述节点的类型包括中心仓、非中心仓和客户节点;
基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,包括:
在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问;
从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。
可选地,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问,包括:
步骤1、以中心仓为原点建立坐标轴,获取各个其他节点的坐标;
步骤2、将所述各个其他节点按照逆时针排列;
步骤3、将第一个节点作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问;
步骤4、将第二个节点作为第一个位置,重复执行步骤3;依次类推,直到每个其他节点都被作为第一个位置,执行过步骤3,从而生成多组扫描算法解;
步骤5、将所述各个其他节点按照顺时针排列,重复执行步骤3-步骤4。
可选地,根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合,包括:
对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间;
基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度;
基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。
可选地,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间,包括:
以中心仓为原点建立坐标轴,获取与所述中心仓临近的第一个节点的位置和最后一个节点的位置;
分别计算所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角;
将所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角分别作为所述路线的角度区间的端点值。
可选地,基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度,包括:
将两条路线的角度区间的交集与所述两条路线的角度区间的并集相除,得到所述两条路线的角度相似度;
将所述两条路线的重合节点的数量作为所述两条路线的节点相似度;
对所述两条路线的角度相似度和节点相似度进行加权求和,得到所述两条路线的相似度。
可选地,基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解,
在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。
可选地,所述总成本包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本之和。
另外,根据本发明实施例的另一个方面,提供了一种车辆调度装置,包括:
第一求解模块,用于基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;
合并模块,用于根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;
第二求解模块,用于基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;
调度模块,用于根据所述最优解调度车辆。
可选地,所述节点的类型包括中心仓、非中心仓和客户节点;
所述第一求解模块还用于:
在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问;
从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。
可选地,所述第一求解模块还用于:
步骤1、以中心仓为原点建立坐标轴,获取各个其他节点的坐标;
步骤2、将所述各个其他节点按照逆时针排列;
步骤3、将第一个节点作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问;
步骤4、将第二个节点作为第一个位置,重复执行步骤3;依次类推,直到每个其他节点都被作为第一个位置,执行过步骤3,从而生成多组扫描算法解;
步骤5、将所述各个其他节点按照顺时针排列,重复执行步骤3-步骤4。
可选地,所述合并还用于:
对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间;
基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度;
基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。
可选地,所述合并还用于:
以中心仓为原点建立坐标轴,获取与所述中心仓临近的第一个节点的位置和最后一个节点的位置;
分别计算所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角;
将所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角分别作为所述路线的角度区间的端点值。
可选地,所述合并还用于:
将两条路线的角度区间的交集与所述两条路线的角度区间的并集相除,得到所述两条路线的角度相似度;
将所述两条路线的重合节点的数量作为所述两条路线的节点相似度;
对所述两条路线的角度相似度和节点相似度进行加权求和,得到所述两条路线的相似度。
可选地,所述第二求解模块还用于:
在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。
可选地,所述总成本包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本之和。
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时,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:因为采用基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,对扫描算法解中的路线进行合并,基于混合整数线性规划算法对合并路线进行求解,得到最优解的技术手段,所以克服了现有技术中无法解决多仓库多趟难题的技术问题。本发明实施例基于扫描算法和混合整数线性规划算法,能够针对多仓库下多车辆揽收与配送问题进行求解,快速得到最优解,从而实现多仓库多趟的调度。
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车辆调度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车辆调度方法的主要流程的示意图;
图3是根据本发明实施例的扫描算法的求解示意图;
图4是根据本发明另一个可参考实施例的车辆调度方法的主要流程的示意图;
图5是根据本发明实施例的车辆调度装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7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。
本发明实施例针对多仓库下多车辆揽收与配送问题,提出了一种基于扫描算法(即Sweep算法)和混合整数线性规划算法的车辆调度方法。其中,每辆车可以进行多趟运输,而且每辆车都是从中心仓出发,最终回到中心仓。每个客户节点由某一个仓库(中心仓或者非中心仓)进行服务,揽收的客户节点最终都回到中心仓库进行存储。每个客户节点都有时间窗约束,其中最早可服务时间是强制约束,最晚服务时间是软约束,有延迟惩罚。目标是最小化总成本,包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本。
在现实中,大型家电配送等场景中很多均是多仓库存储模式,例如一个仓库存储空调等家电,一个仓库存储冰箱洗衣机等,揽收通常是将客户的退货等商品回收,车辆经过多个仓库对客户进行配送和揽收。
图1是根据本发明实施例的车辆调度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,所述车辆调度方法可以包括:
步骤101,基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解。
现有技术采用的方法通过是基于混合整数线性规划算法直接求解,但是针对多仓库下多车辆揽收与配送问题,如何直接求解该问题,很可能导致求解规模相对较大时,得不到较佳的解或者可行解。因此,本发明实施例先采用扫描算法进行求解,然后再采用混合整数线性规划算法进行求解,这样可以较快地得到最优解。
在步骤101中,基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线。每条路线包括多个节点,所述节点可以有多种类型,比如中心仓、非中心仓或者客户节点。
可选地,步骤101可以包括:在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问;从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。在本发明的实施例中,首先在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗等条件的约束下,并以中心仓为出发点和终点(每辆车都是从中心仓出发,最终回到中心仓),基于扫描算法对车辆的路线进行求解,使得每个客户节点都被访问到,从而得到多组解;然后从得到的多组解中筛选出一组总成本最小的解。
步骤102,根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合。
在该步骤中,预先设定相似度阈值,将相似度高于相似度阈值的路线合并成一条路线,直到合并后的路线的节点数量达到上限。
可选地,步骤102可以包括:对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间;基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度;基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。在本发明的实施例中,由于每辆车都是从中心仓出发,最终回到中心仓,因此可以根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置来计算这条路线的角度区间;然后基于每条路线的角度区间和每条路线上的节点(比如包含相同节点的数量,数量越多说明相似度越高),计算两条路线之间的相似度;最后将满足合并规则的路线合并成一条路线。可选地,为了保证将相似度高的路线合并在一起,优先将相似度最高的路线合并在一起,然后依次合并相似度次高的路线。
可选地,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间,包括:以中心仓为原点建立坐标轴,获取与所述中心仓临近的第一个节点的位置和最后一个节点的位置;分别计算所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角;将所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角分别作为所述路线的角度区间的端点值。举例来说,假设中心仓的坐标位置为(0,0),以水平向右为X轴正方向,以竖直向上为Y轴正方向,与中心仓临近的第一个节点的坐标位置为(1,0),与中心仓临近的最后一个节点的坐标位置为(-1,1),那么:第一个节点与X轴的夹角为0°,最后一个节点与X轴的夹角为135°,由此得到该路线的角度区间为[0°,135°]。
可选地,基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度,包括:将两条路线的角度区间的交集与所述两条路线的角度区间的并集相除,得到所述两条路线的角度相似度;将所述两条路线的重合节点的数量作为所述两条路线的节点相似度;对所述两条路线的角度相似度和节点相似度进行加权求和,得到所述两条路线的相似度。
例如,两条路线的角度区间分别是[a1,b1],[a2,b2],两条路线的重合节点的数量为min d(s1,s2),s1是一条路线上的非零节点(即非中心仓),s2是另一条路线上的非零节点,则这两条路线的相似度为:
其中,A为角度权重,B为节点权重。
例如,一共10条路线,如果路线2和路线3的相似度最大,合并路线2和路线3,视为一条路线。如果合并后的路线达到了节点数量上限,则不再合并。接着考虑路线1、路线4、路线5、路线6……之间的相似度,这样可以得到多条合并路线整体。
由于合并的顺序不同,可能会产生多个路线集合,每个集合包括至少一条合并路线。
步骤103,基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解。
得到若干个路线集合之后,基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点。
可选地,在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。可选地,所述总成本包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本之和。
以下针对混合整数线性规划算法进行详细说明:
将仓库和客户统一视为节点,共三种节点类型:0和N表示中心仓,表示出发点和终点;中间可能经过多个非中心仓,F={1,2,3,…,f},客户节点P={f+1,…,N1-1},表示需要揽收的客户节点,客户节点D={N1,…,N}表示需要配送的客户节点,而且揽收订单均到达中心仓。
混合整数线性规划模型可以精准的定位问题,该模型的建立思路是基于序列的方式,即每辆车服务的不同客户的前后序关系进行。混合整数线性规划模型最重要的难点在于重量限制,在到达仓库和揽收时需要装货,到达配送点的时候需要卸货。本发明实施例仅考虑车辆离开时候的重量,只有离开时的重量表示出来且要求满足载重要求,则车辆任何时候均满足载重要求。
模型参数如下:
c:单位里程成本,ck:每辆车的固定使用费用,α:单位时间的延迟惩罚
ui:每个客户节点、非中心仓和中心仓的服务时长
Fi:表示每个仓库i服务的客户节点
[ej,lj]:每个客户节点j的服务时间窗
Dk:第k辆车的续航里程
wi:客户i的重量,i∈P∪D
Wk:车辆k的载重
模型变量如下:
zk:车辆k是否被使用
pi:客户节点i的延迟时间
模型如下:
pj≥0 (14)
其中,目标函数是最小化总成本,包括车辆固定使用成本,行驶距离成本和延迟惩罚成本。式(1-21)是所有约束。
式(1)表示每一辆车每趟都从中心仓库0出发访问下一个节点;
式(2)表示每个非0节点(非中心仓或客户节点)上一个节点和下一个节点;
式(3)表示车辆最后回到终点(即中心仓);
式(4)表示对于每一个客户尽可以访问一次;
式(5)表示每辆车每趟从中心仓库出发时的重量不能超过该车总载重;
式(6-7)分别表示到达配送客户和揽收客户后离开时的重量;
式(8)表示离开非中心的仓库时的载重;
式(9)表示在任何时刻车辆载重均不超过车辆载重;
式(12)表示车辆到达j的时间必须在j的最早可服务时间之后;
式(13)表示如果车辆在服务完i之后到达j,则到达j的时间是服务完i之后在行驶到j的时间;
式(14-15)表示延迟时间;
式(16)表示车辆k是否使用的标志是从0出发到达了非N节点,一辆车如果每一趟都是[0,N],那么表示这辆车没有使用;
式(17-18)表示车辆k在第t趟到达j时的行驶距离是上一个节点行驶距离加上从上一个节点到j的距离,而且在中心仓库时行驶里程为0;
式(19)表示续航距离约束;
式(20)是变量取值范围。
在上述条件的约束下,以总成本最小为目标函数,对所述若干个路线集合进行求解,可以得到一组最优解。其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点。
步骤104,根据所述最优解调度车辆。
得到最优解后,根据所述最优解对每个车辆进行调度,包括每个车辆的趟数以及每趟所要经过的节点。
根据上面所述的各种实施例,可以看出本发明实施例通过基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,对扫描算法解中的路线进行合并,基于混合整数线性规划算法对合并路线进行求解,得到最优解的技术手段,解决了现有技术中无法解决多仓库多趟难题的技术问题。本发明实施例基于扫描算法和混合整数线性规划算法,能够针对多仓库下多车辆揽收与配送问题进行求解,快速得到最优解,从而实现多仓库多趟的调度。
图2是根据本发明一个可参考实施例的车辆调度方法的主要流程的示意图。作为本发明的又一个实施例,以图3所示的扫描算法的求解示意图为例,步骤101中的求解过程可以包括以下步骤:
步骤201、以中心仓为原点建立坐标轴,获取各个其他节点的坐标。
以中心仓库作为原点建立坐标轴,获取各个非中心仓和各个客户节点的坐标。
步骤202、将所述各个其他节点按照逆时针排列。
将各个非中心仓和各个客户节点按照逆时针进行排列,如图3所示。
步骤203、将第一个节点作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问。
例如,将图3中的节点5作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问。需要指出的是,每个节点依次访问,除非不满足车轮载重、仓库服务约束(比如,某个客户节点需要非中心仓进行配送,那么必须先到该非中心仓进行装货才能服务该客户节点)、续航里程或者各个客户节点的服务时间窗。每辆车达到续航里程、车辆载重或全部节点都已经遍历后返回中心仓。然后进行下一趟,除非已经达到趟数上限。重复以上步骤直到所有客户节点都已经被访问。
例如,1个非中心仓a,两辆车,4个客户节点。其中,3个配送客户节点:客户1,2,3,客户节点1和客户节点2由中心仓服务,客户节点3由非中心仓a服务;一个揽收客户节点4。
Step1,首先除中心仓以外的所有节点逆时针排序[1,4,2,3,a]
Step2,取出来一辆车,首先到客户节点1,此时路线为0-1
Step3,然后到达客户节点4
Step4,判断续航里程、车辆载重和服务时间窗是否满足约束,若是,则继续访问客户节点2;若否,则删除最后访问点,该辆车装完第一趟
Step5,假设访问客户节点2后,还能够访问其他节点。此时由于客户节点3直接访问不能满足仓库约束,需要先到非中心仓a,如果到达非中心仓a之后依然满足约束,则继续访问客户节点3(此时客户节点1、4、2均已经访问)
需要注意的是,每辆车第二趟从中心仓库的出发时间是第一趟到达之后。
步骤204、将第二个节点作为第一个位置,重复执行步骤203;依次类推,直到每个其他节点都被作为第一个位置,执行过步骤203,从而生成多组扫描算法解。
如图3所示,将节点2作为第一个位置,将节点5调整为最后位置,重复执行步骤203。重复执行步骤204,直至所有节点均都作为第一个位置执行过步骤203。
步骤205、将所述各个其他节点按照顺时针排列,重复执行步骤203-步骤204。
需要指出的是,可以先将各个其他节点按照顺时针排列,执行步骤203-步骤204;然后再将各个其他节点按照逆时针排列,执行步骤203-步骤204,本发明实施例对此不作限制。
另外,在本发明一个可参考实施例中车辆调度方法的具体实施内容,在上面所述车辆调度方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明另一个可参考实施例的车辆调度方法的主要流程的示意图。作为本发明的另一个实施例,如图4所示,所述车辆调度方法可以包括:
步骤401,在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问。
步骤402,从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。
步骤403,对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间。
步骤404,基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度。
步骤405,基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。
步骤406,在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。
实例:
共有10个节点,0是中心仓,2个非中心仓,7个客户节点(3个配送客户节点和4个揽收客户节点。
10个节点的距离矩阵d=[[0.0,6,10,1,3,5,9,2,5,5,10],[5,0.0,5,3,7,5,7,7,10,4,4],[10,3,0.0,6,9,9,3,5,2,10,5],[4,2,8,0.0,4,7,3,10,8,1,10],[10,1,3,2,0.0,6,8,8,3,4,8],[5,8,6,6,10,0.0,10,4,10,3,7],[3,9,1,8,4,10,0.0,9,5,5,1],[1,8,4,9,1,7,3,0.0,7,2,4],[10,10,4,10,6,8,8,1,0.0,1,9],[6,10,2,10,5,9,3,2,4,0.0,3],[1,3,7,3,5,6,3,9,9,4,0.0]]
其中,d[I,j]是节点i到达j的距离。
仓库服务是{2:[3],0:[4,5]},表示非中心仓2服务配送客户节点3,中心仓服务客户节点4和5。
{3:[1,3,0.5,1],4:[1,3,0.5,7],5:[5,7,0.5,2],6:[1,3,0.5,1],7:[5,7,0.5,4],8:[1,3,0.5,8],9:[5,7,0.5,2]}表示所有客户节点的服务时间窗、服务时长、车轮载重。
[[12,10,6,80],[17,11,6,99]]代表两辆车的属性,分别是第一辆车和第二辆车的载重、续航里程、行驶速度和固定使用成本。每辆车的趟数上限为2。
合并路线时,节点数上限为11。
采用本发明实施例提供的方法对多仓库多趟问题进行求解,可以快速地得到最优解,从而对这两辆车进行高效地调度。
另外,在本发明另一个可参考实施例中车辆调度方法的具体实施内容,在上面所述车辆调度方法中已经详细说明了,故在此重复内容不再说明。
图5是根据本发明实施例的车辆调度装置的主要模块的示意图,如图5所示,所述车辆调度装置500包括
第一求解模块,用于基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;
合并模块,用于根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;
第二求解模块,用于基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;
调度模块,用于根据所述最优解调度车辆。
可选地,所述节点的类型包括中心仓、非中心仓和客户节点;
所述第一求解模块还用于:
在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问;
从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。
可选地,所述第一求解模块还用于:
步骤1、以中心仓为原点建立坐标轴,获取各个其他节点的坐标;
步骤2、将所述各个其他节点按照逆时针排列;
步骤3、将第一个节点作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问;
步骤4、将第二个节点作为第一个位置,重复执行步骤3;依次类推,直到每个其他节点都被作为第一个位置,执行过步骤3,从而生成多组扫描算法解;
步骤5、将所述各个其他节点按照顺时针排列,重复执行步骤3-步骤4。
可选地,所述合并还用于:
对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间;
基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度;
基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。
可选地,所述合并还用于:
以中心仓为原点建立坐标轴,获取与所述中心仓临近的第一个节点的位置和最后一个节点的位置;
分别计算所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角;
将所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角分别作为所述路线的角度区间的端点值。
可选地,所述合并还用于:
将两条路线的角度区间的交集与所述两条路线的角度区间的并集相除,得到所述两条路线的角度相似度;
将所述两条路线的重合节点的数量作为所述两条路线的节点相似度;
对所述两条路线的角度相似度和节点相似度进行加权求和,得到所述两条路线的相似度。
可选地,所述第二求解模块还用于:
在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。
可选地,所述总成本包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本之和。
根据上面所述的各种实施例,可以看出本发明实施例通过基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,对扫描算法解中的路线进行合并,基于混合整数线性规划算法对合并路线进行求解,得到最优解的技术手段,解决了现有技术中无法解决多仓库多趟难题的技术问题。本发明实施例基于扫描算法和混合整数线性规划算法,能够针对多仓库下多车辆揽收与配送问题进行求解,快速得到最优解,从而实现多仓库多趟的调度。
需要说明的是,在本发明所述车辆调度装置的具体实施内容,在上面所述车辆调度方法中已经详细说明了,故在此重复内容不再说明。
图6示出了可以应用本发明实施例的车辆调度方法或车辆调度装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603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601、602、603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605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603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,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的车辆调度方法一般由服务器605执行,相应地,所述车辆调度装置一般设置在服务器605中。本发明实施例所提供的车辆调度方法也可以由终端设备601、602、603执行,相应地,所述车辆调度装置可以设置在终端设备601、602、603中。
应该理解,图6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7,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700的结构示意图。图7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7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;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707;包括硬盘等的存储部分708;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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710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708。
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709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701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:一种处理器包括第一求解模块、合并模块、第二求解模块和调度模块,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,该设备实现如下方法:基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;根据所述最优解调度车辆。
根据本发明实施例的技术方案,因为采用基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,对扫描算法解中的路线进行合并,基于混合整数线性规划算法对合并路线进行求解,得到最优解的技术手段,所以克服了现有技术中无法解决多仓库多趟难题的技术问题。本发明实施例基于扫描算法和混合整数线性规划算法,能够针对多仓库下多车辆揽收与配送问题进行求解,快速得到最优解,从而实现多仓库多趟的调度。
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 (11)
1.一种车辆调度方法,其特征在于,包括:
基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;
根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;
基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;
根据所述最优解调度车辆。
2.根据权利要求1所述的方法,其特征在于,所述节点的类型包括中心仓、非中心仓和客户节点;
基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解,包括:
在车辆载重、仓库服务约束或车辆的续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问;
从所述多组扫描算法解中筛选出一组总成本最小的扫描算法解。
3.根据权利要求2所述的方法,其特征在于,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,生成多组扫描算法解,使得每个客户节点都被访问,包括:
步骤1、以中心仓为原点建立坐标轴,获取各个其他节点的坐标;
步骤2、将所述各个其他节点按照逆时针排列;
步骤3、将第一个节点作为第一个位置,在车辆载重、仓库服务约束、续航里程或各个客户节点的服务时间窗的约束下,并以中心仓为出发点和终点,按照排列顺序依次访问各个客户节点,生成一组扫描算法解,使得每个客户节点都被访问;
步骤4、将第二个节点作为第一个位置,重复执行步骤3;依次类推,直到每个其他节点都被作为第一个位置,执行过步骤3,从而生成多组扫描算法解;
步骤5、将所述各个其他节点按照顺时针排列,重复执行步骤3-步骤4。
4.根据权利要求1所述的方法,其特征在于,根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合,包括:
对于每条路线,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间;
基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度;
基于合并规则,对所述若干条路线进行合并,得到若干个路线集合;其中,所述合并规则包括合并后的路线的节点数量上限和待合并的路线之间的相似度下限。
5.根据权利要求4所述的方法,其特征在于,根据中心仓的位置、与所述中心仓临近的第一个节点的位置和最后一个节点的位置,计算所述路线的角度区间,包括:
以中心仓为原点建立坐标轴,获取与所述中心仓临近的第一个节点的位置和最后一个节点的位置;
分别计算所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角;
将所述第一个节点与所述坐标轴的夹角、所述最后一个节点与所述坐标轴的夹角分别作为所述路线的角度区间的端点值。
6.根据权利要求4所述的方法,其特征在于,基于每条路线的角度区间和每条路线上的节点,计算两条路线之间的相似度,包括:
将两条路线的角度区间的交集与所述两条路线的角度区间的并集相除,得到所述两条路线的角度相似度;
将所述两条路线的重合节点的数量作为所述两条路线的节点相似度;
对所述两条路线的角度相似度和节点相似度进行加权求和,得到所述两条路线的相似度。
7.根据权利要求1所述的方法,其特征在于,基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解,
在路线条件的约束下,根据所述若干个路线集合、各个节点的服务时长、各个仓库服务的客户节点、各个客户节点的服务时间窗、每辆车的续航里程、各个客户节点的服务重量和每辆车的载重,得到最优解,使得总成本最小。
8.根据权利要求7所述的方法,其特征在于,所述总成本包括车辆使用成本、车辆行驶成本和服务延迟惩罚成本之和。
9.一种车辆调度装置,其特征在于,包括:
第一求解模块,用于基于扫描算法对车辆的路线进行求解,得到总成本最小的扫描算法解;其中,所述扫描算法解包括若干条路线;
合并模块,用于根据路线之间的相似度,对所述若干条路线进行合并,得到若干个路线集合;
第二求解模块,用于基于混合整数线性规划算法对所述若干个路线集合进行求解,得到最优解;其中,所述最优解包括所需车辆、每辆车的趟数、每辆车每趟路线经过的各个节点;
调度模块,用于根据所述最优解调度车辆。
10.一种电子设备,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时,所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,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1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812324.0A CN113762667B (zh) | 2020-08-13 | 2020-08-13 | 一种车辆调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812324.0A CN113762667B (zh) | 2020-08-13 | 2020-08-13 | 一种车辆调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113762667A true CN113762667A (zh) | 2021-12-07 |
CN113762667B CN113762667B (zh) | 2024-07-19 |
Family
ID=78785618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010812324.0A Active CN113762667B (zh) | 2020-08-13 | 2020-08-13 | 一种车辆调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762667B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226687A (zh) * | 2008-01-31 | 2008-07-23 | 浙江工业大学 | 一种城市交通中的典型行驶路线分析方法 |
CN101616214A (zh) * | 2008-06-27 | 2009-12-30 | Lg电子株式会社 | 针对移动通信终端提供触感效果 |
CN101616213A (zh) * | 2008-06-25 | 2009-12-30 | Lg电子株式会社 | 针对移动通信终端提供触感效果 |
CN101741952A (zh) * | 2009-12-10 | 2010-06-16 | 中国科学技术大学 | 盲人用移动电话交互系统及其装置 |
KR20110061235A (ko) * | 2009-12-01 | 2011-06-09 | 엘지전자 주식회사 | 단말기 및 제어 방법 |
CN102171632A (zh) * | 2008-09-30 | 2011-08-31 | 苹果公司 | 具有更多功能性的可动跟踪板 |
CN102769802A (zh) * | 2012-06-11 | 2012-11-07 | 西安交通大学 | 一种智能电视机的人机交互系统及其交互方法 |
CN103093543A (zh) * | 2011-10-28 | 2013-05-08 | 阿迪达斯股份公司 | 交互式零售系统 |
CN103186879A (zh) * | 2013-01-30 | 2013-07-03 | 广州智盈网络科技有限公司 | 公路运输调度方法 |
CN103279857A (zh) * | 2013-06-13 | 2013-09-04 | 南京航空航天大学 | 数控车间自动配送车辆调度方法 |
US20140198024A1 (en) * | 2013-01-11 | 2014-07-17 | Samsung Electronics Co. Ltd. | System and method for detecting three dimensional gestures to initiate and complete the transfer of application data between networked devices |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
CN107766994A (zh) * | 2017-12-04 | 2018-03-06 | 长沙理工大学 | 一种共享自行车调度方法与调度系统 |
CN108492020A (zh) * | 2018-03-16 | 2018-09-04 | 浙江工商大学 | 基于模拟退火与分支切割优化的污染车辆调度方法和系统 |
CN109165902A (zh) * | 2018-10-09 | 2019-01-08 | 北方工业大学 | 一种基于智能无人车的动态区域物流派送方法及系统 |
CN109416802A (zh) * | 2016-07-05 | 2019-03-01 | 华为技术有限公司 | 管理车辆的方法和装置 |
CN110009137A (zh) * | 2019-03-12 | 2019-07-12 | 清华大学 | 一种基于分布集鲁棒的交通最短路径确定方法 |
CN110084382A (zh) * | 2018-10-12 | 2019-08-02 | 中国电力科学研究院有限公司 | 一种配电网检修车辆调度方法及系统 |
CN110427574A (zh) * | 2019-08-02 | 2019-11-08 | 江苏满运软件科技有限公司 | 路线相似度确定方法、装置、设备和介质 |
CN110852530A (zh) * | 2019-11-22 | 2020-02-28 | 浙江工业大学 | 一种多车场多车型的车辆路径规划方法 |
CN110879614A (zh) * | 2019-12-12 | 2020-03-13 | 上海交通大学 | 无人机速度规划方法 |
CN110969390A (zh) * | 2019-12-02 | 2020-04-07 | 北京百度网讯科技有限公司 | 用于分区的方法、装置、设备和介质 |
CN111325389A (zh) * | 2020-02-17 | 2020-06-23 | 陕西科技大学 | 一种基于Petri网和整数线性规划的车辆路径优化方法 |
-
2020
- 2020-08-13 CN CN202010812324.0A patent/CN113762667B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226687A (zh) * | 2008-01-31 | 2008-07-23 | 浙江工业大学 | 一种城市交通中的典型行驶路线分析方法 |
CN101616213A (zh) * | 2008-06-25 | 2009-12-30 | Lg电子株式会社 | 针对移动通信终端提供触感效果 |
CN101616214A (zh) * | 2008-06-27 | 2009-12-30 | Lg电子株式会社 | 针对移动通信终端提供触感效果 |
CN102171632A (zh) * | 2008-09-30 | 2011-08-31 | 苹果公司 | 具有更多功能性的可动跟踪板 |
KR20110061235A (ko) * | 2009-12-01 | 2011-06-09 | 엘지전자 주식회사 | 단말기 및 제어 방법 |
CN101741952A (zh) * | 2009-12-10 | 2010-06-16 | 中国科学技术大学 | 盲人用移动电话交互系统及其装置 |
CN103093543A (zh) * | 2011-10-28 | 2013-05-08 | 阿迪达斯股份公司 | 交互式零售系统 |
CN102769802A (zh) * | 2012-06-11 | 2012-11-07 | 西安交通大学 | 一种智能电视机的人机交互系统及其交互方法 |
US20140198024A1 (en) * | 2013-01-11 | 2014-07-17 | Samsung Electronics Co. Ltd. | System and method for detecting three dimensional gestures to initiate and complete the transfer of application data between networked devices |
CN103186879A (zh) * | 2013-01-30 | 2013-07-03 | 广州智盈网络科技有限公司 | 公路运输调度方法 |
CN103279857A (zh) * | 2013-06-13 | 2013-09-04 | 南京航空航天大学 | 数控车间自动配送车辆调度方法 |
CN109416802A (zh) * | 2016-07-05 | 2019-03-01 | 华为技术有限公司 | 管理车辆的方法和装置 |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
CN107766994A (zh) * | 2017-12-04 | 2018-03-06 | 长沙理工大学 | 一种共享自行车调度方法与调度系统 |
CN108492020A (zh) * | 2018-03-16 | 2018-09-04 | 浙江工商大学 | 基于模拟退火与分支切割优化的污染车辆调度方法和系统 |
CN109165902A (zh) * | 2018-10-09 | 2019-01-08 | 北方工业大学 | 一种基于智能无人车的动态区域物流派送方法及系统 |
CN110084382A (zh) * | 2018-10-12 | 2019-08-02 | 中国电力科学研究院有限公司 | 一种配电网检修车辆调度方法及系统 |
CN110009137A (zh) * | 2019-03-12 | 2019-07-12 | 清华大学 | 一种基于分布集鲁棒的交通最短路径确定方法 |
CN110427574A (zh) * | 2019-08-02 | 2019-11-08 | 江苏满运软件科技有限公司 | 路线相似度确定方法、装置、设备和介质 |
CN110852530A (zh) * | 2019-11-22 | 2020-02-28 | 浙江工业大学 | 一种多车场多车型的车辆路径规划方法 |
CN110969390A (zh) * | 2019-12-02 | 2020-04-07 | 北京百度网讯科技有限公司 | 用于分区的方法、装置、设备和介质 |
CN110879614A (zh) * | 2019-12-12 | 2020-03-13 | 上海交通大学 | 无人机速度规划方法 |
CN111325389A (zh) * | 2020-02-17 | 2020-06-23 | 陕西科技大学 | 一种基于Petri网和整数线性规划的车辆路径优化方法 |
Non-Patent Citations (4)
Title |
---|
RODOLFO GABRIEL DONDO ET AL: "The heterogeneous vehicle routing and truck scheduling problem in a multi-door cross-dock system", 《COMPUTERS & CHEMICAL ENGINEERING》, pages 42 - 62 * |
宋省身: "时空高效的倒排索引压缩和求交算法研究", 《中国博士学位论文全文数据库信息科技辑》, vol. 2020, no. 2, pages 71 * |
王诗瑶: "大规模单车场VRP 问题中扫描法的改进", 《现代电子技术》, vol. 37, no. 24, pages 2 * |
盛鑫: "考虑装载约束的多车场车辆路径问题研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, vol. 2016, no. 6, pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN113762667B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980955B (zh) | 用于输出信息的方法和装置 | |
Parragh et al. | The dial-a-ride problem with split requests and profits | |
CN108734559B (zh) | 一种订单处理方法和装置 | |
CN113673932B (zh) | 一种物流网络规划方法和装置 | |
CN113259144B (zh) | 一种仓储网络规划方法和装置 | |
CN110348771B (zh) | 一种对订单进行组单的方法和装置 | |
CN111553548B (zh) | 一种拣货方法和装置 | |
CN110059993B (zh) | 一种仓储管理的方法和装置 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN113128744A (zh) | 配送规划方法和装置 | |
CN111461383A (zh) | 规划配送路径的方法和装置 | |
CN109978213B (zh) | 一种任务路径规划方法和装置 | |
CN112700180A (zh) | 一种拣货方法和拣货装置 | |
CN111724006A (zh) | 一种任务组合方法、数据处理方法和装置 | |
CN113222490A (zh) | 一种库存分配方法和装置 | |
CN110871980B (zh) | 储位分类方法和装置 | |
CN107085754B (zh) | 信息输出方法和装置 | |
CN112966992B (zh) | 一种订单生产方法和装置 | |
CN111860918B (zh) | 配送方法及装置、电子设备和计算机可读介质 | |
CN113361739A (zh) | 一种生成拣货路径的方法和装置 | |
CN113762667B (zh) | 一种车辆调度方法和装置 | |
CN114997779A (zh) | 一种仓储处理方法、装置、电子设备及计算机可读介质 | |
CN112785213B (zh) | 一种仓库拣货单的组建方法和装置 | |
CN112474368B (zh) | 货物拣选方法、装置、设备和计算机可读介质 | |
CN114240301A (zh) | 任务处理方法、装置、电子设备和存储介质 |
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 |