CN113762679A - 一种基于分拣网络的资源配置方法和装置 - Google Patents
一种基于分拣网络的资源配置方法和装置 Download PDFInfo
- Publication number
- CN113762679A CN113762679A CN202011211399.XA CN202011211399A CN113762679A CN 113762679 A CN113762679 A CN 113762679A CN 202011211399 A CN202011211399 A CN 202011211399A CN 113762679 A CN113762679 A CN 113762679A
- Authority
- CN
- China
- Prior art keywords
- sorting
- city
- network
- data
- originating
- 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 56
- 238000013468 resource allocation Methods 0.000 title claims abstract description 38
- 230000006870 function Effects 0.000 claims description 57
- 238000001914 filtration Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 239000000126 substance 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供了一种基于分拣网络的资源配置方法和装置,所述方法包括:采集客户需求信息;获取满足所述客户需求信息的订单数据;获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市,并输出到资源配置平台进行资源配置;所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。该方法能够在低成本条件下高效提供资源优化配置方案。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种基于分拣网络的资源配置方法和装置。
背景技术
目前各区域的分拣网络中针对那些城市配置为枢纽城市,主要由工作人员根据经验进行分析测算确定。
在实现本申请的过程中,发明人发现通过工作人员根据经验分析进行测算的方式进行枢纽城市配置时,存在效率低、成本高、不能提供最优配置方案等问题。
发明内容
有鉴于此,本申请提供一种基于分拣网络的资源配置方法和装置,能够在低成本条件下高效提供资源优化配置方案。
为解决上述技术问题,本申请的技术方案是这样实现的:
在一个实施例中,提供了一种基于分拣网络的资源配置方法,所述方法包括:
采集客户需求信息;
获取满足所述客户需求信息的订单数据;
获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市,并输出到资源配置平台进行资源配置;
其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
在另一个实施例中,提供了一种基于分拣网络的资源配置装置,所述装置包括:采集单元、第一获取单元、第二获取单元、确定单元和输出单元;
所述采集单元,用于采集客户需求信息;
所述第一获取单元,用于获取满足所述采集单元采集的客户需求信息的订单数据;
所述第二获取单元,用于获取所述第一获取单元获取的订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
所述确定单元,用于通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市;
所述输出单元,用于将所述确定单元确定的作为枢纽的分拣城市输出到资源配置平台进行资源配置;其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
在另一个实施例中,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述基于分拣网络的资源配置方法的步骤。
在另一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述基于分拣网络的资源配置方法的步骤。
由上面的技术方案可见,上述实施例中通过获取满足客户需要信息,以及订单量满足订单阈值的订单数据,并基于所述订单数据对应的分拣网络建立第一网络模型,通过第一网络模型对目标函数求解最小值获得对应变量,并根据对变量的规划确定变量中对应分拣城市作为分拣城市输出确定结果,将所述结果输出到资源配置平台进行资源配置,能够在低成本条件下高效提供资源优化配置方案。
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,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一中基于分拣网络的资源配置流程示意图;
图2为本申请实施例中获取满足客户需求信息的订单数据的流程示意图;
图3为本申请实施例中的四层路由网络对应的分拣网络的示意图;
图5为本申请实施例中应用于上述技术的装置结构示意图;
图4为本申请实施例二中基于分拣网络的资源配置流程示意图;
图6为本发明实施例提供的一种电子设备的实体结构示意图。
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,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本申请实施例中提供一种基于分拣网络的资源配置方法,下面先介绍一下分拣网络中的相关概念:
分拣网络中存在分拣中心、分拣城市和分拣区域的概念,其中,分拣区域,如华东区域、华南区域等,一个分拣区域包括多个分拣城市;一个分拣城市包括多个分拣中心。
本申请实施例中需要确定哪些城市适合做枢纽城市,以及为一些不满足支线开通条件的城市建立什么样的线路,与支线开通的城市相连;
在本申请实施例中,支线定义为区域内的运输线路;相对应的干线定义为跨区域的运输线路;枢纽城市指承担中转功能的分拣城市。
实施例一
参见图1,图1为本申请实施例一中基于分拣网络的资源配置流程示意图。具体步骤为:
步骤101,采集客户需求信息。
客户需求信息可以是用户通过文本、语音等方式提供的信息,将所述信息转换为本平台能够处理的数据信息。
客户需求信息包括:枢纽选择区域和订单阈值。
其中,枢纽选择区域,即需要规划,或重新规划分拣枢纽的区域,如华东区域。
订单阈值,用于将始发分拣城市到目的分拣城市的需求货量小于所述订单阈值的订单数据过滤掉,认为两个分拣城市之间的需求货量小于所述订单阈值时,获取的订单数据为异常数据。
客户需求信息还可以包括下述信息:
枢纽个数nums_hub:表示客户希望在枢纽选择区域规划枢纽的个数,如3个;
操作成本:每个运单途径每个分拣中心的操作成本;
使用干线开通最低开通单量表示干线开通的最低开线单量;
各级线路开通标准参数:干线的最低开通单量lb_m,支线的最低开通单量lb_f,车辆固定成本fixed_cost、车辆变动成本var_cost;
通过上述参数组合每条线路的距离,可以计算出线路的但均成本,即表示在某条线路运输一个订单的成本,在本领域中订单有时也称为票件。
各区域现存支线的线路集合,如佳木斯-哈尔滨。表示目前的路由网络里有佳木斯-哈尔滨的线路,该参数主要用于减少决策变量数量,可以有效降低问题规模。
步骤102,获取满足所述客户需求信息的订单数据。
本步骤的具体过程如下:
参见图2,图2为本申请实施例中获取满足客户需求信息的订单数据的流程示意图。具体步骤为:
步骤201,获取预设时间内始发区域为所述枢纽选择区域的订单数据。
在具体实现时,用于进行处理的订单数据可以根据实际需要选择预设时间内的数据,如距离现在一个月的订单数据,一年的订单数据,然后根据客户需求信息中的始发区域进行订单数据的过滤。
步骤202,确定所述始发区域中的始发分拣中心到目的分拣中心的订单数据。
本申请实施例中最小的分拣单位为分拣中心,需要查找到所有满足分拣区域的始发分拣中心到目的分拣中心的订单数据。
步骤203,根据分拣中心所属的分拣城市,以及始发分拣中心到目的分拣中心的订单数据确定始发分拣城市到目的分拣城市的需求货量。
具体实现时,可以通过配置信息获得分拣中心所属的分拣城市,也可以通过地址信息确定分拣中心所属的分拣城市,具体为:
获取各分拣中心的经纬度坐标信息(GIS),以及所在分拣城市的GIS,以确定所述分拣中心对应的分拣城市。
根据分拣中心对应的订单,确定分拣城市对应的订单,进而可以确定始发分拣城市到目的分拣城市的需求货量。
步骤204,将需求货量小于所述订单阈值的订单数据删除,获取满足客户需求信息的订单数据。
具体实现时也可以将步骤201到步骤204封装,以自动实现输入订单数据和客户需求信息,输出满足客户需求信息的订单。本申请实施例中对这部分功能是否封装实现不进行限制。
步骤103,获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据。
汇总计算各始发分拣城市的出货量的和作为总出货量,当总出货量不小于所述预设支线开通标准时,确定所述订单数据中始发分拣城市的总出货量满足预设支线开通标准;否则,确定所述订单数据中始发分拣城市的总出货量不满足预设支线开通标准。
本申请实施例中为了计算方便将货量定义为订单数量的总和,这里假设每个订单的货量是相同的,如一个订单为一个包裹,订单数量简称为单量。
预设支线开通标准可以是客户在客户需求信息中给出,也可以是在建模型时,作为模型参数进行配置。
步骤104,通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市,并输出到资源配置平台进行资源配置。
所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
本申请实施例中第一网络模型基于所述第一类数据对应的分拣网络建立四层路由网络,每层节点有各自的功能与约束;其中,前两层为始发区域的节点,后两层为目的区域的节点,由于枢纽承担中转的作用,因此,枢纽城市存在于第二层节点对应的城市中。始发于优化区域的货量需要流经该四层路由网络将货物送往所有区域,包括本区域和其他区域,优化目标是找到运输成本最低的路由及各路由上的货量,其中虽枢纽的数量以及各线开通条件进行约束,分析最终的分拣网络,可定位具备枢纽功能的城市。
基于上述目的,本申请实施例建立的第一网络模型见图3,图3为本申请实施例中的四层路由网络对应的分拣网络的示意图。图3中基于第一类数据对应的分拣网络建立四层路由网络,即只考虑第一类数据中涉及的分拣城市。
图3中包括的四层分别为第一层、第二层、第三层和第四层,其中,第一层和第二层为始发区域的节点,第二层和第三层为目的区域的节点。
由于枢纽城市承担中转的作用,所以本申请实施例中要确定的枢纽城市只会出现在第二层中的分拣城市中。
针对每一层都对应城市节点,后文为了描述统一,方便均称为这一层对应的分拣城市。
本实施例中的第一网络模型中,始发区域的货物需要流经上述四层分拣网络发送到其他地方,如全国,或全世界。
本实施例中需要找到适合做枢纽城市的城市。
下面定义一些变量,来建立第一目标函数和约束条件。
Ri,j,k,l为一连续变量。表示表示经由路由i、j、k、l的运输的单量,i、j、k、l分别为第一层、第二层、第三层和第四层的所有可能的分拣城市,如i可能对应20个城市,但是每次指定Ri,j,k,l时,i对应其中一个分拣城市。
用r1,r2,r3,r4表示第一层到第四层对应的分拣城市所在的区域。在创建该变量时,考虑以下规则避免创建不合业务逻辑的变量:
第一层和第二层对应的分拣城市为始发区域的分拣城市i,j,即r1=r2。
第三层和第四层对应的分拣城市为同一目的区域的分拣城市,即r3=r4。
第三层和第四层对应的分拣城市组成的支线即k-l,当r3,r4不是始发区域,k-l组成的支线需要在已开支线集合feeder_line_set中。
始发分拣城市i和目的分拣城市l组成的城市对(i-l)需要属于第一类数据中,减少创建无始发分拣城市到目的分拣城市OD需求的路由变量。
R′i,j,k,l:表示跨区的路由变量,即r4与r1为不同区域。R′i,j,k,l为Ri,j,k,l的子集。
Mj,k:0-1变量。表示跨区干线j-k是否开通,0表示不开通,1表示开通。干线运输指的是跨区运输的第二层到第三层节点的线路。
Fi,j:0-1变量。表示始发区域的支线i-j是否开通,0表示不开通,1表示开通。始发区域支线指的是始发区域内的第一层到第二层节点的连线。
Hubj:0-1变量。表示在变量Ri,j,k,l的第二层中的城市j是否为枢纽城市,0表示不是枢纽,1表示是枢纽。是枢纽城市时,满足下述条件:j等于i、j不等于l且r4不等于r1,即l所属区域不等于i所属区域。
下面给出针对模型参数的表示和定义:
线路单位成本Cx,y:表示从城市x运送一单到城市y的运输开销,单位可以用元表示;
计算逻辑:创建Ri,j,k,l变量时,计算路由中三段线路(i-j,j-k,k-l)单位成本。
以计算i-j支线为例,首先利用分拣城市的经纬度计算分拣城市i-j的距离di,j,计算i-j线路成本Ci,j:
Ci,j=(fixed_cost+var_cost*di,j)/lb_f;
其中,fixed_cost为车辆固定成本,var_cost为车辆变动成本,lb_f为支线的最低开通单量。
该计算逻辑假设订单是以整车方式运输,考虑车辆的固定成本以及距离相关的变动成本,以及车容(线路开通标准)计算单均成本。用线路开通标准表示车容是因为开通线路的话至少能发出一辆车。如果计算j-k线路的单均成本,用干线的最低开通单量lb_m替换式中lb_f即可。
辅助变量bigNum:辅助常量,表示一个大的数值。
本实施例中基于所述四层路由网络以Ri,j,k,l为变量生成第一目标函数;其中,Ri,j,k,l表示经由路由i、j、k、l的运输的单量,i、j、k、l分别为第一层、第二层、第三层和第四层的所有可能的分拣城市;
所述第一目标函数为始发区域发往所有区域订单的总成本。
所述始发区域发往所有区域订单的总成本为单均成本与经由路由i、j、k、l运输的单量的乘积的和。
可以表示如下:
其中,(Ci,j+Cj,k+Ck,l)表示一条路由的单均成本,Ri,j,k,l表示经由i-j-k-l的单量。
R为第一类数据对应的分拣网络中的所有城市。
其中,所述第一约束条件为所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣城市到目的分拣城市的需求量得到满足。
具体实现时所述第一约束条件可由多条约束条件组合而成,具体如下:
第一条:能连通始发分拣中心到末分拣中心的所有路由的单量之和满足第一类数据对应的始发分拣中心到末分拣中心的需求货量。
如可以通过下式表示:
第二条、将始发区域支线是否开通变量与连续变量Ri,j,k,l关联。
约束Ri,j,k,l流经支线i-j的单量大于等于支线开通标准lb_f且Fi′,j′为1;否则,Fi′,j′为0且所有相关的Ri,j,k,l单量皆为0。
第三、将跨区域干线是否开通变量与连续变量Ri,j,k,l关联。
通过上述两个公式实现将跨区域干线是否开通变量与连续变量Ri,j,k,l关联,这里的跨区域干线是否开通变量使用0-1变量Mj′,k′,表示流经跨区域干线j-k的所有路由单量之和。约束Ri,j,k,l流经支线j-k的单量大于等于干线开通标准lb_m且Mj′,k′为1;否则,Mj′,k′为0且所有相关的Ri,j,k,l单量皆为0。
第四、将城市j是否为枢纽变量与跨区路由R′i,j,k,l中的中转路由关联,所述R′i,j,k,l表示j不等于i,且j不等于l时的Ri,j,k,l。
通过上述两个公式实现将城市j是否为枢纽变量与跨区路由R′i,j,k,l中的中转路由关联。城市j是否为枢纽的0-1变量使用Hubj′表示;表示跨区路由R′i,j,k,l中第二层的城市节点j承担枢纽的中转功能,即j!=i且j!=l。
跨区的中转路由R′i,j,k,l流经j的货量大于0,则Hubj′为1,否则为0。
第五、作为枢纽的分拣城市的个数等于所述需求信息中设置的枢纽数量。
通过上述公式实现作为枢纽的分拣城市的个数等于所述需求信息中设置的枢纽数量。nums_hub为所述需求信息中设置的枢纽数量。
本申请实施例中在第一约束条件下求解所述第一目标函数最小值时的Ri,j,k,l时,将所述Ri,j,k,l松弛为各路由流经单量的连续值。
在常见的路由网络模型规划模型,如IP模型,通常决策变量Ri,j,k,l为0-1变量,且要求对于每对始发分拣城市-目的分拣城市的路由唯一;而本申请实施例中将常规的0-1变量Ri,j,k,l松弛为各路由的流经单量,仅考虑满足始发分拣城市-目的分拣城市需求的约束条件。
本申请实施例的实现方式更容易获得可行解,且求解速度提升明显。
当确定作为枢纽城市的城市时,将所述枢纽城市的信息输出。
本申请实施例中,通过获取满足客户需要信息,以及订单量满足订单阈值的订单数据,并基于所述订单数据对应的分拣网络建立第一网络模型,通过第一网络模型对目标函数求解最小值获得对应变量,并根据对变量的规划确定变量中对应分拣城市作为分拣城市输出确定结果,将所述结果输出到资源配置平台进行资源配置,能够在低成本条件下高效提供资源优化配置方案。
实施例二
参见图4,图4为本申请实施例二中基于分拣网络的资源配置流程示意图。具体步骤为:
步骤401,采集客户需求信息。
客户需求信息可以是用户通过文本、语音等方式提供的信息,将所述信息转换为本平台能够处理的数据信息。
客户需求信息包括:枢纽选择区域和订单阈值。
其中,枢纽选择区域,即需要规划,或重新规划分拣枢纽的区域,如华东区域。
订单阈值,用于将始发分拣城市到目的分拣城市的需求货量小于所述订单阈值的订单数据过滤掉,认为两个分拣城市之间的需求货量小于所述订单阈值时,获取的订单数据为异常数据。
客户需求信息还可以包括下述信息:
枢纽个数nums_hub:表示客户希望在枢纽选择区域规划枢纽的个数,如3个;
操作成本:每个运单途径每个分拣中心的操作成本;
使用干线开通最低开通单量表示干线开通的最低开线单量;
各级线路开通标准参数:干线的最低开通单量lb_m,支线的最低开通单量lb_f,车辆固定成本fixed_cost、车辆变动成本var_cost;
通过上述参数组合每条线路的距离,可以计算出线路的但均成本,即表示在某条线路运输一个订单的成本,在本领域中订单有时也称为票件。
各区域现存支线的线路集合,如佳木斯-哈尔滨。表示目前的路由网络里有佳木斯-哈尔滨的线路,该参数主要用于减少决策变量数量,可以有效降低问题规模。
步骤402,获取满足所述客户需求信息的订单数据。
本步骤的具体过程如下:
第一步,获取预设时间内始发区域为所述枢纽选择区域的订单数据。
在具体实现时,用于进行处理的订单数据可以根据实际需要选择预设时间内的数据,如距离现在一个月的订单数据,一年的订单数据,然后根据客户需求信息中的始发区域进行订单数据的过滤。
第二步,确定所述始发区域中的始发分拣中心到目的分拣中心的订单数据。
本申请实施例中最小的分拣单位为分拣中心,需要查找到所有满足分拣区域的始发分拣中心到目的分拣中心的订单数据。
第三步、根据分拣中心所属的分拣城市,以及始发分拣中心到目的分拣中心的订单数据确定始发分拣城市到目的分拣城市的需求货量。
具体实现时,可以通过配置信息获得分拣中心所属的分拣城市,也可以通过地址信息确定分拣中心所属的分拣城市,具体为:
获取各分拣中心的经纬度坐标信息(GIS),以及所在分拣城市的GIS,以确定所述分拣中心对应的分拣城市。
根据分拣中心对应的订单,确定分拣城市对应的订单,进而可以确定始发分拣城市到目的分拣城市的需求货量。
第四步、将需求货量小于所述订单阈值的订单数据删除,获取满足客户需求信息的订单数据。
具体实现时也可以将第一步到第二封装,以自动实现输入订单数据和客户需求信息,输出满足客户需求信息的订单。本申请实施例中对这部分功能是否封装实现不进行限制。
步骤403,获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;将所述满足所述客户需求信息的订单数据中第一类数据之外的数据作为第二类数据。
汇总计算各始发分拣城市的出货量的和作为总出货量,当总出货量不小于所述预设支线开通标准时,确定所述订单数据中始发分拣城市的总出货量满足预设支线开通标准;将这部分订单数据划分为第一类数据;否则,确定所述订单数据中始发分拣城市的总出货量不满足预设支线开通标准,将这部分订单数据划分为第二类数据。
本申请实施例中为了计算方便将货量定义为订单数量的总和,这里假设每个订单的货量是相同的,如一个订单为一个包裹,订单数量简称为单量。
预设支线开通标准可以是客户在客户需求信息中给出,也可以是在建模型时,作为模型参数进行配置。
步骤404,通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市。
步骤404的具体实现可以为:
基于第一类数据对应的分拣网络建立四层路由网络,并基于所述四层路由网络以Ri,j,k,l为变量生成第一目标函数;其中,Ri,j,k,l表示经由路由i、j、k、l的运输的单量,i、j、k、l分别为第一层、第二层、第三层和第四层的所有可能的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本;
在第一约束条件下求解所述第一目标函数最小值时的Ri,j,k,l,并过滤掉等于0的Ri,j,k,l记为其中,所述第一约束条件为所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣城市到目的分拣城市的需求量得到满足;
更详细的具体实现参照实施例1中的实现。
步骤405,通过第二网络模型确定第二类数据中的城市与所述第一网络模型对应的四层网络相连的线路。
所述第二网络模型为求解第二目标函数最小值,并根据求解结果确定与所述第一网络模型对应的四层网络相连的线路;所述第二目标函数为运输第二类数据对应订单的总成本。
第一网络模型已基本满足大部分需求,主要的枢纽选址功能已经实现。本申请实施例中建立第二网络模型是为了处理第二类数据,第二类数据中的一些始发分拣城市,如可以用s_O表示,无法开满足最低的开线条件,这些始发分拣城市的分拣中心大多为等级更低的中转场,相关的分拣城市无法放入第一网络模型中。
为了数据完整和该类城市的路由规划,将通过建立第二网络模型,即一个五层的分拣网络模型。
利用通过第一网络模型已经规划完毕的四层分拣网络,将每个始发分拣城市强制开通一条线路连接到优化后的四层分拣网络,且成本最低。
本步骤的具体实现可以为:
其中,Rp,i,j,k,l表示经由路由p、i、j、k、l的运输的单量,i、j、k、l为中的i、j、k、l,p、i、j、k、l分别为第一层、第二层、第三层、第四层和第五层的所有可能的分拣城市;所述第二目标函数为运输第二类数据对应订单的总成本;
运输第二类数据对应订单的总成本为单均成本与经由路由p、i、j、k、l的运输的单量的乘积的和。
第二目标函数可以通过下式表示:
其中,Cp,i+Ci,j+Cj,k+Ck,l表示一条路由的单均成本,Rp,i,j,k,l表示经由p-i-j-k-l的单量。
以计算Cp,i为例:
Cp,i=(fixed_cost+var_cost*dp,i)/lb_f;
其中,fixed_cost为车辆固定成本,var_cost为车辆变动成本,lb_f为支线的最低开通单量;分拣城市p-i的距离dp,i。
在第二约束条件下求解所述第二目标函数最小值时的Rp,i,j,k,l。
具体实现时所述第二约束条件可由多条约束条件组合而成,具体如下:
第一条:能连通始发分拣城市到目的分拣城市的所有路由的单量之和满足第二类数据对应的始发分拣城市到目的分拣城市的需求货量。
第二条:将能否开通p-i线路变量与连续变量Rp,i,j,k,l关联。
若Rp,i,j,k,l单量大于零,则Lp′,i′为1;否则,为0且所有相关的路由单量加和也为0。
第三条:每个始发分拣城市开通一条线路到连接到所述第一网络模型对应的四层网络。
该约束条件即为为每个始发分拣城市仅开通一条线路连接到通过第一网络模型优化后的四层网络中。
可以通过如下公式表示:
在第二约束条件下求解所述第二目标函数最小值Rp,i,j,k,l时,将所述Rp,i,j,k,l松弛为各路由流经单量的连续值。
在常见的路由网络模型规划模型,如IP模型,通常决策变量Rp,i,j,k,l为0-1变量,且要求对于每对始发分拣城市-目的分拣城市的路由唯一;而本申请实施例中将常规的0-1变量Rp,i,j,k,l松弛为各路由的流经单量,仅考虑满足始发分拣城市-目的分拣城市需求的约束条件。
步骤406,将确定的作为枢纽的分拣城市,以及确定的与四层网络相连的线路输出到资源配置平台进行资源配置。
本申请实施例中在具体实现时,将确定的作为枢纽的分拣城市,以及确定的与四层网络相连的线路输出到资源配置平台时,还可以输出下述信息:
枢纽汇总信息:包含各枢纽的名称,途经操作单量,及总流向数等信息。
汇总数据:包含总成本,运输距离,总OD数等信息。
基础数据:各路由的多维度明细数据,包含途经节点、距离、单均成本、路由总成本等信息,满足用户的分析需求。
干支线线路汇总数据:包含流经单量,线路开通标准等数据,用于用户验证模型有效性。
本申请实施例中基于混合整数规划模型,如MIP建立了数据获取、清洗、整理,参数加工,建模求解及结果解析的相关流程。模型的约束条件考虑了基于业务经验的逻辑,并且对主要成本项进行合理简化和标准化处理。可解决人工处理的一些缺点。数学规划模型部分,本申请实施例中通过将整个分拣网络抽象、划分为四个网络层级,且每个层级有其对应的功能定位来建立第一网络模型,简化后的网络仍可有效表达枢纽城市选择的需求。通过松弛部分业务约束和一些启发式逻辑减少决策变量数,使模型更容易获得可行解。在建模前,将一些特殊的违反约束的或特殊业务的OD数据(始发分拣城市-目的分拣城市的数据)放到第二网络模型求解。第二网络模型是在第一网络模型结果之上将四层分拣网络增加为五层结构,并且增加相关的约束。这样的设计一方面充分考虑了业务历史数据,另一方面可有效避免无法找到无可行解。
本发明的模型参数配置简单,依赖人工经验配置难度低,模型逻辑符合业务场景便于落地,且输出的多种维度的结果便于验证模型和分析枢纽选址方案。
基于同样的发明构思,本申请实施例中还提供一种基于分拣网络的资源配置装置。参见图5,图5为本申请实施例中应用于上述技术的装置结构示意图。所述装置包括:采集单元501、第一获取单元592、第二获取单元593、确定单元和输出单元594;
采集单元501,用于采集客户需求信息;
第一获取单元502,用于获取满足采集单元501采集的客户需求信息的订单数据;
第二获取单元503,用于获取第一获取单元502获取的订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
确定单元504,用于通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市;其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本;
输出单元505,用于将确定单元504确定的作为枢纽的分拣城市输出到资源配置平台进行资源配置。
优选地,
采集单元501,具体用于采集到的客户需求信息包括:枢纽选择区域和订单阈值;
第一获取单元502,具体用于获取预设时间内始发区域为所述枢纽选择区域的订单数据;确定所述始发区域中的始发分拣中心到目的分拣中心的订单数据;根据分拣中心所属的分拣城市,以及始发分拣中心到目的分拣中心的订单数据确定始发分拣城市到目的分拣城市的需求货量;将需求货量小于所述订单阈值的订单数据删除,获取满足客户需求信息的订单数据。
优选地,所述第一网络模型为求解第一目标函数最小值时,基于第一约束条件求解;其中,所述第一约束条件为:所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣中心到末分拣中心的需求量得到满足。
优选地,所述根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市,包括:
在第一约束条件下求解第一目标函数最小值时的Ri,j,k,l,并过滤掉等于0的Ri,j,k,l记为若在中存在满足j不等于i,j不等于l,i所在区域与l所在区域不同,则输出第二层中的城市j为枢纽城市;是基于四层路由网络以Ri,j,k,l为变量生成的;所述四层路由网络是基于第一类数据对应的分拣网络建立的;Ri,j,k,l表示经由路由i、j、k、l运输的单量,i、j、k、l分别为第一层、第二层、第三层和第四层的所有可能的分拣城市。
优选地,所述所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣中心到末分拣中心的需求量得到满足,包括:
能连通始发分拣中心到末分拣中心的所有路由的单量之和满足第一类数据对应的始发分拣中心到末分拣中心的需求货量;
将始发区域支线的是否开通变量与连续变量Ri,j,k,l关联;
将跨区域干线是否开通变量与连续变量Ri,j,k,l关联;
将城市j是否为枢纽变量与跨区路由R′i,j,k,l中的中转路由关联,所述R′i,j,k,l表示j不等于i,且j不等于l时的Ri,j,k,l;
作为枢纽的分拣城市的个数等于所述需求信息中设置的枢纽数量。
优选地,所述在第一约束条件下求解所述第一目标函数最小值时的Ri,j,k,l时,所述Ri,j,k,l为各路由流经单量的连续值。
优选地,
第二获取单元503,进一步用于将所述满足所述客户需求信息的订单数据中第一类数据之外的数据作为第二类数据;
确定单元504,进一步用于通过第二网络模型确定第二类数据中的城市与所述第一网络模型对应的四层网络相连的线路;其中,所述第二网络模型为求解第二目标函数最小值,并根据求解结果确定与所述第一网络模型对应的四层网络相连的线路;所述第二目标函数为运输第二类数据对应订单的总成本;
输出单元505,进一步用于将确定单元504确定的线路输出到资源配置平台进行资源配置。
优选地,
所述第二网络模型为求解第二目标函数最小值时,基于第二约束条件求解;其中,所述第二约束条件为在第一约束条件确定出的的基础上,给无法开通支线的始发分拣城市找到一条线路连接到所述第一网络模型对应的四层网络,并使得第二类数据中始发分拣城市到目的分拣城市的总成本最低。
优选地,所述根据求解结果确定与所述第一网络模型对应的四层网络相连的线路,包括:
在第二约束条件下求解第二目标函数最小值时的Rp,i,j,k,l,并过滤掉等于0的Rp,i,j,k,l记为将中的p-i作为针对城市p确定的线路;所述第二目标函数是基于所述五层路由网络,以Rp,i,j,k,l为变量生成的,所述五层路由网络是基于第一网络模型确定的以及第二类数据对应的分拣城市建立的;Rp,i,j,k,l表示经由路由p、i、j、k、l的运输的单量,i、j、k、l为中的i、j、k、l,p、i、j、k、l分别为第一层、第二层、第三层、第四层和第五层的所有可能的分拣城市。
能连通始发分拣城市到目的分拣城市的所有路由的单量之和满足第二类数据对应的始发分拣城市到目的分拣城市的需求货量;
能否开通p-i线路变量与连续变量Rp,i,j,k,l关联;
每个始发分拣城市开通一条线路到连接到所述第一网络模型对应的四层网络。
优选地,所述在第二约束条件下求解所述第二目标函数最小值Rp,i,j,k,l时,所述Rp,i,j,k,l为各路由流经单量的连续值。
上述实施例的单元可以集成于一体,也可以分离部署;可以合并为一个单元,也可以进一步拆分成多个子单元。
在另一个实施例中,还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述基于分拣网络的资源配置方法的步骤。
在另一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时可实现所述基于分拣网络的资源配置方法中的步骤。
图6为本发明实施例提供的一种电子设备的实体结构示意图。如图6所示,该电子设备可以包括:处理器(Processor)610、通信接口(Communications Interface)620、存储器(Memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行如下方法:
采集客户需求信息;
获取满足所述客户需求信息的订单数据;
获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市,并输出到资源配置平台进行资源配置;
其中,其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (14)
1.一种基于分拣网络的资源配置方法,其特征在于,所述方法包括:
采集客户需求信息;
获取满足所述客户需求信息的订单数据;
获取所述订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市,并输出到资源配置平台进行资源配置;
其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
2.根据权利要求1所述的方法,其特征在于,所述客户需求信息包括:枢纽选择区域和订单阈值,所述获取满足所述客户需求信息的订单数据,包括:
获取预设时间内始发区域为所述枢纽选择区域的订单数据;
确定所述始发区域中的始发分拣中心到目的分拣中心的订单数据;
根据分拣中心所属的分拣城市,以及始发分拣中心到目的分拣中心的订单数据确定始发分拣城市到目的分拣城市的需求货量;
将需求货量小于所述订单阈值的订单数据删除,获取满足客户需求信息的订单数据。
3.根据权利要求1所述的方法,其特征在于,所述第一网络模型为求解第一目标函数最小值时,基于第一约束条件求解;其中,所述第一约束条件为:所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣中心到末分拣中心的需求量得到满足。
5.根据权利要求4所述的方法,其特征在于,所述所有始发支线及跨区干线运输符合最低开通标准,且枢纽的个数等于所述需求信息中设置的枢纽数量的条件下,各始发分拣中心到末分拣中心的需求量得到满足,包括:
能连通始发分拣中心到末分拣中心的所有路由的单量之和满足第一类数据对应的始发分拣中心到末分拣中心的需求货量;
将始发区域支线的是否开通变量与连续变量Ri,j,k,l关联;
将跨区域干线是否开通变量与连续变量Ri,j,k,l关联;
将城市j是否为枢纽变量与跨区路由R′i,j,k,l中的中转路由关联,所述R′i,j,k,l表示j不等于i,且j不等于l时的Ri,j,k,l;
作为枢纽的分拣城市的个数等于所述需求信息中设置的枢纽数量。
6.根据权利要求4所述的方法,其特征在于,所述在第一约束条件下求解所述第一目标函数最小值时的Ri,j,k,l时,所述Ri,j,k,l为各路由流经单量的连续值。
7.根据权利要求4-6任一项所述的方法,其特征在于,所述方法进一步包括:
将所述满足所述客户需求信息的订单数据中第一类数据之外的数据作为第二类数据;
通过第二网络模型确定第二类数据中的城市与所述第一网络模型对应的四层网络相连的线路,并输出到资源配置平台进行资源配置;
其中,所述第二网络模型为求解第二目标函数最小值,并根据求解结果确定与所述第一网络模型对应的四层网络相连的线路;所述第二目标函数为运输第二类数据对应订单的总成本。
11.根据权利要求9所述的方法,其特征在于,所述在第二约束条件下求解所述第二目标函数最小值Rp,i,j,k,l时,所述Rp,i,j,k,l为各路由流经单量的连续值。
12.一种基于分拣网络的资源配置装置,其特征在于,所述装置包括:采集单元、第一获取单元、第二获取单元、确定单元和输出单元;
所述采集单元,用于采集客户需求信息;
所述第一获取单元,用于获取满足所述采集单元采集的客户需求信息的订单数据;
所述第二获取单元,用于获取所述第一获取单元获取的订单数据中始发分拣城市的总出货量满足预设支线开通标准的订单数据作为第一类数据;
所述确定单元,用于通过第一网络模型确定第一类数据对应的分拣网络中作为枢纽的分拣城市;
所述输出单元,用于将所述确定单元确定的作为枢纽的分拣城市输出到资源配置平台进行资源配置;其中,所述第一网络模型为求解第一目标函数最小值,并根据求解结果,以及所述分拣网络确定作为枢纽的分拣城市;所述第一目标函数为始发区域发往所有区域订单的总成本。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-11任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211399.XA CN113762679B (zh) | 2020-11-03 | 2020-11-03 | 一种基于分拣网络的资源配置方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211399.XA CN113762679B (zh) | 2020-11-03 | 2020-11-03 | 一种基于分拣网络的资源配置方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113762679A true CN113762679A (zh) | 2021-12-07 |
CN113762679B CN113762679B (zh) | 2023-11-03 |
Family
ID=78785944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011211399.XA Active CN113762679B (zh) | 2020-11-03 | 2020-11-03 | 一种基于分拣网络的资源配置方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762679B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160048802A1 (en) * | 2014-08-13 | 2016-02-18 | Tianyu Luwang | Transportation planning for a regional logistics network |
CN109840618A (zh) * | 2018-12-29 | 2019-06-04 | 罗海洋 | 一种多分配快递轴辐网络的枢纽选址与分配优化方法 |
CN109858688A (zh) * | 2019-01-18 | 2019-06-07 | 东南大学 | 一种集装箱多式联运枢纽选址方法 |
CN110276466A (zh) * | 2018-03-14 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 一种确定配送网络中建包集群的方法和装置 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN111242523A (zh) * | 2018-11-29 | 2020-06-05 | 顺丰科技有限公司 | 确定航空运输路径的方法、装置、服务器及存储介质 |
CN111768149A (zh) * | 2020-06-23 | 2020-10-13 | 华院数据技术(上海)有限公司 | 一种快递物流网络规划优化方法及系统 |
-
2020
- 2020-11-03 CN CN202011211399.XA patent/CN113762679B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160048802A1 (en) * | 2014-08-13 | 2016-02-18 | Tianyu Luwang | Transportation planning for a regional logistics network |
CN110276466A (zh) * | 2018-03-14 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 一种确定配送网络中建包集群的方法和装置 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN111242523A (zh) * | 2018-11-29 | 2020-06-05 | 顺丰科技有限公司 | 确定航空运输路径的方法、装置、服务器及存储介质 |
CN109840618A (zh) * | 2018-12-29 | 2019-06-04 | 罗海洋 | 一种多分配快递轴辐网络的枢纽选址与分配优化方法 |
CN109858688A (zh) * | 2019-01-18 | 2019-06-07 | 东南大学 | 一种集装箱多式联运枢纽选址方法 |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN111768149A (zh) * | 2020-06-23 | 2020-10-13 | 华院数据技术(上海)有限公司 | 一种快递物流网络规划优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
WILSUM, J等: "Network characteristics and the performance of voluntary order-sharing networks in the container transport industry", 《ERASMUS UNIVERSITY THESIS REPOSITORY》, pages 1 - 61 * |
李莉;丁以中;: "轴辐式快递网络的枢纽选址和分配优化", 上海海事大学学报, no. 02, pages 37 - 43 * |
Also Published As
Publication number | Publication date |
---|---|
CN113762679B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bögl et al. | The school bus routing and scheduling problem with transfers | |
CN106600036B (zh) | 基于Android多点快递配送方法 | |
CN107194513A (zh) | 一种解决全渠道物流配送问题的优化方法 | |
Engevall et al. | The heterogeneous vehicle-routing game | |
Golden et al. | Implementing vehicle routing algorithms | |
CN104616070B (zh) | 一种物流配送路径规划方法及装置 | |
Voigt et al. | Crowdsourced logistics: The pickup and delivery problem with transshipments and occasional drivers | |
CN109146447A (zh) | 区块链透明分片方法、装置及系统 | |
Durán-Micco et al. | A survey on the transit network design and frequency setting problem | |
CN107194128A (zh) | 基于中心辐射型网络框架的多模式公共交通网络设计方法 | |
Ciancio et al. | Branch-price-and-cut for the mixed capacitated general routing problem with time windows | |
Bagheri et al. | Solving the fully fuzzy multi-objective transportation problem based on the common set of weights in DEA | |
Li et al. | Deploying autonomous mobile lockers in a two-echelon parcel operation | |
CN107101645A (zh) | 一种路径规划方法及路径规划装置 | |
CN111105613B (zh) | 一种基于多源数据的交通分配方法及系统 | |
CN113780956B (zh) | 物流运费生成方法、装置、设备及存储介质 | |
Hosapujari et al. | Development of a hub and spoke model for bus transit route network design | |
Bakas et al. | A flexible transportation service for the optimization of a fixed-route public transport network | |
Jardas et al. | Distribution center logistics optimization model–City of Rijeka case study | |
Ambrosino et al. | An algorithmic framework for computing shortest routes in urban multimodal networks with different criteria | |
Deng et al. | Optimal Design of the Feeder‐Bus Network Based on the Transfer System | |
Malairajan et al. | CLING: heuristic to solve integrated resource allocation and routing problem with time window | |
Arias-Melia et al. | The vehicle sharing and task allocation problem: MILP formulation and a heuristic solution approach | |
CN113762679A (zh) | 一种基于分拣网络的资源配置方法和装置 | |
Wang et al. | In‐Depth Learning Layout and Path Optimization of Energy Service Urban Distribution Sites under e‐Commerce Environment |
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 |