CN113762855A - 一种资源配置方法和装置 - Google Patents
一种资源配置方法和装置 Download PDFInfo
- Publication number
- CN113762855A CN113762855A CN202011309936.4A CN202011309936A CN113762855A CN 113762855 A CN113762855 A CN 113762855A CN 202011309936 A CN202011309936 A CN 202011309936A CN 113762855 A CN113762855 A CN 113762855A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- stations
- station
- objective function
- solving
- 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 48
- 238000013468 resource allocation Methods 0.000 title claims abstract description 24
- 230000006870 function Effects 0.000 claims description 57
- 238000003860 storage Methods 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method 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
- G06Q10/08—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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种资源配置方法和装置,所述方法包括:获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;获取经过所述N个站点的C条车辆路线;以所述C条车辆路线为初始化条件基于路线规划模型获取在所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;将所述K条车辆路线输出到所述物流平台进行资源配置。该方法在站点数目比较多的情况下,能够大大节省成本,提高车辆利用率。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种资源配置方法和装置。
背景技术
为实现货物的快速流转,物流运输者在指定区域建立货物运输网络,其中,分拣中心和站点是货物运输网络的重要组成部分。对于一件货物,首先由站点揽收,然后车辆将站点揽收的货物运输到第一个分拣中心,随后经过1个或多个分拣中心,从最后一个分拣中心运输至站点,最终由站点负责货物的配送。货物在整个运输过程中经过初始站点、一个或多个分拣中心和末站点。
目前物流运输者需要提供的服务为:指定时间内送达场景,如同城货物当日到达。主要实现过程为:
车辆到达站点后,部分车辆直接返回,另一部分车辆串站返回,揽收多个站点的货物,并在指定时间之前送回分拣中心,赶上分拣中心的下午派车班次,将揽收件分拣完成后,在下午将货物送回相应站点。
但是如何选择车辆的起始站点,及每个车辆装载哪些站点。制定方案时需要考虑每个车辆的行驶时间,车辆必须在某个时间点返回分拣中心,因站点揽收货物准备完成时间与最晚到达分拣时间相隔时间不长,一般2-3小时,最终车辆可以访问的站点个数在1-5个。车队队长可根据分拣中心和站点在地图上的位置,根据经验,确定每个车的运行方案。
在实现本申请的过程中,发明人发现当站点数比较多,如大于20时,靠人工经验指定车辆线路时车辆利用率比较低,加大了运输成本。
发明内容
有鉴于此,本申请提供一种资源配置方法和装置,在站点数目比较多的情况下,能够大大节省成本,提高车辆利用率。
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,提供了一种资源配置方法,所述方法包括:
获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
获取经过所述N个站点的C条车辆路线,
基于路线规划模型获取K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
将所述K条车辆路线输出到所述物流平台进行资源配置;
其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数。
在另一个实施例中,提供了一种资源配置装置,所述装置包括:配置单元、第一获取单元、第二获取单元、第三获取单元和输出单元;
所述配置单元,用于配置路线规划模型;其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数;
所述第一获取单元,用于获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
第二获取单元,用于获取经过所述N个站点的C条车辆路线;
第三获取单元,用于以所述第二获取单元获取的所述C条车辆路线为初始化条件基于所述配置单元配置路线规划模型获取在所述第一获取单元获取的所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
所述输出单元,用于将所述第三获取单元获取的K条车辆路线输出到所述物流平台进行资源配置。
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,上述实施例中通过预先配置的路线规划模型,基于从物流平台上获取的分拣中心和站点的位置信息规划出优化的K条车辆路线用于经过所述N个站点且共经过一次到达所述分拣中心,并将所述K条车辆路线输出到所述物流平台,规划出的K条车辆路线能够大大节省成本,提高车辆利用率。
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资源配置流程示意图;
图2为路线规划模型求解车辆路线流程示意图;
图3为本申请实施例二中资源配置流程示意图;
图4为本申请实施例中一种路线规划示意图;
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6为本发明实施例提供的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资源配置方法,针对货物在指定时间内完成配送的场景,如当日送达;且分拣中心对应的站点数比较多,如大于20时,采用本申请实施例提供的资源配置方案能够大大节省成本,提高车辆利用率。
在一个物流区域,如一个城市,可能会存在多个分拣中心,每个分拣中心对应多个站点,即这些站点的货物是需要运输到对应的分拣中心进行分拣的,本申请在具体实现时,针对每个分拣中心和对应多个站点分别进行车辆路线规划,这样可以实现包括多个分拣中心的物流网络的车辆路线规划。
本申请实施例中的车辆路线是指一辆车辆所经过的路线,这条车辆路线从车辆所在站点途径0个或多个站点到分拣中心的线路,也就是说每条车辆路线从始发站点出发,可能途径其它站点到达分拣中心,也可能不途径其它站点直接到达分拣中心。
下面结合附图,详细描述本申请实施例实现资源配置过程。
本申请实施例中针对物流服务提供者使用的平台称为物流平台,本申请实施例中的资源配置装置可以部署在物流平台上,也可以是独立于物流平台进行部署。
实施例一
参见图1,图1为本申请实施例一中资源配置流程示意图。具体步骤为:
步骤101,获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间。
物流平台有需要规划车辆路线时,会将相关信息提供给资源配置装置,由资源配置装置为其进行车辆路线规划。
这里的预设时间用来限制指车辆返回分拣中心的时间。
步骤102,获取经过所述N个站点的C条车辆路线。
所述C条车辆线路经过所述N个站点;其中C为不大于N的整数
这里的C条车辆路线可以是随机设置的,只要满足C条车辆路径经过的站点中包括所要要规划的站点,如N个即可。如针对每个站点到分拣中心规划一条线路作为车辆线路,这样就会规划N条车辆路线。
这里的C条车辆线路也可以是通过初步优化获得的经过所述N个站点的车辆路线。
步骤103,以所述C条车辆路线为初始化条件基于路线规划模型获取在所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次。
本申请实施例中规划出的K条车辆路线经过所有站点,且每个站点只经过一次,也就是说为了更优化一个车辆路线上至少经过一个站点最终到达分拣中心,只要从站点到达分拣中心的时间不超过预设时间即可,通常K为小于N的整数。
本申请实施例中的路径规划模型基于列生成模型实现。路径规划模型中的第一目标函数和第二目标函数的求解问题对应于列生成模型中的主问题和子问题,具体对应关系如下:
所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数。
所述求解第一目标函数的最小值时在第一约束条件下求解;其中,所述第一约束条件为每个所述站点只能被访问一次,且每条车辆路线只能被选择或不被选择;
所述求解第二目标函数的最小值时在第二约束条件下求解;其中,所述第二约束条件为从当前指定站点出发,经过所述N个站点中0个以上其它站点,在所述预设时间之前到达所述分拣中心。
所述新增车辆路线的检验数根据第一约束条件中的每个所述站点只能被访问一次的对偶变量确定。
下面通过结合车辆线路涉及的相关参数和变量来详细描述基于路线规划模型获取K条车辆路线的具体过程:
首先给出建立列生成模型的符号及变量:
参见表1,表1为本申请实施例中对参数的说明。
表1中,每个站点的装载时间,两个设施(站点+分拣)之间的交通时间可以由物流平台提供,也可以由本资源配置装置进行配置;两个设施(站点到分拣中心,站点到站点)之间的交通时间可以通过其位置信息确定的距离,以及车辆的运行平均速率计算获得。
站点i的最早离开时间可以由物流平台提供。
符号 | 含义 |
A={1,2,…,C} | 当前已经得到车辆路线,共C条 |
B={1,2,…,N} | 站点集合,共N个站点 |
B<sub>0</sub>={0,1,2,…,N} | 站点与分拣中心集合,0代表分拣中心 |
U<sub>j</sub>,j∈B | 每个站点的装载时间 |
V<sub>ij</sub>,i∈B<sub>0</sub>,j∈B<sub>0</sub> | 两个设施(站点+分拣)之间的交通时间 |
T<sub>0</sub> | 最晚回到分拣中心的时间,即预设时间 |
T<sub>i</sub>,i∈B | 站点i的最早离开时间,即站点揽收完成时间 |
P<sub>ij</sub>,i∈B,j∈A | 若车辆路线j访问站点i,则P<sub>ij</sub>=1,否则为0 |
P=P<sub>ij</sub>,为构成矩阵 | P共n行,m列 |
表1
参见表2,表2为本申请实施例中对变量的说明。
变量 | 含义 |
x<sub>i</sub>,i∈A | 主问题中,是否选择路线i的0-1变量 |
y<sub>j</sub>,j∈B | 子问题中站点j是否被选择的0-1变量 |
z<sub>ij</sub>,i∈B<sub>0</sub>,j∈B<sub>0</sub> | 若子问题线路从i到j则等于1,否则等于0 |
t<sub>j</sub>,j∈B | 到达每个站点的时间 |
表2
到达每个站点的时间有离开前一个站点的时间,以及前一个站点到当前站点之间的距离决定。
主问题如下:
min∑i∈Axi (1-1)
其中,公式(1-1)中的∑i∈Axi为第一目标函数,表示表示车辆路线的条数;min∑i∈ Axi即选择最小化列的个数,即对应车辆路线的最少条数,使用车辆的最少个数。
公式(1-2)和公式(1-3)组成第一约束条件;其中公式(1-2)表示每个站点都只能被访问1次;公式(1-3)表示每个车辆路线只能被选择,或者不选择。
对于主问题,松弛掉公式(1-3)的整数条件后,即将公式(1-3)中约束修改为0≤xi≤1(在第二约束调节下求解第二目标函数的最小值时,每个车辆路线被选择的次数松弛为不小于0且不大于1),对于公式(1-2)中的约束,假设其对偶变量值为πj。
下面给出子问题的求解过程:
子问题选择某个站点的车辆,并从这个站点出发,经过1个或多个,即1个以上站点,在时间T0前回到分拣中心,使得第二目标函数最小。
由于第一个站点的不确定性,假设访问的第一个站点为k∈B,可以得到N个小的子问题,第k个小子问题站点k出发,经过几个站点,在时间T0前回到分拣中心,使得第二目标函数最小。子问题的解为N个小子问题中第二目标函数最小的一个。
其中第k个小子问题为:
Min 1-∑i∈Bπjyj (2-1)
∑i∈Bzi,0=1 (2-3)
y0=yk=1 (2-4)
ti+Ui+Vij≤(1-zij)·M+tj (2-7)
其中公式(2-1)是第二目标函数,表示最小化主问题新增车辆路线的检验数(reduce cost),当目标函数值小于0时,表示主问题对应的松弛问题第二目标函数,仍可以通过添加当前子问题路径,使得主问题目标函数减少。
公式(2-2)表示车辆从站点k开始出发。
公式(2-3)表示车辆行进终点为分拣中心,即车辆最终必须回到分拣中心。
公式(2-4)表示指定站点,即站点k和所述分拣中心被所述车辆访问;
公式(2-5)表示车辆从站点i到站点j,则站点j被访问。
公式(2-6)表示车辆从站点j的离开时间,不得早于站点揽收完成时间。
公式(2-7)表示车辆从站点i到站点j时间差满足车辆在站点i到站点j之间的路径行进所需要的时间;其中M表示一个很大的数,可以去最晚到达分拣中心的时间值+1。表示车辆从站点i到站点j,表示到达站点i和站点j的时间关系。
公式(2-8)表示从站点i到站点j的线路是否被选择使用0-1变量表示。
公式(2-9)表示站点是否被选择使用0-1变量表示。
参见图2,图2为路线规划模型求解车辆路线流程示意图。具体步骤为:
步骤201,给主问题添加C条车辆路线。
每条车辆路线为每辆车从初始站点到达分拣中心。
接下来开始求解主问题松弛问题。
步骤202,求解主问题。
具体实现时可以依据松弛主问题当前列,通过单纯形法求解主问题。
步骤203,得到主问题约束对偶变量。
步骤204,求解子问题。
步骤205,确定子问题对应的目标值是否均不为负,如果是执行步骤207;否则,执行步骤206。
步骤206,构造主问题列,添加目标值为负的列作为变量,执行步骤202。
步骤207,根据主问题当前列,求解主问题。
本步骤中,求解主问题时通过非松弛的方式求解。
步骤104,将所述K条车辆路线输出到所述物流平台进行资源配置。
本实施例中通过预先配置的路线规划模型,基于从物流平台上获取的分拣中心和站点的位置信息规划出优化的K条车辆路线用于经过所述N个站点且共经过一次到达所述分拣中心,并将所述K条车辆路线输出到所述物流平台,规划出的K条车辆路线能够大大节省成本,提高车辆利用率。
实施例二
参见图3,图3为本申请实施例二中资源配置流程示意图。具体步骤为:
步骤301,获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间。
物流平台有需要规划车辆路线时,会将相关信息提供给资源配置装置,由资源配置装置为其进行车辆路线规划。
这里的预设时间用来限制指车辆返回分拣中心的时间。
步骤302,基于贪婪的车辆返回算法,获取经过所述N个站点的C条车辆路线。
其中C为不大于N的整数。
考虑到后续求解子问题涉及的0-1变量较多,当站点个数较多时,求解速度比较慢。而且求解流程,如果初始状态是每个站点的车直接从站点返回分拣中心,则会大大加大求解难度,求解速度较慢,本申请实施例中可以通过启发式算法构造一些可行的车辆从站点返回方案,加入到主问题中,作为一个列,加速问题的求解。
下面使用基于贪婪的车辆返回算法,得到一定数量的可行车辆返回方案。算法步骤如下
第一步、站点集合,B={1,2,…,n},设置循环次数为mc,当前次数为c=0。
第二步、若c<mc则继续执行步骤3。
第三步、将集合B中站点顺序随机打乱,打乱后顺序为{a1,…,an},作为未选择站点列表R,设置已选择站点列表Q为空。
第四步、从未选择站点列表R中拿出顺序最靠前的站点ak,并开始构造一条站点到分拣路径S,S初始仅有出发站点ak,终点分拣中心0。
第五步、在列表R中删除站点ak,并从R中选择距离ak运输时间最短的3个站点,若R中站点个数小于3个,则全部选择,并从选择的站点中随机选择一个ai站点,计算从ak出发,经过ai到达分拣中心的时间,若可以满足,则从R中删除ai站点,继续同样方式为ai站点选择临近站点,直到无法在指定时间到达分拣中心。
第六步、若R中还有站点,回到第四步继续选择一个站点;否则执行第七步。
第七步、得到每个站点车对应的车辆路线;并将从站点出发,最终到达分拣中心的站点序列去重后,加入到主问题,作为P的一列。并设置当前次数c←c+1。
另外上述算法,可以通过增大mc的值,多获取一些从站点到分拣中心的车辆路线。若子问题求解耗费时间长,则可以不求解子问题,直接基于上述算法得到的P;求解主问题,也可以得到一个较优的资源配置方式。
步骤303,以所述C条车辆路线为初始化条件基于路线规划模型获取在所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次。
本申请实施例中规划出的K条车辆路线经过所有站点,且每个站点只经过一次,也就是说为了更优化一个车辆路线上至少经过一个站点最终到达分拣中心,只要从站点到达分拣中心的时间不超过预设时间即可,通常K为小于N的整数。
本申请实施例中的路径规划模型基于列生成模型实现。路径规划模型中的第一目标函数和第二目标函数的求解问题对应于列生成模型中的主问题和子问题,具体对应关系如下:
所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数。
所述求解第一目标函数的最小值时在第一约束条件下求解;其中,所述第一约束条件为每个所述站点只能被访问一次,且每条车辆路线只能被选择或不被选择;
所述求解第二目标函数的最小值时在第二约束条件下求解;其中,所述第二约束条件为从当前指定站点出发,经过所述N个站点中0个以上其它站点,在所述预设时间之前到达所述分拣中心。
所述新增车辆路线的检验数根据第一约束条件中的每个所述站点只能被访问一次的对偶变量确定。
步骤304,将所述K条车辆路线输出到所述物流平台进行资源配置。
本实施例中通过预先配置的路线规划模型,通过贪婪的车辆返回算法,获取C条初步优化的车辆路线,基于从物流平台上获取的分拣中心和站点的位置信息规划出优化的K条车辆路线用于经过所述N个站点且共经过一次到达所述分拣中心,并将所述K条车辆路线输出到所述物流平台,规划出的K条车辆路线能够大大节省成本,提高车辆利用率,并减少路线规划模型求解的次数,进而提高资源配置效率。
参见图4,图4为本申请实施例中一种路线规划示意图。图4中一个分拣中心和21个站点为列,图4仅是一种示例,站点和分拣中心在图中的位置不表示其实际位置信息。如图4所示,针对21个站点规划出5条线路,在预设时间从每条车辆路线的始发点依次经过线路上的站点最后到达分拣中心。如第一条车辆路线,从站点6出发,依次经过站点7、站点8在预设时间之前到达分拣中心。
通过本申请实施例的规划方案,针对21个站点,仅需5辆车经过5条车辆路线即可完成将所有站点的货物揽收完成到分拣中心,能够大大节省车辆,进而节省成本。
本申请实施例针对本业务问题,基于列生成方式,进行运筹建模,给出主问题和子问题,对子问题考虑到车辆起始站点的不确定性,将子问题拆分成n个小的子问题。针对问题及模型的求解算法设计,通过多次求解主问题和子问题,最终得到全局最优解,使车辆数最低,显著降低运营成本。考虑到子问题有较多约束和0-1变量,求解较慢,在求解前期基于贪婪的车辆返回算法,构造主问题需要的车辆运输方案,并作为主问题中P的列,使得第一次使用整数规划求解,便得到一个比较优的方案,同时大大加快求解速度。通过本申请实施例提供的技术方案给同城当日达业务降低大量用车成本。
基于同样的发明构思,本申请实施例中还提供一种资源配置装置。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:配置单元501、第一获取单元502、第二获取单元503、第三获取单元504和输出单元505;
配置单元501,用于配置路线规划模型;其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数;
第一获取单元502,用于获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
第二获取单元,用于获取经过所述N个站点的C条车辆路线;
第三获取单元,用于以第二获取单元503获取的所述C条车辆路线为初始化条件基于配置单元501配置路线规划模型获取在第一获取单元502获取的所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
输出单元504,用于将第三获取单元503获取的K条车辆路线输出到所述物流平台进行资源配置。
优选地,
所述求解第一目标函数的最小值时在第一约束条件下求解;其中,所述第一约束条件为每个所述站点只能被访问一次,且每条车辆路线只能被选择或不被选择;
所述求解第二目标函数的最小值时在第二约束条件下求解;其中,所述第二约束条件为从当前指定站点出发,经过所述N个站点中0个以上其它站点,在所述预设时间之前到达所述分拣中心。
优选地,
所述新增车辆路线的检验数根据第一约束条件中的每个所述站点只能被访问一次的对偶变量确定。
优选地,
在第二约束调节下求解第二目标函数的最小值时,每个车辆路线被选择的次数松弛为不小于0且不大于1。
优选地,
所述获取单元,进一步用于获取N个站点揽收货物完成的时间,以及车辆行进的平均速率;
配置单元501,具体用于配置从当前指定站点出发,经过所述N个站点中0个以上其它站点,在预设时间之前到达所述分拣中心时,包括:车辆从指定站点出发;车辆行进终点为分拣中心;指定站点和所述分拣中心被所述车辆访问;车辆从站点i到站点j,则站点j被访问;车辆从站点j离开的时间,不早于站点j揽收完成的时间;车辆从站点i到站点j时间差满足车辆在站点i到站点j之间的路径行进所需要的时间;从站点i到站点j的线路是否被选择使用0-1变量表示;站点是否被选择使用0-1变量表示。
优选地,
第二获取单元503,具体用于获取经过所述N个站点的C条车辆路线时,基于贪婪的车辆返回算法,获取经过所述N个站点的C条车辆路线;或获取设置的C条车辆路线。
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资源配置方法中的步骤。
图6为本发明实施例提供的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:
获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
获取经过所述N个站点的C条车辆路线;
以所述C条车辆路线为初始化条件基于路线规划模型获取在所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
将所述K条车辆路线输出到所述物流平台进行资源配置;
其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数。
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 (10)
1.一种资源配置方法,其特征在于,所述方法包括:
获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
获取经过所述N个站点的C条车辆路线;
以所述C条车辆路线为初始化条件基于路线规划模型获取在所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
将所述K条车辆路线输出到所述物流平台进行资源配置;
其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数。
2.根据权利要求1所述的方法,其特征在于,
所述求解第一目标函数的最小值时在第一约束条件下求解;其中,所述第一约束条件为每个所述站点只能被访问一次,且每条车辆路线只能被选择或不被选择;
所述求解第二目标函数的最小值时在第二约束条件下求解;其中,所述第二约束条件为从当前指定站点出发,经过所述N个站点中0个以上其它站点,在所述预设时间之前到达所述分拣中心。
3.根据权利要求2所述的方法,其特征在于,所述新增车辆路线的检验数根据第一约束条件中的每个所述站点只能被访问一次的对偶变量确定。
4.根据权利要求2所述的方法,其特征在于,在第二约束调节下求解第二目标函数的最小值时,每个车辆路线被选择的次数松弛为不小于0且不大于1。
5.根据权利要求2所述的方法,其特征在于,所述方法进一步包括:
获取N个站点揽收货物完成的时间,以及车辆行进的平均速率;
所述从当前指定站点出发,经过所述N个站点中0个以上其它站点,在预设时间之前到达所述分拣中心,包括:
车辆从指定站点出发;
车辆行进终点为分拣中心;
指定站点和所述分拣中心被所述车辆访问;
车辆从站点i到站点j,则站点j被访问;
车辆从站点j离开的时间,不早于站点j揽收完成的时间;
车辆从站点i到站点j时间差满足车辆在站点i到站点j之间的路径行进所需要的时间;
从站点i到站点j的线路是否被选择使用0-1变量表示;
站点是否被选择使用0-1变量表示。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述获取经过所述N个站点的C条车辆路线,包括:
基于贪婪的车辆返回算法,获取经过所述N个站点的C条车辆路线;
或获取设置的C条车辆路线。
7.一种资源配置装置,其特征在于,所述装置包括:配置单元、第一获取单元、第二获取单元、第三获取单元和输出单元;
所述配置单元,用于配置路线规划模型;其中,所述路线规划模型为包括主问题和子问题的列生成模型;求解所述主问题为求解第一目标函数的最小值;求解子问题为求解第二目标函数的最小值;所述第一目标函数为车辆路线的个数;所述第二目标函数为新增车辆路线的检验数;
所述第一获取单元,用于获取物流平台提供的一个分拣中心的位置信息,所述分拣中心对应的N个站点的位置信息,以及预设时间;
第二获取单元,用于获取经过所述N个站点的C条车辆路线;
第三获取单元,用于以所述第二获取单元获取的所述C条车辆路线为初始化条件基于所述配置单元配置路线规划模型获取在所述第一获取单元获取的所述预设时间之前从所述N个站点到达所述分拣中心的K条车辆路线;所述K条车辆路线经过所述N个站点,且每个站点仅经过一次;
所述输出单元,用于将所述第三获取单元获取的K条车辆路线输出到所述物流平台进行资源配置。
8.根据权利要求7所述的装置,其特征在于,
所述求解第一目标函数的最小值时在第一约束条件下求解;其中,所述第一约束条件为每个所述站点只能被访问一次,且每条车辆路线只能被选择或不被选择;
所述求解第二目标函数的最小值时在第二约束条件下求解;其中,所述第二约束条件为从当前指定站点出发,经过所述N个站点中0个以上其它站点,在所述预设时间之前到达所述分拣中心。
9.一种电子设备,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1-7任一项所述的方法。
10.一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1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309936.4A CN113762855B (zh) | 2020-11-20 | 2020-11-20 | 一种资源配置方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011309936.4A CN113762855B (zh) | 2020-11-20 | 2020-11-20 | 一种资源配置方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113762855A true CN113762855A (zh) | 2021-12-07 |
CN113762855B CN113762855B (zh) | 2023-12-05 |
Family
ID=78786059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011309936.4A Active CN113762855B (zh) | 2020-11-20 | 2020-11-20 | 一种资源配置方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762855B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100287073A1 (en) * | 2009-05-05 | 2010-11-11 | Exxonmobil Research And Engineering Company | Method for optimizing a transportation scheme |
KR20130082774A (ko) * | 2011-12-19 | 2013-07-22 | 주식회사 한국무역정보통신 | 화주중심의 물류거점 최적화시스템 |
CN107145971A (zh) * | 2017-04-18 | 2017-09-08 | 苏州工业职业技术学院 | 一种动态调整的快递配送优化方法 |
US20180268371A1 (en) * | 2017-03-14 | 2018-09-20 | The Regents Of The University Of Michigan | Branch-And-Price-And-Check Model For The Vehicle Routing Problem With Location Resource Constraints |
CN109214608A (zh) * | 2018-11-14 | 2019-01-15 | 成都英孚克斯科技有限公司 | 一种车辆调度优化方法 |
CN110826819A (zh) * | 2019-11-27 | 2020-02-21 | 上海海事大学 | 一种自动化集装箱码头车辆的路径规划方法 |
CN111325409A (zh) * | 2020-03-09 | 2020-06-23 | 西南交通大学 | 一种换电站选址与混合车队路径规划方法及系统 |
CN111366160A (zh) * | 2020-05-25 | 2020-07-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 路径规划方法、路径规划装置及终端设备 |
-
2020
- 2020-11-20 CN CN202011309936.4A patent/CN113762855B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100287073A1 (en) * | 2009-05-05 | 2010-11-11 | Exxonmobil Research And Engineering Company | Method for optimizing a transportation scheme |
KR20130082774A (ko) * | 2011-12-19 | 2013-07-22 | 주식회사 한국무역정보통신 | 화주중심의 물류거점 최적화시스템 |
US20180268371A1 (en) * | 2017-03-14 | 2018-09-20 | The Regents Of The University Of Michigan | Branch-And-Price-And-Check Model For The Vehicle Routing Problem With Location Resource Constraints |
CN107145971A (zh) * | 2017-04-18 | 2017-09-08 | 苏州工业职业技术学院 | 一种动态调整的快递配送优化方法 |
CN109214608A (zh) * | 2018-11-14 | 2019-01-15 | 成都英孚克斯科技有限公司 | 一种车辆调度优化方法 |
CN110826819A (zh) * | 2019-11-27 | 2020-02-21 | 上海海事大学 | 一种自动化集装箱码头车辆的路径规划方法 |
CN111325409A (zh) * | 2020-03-09 | 2020-06-23 | 西南交通大学 | 一种换电站选址与混合车队路径规划方法及系统 |
CN111366160A (zh) * | 2020-05-25 | 2020-07-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 路径规划方法、路径规划装置及终端设备 |
Non-Patent Citations (4)
Title |
---|
AKKAD, MZ ETC.: "Multi-Objective Approach for Optimization of City Logistics Considering Energy Efficiency", 《SUSTAINABILITY》, pages 1 - 23 * |
YA-WEN YANG ETC.: "Pool-based Recursive Construction Approach for Logistics Route Planning with Time Window", 《2017 6TH IEEE INTERNATIONAL CONFERENCE ON ADVANCED LOGISTICS AND TRANSPORT》, pages 35 - 40 * |
张泳: "物流配送中车辆路径问题的多目标优化算法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, pages 138 - 16 * |
答家瑞: "带时间窗车辆路径问题的精确算法研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, pages 034 - 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN113762855B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034481B (zh) | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 | |
Li et al. | Two-echelon vehicle routing problem with time windows and mobile satellites | |
CN107977739B (zh) | 物流配送路径的优化方法、装置及设备 | |
US10655975B2 (en) | System and method for routing optimization | |
CN109919365B (zh) | 一种基于双策略搜索的电动车辆路径规划方法及系统 | |
CN111626577B (zh) | 一种车辆调度方法和装置 | |
WO2022021119A1 (zh) | 一种集装箱码头间全自主水上运输调度方法及系统 | |
Petersen et al. | The simultaneous vehicle scheduling and passenger service problem | |
CN105096183A (zh) | 基于物联网的任务触发的公共自行车自调度方法及系统 | |
US20180268371A1 (en) | Branch-And-Price-And-Check Model For The Vehicle Routing Problem With Location Resource Constraints | |
CN108596385B (zh) | 车辆的排队方法及装置、可读介质、物流系统 | |
US20200307785A1 (en) | System and method for providing total logistic using drone | |
CN110853349A (zh) | 车辆调度方法、装置及设备 | |
Elhassania et al. | Solving the dynamic vehicle routing problem using genetic algorithms | |
CN105303865A (zh) | 检测用于交通出行分组的重要交通站点 | |
US20170248432A1 (en) | Determining network maps of transport networks | |
CN116228089B (zh) | 一种基于最短里程的门店配送路径规划方法 | |
CN113848970A (zh) | 一种车辆-无人机多目标协同路径规划方法 | |
CN112418503A (zh) | 面向出行链的需求响应公交服务模式及优化方法 | |
Gu et al. | Dynamic truck–drone routing problem for scheduled deliveries and on-demand pickups with time-related constraints | |
CN114676911A (zh) | 一种运输车辆行车路线确定方法及装置 | |
Garcia et al. | Hybrid approach for the public transportation time dependent orienteering problem with time windows | |
CN113762855A (zh) | 一种资源配置方法和装置 | |
CN111428902B (zh) | 确定运输线路的方法及装置 | |
CN113129102B (zh) | 一种延迟派单方法、装置、电子设备及存储介质 |
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 |