CN113762864A - 一种物流站点的选址方法和装置 - Google Patents
一种物流站点的选址方法和装置 Download PDFInfo
- Publication number
- CN113762864A CN113762864A CN202110014261.9A CN202110014261A CN113762864A CN 113762864 A CN113762864 A CN 113762864A CN 202110014261 A CN202110014261 A CN 202110014261A CN 113762864 A CN113762864 A CN 113762864A
- Authority
- CN
- China
- Prior art keywords
- addressing
- logistics
- demand points
- site
- demand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06Q10/0836—Recipient pick-ups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物流站点的选址方法和装置,涉及物流技术领域。该方法的一具体实施方式包括:获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。该实施方式降低了偏远选址需求点对选址结果的影响,提高了选址结果的合理性及可靠性。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种物流站点的选址方法和装置。
背景技术
在物流运输场景中,物流站点作为连接分拣中心与各个收揽及派送点的枢纽,其地址或者建设位置的选取,对于包裹的物流运输效率或配送效率具有重要影响,因而如何选取物流站点的建设地址是一个研究的重要问题。
目前,常使用重心法、启发式算法、整数规划法等定量分析法进行物流站点的选址决策。但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:重心法只适用于简单选址场景,不宜处理含有多个约束条件的选址场景;而启发式算法虽可以处理多个约束条件但无法保证得到最优选址结果;整数规划法虽可以得到最优选址结果,但选址结果容易受选址需求点中存在的一个或多个较为偏远地点的影响,导致最终选址结果与实际结果不符合。
发明内容
有鉴于此,本发明实施例提供了一种物流站点的选址方法和装置,能够在使用整数规划模型进行选址之前,通过基于密度的聚类算法进行聚类,剔除其中存在的一个或多个偏远点,以得到合理、有效的物流站点选址结果。
为实现上述目的,根据本发明实施例的一个方面,提供了一种物流站点的选址方法,包括:
获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;
根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;
根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
可选地,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
可选地,还包括:
判断所述聚类簇中的包含的第一选址需求点数量是否大于第二阈值数量,以在所述聚类簇中的包含的第一选址需求点数量大于第二阈值数量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为所述第二选址需求点。
可选地,还包括:
计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和;
判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
可选地,所述根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理,包括:
根据所述第二选址需求点及所述候选物流站点的位置信息构建第二距离矩阵,所述第二距离矩阵指示了所述第二选址需求点与所述候选物流站点的距离;
根据所述第二距离矩阵构建距离关系矩阵,所述距离关系矩阵指示了所述第二选址需求点与所述候选物流站点的距离是否在所述预设半径覆盖范围内;
根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化;
使用整数规划求解器求解所述整数规划模型,以从所述候选物流站点中选取出一个或多个待建物流站点。
可选地,所述根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化,包括:
构建第一目标函数及第一约束条件;其中,所述第一目标函数用以使所确定的待建物流站点数量最小;所述第一约束条件指示了在所述候选物流站点预设半径覆盖范围内,归属于所述候选物流站点的第二选址需求点对应的待处理货量总和需在所述物流候选站点可处理货量范围内,且所述第二选址需求点仅能同时归属于一个物流候选站点;
构建第二目标函数及第二约束条件;其中,所述第二目标函数用以使所述第二选址需求点与所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;所述第二约束条件包括所述第一约束条件及根据所述第一目标函数所确定的待建物流站点新生成的约束条件,新生的约束条件指示了待建物流站点数量不大于根据所述第一目标函数确定的待建物流站点数量。
可选地,所述整数规划求解器为下述任意一种:SCIP、CPLEX。
可选地,所采用的基于密度的聚类算法为DASCAN算法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种物流站点的选址装置,包括:选址需求点获取模块、选址需求点筛选模块、待建物流站点确定模块;其中,
所述选址需求点获取模块,用于获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;
所述选址需求点筛选模块,用于根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;
所述待建物流站点确定模块,用于根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
可选地,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
可选地,所述选址需求点筛选模块,还用于,
判断所述聚类簇中的包含的第一选址需求点数量是否大于第二阈值数量,以在所述聚类簇中的包含的第一选址需求点数量大于第二阈值数量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为所述第二选址需求点。
可选地,所述选址需求点筛选模块,还用于,
计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和;
判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
可选地,所述根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理,包括:
根据所述第二选址需求点及所述候选物流站点的位置信息构建第二距离矩阵,所述第二距离矩阵指示了所述第二选址需求点与所述候选物流站点的距离;
根据所述第二距离矩阵构建距离关系矩阵,所述距离关系矩阵指示了所述第二选址需求点与所述候选物流站点的距离是否在所述预设半径覆盖范围内;
根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化;
使用整数规划求解器求解所述整数规划模型,以从所述候选物流站点中选取出一个或多个待建物流站点。
可选地,所述根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化,包括:
构建第一目标函数及第一约束条件;其中,所述第一目标函数用以使所确定的待建物流站点数量最小;所述第一约束条件指示了在所述候选物流站点预设半径覆盖范围内,归属于所述候选物流站点的第二选址需求点对应的待处理货量总和需在所述物流候选站点可处理货量范围内,且所述第二选址需求点仅能同时归属于一个物流候选站点;
构建第二目标函数及第二约束条件;其中,所述第二目标函数用以使所述第二选址需求点与所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;所述第二约束条件包括所述第一约束条件及根据所述第一目标函数所确定的待建物流站点新生成的约束条件,所述新生的约束条件指示了待建物流站点数量不大于根据所述第一目标函数确定的待建物流站点数量。
可选地,所述整数规划求解器为下述任意一种:SCIP、CPLEX。
可选地,所采用的基于密度的聚类算法为Density-Based Spatial Clusteringof Applications with Noise算法。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种用于物流站点选址的电子设备,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,使得所述一个或多个处理器实现如上所述物流站点的选址方法中任一所述的方法。
为实现上述目的,根据本发明实施例的另一个方面,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如上所述物流站点的选址方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过在使用整数规划模型进行选址之前,采用基于密度的聚类算法对第一选址需求点进行聚类,以从中选取出相对比较集中的一个或多个第二选址需求点,而剔除其中存在的一个或多个偏远选址需求点,然后在此基础上使用整数规划模型选取一个或多个待建物流站点的方式,避免了第一选址求点中存在的偏远选址需求点对选址结果的影响,保证了最终确定的待建物流站点的合理性、有效性。
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物流站点的选址方法的主要流程的示意图;
图2a是根据本发明实施例的第一选址需求点示意图;
图2b是根据本发明实施例的第一选址需求点的聚类结果示意图;
图2c是根据本发明实施例的选址结果的示意图;
图3是根据本发明实施例的第一选址需求点的筛选方法的主要流程的示意图;
图4是根据本发明实施例的基于整数规划模型的物流站点的选取方法的主要流程的示意图;
图5是根据本发明实施例的物流站点的选取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。
图1是根据本发明实施例的物流站点的选址方法的主要流程的示意图,如图1所示,该方法具体可以包括的步骤如下:
步骤S101,获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息。
具体地,参见图2a,本发明实施例提供了第一选址需求点示意图。其中,第一选址需求点是由实际的物流订单或包裹等所涉及的位置信息而确定的,位置信息包括经度、维度等;对应的待处理货量则由实际的物流订或包裹等所涉及的货物重量确定,如待处理货物重量为10顿、8吨等。与此相对应,本实施例中涉及的候选物流站点则可以为第一选址需求点所在城市或区域内任意一个可能建设的物流站点,且物流站点对应有位置信息、预设半径、最大可处理货量、最小可处理货量等;其中,预设半径用以衡量该物流候选站服务的覆盖范围,且可以根据实际情况进一步划分为最小预设半径、最大预设半径,但在进行下述的聚类处理时常采用最大预设半径。
步骤S102,根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点。
其中,可采用的基于密度的聚类算法,包括但不限于DBSCAN(Density-BasedSpatial Clustering of Applications with Noise)算法、OPTICS算法等。本发明实施例中仅以采用DBSCAN算法为例进说明,具体地,DBSCAN算法的核心思想是从某个核心点出发,不断向密度可达的区域扩张,从而得到一个包含核心点和边界点的最大化区域,区域中任意两点密度相连。该算法可以将具有足够高密度的区域划分为一类,即生成一个聚类簇,使得聚类簇中每一个点在其给定的半径范围内都至少包含给定数据的点(minPts)。
具体地,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
如以共有3个第一选址需求点,即A、B、C为例进行说明,则可以根据其中任意两个第一选址需求点的位置信息,计算该两个第一选址需求点之间的距离s,进而构成的第一距离矩阵如下:
[SAB SBC SAC]
在此基础上,以该第一距离矩阵、候选物流站点对应的预设半径R,及预设的第一阈值数量(即minPts,以5个为例)作为DBSCAN算法的参数进行计算,以获得一个或多个聚类簇(如图2b所示,其中不同颜色代表不同的聚类簇),则该聚类簇中的每一个第一选址需求点在其周围半径为R覆盖范围内至少包含5个第一选址需求点。可以理解的是,经过聚类以后,地理位置相对集中的第一选址需求点则可以被划分为同一簇,而无法生成聚类簇的第一选址需求点则地理位置相对比较偏远。因此,可以直接剔除该部分第一选址需求点,即仅选取聚类簇中的第一选址需求点为第二选址需求点,以进行物流站点的选取,从而可以避免第一选址需求点中存在的偏远点对后续选址结果的影响。
更进一步地,还包括:计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和;判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
其中,候选物流站点对应的最小可处理货量是根据实际需求设定的,对应的还有设定的最大可处理货量。也即是说,可以通过比对聚类簇中第一选址需求点的可处理货量总和与候选站点对应的最小可处理货量,进一步剔除待处理货量总和相对较小的聚类簇中第一选址需求点对后续选址结果的影响,进而使得选址结果更符合实际需求。
此外,还包括:判断所述聚类簇中的包含的第一选址需求点数量是否大于第二阈值数量,以在所述聚类簇中的包含的第一选址需求点数量大于第二阈值数量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为所述第二选址需求点。
其中,第二阈值数量是根据实际需求设定的值,如2、5、10等。也即是说,可以通过比对聚类簇中第一选址需求点总数量和与第二阈值数量的大小,进一步剔除包含的第一选址需求点较小的聚类簇中的第一选址需求点对后续选址结果的影响,进而使得选址结果更符合实际需求。
步骤S103,根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
其中,整数规划是指一类要求问题中的全部或部分变量为整数的数学规划,是最近三十几年来发展起来的、规划论的一个分支;整数规划问题是要求决策变量取整数值的线性规划或非线性规划。
可以理解的是,在从多个候选物流候选站点中选取出一个或多个待建物流站点后,即获得了物流站点选址结果的情况下,可以通过可视化的方式,进一步对选址结果进行展示,具体如图2c所示。
基于上述实施例,通过在使用整数规划模型进行选址之前,采用基于密度的聚类算法对第一选址需求点进行聚类,以从中选取出相对比较集中的一个或多个第二选址需求点,而剔除其中存在的一个或多个偏远选址需求点,然后在此基础上使用整数规划模型选取一个或多个待建物流站点的方式,避免了第一选址求点中存在的偏远选址需求点对选址结果的影响,保证了最终确定的待建物流站点的合理性、有效性。
参见图3,在上述实施例的基础上,为进一步对上述实施例中的步骤S102作详细的解释,本发明实施例提供了一种第一选址需求点的筛选方法,该方法具体可以包括的步骤如下:
步骤S201,根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离。
步骤S202,根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量。
步骤S203,计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和。
步骤S204,判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
如此,通过结合基于密度的聚类算法以及待处理处理货量对第一选址需求点进行筛选的方式,剔除了位置偏远的第一选址需求点及待处理货量相对较少的第一选址需求点,以使得根据第二选址需求点得到的物流站点的选址结果更加准确、合理。
参见图4,在上述实施例的基础上,为进一步对前述实施例中的步骤S103作详细的解释,本发明实施例提供了一种基于整数规划模型的物流站点的选取方法,该方法具体可以包括的步骤如下:
步骤S401,根据所述第二选址需求点及所述候选物流站点的位置信息构建第二距离矩阵,所述第二距离矩阵指示了所述第二选址需求点与所述候选物流站点的距离。
更具体地,以第二选址需求点共有A、B、C三个,候选物流站点共有D、E、F、G四个为例,则可以计算任意一个第二选址需求点i到任意一个候选物流站点j的距离dij,以得到包含如下元素的第二距离矩阵:dAD、dAE、dAF、dAG、dBD、dBE、dBF、dBGdCD、dCE、dCF、dCG。
步骤S402,根据所述第二距离矩阵构建距离关系矩阵,所述距离关系矩阵指示了所述第二选址需求点与所述候选物流站点的距离是否在所述预设半径覆盖范围内。
具体地,可以判断第二选址需求点i到任意一个候选物流站点j的距离dij小于候选物流站点的(最大)预设半径,即判断第二候选地址需求点i是否在候选物流站点j物流服务所覆盖的距离范围内,若在,则对应的tij取值为1,若不在,则对应的tij取值为0。如此,构成了元素tij取值为0或1的距离关系矩阵。
步骤S403,根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化。
具体地,包括:构建第一目标函数及第一约束条件;其中,所述第一目标函数用以使所确定的待建物流站点数量最小;所述第一约束条件指示了在所述候选物流站点预设半径覆盖范围内,归属于所述候选物流站点的第二选址需求点对应的待处理货量总和需在所述物流候选站点可处理货量范围内,且所述第二选址需求点仅能同时归属于一个物流候选站点;构建第二目标函数及第二约束条件;其中,所述第二目标函数用以使所述第二选址需求点与所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;所述第二约束条件包括所述第一约束条件及根据所述第一目标函数所确定的待建物流站点新生成的约束条件,所述新生的约束条件指示了待建物流站点数量不大于根据所述第一目标函数确定的待建物流站点数量。
更具体地,首先,输入如下数据:
CU,表示候选物流站点对应的最大可处理货量;
CL,表示候选物流站点对应的最小可处理货量;
RU,表示候选物流站点对应的最大预设半径,以表示该物流候选站点的最大物流服务范围;
RL,表示候选物流站点对应的最小预设半径,以表示该物流候选站点的最小物流服务范围;
tij,为上述距离关系矩阵的元素,表示第二选址需求点i是否在候选物流站点j最大预设半径覆盖的服务范围内;
dij,为上述第二距离矩阵的元素,表示需求点i与候选物流站点j之间的距离;
wi,表示第二选址需求点对应的待处理货量。
其次,构造如下两个取值仅为0或1的决策变量,以便于将物流站点选址问题对应的变量整数化:
xj:0-1变量,表示候选物流站点j是否被选择为待建物流站点,取值为1则表示为被选择,取值为0则表示未被选择;
yij:0-1变量,表示第二选址需求点i是否归属于候选物流站点j,取值为1则表示归属于,取值0则表示不归属于;其中,若第二选址需求点i归属于候选物流站点j,则表示该第二选址需求点i的待处理货量由候选物流站点j进行处理。
在此基础上,构造第一目标函数及第一约束条件,具体如下:
其中,第一目标函数用以使得所选取的待建物流站点数量最小;
第一约束条件(1)表示在候选物流站点预设半径的覆盖范围内,归属于该候选物流站点的第二选址需求点对应的待处理货量总和需要小于所选取的待建物流站点的最大处理货量总和;
第一约束条件(2)表示在候选物流站点预设半径的覆盖范围内,归属于该候选物流站点的第二选址需求点对应的待处理货量总和需要大于所选取的待建物流站点的最小处理货量总和;
第一约束条件(3)表示任何一个第二选址需求点仅能属于一个物流候选站点。
随后,构造第二目标函数及第二约束条件,具体如下:
其中,第二目标函数用以使第二选址需求点与其所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;
第二约束条件(1)-(3)与前述第一约束条件(1)-(3)一致,此处不再赘述;而第二约束条件(4)则表示基于此阶段确定的待建物流站点的数量需要不大于上一阶段基于第一目标函数确定的待建物流站点数量最小值。
步骤S404,使用整数规划求解器求解所述整数规划模型,以从所述候选物流站点中选取出一个或多个待建物流站点。其中,可采用的整数规划求解器为下述任意一种:SCIP、CPLEX。此外,也可以采用其他整数规划求解器。
参见图5,在上述实施例的基础上,本发明实施例提供了一种物流站点的选址装置500,包括:选址需求点获取模块501、选址需求点筛选模块502、待建物流站点确定模块503;其中,
所述选址需求点获取模块501,用于获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;
所述选址需求点筛选模块502,用于根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;
所述待建物流站点确定模块503,用于根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
在一种可选的实施方式中,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
在一种可选的实施方式中,所述选址需求点筛选模块502,还用于,
判断所述聚类簇中的包含的第一选址需求点数量是否大于第二阈值数量,以在所述聚类簇中的包含的第一选址需求点数量大于第二阈值数量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为所述第二选址需求点。
在一种可选的实施方式中,所述选址需求点筛选模块502,还用于,
计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和;
判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
在一种可选的实施方式中,所述根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理,包括:
根据所述第二选址需求点及所述候选物流站点的位置信息构建第二距离矩阵,所述第二距离矩阵指示了所述第二选址需求点与所述候选物流站点的距离;
根据所述第二距离矩阵构建距离关系矩阵,所述距离关系矩阵指示了所述第二选址需求点与所述候选物流站点的距离是否在所述预设半径覆盖范围内;
根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化;
使用整数规划求解器求解所述整数规划模型,以从所述候选物流站点中选取出一个或多个待建物流站点。
在一种可选的实施方式中,所述根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化,包括:
构建第一目标函数及第一约束条件;其中,所述第一目标函数用以使所确定的待建物流站点数量最小;所述第一约束条件指示了在所述候选物流站点预设半径覆盖范围内,归属于所述候选物流站点的第二选址需求点对应的待处理货量总和需在所述物流候选站点可处理货量范围内,且所述第二选址需求点仅能同时归属于一个物流候选站点;
构建第二目标函数及第二约束条件;其中,所述第二目标函数用以使所述第二选址需求点与所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;所述第二约束条件包括所述第一约束条件及根据所述第一目标函数所确定的待建物流站点新生成的约束条件,所述新生的约束条件指示了待建物流站点数量不大于根据所述第一目标函数确定的待建物流站点数量。
在一种可选的实施方式中,所述整数规划求解器为下述任意一种:SCIP、CPLEX。
在一种可选的实施方式中,所采用的基于密度的聚类算法为Density-BasedSpatial Clustering of Applications with Noise算法。
图6示出了可以应用本发明实施例的物流站点的选址方法或物流站点的选址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上可以安装有各种网页浏览器应用等。
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所浏览选址结果进行展示的网站提供支持的后台管理服务器。后台管理服务器可以对接收到的选址结果查询请求等进行处理,并将或获取的选址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物流站点的选址方法一般由服务器605执行,相应地,物流站点的选址装置一般设置于服务器605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RAM 703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产品,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、方法和计算机程序产品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:一种处理器包括选址需求点获取模块、选址需求点筛选模块、待建物流站点确定模块。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,例如,选址需求点获取模块还可以被描述为“用于获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息的模块”。
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,使得该设备包括:获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
根据本发明实施例的技术方案,通过在使用整数规划模型进行选址之前,采用基于密度的聚类算法对第一选址需求点进行聚类,以从中选取出相对比较集中的一个或多个第二选址需求点,而剔除其中存在的一个或多个偏远选址需求点,然后在此基础上使用整数规划模型选取一个或多个待建物流站点的方式,避免了第一选址求点中存在的偏远选址需求点对选址结果的影响,保证了最终确定的待建物流站点的合理性、有效性。
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 (12)
1.一种物流站点的选址方法,其特征在于,包括:
获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;
根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;
根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
2.根据权利要求1所述的物流站点的选址方法,其特征在于,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
3.根据权利要求2所述的物流站点的选址方法,其特征在于,还包括:
判断所述聚类簇中的包含的第一选址需求点数量是否大于第二阈值数量,以在所述聚类簇中的包含的第一选址需求点数量大于第二阈值数量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为所述第二选址需求点。
4.根据权利要求2或3所述的物流站点的选址方法,其特征在于,还包括:
计算所述聚类簇中包含的一个或多个第一选址需求点对应的待处理货量总和;
判断所述待处理货量总和是否大于所述候选物流站点对应的最小可处理货量,以在所述待处理货量总和大于所述最小可处理货量的情况下,确定所述聚类簇中包含的一个或多个第一选址需求点为第二选址需求点。
5.根据权利要求4所述的物流站点的选址方法,其特征在于,所述根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理,包括:
根据所述第二选址需求点及所述候选物流站点的位置信息构建第二距离矩阵,所述第二距离矩阵指示了所述第二选址需求点与所述候选物流站点的距离;
根据所述第二距离矩阵构建距离关系矩阵,所述距离关系矩阵指示了所述第二选址需求点与所述候选物流站点的距离是否在所述预设半径覆盖范围内;
根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化;
使用整数规划求解器求解所述整数规划模型,以从所述候选物流站点中选取出一个或多个待建物流站点。
6.根据权利要求5所述的物流站点的选址方法,其特征在于,所述根据所述第二距离矩阵、所述距离关系矩阵,构建所述整数规划模型的目标函数及约束条件,以根据所述约束条件对所述目标函数进行优化,包括:
构建第一目标函数及第一约束条件;其中,所述第一目标函数用以使所确定的待建物流站点数量最小;所述第一约束条件指示了在所述候选物流站点预设半径覆盖范围内,归属于所述候选物流站点的第二选址需求点对应的待处理货量总和需在所述物流候选站点可处理货量范围内,且所述第二选址需求点仅能同时归属于一个物流候选站点;
构建第二目标函数及第二约束条件;其中,所述第二目标函数用以使所述第二选址需求点与所归属的所述候选物流站点的距离加权后的所述第二选址需求点的待处理货量总和最小;所述第二约束条件包括所述第一约束条件及根据所述第一目标函数所确定的待建物流站点新生成的约束条件,新生的约束条件指示了待建物流站点数量不大于根据所述第一目标函数确定的待建物流站点数量。
7.根据权利要求5所述的物流站点的选址方法,其特征在于,
所述整数规划求解器为下述任意一种:SCIP、CPLEX。
8.根据权利要求1所述的物流站点的选址方法,其特征在于,
所采用的基于密度的聚类算法为DASCAN算法。
9.一种物流站点的选址装置,其特征在于,包括:选址需求点获取模块、选址需求点筛选模块、待建物流站点确定模块;其中,
所述选址需求点获取模块,用于获取一个或多个第一选址需求点,所述第一选址需求点具有对应的待处理货量、位置信息;
所述选址需求点筛选模块,用于根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点;
所述待建物流站点确定模块,用于根据所述第二选址需求点的待处理货量及位置信息,采用整数规划模型,从一个或多个候选物流站点中选取出一个或多个待建物流站点,用以对所述第一选址需求点的待处理货量进行处理。
10.根据权利要求9所述的物流站点的选址装置,其特征在于,所述根据所述位置信息,采用基于密度的聚类算法对所述第一选址需求点进行聚类,以从所述第一选址需求点中筛选出一个或多个第二选址需求点,包括:
根据所述第一选址需求点的位置信息构建第一距离矩阵,所述第一距离矩阵指示了任意两个所述第一选址需求点之间的距离;
根据所述第一距离矩阵,生成一个或多个聚类簇,以使所述聚类簇中任意一个所述第一选址需求点对应的预设半径覆盖范围内包含有的第一选址需求点数量不少于第一阈值数量;
确定所述聚类簇中的包含的一个或多个第一选址需求点为所述第二选址需求点。
11.一种用于物流站点选址的电子设备,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,使得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。
12.一种计算机可读介质,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 |
---|---|---|---|
CN202110014261.9A CN113762864A (zh) | 2021-01-06 | 2021-01-06 | 一种物流站点的选址方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110014261.9A CN113762864A (zh) | 2021-01-06 | 2021-01-06 | 一种物流站点的选址方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762864A true CN113762864A (zh) | 2021-12-07 |
Family
ID=78786275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110014261.9A Pending CN113762864A (zh) | 2021-01-06 | 2021-01-06 | 一种物流站点的选址方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762864A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393869A (zh) * | 2011-12-02 | 2012-03-28 | 河海大学 | 基于加权Voronoi图的连续型物流节点布局优化方法 |
CN102903037A (zh) * | 2011-07-28 | 2013-01-30 | 上海拉手信息技术有限公司 | 配送中心选址的方法 |
CN103473612A (zh) * | 2013-09-06 | 2013-12-25 | 周伟华 | 面向超大规模物流配送的选址与运输优化方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
CN105787595A (zh) * | 2016-02-29 | 2016-07-20 | 泰华智慧产业集团股份有限公司 | 一种基于改进蚁群算法的应急物流中转站选址方法 |
CN106127327A (zh) * | 2016-05-17 | 2016-11-16 | 北京京东尚科信息技术有限公司 | 基于gis的配送站点选址方法和系统 |
CN108985694A (zh) * | 2018-07-17 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于确定配送中心地址的方法和装置 |
KR20190051235A (ko) * | 2017-11-06 | 2019-05-15 | 제주대학교 산학협력단 | 유전 알고리즘에 기초한 전기 자동차 충전기 위치 선정 기법 |
CN109858685A (zh) * | 2019-01-11 | 2019-06-07 | 杭州匹知共创科技有限公司 | 一种物流运力智能分配方法 |
CN109902985A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 物流网络规划方法、设备和计算机可读存储介质 |
CN110378631A (zh) * | 2018-04-12 | 2019-10-25 | 顺丰科技有限公司 | 一种运输中转节点选址方法、装置、设备及存储介质 |
CN110619424A (zh) * | 2019-08-06 | 2019-12-27 | 暨南大学 | 一种运输配送优化系统 |
CN111563630A (zh) * | 2020-05-11 | 2020-08-21 | 圆通速递有限公司 | 基于地址经纬度聚类的物流服务网点布局方法和系统 |
CN111754143A (zh) * | 2019-03-26 | 2020-10-09 | 顺丰科技有限公司 | 物流点选址方法及装置、计算机设备、可读存储介质 |
-
2021
- 2021-01-06 CN CN202110014261.9A patent/CN113762864A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102903037A (zh) * | 2011-07-28 | 2013-01-30 | 上海拉手信息技术有限公司 | 配送中心选址的方法 |
CN102393869A (zh) * | 2011-12-02 | 2012-03-28 | 河海大学 | 基于加权Voronoi图的连续型物流节点布局优化方法 |
CN103473612A (zh) * | 2013-09-06 | 2013-12-25 | 周伟华 | 面向超大规模物流配送的选址与运输优化方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
CN105787595A (zh) * | 2016-02-29 | 2016-07-20 | 泰华智慧产业集团股份有限公司 | 一种基于改进蚁群算法的应急物流中转站选址方法 |
CN106127327A (zh) * | 2016-05-17 | 2016-11-16 | 北京京东尚科信息技术有限公司 | 基于gis的配送站点选址方法和系统 |
KR20190051235A (ko) * | 2017-11-06 | 2019-05-15 | 제주대학교 산학협력단 | 유전 알고리즘에 기초한 전기 자동차 충전기 위치 선정 기법 |
CN109902985A (zh) * | 2017-12-08 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 物流网络规划方法、设备和计算机可读存储介质 |
CN110378631A (zh) * | 2018-04-12 | 2019-10-25 | 顺丰科技有限公司 | 一种运输中转节点选址方法、装置、设备及存储介质 |
CN108985694A (zh) * | 2018-07-17 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于确定配送中心地址的方法和装置 |
CN109858685A (zh) * | 2019-01-11 | 2019-06-07 | 杭州匹知共创科技有限公司 | 一种物流运力智能分配方法 |
CN111754143A (zh) * | 2019-03-26 | 2020-10-09 | 顺丰科技有限公司 | 物流点选址方法及装置、计算机设备、可读存储介质 |
CN110619424A (zh) * | 2019-08-06 | 2019-12-27 | 暨南大学 | 一种运输配送优化系统 |
CN111563630A (zh) * | 2020-05-11 | 2020-08-21 | 圆通速递有限公司 | 基于地址经纬度聚类的物流服务网点布局方法和系统 |
Non-Patent Citations (4)
Title |
---|
FENLING FENG ET AL: "Location Selection of Chinese Modern Railway Logistics Center Based on DEA-Bi-level Programming Model", 《RESEARCH JOURNAL OF APPLIED SCIENCES, ENGINEERING AND TECHNOLOGY》, pages 812 - 818 * |
凌晨捷: "ZARA公司的中国配送中心选址问题研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, vol. 2015, no. 7, pages 3 * |
刘宇: "农业生产资料配送中心选址研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, vol. 2015, no. 2, pages 4 * |
李楠等: "哈大齐区域物流配送中心备选地的选择", 《技术与方法》, pages 4 - 3 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734559B (zh) | 一种订单处理方法和装置 | |
CN108492068B (zh) | 用于路径规划的方法和装置 | |
CN110516984B (zh) | 用于生成配送路径信息的方法和装置 | |
CN110069579A (zh) | 电子围栏分块方法和装置 | |
CN111898221A (zh) | 选址方法、装置及计算机可读存储介质 | |
CN110858347A (zh) | 一种用于物流配送分单的方法和装置 | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN113259144A (zh) | 一种仓储网络规划方法和装置 | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
CN110930101B (zh) | 确定订单的配送时间的方法、装置、电子设备和可读介质 | |
CN113255950B (zh) | 一种优化物流网络的方法和装置 | |
CN113762864A (zh) | 一种物流站点的选址方法和装置 | |
CN115099865A (zh) | 一种数据处理方法和装置 | |
CN114814802A (zh) | 一种定位的方法和装置 | |
CN115344359A (zh) | 算力资源分配方法、装置、计算机可读存储介质及设备 | |
CN112926907A (zh) | 一种仓库库存布局方法和装置 | |
CN113077199A (zh) | 一种确定配送路线的方法和装置 | |
CN112396081A (zh) | 一种数据融合方法和装置 | |
CN113159659A (zh) | 更新货单时效的方法、装置、设备和计算机可读介质 | |
CN113256030B (zh) | 库区货物潮汐存储控制方法和装置 | |
CN111199437A (zh) | 一种数据处理方法和装置 | |
CN112085426A (zh) | 订单下发控制方法、装置、存储介质及电子设备 | |
CN112183799A (zh) | 用于合成任务单的任务分配方法及装置 | |
CN107767094A (zh) | 一种物流阶梯运费优化方法和装置 | |
CN116127342B (zh) | 一种基于酒店的信息聚类处理方法、系统及平台 |
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 |