CN113780938A - 基于贪心算法的海外仓车货匹配策略及系统 - Google Patents

基于贪心算法的海外仓车货匹配策略及系统 Download PDF

Info

Publication number
CN113780938A
CN113780938A CN202110979890.5A CN202110979890A CN113780938A CN 113780938 A CN113780938 A CN 113780938A CN 202110979890 A CN202110979890 A CN 202110979890A CN 113780938 A CN113780938 A CN 113780938A
Authority
CN
China
Prior art keywords
order
greedy algorithm
module
orders
overseas warehouse
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
Application number
CN202110979890.5A
Other languages
English (en)
Inventor
耿德宁
李学文
邢元凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yima Technology Shanghai Co ltd Beijing Branch
Original Assignee
Yima Technology Shanghai Co ltd Beijing Branch
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yima Technology Shanghai Co ltd Beijing Branch filed Critical Yima Technology Shanghai Co ltd Beijing Branch
Priority to CN202110979890.5A priority Critical patent/CN113780938A/zh
Publication of CN113780938A publication Critical patent/CN113780938A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于贪心算法的海外仓车货匹配策略及系统，包括：订单录入模块、订单池、订单筛选模块、贪心算法决策模块以及运营操作模块；海外仓客户或运营操作人员通过订单录入模块，简单高效的录入所需要的订单信息。各个订单信息汇总，形成订单池。运营人员通过订单筛选模块，选出需要执行的订单，这些订单通过贪心算法决策模块进行决策，然后形成多个操作，分配给海外仓操作人员，运营操作人员对各个结果进行执行或者其他处理。

Description

基于贪心算法的海外仓车货匹配策略及系统
技术领域
本发明涉及网络技术领域，特别是涉及基于贪心算法的海外仓车货匹配策略及系统。
背景技术
海外仓是指建立在海外的仓储设施。在跨境贸易电子商务中，海外仓是指国内企业将商品通过大宗运输的形式运往目标市场国家，在当地建立仓库、储存商品，然后再根据当地的订单需求，及时从当地仓库直接进行分拣、包装和配送。
贪心算法是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择，从而希望导致结果是最好或最优的算法。
海外仓在通过卡车进行派送过程中，会出现单一订单货物不能装满卡车，从而使卡车空间使用效率较低。而简单粗暴的使多订单货物填充卡车虽然可以高效利用卡车空间，又会出现路径规划、某些订单的配送时效等问题，进而影响海外仓的利润。此外，海外仓的管理有其自身场景的复杂性，有些订单考虑的第一因素是时效，有些订单考虑的第一因素是成本，而有些订单的路径有其特殊性，这些订单需求需要进行统一管理。当货物量较少，运力有限的情况下，单纯依靠人力，也许可以处理以上需求。而当货物量比较大，卡车数量比较多的情况下，单纯依赖人工处理已变得不可能。
发明内容
为了解决上述问题，统筹货物周转效率、运力与订单利润，突破单纯人工操作的货运量瓶颈，本发明提出了基于贪心算法的海外仓车货匹配策略及系统，如图1所示。该系统需要海外仓工作人员或者海外仓客户将订单信息录入车货匹配系统，系统建立包含所有订单的订单池，海外仓工作人员选择满足条件的订单以及车货匹配考虑的主要因素，车货匹配系统通过贪心算法，给出订单派送策略，反馈到系统上。海外仓相关运营操作人员根据车货匹配结果，执行相关决策。
为解决上述技术问题，本发明提供的技术方案为：基于贪心算法的海外仓车货匹配策略及系统，包括：订单录入模块、订单池、条件筛选模块、贪心算法决策模块、决策结果执行模块。各个模块之间环环相扣，过程不可跳跃。从订单录入，到订单被运营操作结束主要经历以下步骤：
步骤101:海外仓客户通过车货匹配系统订单录入模块，录入订单信息。客户录入的订单信息主要包含订单的体积(CBM)信息，订单的执行时间信息、订单的重量信息以及目的地。订单录入到系统以后，系统会同步各个订单的费用信息。因此各个订单包含的主要信息有体积、重量、订单执行时间、订单目的地以及费用；
订单被创建以后，会在车货匹配系统内建立包含所有订单的订单池。订单池是订单的集合，以是否被完成为标准会被分为已完成订单和未完成订单。它是车货匹配决策的数据源，是车货匹配系统的数据基础。
步骤102:海外仓运营操作人员通过车货匹配系统的订单筛选模块，输入需要执行的订单的条件(或者设置系统默认条件，一旦系统设置默认条件后，除非再单独设置筛选条件，否则以后都按照默认条件执行)。系统会根据输入的条件，对订单进行筛选，从订单池里选出需要执行的订单；
步骤103:海外仓运营操作人员筛选出需要执行的订单数据之后，可以设置将进行车货匹配的第一参考因素以及卡车最大载货量等边界条件。设置完成之后，这些数据会和筛选出的订单数据一起，作为贪心算法决策的输入；
步骤104：车货匹配的核心算法模块在接收到订单数据源以及边界条件以后，会执行贪心算法，贪心算法的输入就是订单数据源以及卡车最大载货量等边界条件。下面将会以卡车装载空间最大利用为第一参考因素和卡车装载货量费用最大为第一参考因素两种情况，详细介绍下贪心算法的执行过程：
首先需要对以下名词做出声明：
S：筛选出的全部订单集合；
K：同一路径或顺路的订单集合；
A：算法得出的单个执行结果；
O：单个订单；
V：单个订单体积；
F：单个订单费用；
Vm:卡车最大装载体积；
a):以卡车装载空间最大利用为第一考虑因素
步骤201:对于同一目的地或者根据路径规划相对顺路的订单，根据每个订单的体积进行从大到小排序得到m组K，即[K1,K2,...,Km]，单个订单最大体积肯定小于卡车最大装载体积Vm；
步骤202:对于K1组订单，首先创建一个操作A1，如果满足下面公式一
Figure BDA0003228673880000021
其中n为当前A1中订单的个数，即A1中所有订单体积的总和依然小于最大卡车装载量，则继续对K1组订单进行扫描，选出满足下面公式二条件的订单。
Figure BDA0003228673880000031
我们在生成K1的时候，已经对其按照单个订单的体积进行从大到小的排序，因此在对K1进行扫描的时候，第一个满足上述需求的订单被放到A1中，同时从K1中删除。
如果扫描K1至最后一个，依然不满足公式二，那么A1操作的订单就已经完成分配。继续创建操作A2,并依次类推，直至K1组订单内的订单全部分配给多个操作，形成多个A的操作集合；
步骤203:重复步骤202，对K2，K3，...，Kn组订单继续执行，直至所有的订单组的数量均为0，则贪心算法的策略全部执行完毕。此时会形成多个操作的集合；
b)：以卡车装载货物费用最大为第一考虑因素
步骤201:对于同一目的地或者根据路径规划相对顺路的订单，根据每个订单的费用进行从大到小排序得到m组K，即[K1,K2,...,Km]，单个订单最大体积肯定小于卡车最大装载体积Vm；
步骤202:对于K1组订单，首先创建一个操作A1，如果满足下面公式一
Figure BDA0003228673880000032
其中n为当前A1中订单的个数，即A1中所有订单体积的总和依然小于最大卡车装载量，则继续对K1组订单进行扫描，选出满足下面公式二条件的订单。
Figure BDA0003228673880000033
我们在生成K1的时候，已经对其按照单个订单的费用进行从大到小的排序，因此在对K1进行扫描的时候，第一个满足上述需求的订单被放到A1中，同时从K1中删除。
如果扫描K1至最后一个，依然不满足公式二，那么A1操作的订单就已经完成分配。继续创建操作A2,并依次类推，直至K1组订单内的订单全部分配给多个操作，形成多个A的操作集合；
步骤203:重复步骤202，对K2，K3，...，Kn组订单继续执行，直至所有的订单组的数量均为0，则贪心算法的策略全部执行完毕。此时会形成多个操作的集合；
步骤105:通过贪心算法策略，订单池内的所有订单会被依据主要考虑因素分配到多个操作里，海外仓的运营操作人员根据算法结果，执行派送操作，整个过程结束。
与现有技术相比，本发明的有益效果是：
本方案以贪心算法为内核，集成海外仓车货匹配平台订单录入模块、订单筛选模块、订单分配模块等主要功能。暴露给用户的操作界面简单明了，而内部逻辑复杂稳定，能够非常明显的提升海外仓操作人员的工作效率，突破原有人工模式的瓶颈。
本方案的订单录入模块统计客户的订单信息，收集订单的各项有用数据，在获得各项数据的同时又能不冗余，使操作人员使用起来简单有效。
本方案的订单池汇集了所有客户的所有订单，为系统提供了数据基础。本方案的一大重要突破点是只要是卡车运力足够，可以运营非常庞大的订单池。
本方案的订单筛选模块提供多方位的订单筛选视角，也可以同第一优先考虑因素一起，设置到默认配置中，使订单池内的订单自动分配到合适的操作里。
本方案的算法核心是贪心算法，其主要有两个特点：1、只选择对当下最有利的选择；2、没有回溯过程。没有回溯过程可能会使计算结果不如其他算法更优，但其胜在算法效率。可以在有限的硬件投入情况下，高效处理更为庞大的数据量。
附图说明
图1是本发明基于贪心算法的海外仓车货匹配策略及系统示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一个或多个实施方式中公开了基于贪心算法的海外仓车货匹配策略及系统，如图1所示，包括：订单录入模块、订单池、订单筛选模块、贪心算法决策中心以及运营操作模块。海外仓客户或运营操作人员通过订单录入模块，简单高效的录入所需要的订单信息。各个订单信息汇总，形成订单池。运营人员通过订单筛选模块，选出需要执行的订单，这些订单通过贪心算法决策模块进行决策，然后形成多个操作，分配给海外仓操作人员，运营操作人员对各个结果进行执行或者其他处理。
订单录入模块使客户或者运营人员录入订单信息，对于未执行完毕的订单，可以编辑、查看或者删除。
订单筛选模块使运营人员根据特定条件(或设置默认条件)，从订单池内筛选出需要执行的指定订单。在本方案中，包含订单期望执行时间区间、订单目的地、订单费用等选项。需要另外指出的是，海外仓内的订单有其特殊性，以跨境海运输送过去的订单为例，各个订单的运输过程就可能会有一个月甚至超过一个月，此类订单对于几天的时间区间都不是特别敏感。这些情况为我们高效利用卡车运力，提供了有利条件。
贪心算法决策模块是算法的核心，其承担了最繁重的分配任务。杂乱无章的筛选出来的订单集合，通过贪心算法的决策，形成有效的决策结果，反馈给海外仓运营操作人员。
海外仓运营操作人员拿到决策结果后，可以选择去各个执行，是订单得以完成。对于某些结果，可能会出现分配过后，剩下的最后几个订单导致的结果依然不能高效利用卡车装载空间。操作人员可以选择关闭该结果，使这类的订单重新返回订单池。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (5)

1.基于贪心算法的海外仓车货匹配策略及系统，其特征在于：包括订单录入模块、订单池、订单筛选模块、贪心算法决策模块以及运营操作模块；所述订单录入模块使客户订单录入车货匹配系统形成订单池；所述订单筛选模块是运营人员根据条件，挑选出需要执行的订单；所述贪心算法决策模块将挑选出来需要被执行的订单进行按规则的分配，形成多个具体操作，让海外仓操作人员去执行；所述的订单录入模块简单高效的获取客户订单信息，不冗余、不遗漏、可追溯。
2.如权利要求1所述的基于贪心算法的海外仓车货匹配策略及系统，其特征在于：所述订单池摆脱的单个客户的数据隔离，以海外仓为单位，汇集了所有客户订单。
3.如权利要求1所述的基于贪心算法的海外仓车货匹配策略及系统，其特征在于：所述订单筛选模块包括对订单筛选条件的设置和第一参考因素的设置，订单筛选条件和第一参考因素一起，可以设置为默认；在分配决策开始前，不需要再单独进行设置；需要特别指出的是，第一参考因素可以是单一因素，比如说是体积，也可以是多重因素的集合；如果是多重因素的集合，则需要说明各个因素所占权重或者其明确计算方法。
4.如权利要求1所述的基于贪心算法的海外仓车货匹配策略及系统，其特征在于：所述贪心算法决策模块包括贪心算法策略，所述贪心算法策略主要有两个特征：1)：只选择对当下最有利的选择；2)：没有回溯过程。整个运算过程简单高效，能够在有限的硬件资源投入情况下，处理很大的数据量。
5.如权利要求1所述的基于贪心算法的海外仓车货匹配策略及系统，其特征在于：海外仓操作人员拿到决策结果后，可以选择去执行进而完成客户订单，也可以选择不执行，然后将那个操作的订单返回订单池进行下一次分配。
CN202110979890.5A 2021-08-25 2021-08-25 基于贪心算法的海外仓车货匹配策略及系统 Pending CN113780938A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110979890.5A CN113780938A (zh) 2021-08-25 2021-08-25 基于贪心算法的海外仓车货匹配策略及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110979890.5A CN113780938A (zh) 2021-08-25 2021-08-25 基于贪心算法的海外仓车货匹配策略及系统

Publications (1)

Publication Number Publication Date
CN113780938A true CN113780938A (zh) 2021-12-10

Family

ID=78839124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110979890.5A Pending CN113780938A (zh) 2021-08-25 2021-08-25 基于贪心算法的海外仓车货匹配策略及系统

Country Status (1)

Country Link
CN (1) CN113780938A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252516A (zh) * 2023-11-20 2023-12-19 深圳美云集网络科技有限责任公司 一种锁仓算法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060206387A1 (en) * 2005-03-11 2006-09-14 Oracle International Corporation Transportation planning with multi-level firming
US20180330316A1 (en) * 2017-05-11 2018-11-15 Walmart Apollo, Llc Systems and Methods for Fulfilment Design & Optimization
CN109726863A (zh) * 2018-12-26 2019-05-07 深圳市北斗智能科技有限公司 一种多目标优化的物流方法和系统
CN112862344A (zh) * 2021-03-02 2021-05-28 深圳市财盈通科技有限公司 一种基于大数据的电商管理平台

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060206387A1 (en) * 2005-03-11 2006-09-14 Oracle International Corporation Transportation planning with multi-level firming
US20180330316A1 (en) * 2017-05-11 2018-11-15 Walmart Apollo, Llc Systems and Methods for Fulfilment Design & Optimization
CN109726863A (zh) * 2018-12-26 2019-05-07 深圳市北斗智能科技有限公司 一种多目标优化的物流方法和系统
CN112862344A (zh) * 2021-03-02 2021-05-28 深圳市财盈通科技有限公司 一种基于大数据的电商管理平台

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252516A (zh) * 2023-11-20 2023-12-19 深圳美云集网络科技有限责任公司 一种锁仓算法和系统
CN117252516B (zh) * 2023-11-20 2024-04-12 深圳美云集网络科技有限责任公司 一种锁仓方法和系统

Similar Documents

Publication Publication Date Title
Schenekemberg et al. The two-echelon production-routing problem
US6321207B1 (en) System and method for optimizing the allocation of a resource
US6374227B1 (en) System and method for optimizing the allocation of a resource
CN111275369B (zh) 基于分播拣货实现计划性越库的方法和装置
US7991634B2 (en) Vehicle transport load optimization
Azizi et al. Multi-product pickup and delivery supply chain design with location-routing and direct shipment
WO1999060543A1 (fr) Systeme d'attribution de vehicules et dispositif d'attribution de vehicules
Jiang et al. Flexible space-sharing strategy for storage yard management in a transshipment hub port
Javanmard et al. Solving a multi-product distribution planning problem in cross docking networks: An imperialist competitive algorithm
CN111428902B (zh) 确定运输线路的方法及装置
US20220076193A1 (en) Communications server apparatus and method for operation thereof
CN113780938A (zh) 基于贪心算法的海外仓车货匹配策略及系统
Fontes et al. A bi-objective multi-population biased random key genetic algorithm for joint scheduling quay cranes and speed adjustable vehicles in container terminals
Bouanane et al. Multi-depots vehicle routing problem with simultaneous delivery and pickup and inventory restrictions: Formulation and resolution
JPH07302285A (ja) 輸送計画作成装置および方法
Andersson A maritime pulp distribution problem
CN116468521A (zh) 一种优化拣货人员拣货的方法、装置、设备及存储介质
WO2022013966A1 (ja) コンテナ蔵置計画装置、コンテナ蔵置計画システム、及びコンテナ蔵置計画方法
CN113902359A (zh) 物流配送路径规划方法、装置、计算机设备和存储介质
Surico et al. A bi-objective evolutionary approach to robust scheduling
Homayuni et al. A Hybrid BRKGA for Joint Scheduling Production, Transport, and Storage/Retrieval in Flexible Job Shops
JP2024121238A (ja) 仕分制御システム及び仕分制御方法
Schubert Integrated order picking and vehicle routing operations–Literature review and further research opportunities
Choy et al. A sequential order picking and loading system for outbound logistics operations
Naso et al. Scheduling production and distribution of rapidly perishable materials with hybrid GA's

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