CN113807608B - 基于物流优化的冷链供应管理系统、存储介质及设备 - Google Patents
基于物流优化的冷链供应管理系统、存储介质及设备 Download PDFInfo
- Publication number
- CN113807608B CN113807608B CN202111177729.2A CN202111177729A CN113807608B CN 113807608 B CN113807608 B CN 113807608B CN 202111177729 A CN202111177729 A CN 202111177729A CN 113807608 B CN113807608 B CN 113807608B
- Authority
- CN
- China
- Prior art keywords
- cluster
- user
- node
- order
- logistics
- 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.)
- Active
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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于物流优化的冷链供应管理系统、存储介质及设备,属于信息技术与物流管理技术交叉领域。为了解决现有的冷链物流过程中并没有考虑路径规划的问题,从而导致物流时间,总体成本高的问题。本发明的服务器端子系统包括:用于存储用户地址信息的用户信息存储单元,用于接收订单信息并发订单信息收集单元,根据用户订单信息匹配对应用户的地址信息并确定订单任务汇总单的订单任务存储单元,初步确定配送当天车辆预调度单元,将接用户信息映射在地图中位置的地理空间标记单元,进行簇划分的用户簇划分单元,调度物流配送车的车辆调度单元,分别基于物流配送车对应的簇内所有用户节点对应位置进行路径规划的单车路径规划单元。主要用于物流管理。
Description
技术领域
本发明涉及一种供应管理系统、存储介质及设备,属于信息技术与物流管理技术交叉领域。
背景技术
目前的冷链供应模式中,主要分为两类:一类是订购商(终端零售)订货后自行取货,另一类是供货商统一供货。供货商统一供货的模式中,一部分是供货商对应多个订购商的传统供货类型,另一种是供货商对应连锁店(包括加盟和品牌自营)的,例如秋林食品、农大食品、宾西肉业、大庄园肉业等。
供货商统一供货是从供应点向各个营业网点进行配货,再由各个网点销售。在物流过程中,一般都是个网点事先提供需求量报给品牌方或者供应方,然后供应方将各网点及需求量信息进行整理,然后在供货日期按照需求量进行配货,这个配货过程中会遇到以下问题:
1、司机本身并不进行路径规划,一般都是按照对路径的熟悉程度选择好走的路段。对于供货量大、终端网点较多的供货商而言,由于某网点可能在某天需要配货,而在之后的一天不需要配货,导致不同日期需要配货网点不固定,此种情况下,司机更会任意确定配货网点顺序进行配送,从而存在物流路径总长较长的问题,进而导致物流时间较长、配货成本较高的问题。
2、一般的食品终端网点都会设置在人流量大或者比较繁华的位置,甚至在一个繁华区域区域范围内存在多个统一品牌终端网点。因此在配送过程中很可能因为交通拥堵问题导致配货时间较长、物流效率较低的问题。同时冷链食品一般需要使用冷藏车进行运输,因此需要注意格外注意物流的仓储条件,因为交通问题还会导致冷链食品的质量容易受到影响的问题,从而需要额外耗费更多的物品保鲜开销,尤其是单车配送网点较多或者配送总路径更长的情况下,额外开销会进一步增加。
而目前的物流配送管理系统并不能适用于冷链供应管理过程,因为目前的物流配送方式基本都是针对于普通货物的长途配送,例如现有的快递公司的配货方式,往往是针对于某一地区(例如某市)的货物量就非常大,所以一般都是根据货物所在地发往全国各地的某一地点,然后再由某一地点安排运力向各分中心配送,最后由各分中心送到客户家中或代收点。
这种发货地至某一地区的物流方式基本都是一点对多单点的方式,并不适用于冷链供应;而货物到达某地之后再运往各分中心或客户家中/代收点的方式依然存在上述冷链配货过程中遇到的问题。
发明内容
本发明为了解决现有的冷链物流过程中并没有考虑路径规划的问题,从而导致物流时间,总体成本高的问题。
基于物流优化的冷链供应管理系统,包括一套服务器端子系统,所述的服务器端子系统包括:
用户信息存储单元,用于存储所有用户的地址信息;
订单信息收集单元,用于接收不同用户的订单信息并发送给订单任务存储单元,订单信息包括订货量;
订单任务存储单元,根据接收到的用户订单信息在用户信息存储单元中匹配订单信息对应用户的地址信息,并将用户的地址信息添加在用户订单信息中;根据设定的订单任务汇总时间确定订单任务汇总单,订单任务汇总单中包括用户的订货量及对应的地址信息;
车辆预调度单元,根据物流配送车的单车配送能力以及用户任务汇总单中的订购总量确定配送当天需要设置的车辆数N;
地理空间标记单元,将接收到的用户订单信息对应的用户的地址信息、物流配送点的地址信息映射在地图中对应的位置;
用户簇划分单元,对所有用户节点进行簇划分,记最终划分簇的数量为M;
车辆调度单元,根据最终划分的M个簇调度M辆物流配送车,使得M辆物流配送车分别为M个簇进行物流配送,每辆物流配送车的配送量为对应簇内所有用户节点的订购总量;
单车路径规划单元,针对每个物流配送车对应的簇,分别基于物流配送车对应的簇内所有用户节点对应位置进行路径规划。
进一步地,所述的冷链供应管理系统还包括至少一套配送端子系统;
服务器端子系统还包括任务派发单元,所述任务派发单元通过无线通信的方式将每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送给配送端子系统;
所述的配送端子系统用于接收并显示每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送。
进一步地,用户簇划分单元对所有用户节点进行簇划分的具体过程包括以下步骤:
S100、对车辆预调度单元中的车辆数N进行判断,当N大于1时,根据用户节点的空间距离将用户节点初步划分为N个簇;所述用户节点为用户订单信息中对应用户在地图中的位置;当N等于1时直接利用车辆调度单元进行车辆的调度,此时M=N=1;
S101、针对于簇I内的用户,I=1,2,……N;针对当前簇I,首次执行时I=1,计算簇内所有用户节点对应用户订单信息的订购总量;
S102、按照簇内所有用户节点对应的订购总量从高到低的顺序对簇进行排序;
S103、对簇内所有用户节点对应的订购总量进行判断,若簇内对应的订购总量大于物流配送车的单车配送能力Q,则将簇I记为拟拆分簇J,I=I+1,返回步骤S101;否则不拆分簇,I=I+1,返回步骤S101;如果所有簇I都不拆分,直接利用车辆调度单元进行车辆的调度,此时M=N;
如果存在拟拆分簇J,针对于拟拆分簇J,按照对应的订购总量从高到低的顺序依次将拆分簇记为拟拆分簇J1、J2、J3、……;
S104、在拟拆分簇J1相邻的簇中选取订购总量小于Q对应的簇作为拟合并簇k;若某个拟拆分簇不存在拟合并簇k,则直接令N=N+1,并返回步骤S100;否则针对于拟拆分簇J1,将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整,直至拟拆分簇J1对应的订购总量小于等于Q;
S105、针对拟拆分簇J2重复S104,以此类推直至所有的拟拆分簇完成拆分,从而完成簇的划分,记最终划分簇的数量为M。
进一步地,将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整的过程包括以下步骤:
S1041、J1对应的拟合并簇k按照订购总量从低到高的顺序依次k1、k2、k3、……;
S1042、将拟拆分簇J1中与订购总量最小的拟合并簇k1距离最近的用户节点记为用户节点α,将用户节点α添加到拟合并簇k1中且保证添加用户节点α后的拟合并簇k1对应的订购总量小于等于Q;
S1043、重复步骤S1042,如果添加用户节点α后的拟合并簇k1对应的订购总量大于Q,此时不在将用户节点α添加到订购总量最小的拟合并簇k1,并执行S1044;
S1044、针对订购总量次小的拟合并簇k2,进行S1042至S1043的处理,以此类推,直至拟拆分簇J1对应的订购总量小于等于Q;如果拟拆分簇J1中的节点分别添加到相邻的簇中依然大于Q,则令N=N+1,并返回步骤S100。
进一步地,单车路径规划单元进行径规划的过程采用遗传算法来实现,采用遗传算法进行路径规划的过程中,每个个体的适应度其中,d(C1,Cn)为节点C1与节点Cn之间的路径距离,d(Ci,Ci+1)为节点Ci与节点Ci+1之间的路径距离;分别为对应路径距离下对应的时间调节权重。
一种存储介质,存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现基于物流优化的冷链供应管理系统。
一种货物供应管理设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现基于物流优化的冷链供应管理系统。
有益效果:
本发明非常适用于冷链供应这种相对短途且是一对多串点的物流模式。本发明的用户簇划分单元首先对簇进行划分,然后根据每个簇内的节点订购总量对簇内的节点对应调整,不仅能够实现节点的快速聚类,而且还能根据单车单次的配送量保证簇兼顾到物理空间和配送能力,进而保证在整体的配送效率的同时还能有效降低配送成本。同时本发明还能够有效减少配货时间较长,提高物流效率;而且本发明还可以通过物流效率节约一部分冷藏开销,并且能够通过有效地保证运输对于冷链食品的质量影响。
附图说明
图1为冷链供应管理系统示意图;
图2为对所有用户节点进行簇划分的流程示意图;
图3为将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整的流程示意图;
图4为采用遗传算法进行径规划的流程示意图。
具体实施方式
具体实施方式一:结合图1说明本实施方式,
本实施方式为基于物流优化的冷链供应管理系统,包括一套服务器端子系统和至少一套配送端子系统;
所述的服务器端子系统包括:
用户信息存储单元,用于存储所有用户的地址信息;所有用户中并不一定是每个用户都会在某一天下订货单;
订单信息收集单元,用于接收不同用户的订单信息并发送给订单任务存储单元,订单信息包括订货量;
订单任务存储单元,根据接收到的用户订单信息在用户信息存储单元中匹配订单信息对应用户的地址信息,并将用户的地址信息添加在用户订单信息中;根据设定的订单任务汇总时间确定订单任务汇总单,订单任务汇总单中包括用户的订货量及对应的地址信息;
车辆预调度单元,根据物流配送车的单车配送能力以及用户任务汇总单中的订购总量确定配送当天需要设置的车辆数N;
地理空间标记单元,将接收到的用户订单信息对应的用户的地址信息、物流配送点的地址信息映射在地图中对应的位置;所述地图可以是自建地图,也可以是通过接口加载的第三方提供的地图;
用户簇划分单元,对所有用户节点进行簇划分,记最终划分簇的数量为M;如图2所示,具体划分过程包括以下步骤:
S100、对车辆数N进行判断,当N大于1时,根据用户节点的空间距离将用户节点初步划分为N个簇;所述用户节点为用户订单信息中对应用户在地图中的位置;当N等于1时直接利用车辆调度单元进行车辆的调度,此时M=N=1;优选地,根据用户节点的空间距离将用户节点划分为N个簇的过程采用K均值聚类算法;
S101、针对于簇I内的用户,I=1,2,……N;针对当前簇I,首次执行时I=1,计算簇内所有用户节点对应用户订单信息的订购总量;
S102、按照簇内所有用户节点对应的订购总量从高到低的顺序对簇进行排序;
S103、对簇内所有用户节点对应的订购总量进行判断,若簇内对应的订购总量大于物流配送车的单车配送能力Q,则将簇I记为拟拆分簇J,I=I+1,返回步骤S101;否则不拆分簇,I=I+1,返回步骤S101;如果所有簇I都不拆分,直接利用车辆调度单元进行车辆的调度,此时M=N;
如果存在拟拆分簇J,针对于拟拆分簇J,按照对应的订购总量从高到低的顺序依次将拆分簇记为拟拆分簇J1、J2、J3、……;
S104、在拟拆分簇J1相邻的簇中选取订购总量小于Q对应的簇作为拟合并簇k;若某个拟拆分簇不存在拟合并簇k(即拟拆分簇相邻的簇中的每个簇的订购总量都大于等于Q),则直接令N=N+1,并返回步骤S100;否则针对于拟拆分簇J1,将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整,直至拟拆分簇J1对应的订购总量小于等于Q;
如图3所示,将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整的过程包括以下步骤:
S1041、J1对应的拟合并簇k按照订购总量从低到高的顺序依次k1、k2、k3、……;
S1042、将拟拆分簇J1中与订购总量最小的拟合并簇k1距离最近的用户节点记为用户节点α,将用户节点α添加到拟合并簇k1中且保证添加用户节点α后的拟合并簇k1对应的订购总量小于等于Q;
S1043、重复步骤S1042,如果添加用户节点α后的拟合并簇k1对应的订购总量大于Q,此时不在将用户节点α添加到订购总量最小的拟合并簇k1,并执行S1044;
S1044、针对订购总量次小的拟合并簇k2,进行S1042至S1043的处理,以此类推,直至拟拆分簇J1对应的订购总量小于等于Q;如果拟拆分簇J1中的节点分别添加到相邻的簇中依然大于Q,则令N=N+1,并返回步骤S100。
S105、针对拟拆分簇J2重复S104,以此类推直至所有的拟拆分簇完成拆分,从而完成簇的划分,记最终划分簇的数量为M。
本发明的用户簇划分单元首先对簇进行划分,然后根据每个簇内的节点订购总量对簇内的节点对应调整,不仅能够实现节点的快速聚类,而且还能根据单车单次的配送量保证簇兼顾到物理空间和配送能力,进而保证在整体的配送效率的同时还能有效降低配送成本(配送能耗等)。
车辆调度单元,根据最终划分的M个簇调度M辆物流配送车,使得M辆物流配送车分别为M个簇进行物流配送,每辆物流配送车的配送量为对应簇内所有用户节点的订购总量;
单车路径规划单元,针对每个物流配送车对应的簇,分别基于物流配送车对应的簇内所有用户节点对应位置进行路径规划;
进行径规划的过程采用遗传算法来实现,如图4所示,具体过程包括以下步骤;
S601、节点编码:
将配送始发点记为节点C1,将簇内所有节点作为节点C2至节点Cn;针对于节点的遍历次序进行编码;
这里节点也就是商旅问题中的城市。
S602、参数初始化:
初始化种群大小M′、最大迭代次数TN;设置交叉概率pc、变异概率pm,本实施方式中分别设置为0.5和0.01;
S603、计算每个个体的适应度f:
所述的路径距离是指两个节点之间在地图中的具有通行能力的路径所构成的距离,例如两个节点之间有多条可以同行的路径,那么对应有多个路径距离;为了减少计算量,本实施方式中,仅取两个节点路径距离最少的三条路径;
所述的时间权重计算方式相同,以为例进行说明;其中,L为节点i到节点i+1的路径距离所构成的路径段数,所以L实际是随着节点i到节点i+1之间的所选择的具体路径不同而变化,具体根据选择的路径来确定,例如某市一个冷链供应,由会展家园店到太平公园店,其中一条确定的路径为“民福路-南直路-东直路”,那么该路径对应的L=3;而ωl可以是根据某路段的速度经验设置的权重,速度越慢,单位路段花费的时间就越长,对应的权重越大;为了使得时间权重ωl具有相对统一的标准,基于对应路段关于速度历史数据的统计规律,并经过简化设置t1(单位:小时)为该路段全天的拥堵路段时长;简化的ωl的过程:基于时间的影响,本应该考虑ωT,T表示该路段理想状态下的通过时间,在理想状态下,通过该路段的速度/时间是基本稳定的,由于本发明是将时间的影响与路径距离同时考虑,基于量纲的差异,本发明考虑将时间变相转化为路径距离,经过研究后考虑时间可以是对单位路径的延长表示,因此可以将T转化为单位路径影响“1”,表现为缺省时间T;同时由于是前述假设是理想状态下,但是实际应该考虑非理想状态下的影响,所以本发明将非理想状态下的影响简化为理想状态下的表达,从而将作为稳定状态下单位路段花费时间影响视为“单位基础1”,然后基于该路段的历史统计规律,根据该路段全天的拥堵路段时长视为一种对全天影响的概率,设置
S604、选择中间群体,选择策略包括轮盘赌、锦标赛、精英保留策略;在一些实施例中采用轮盘赌的方式选择中间群体,即通过每个个体被遗传到下一代群体中的概率选择中间群体,其中表示种群中所有个体的适应度总和。
S605、以交叉概率pc从中间群体中选取个体进行交叉;
S606、以变异概率pm从种群中选出个体进行变异;
S607、针对变异后的群体,返回S603计算每个个体的适应度f,循环迭代,直至最大迭代次数TN,结束操作得到一个簇内所有用户节点对应路径。
本实施方式的单车路径规划单元在路径规划时将时间因素作为考量引入到路径选择中,也使得本发明在冷链供应管理时可以对物流进行优化管理,不仅使得整体的物流时间得到有效管理,对于员工绩效能够可视化、透明化管理,更为重要的是,这样还能够有效减少交通拥堵问题导致配货时间较长、物流效率较低的问题,同时由于冷链食品需要通过冷藏车进行运输,因此本发明不仅能够通过物流效率节约一部分冷藏开销,更为重要的是能够通过有效地保证运输对于冷链食品的质量影响。
任务派发单元,通过无线通信的方式将每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送给配送端子系统,所述的配送端子系统用于接收并显示每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送,配送工作人员根据显示的信息完成配送。
具体实施方式二:
本实施方式为一种存储介质,所述存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现冷链供应管理系统的服务器端子系统和/或配送端子系统。
具体实施方式三:
本实施方式为一种货物供应管理设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现冷链供应管理系统的服务器端子系统和/或配送端子系统。
优选地,货物供应管理设备分别为一台计算机(PC机、服务器、专门开发的设备等均可)和一部移动设备(手机、平板电脑、专门开发的设备等均可),所述服务器端子系统存储和运行于计算机中,所述的配送端子系统存储和运行于移动设备中,所述服务器端子系统和配送端子系统之间通过无线通信方式进行通信。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (5)
1.基于物流优化的冷链供应管理系统,其特征在于,包括一套服务器端子系统,所述的服务器端子系统包括:
用户信息存储单元,用于存储所有用户的地址信息;
订单信息收集单元,用于接收不同用户的订单信息并发送给订单任务存储单元,订单信息包括订货量;
订单任务存储单元,根据接收到的用户订单信息在用户信息存储单元中匹配订单信息对应用户的地址信息,并将用户的地址信息添加在用户订单信息中;根据设定的订单任务汇总时间确定订单任务汇总单,订单任务汇总单中包括用户的订货量及对应的地址信息;
车辆预调度单元,根据物流配送车的单车配送能力以及用户任务汇总单中的订购总量确定配送当天需要设置的车辆数N;
地理空间标记单元,将接收到的用户订单信息对应的用户的地址信息、物流配送点的地址信息映射在地图中对应的位置;
用户簇划分单元,对所有用户节点进行簇划分,记最终划分簇的数量为M;用户簇划分单元对所有用户节点进行簇划分的具体过程包括以下步骤:
S100、对车辆预调度单元中的车辆数N进行判断,当N大于1时,根据用户节点的空间距离将用户节点初步划分为N个簇;所述用户节点为用户订单信息中对应用户在地图中的位置;当N等于1时直接利用车辆调度单元进行车辆的调度,此时M=N=1;
S101、针对于簇I内的用户,I=1,2,……N;针对当前簇I,首次执行时I=1,计算簇内所有用户节点对应用户订单信息的订购总量;
S102、按照簇内所有用户节点对应的订购总量从高到低的顺序对簇进行排序;
S103、对簇内所有用户节点对应的订购总量进行判断,若簇内对应的订购总量大于物流配送车的单车配送能力Q,则将簇I记为拟拆分簇J,I=I+1,返回步骤S101;否则不拆分簇,I=I+1,返回步骤S101;如果所有簇I都不拆分,直接利用车辆调度单元进行车辆的调度,此时M=N;
如果存在拟拆分簇J,针对于拟拆分簇J,按照对应的订购总量从高到低的顺序依次将拆分簇记为拟拆分簇J1、J2、J3、……;
S104、在拟拆分簇J1相邻的簇中选取订购总量小于Q对应的簇作为拟合并簇k;若某个拟拆分簇不存在拟合并簇k,则直接令N=N+1,并返回步骤S100;否则针对于拟拆分簇J1,将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整,直至拟拆分簇J1对应的订购总量小于等于Q;
将J1对应的拟合并簇k按照订购总量从低到高的顺序依次进行调整的过程包括以下步骤:
S1041、J1对应的拟合并簇k按照订购总量从低到高的顺序依次k1、k2、k3、……;
S1042、将拟拆分簇J1中与订购总量最小的拟合并簇k1距离最近的用户节点记为用户节点α,将用户节点α添加到拟合并簇k1中且保证添加用户节点α后的拟合并簇k1对应的订购总量小于等于Q;
S1043、重复步骤S1042,如果添加用户节点α后的拟合并簇k1对应的订购总量大于Q,此时不在将用户节点α添加到订购总量最小的拟合并簇k1,并执行S1044;
S1044、针对订购总量次小的拟合并簇k2,进行S1042至S1043的处理,以此类推,直至拟拆分簇J1对应的订购总量小于等于Q;如果拟拆分簇J1中的节点分别添加到相邻的簇中依然大于Q,则令N=N+1,并返回步骤S100;
S105、针对拟拆分簇J2重复S104,以此类推直至所有的拟拆分簇完成拆分,从而完成簇的划分,记最终划分簇的数量为M;
车辆调度单元,根据最终划分的M个簇调度M辆物流配送车,使得M辆物流配送车分别为M个簇进行物流配送,每辆物流配送车的配送量为对应簇内所有用户节点的订购总量;
单车路径规划单元,针对每个物流配送车对应的簇,分别基于物流配送车对应的簇内所有用户节点对应位置进行路径规划;
进行径规划的过程采用遗传算法来实现,具体过程包括以下步骤;
S601、节点编码:
将配送始发点记为节点C1,将簇内所有节点作为节点C2至节点Cn;针对于节点的遍历次序进行编码;
S602、参数初始化:
初始化种群大小M′、最大迭代次数TN;设置交叉概率pc、变异概率pm;
S603、计算每个个体的适应度f:
其中,d(C1,Cn)为节点C1与节点Cn之间的路径距离,d(Ci,Ci+1)为节点Ci与节点Ci+1之间的路径距离;为节点Cn与节点C1之间路径距离下对应的时间调节权重,节点Ci与节点Ci+1之间路径距离下对应的时间调节权重;
S605、以交叉概率pc从中间群体中选取个体进行交叉;
S606、以变异概率pm从种群中选出个体进行变异;
S607、针对变异后的群体,返回S603计算每个个体的适应度f,循环迭代,直至最大迭代次数TN,结束操作得到一个簇内所有用户节点对应路径。
2.根据权利要求1所述的基于物流优化的冷链供应管理系统,其特征在于,所述的冷链供应管理系统还包括至少一套配送端子系统;
服务器端子系统还包括任务派发单元,所述任务派发单元通过无线通信的方式将每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送给配送端子系统;
所述的配送端子系统用于接收并显示每个簇内节点每个用户的订货量、用户的位置及路径规划信息发送。
3.根据权利要求1所述的基于物流优化的冷链供应管理系统,其特征在于,根据用户节点的空间距离将用户节点划分为N个簇的过程采用K均值聚类算法。
4.一种存储介质,其特征在于,存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如权利要求1至3之一所述的基于物流优化的冷链供应管理系统。
5.一种货物供应管理设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如权利要求1至3之一所述的基于物流优化的冷链供应管理系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111177729.2A CN113807608B (zh) | 2021-10-09 | 2021-10-09 | 基于物流优化的冷链供应管理系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111177729.2A CN113807608B (zh) | 2021-10-09 | 2021-10-09 | 基于物流优化的冷链供应管理系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113807608A CN113807608A (zh) | 2021-12-17 |
CN113807608B true CN113807608B (zh) | 2022-07-01 |
Family
ID=78897493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111177729.2A Active CN113807608B (zh) | 2021-10-09 | 2021-10-09 | 基于物流优化的冷链供应管理系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807608B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110258134A1 (en) * | 2010-04-16 | 2011-10-20 | Klassic Corporation | Method and system for providing adaptive processing and delivery of food catering orders |
CN109087502B (zh) * | 2017-06-14 | 2020-12-08 | 北京嘀嘀无限科技发展有限公司 | 基于订单分布的车辆调度方法、调度系统、计算机设备 |
EP3710903A4 (en) * | 2018-01-08 | 2021-11-24 | Routematch Software, LLC | ROUTE PLANNING PROCESS AND APPARATUS |
CN111259312B (zh) * | 2020-01-15 | 2021-08-17 | 深圳大学 | 多目标流水车间调度方法、装置、计算机设备及存储介质 |
CN111428991B (zh) * | 2020-03-20 | 2022-08-02 | 北京百度网讯科技有限公司 | 用于确定配送车辆的方法和装置 |
CN113240175B (zh) * | 2021-05-11 | 2024-02-02 | 北京百度网讯科技有限公司 | 配送路线的生成方法、设备、存储介质和程序产品 |
-
2021
- 2021-10-09 CN CN202111177729.2A patent/CN113807608B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113807608A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766994B (zh) | 一种共享自行车调度方法与调度系统 | |
CN107194513B (zh) | 一种解决全渠道物流配送问题的优化方法 | |
Chao et al. | Optimization of two-stage location–routing–inventory problem with time-windows in food distribution network | |
CN110046749B (zh) | 一种基于实时路况的电商包裹与同城o2o包裹共同配送系统 | |
US7263496B1 (en) | Generic revenue management data model for revenue management | |
CN104700203B (zh) | 一种物流配送网点规划方法及装置 | |
CN109919376A (zh) | 多车场与多车型车辆路径调度控制方法 | |
CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
CN105512747A (zh) | 物流智能优化调度系统 | |
CN109002902A (zh) | 分区域多阶段生鲜农产品动态车辆路径优化方法 | |
CN104598994A (zh) | 一种带时变时间窗的关联物流运输优化调度方法 | |
CN109299810A (zh) | 一种货运车辆配载方法 | |
CN105069523A (zh) | 一种有时间限制的配送车辆调度方法 | |
CN101159048A (zh) | 油品配送槽车调度系统及其方法 | |
CN109559062A (zh) | 一种合作式物流问题的任务分配与路径规划方法 | |
CN110675189B (zh) | 一种基于Wide&Deep模型和遗传算法的无人货架选址方法 | |
CN113159588A (zh) | 一种基于物联网技术的物流车辆智能调度算法 | |
CN113222291B (zh) | 一种基于空间区域划分模型的三维装载优化方法 | |
Hezarkhani et al. | Gain-sharing in urban consolidation centers | |
CN107832957A (zh) | 一种基于多类型自行车装卸的公共租赁自行车调度方法 | |
Wang et al. | Cooperation and profit allocation for two-echelon logistics pickup and delivery problems with state–space–time networks | |
Yu et al. | Differential pricing strategies of air freight transport carriers in the spot market | |
Du et al. | CrowDNet: Enabling a crowdsourced object delivery network based on modern portfolio theory | |
CN114529241A (zh) | 一种基于运筹学理论的公路零担货运物流路径规划算法 | |
Iliopoulou et al. | Route planning for a seaplane service: The case of the Greek Islands |
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 |