CN113869676A - 一种基于地理社会网络协同配送联盟模型的构建方法 - Google Patents

一种基于地理社会网络协同配送联盟模型的构建方法 Download PDF

Info

Publication number
CN113869676A
CN113869676A CN202111077698.3A CN202111077698A CN113869676A CN 113869676 A CN113869676 A CN 113869676A CN 202111077698 A CN202111077698 A CN 202111077698A CN 113869676 A CN113869676 A CN 113869676A
Authority
CN
China
Prior art keywords
distribution
distribution center
network
centrality
alliance
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
CN202111077698.3A
Other languages
English (en)
Inventor
邓建新
张星
韦婉冬
贺秋瑶
袁邦颐
黄秋林
贺德强
李先旺
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN202111077698.3A priority Critical patent/CN113869676A/zh
Publication of CN113869676A publication Critical patent/CN113869676A/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination

Abstract

本发明提供一种基于地理社会网络协同配送联盟模型的构建方法，属于物流技术领域，方法包括确定构建配送联盟决策参数，计算配送中心辐射力，形成联盟集群，确定联盟集群的收益分配指标体系，确定联盟集群的收益分配原则中联盟效用特征函数，对联盟集群的收益进行分配。本发明基于地理属性、社会属性进行协同配送联盟组建的过程及方法，规划了配送中心的平均辐射半径，引入配送中心的XY坐标进行聚类，由此得到协同配送联盟集群。同时制定了该基础下形成联盟的收益分配方式，构建具有经济属性、地理属性、社会属性的协同配送联盟效益收益分配指标。公平合理分配联盟收益，促进联盟稳定性。促进配送企业需求整合、提高资源配置效率、降低配送成本。

Description

一种基于地理社会网络协同配送联盟模型的构建方法
技术领域
本发明涉及物流技术领域，尤其涉及一种基于地理社会网络协同配送联盟模型的构建方法。
背景技术
随着我国经济飞速发展以及城市水平的不断提高，城市居民的消费能力增强，物流需求随之增加。为降低配送成本，提高配送效率，各企业纷纷开始组建具有高时效性，高资源配置率特征的协同配送联盟。针对此研究协同配送联盟组建并研究联盟收益分配。为了突出配送活动的地理属性和社会属性，设计基于地理社会网络的协同配送联盟模型。配送中心(企业)可以根据该方法进行联盟组建设计，并根据Shapely值进行联盟收益分配。有利于整合协同配送资源、促进联盟形成及联盟稳定性特征发现。
发明内容
本发明的目的在于提供一种基于地理社会网络协同配送联盟模型的构建方法，解决现有配送中联盟组建及收益分配涉及的技术问题。
为了实现上述目的，本发明采用的技术方案如下：
一种基于地理社会网络协同配送联盟模型的构建方法，所述方法包括如下步骤，
步骤1：确定构建配送联盟的决策参数；
步骤2：计算配送中心辐射力模型；
步骤3：根据决策参数和辐射力模型辐射力形成联盟集群；
步骤4：确定联盟集群的收益分配指标体系；
步骤5：确定联盟集群的收益分配原则中联盟效用特征函数；
步骤6：对联盟集群的收益进行分配。
进一步地，步骤1的具体过程为，决策参数包括地理坐标信息和配送中心平均辐射半径，地理坐标信息包括地理X坐标和Y坐标，地理X坐标及Y坐标的参考系为GCS_WGS_1984，平均辐射半径大小代表配送中心的配送能力大小。
进一步地，步骤2的具体过程为，
步骤2.1：计算两两配送中心间的直线距离；
步骤2.2：计算配送中心断裂点，算式为：
Figure BDA0003265674860000021
式中：Lik为第i个配送中心到断裂点k的距离；Mi、Mj为配送中心i、j供给能力，规定用配送中心的月平均配送量来表示，Lij为配送中心i、j的距离；
步骤2.3：计算配送中心场强，算式为：
Figure BDA0003265674860000022
式中：Fik为第i个配送中心在k点处的辐射力大小；
步骤2.4：计算配送中心的辐射半径，算式为：
Figure BDA0003265674860000023
式中，Rik为第i个配送中心的辐射半径；
步骤2.5：计算配送中心平均辐射半径，算式为：
Figure BDA0003265674860000024
进一步地，步骤3的具体过程为，
步骤3.1：给定大小为n的配送中心对象数据集，令I＝1，选取k个初始聚类中心Zj(I)，j＝1，2，3，…，k；
步骤3.2：计算每个配送中心与聚类中心的距离D(xi,Zj(I))，i＝1，2，3，…，k，如果满足D(xi,Zk(I))＝min{D(xi,Zj(I)),i＝1,2,3,…n}则xi∈Ck；
步骤3.3：计算k个新的聚类中心：
Figure BDA0003265674860000025
k即取聚类中所有元素各自维度的距离；
步骤3.4：判断：若Zj(I+1)≠Zj(I)，j＝1，2，3，…，k，则I＝I+1，返回步骤2；否则算法结束；
其中，配送中心聚类距离的确定方法的过程为：
Figure BDA0003265674860000031
故联盟组建依据的三个参数x1为地理X坐标、x2为地理Y坐标、x3为平均辐射半径，将以上三个参数代入K-means算法进行计算，得出的聚类结果即为基于这三个变量形成的配送中心协同配送联盟。
进一步地，步骤4中，收益分配指标体系包括配送中心资源能力、配送中心服务水平和配送中心网络地位，配送中心资源能力包含平均辐射半径和月平均配送量，配送中心服务水平是经济性数据指标，包括配送中心车辆的平均配送时间利用率以及平均载重利用率，配送中心的网络地位指标是社会性数据指标，包含相对度数中心度、相对接近中心度和相对特征向量中心度。
进一步地，配送车辆平均配送时间利用率和配送车辆平均载重利用率的复构过程为，
配送车辆平均配送时间利用率复构过程为：
Figure BDA0003265674860000032
式中Pt表示不同配送中心配送车辆的平均配送时间利用率，Tm表示配送中心每月累计配送时间，Mi表示对应车型的车辆数，Td表示每天每种车型的每一辆车计划营运时间，和配送时间窗包含时间长度对应，n表示每月车辆计划营运的天数；
配送车辆平均配送载重利用率复构过程为：
Figure BDA0003265674860000033
式中Qt表示不同配送中心配送车辆平均载重利用率，Qm表示配送中心月平均配送货物量，
Figure BDA0003265674860000034
是调查所得不同种类型车辆分配订单的比例系数，Tj表示不同车型的额定载重，Mi表示对应车型的车辆数，N表示对应车型的出车频次；
联盟收益分配指标中配送网络地位指标由基于配送中心货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度构成。
进一步地，配送中心基于货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度；
构建配送中心基于货种种类竞合的社会网络，首先建立配送中心与货物的2-模发生网络，2-模发生网络形成一个原始网络邻接矩阵为R′，配送中心数为n，配送货物种类为m，其中矩阵元素为：
Figure BDA0003265674860000041
其中i＝1,2,L,n；e＝1,2,L,m；
然后将2-模发生网络转化成1-模网络数据进行分析，根据点对之间的关系，将配送中心与货物关系用对应乘积法转化成配送中心与配送中心之间的1-模网络矩阵，配送中心与配送中心关系测量的是配送中心之间共同拥有的货种类数，设转化生成基于货种结构竞合关系的1-模网络配送中心与配送中心的网络的邻接矩阵为Rh，其中元素为
Figure BDA0003265674860000042
定义为配送中心货种结构竞合系数，该矩阵Rh对应的网络，称之为配送中心货种结构竞合关系子网；
点度中心度是网络中与该点有直接联系的点的数目，用来衡量个体在网络中居于中心的地位，分为绝对度数中心度和相对度数中心度，相对度数中心度便于大小不同的网络之间的对比，其公式表示为：
Figure BDA0003265674860000043
式中：g为网络由g个结点组成，ni表示第i个结点，nj表示第j个结点，d(ni)表示与节点i直接相通点的个数；
接近中心度通过计算结点与其他结点的距离来看结点的中心性，网络中结点的接近中心度与其他结点的捷径距离之和成反比，如果一个点通过比较短的路径与许多其他点相连，就说该点具有较高的接近中心性，相对接近中心度公式表示为：
Figure BDA0003265674860000051
式中：g为网络由g个点组成，ni表示第i个结点，nj表示第j个结点，d(ni,nj)表示ni和nj的最短距离；
特征向量中心度是通过相邻点的重要性来衡量该点的价值，强调结点在网络中的价值，网络中结点的价值通过近邻点来决定，相对特征向量公式表示为：
Figure BDA0003265674860000052
式中：g为网络由g个点组成，rij是网络的邻接矩阵，λ为常数；
建立配送中心与客户的2-模网络，2-模网络形成一个原始的网络邻接矩阵R″，配送中心数为n，客户数为b,其中矩阵元素为：
Figure BDA0003265674860000053
其中i＝1,2,L,n；c＝1,2,L,b；
转化生成基于客户资源竞合的配送中心与配送中心的1-模网络邻接矩阵为Rk，其中元素为
Figure BDA0003265674860000054
定义为配送中心客户资源竞合系数，该矩阵Rk对应的网络，称之为配送中心客户资源竞合关系子网，配送中心客户资源竞合关系子网中的配送中心的相对点度中心度同样根据公式(9)进行求解，而相对特征向量中心度根据公式(11)进行求解。
进一步地，步骤5的具体过程为，对于n人联盟博弈中的子联盟S∈P(N)，联盟成员协同后可收获的最大联盟总效用，记为v(S)，一个联盟能给出的所有v(S)，构成了一个P(N)→R的实值函数，实值函数为这个联盟博弈的特征函数，表示为：
Figure BDA0003265674860000055
其中，xS表示成员全部联合混合策略的全体，xN/S表示N/S中成员全部联合或者策略的全体，ui(x,y)表示博弈方i对应策略组合x,y的期望收益。
进一步地，联盟收益分配的特征函数表示为：
Figure BDA0003265674860000061
其中，
Figure BDA0003265674860000062
中的
Figure BDA0003265674860000063
是配送中心之间基于配送中心客户资源的竞合系数，即子联盟内的配送中心通过对客户资源竞合产生相互联系，决定了配送中心对配送中心子联盟的效用贡献程度，
Figure BDA0003265674860000064
代表了配送中心i的资源效用和，Rij是效用指标标准化后的值，Ri1代表配送中心自身辐射半径，Ri2代表配送中心月均配送量。
Figure BDA0003265674860000065
代表了配送中心i的服务水平，Sij是效用指标标准化后的值，Si1代表配送中心小型车平均配送时间利用率，Si2代表中型车平均配送时间利用率，Si3代表大型车平均配送时间利用率，Si4代表配送中心的小型车辆平均载重利用率，Si5代表中型车辆平均载重利用率，Si6代表大型车辆平均载重利用率。
Figure BDA0003265674860000066
代表配送中心i的网络结构效用，Cij是效用指标准化后的值，Ci1代表配送中心社会网络结构效用货种竞合子网中相对度数中心度，Ci2代表货种竞合子网中相对接近中心度，Ci3代表货种竞合子网中相对特征向量中心度，Ci4代表客户资源竞合子网中相对度数中心度，Ci5代表客户资源竞合子网中相对特征向量中心度。需要注意的是当i在子联盟网络中为孤立结点时联盟效用为0。
进一步地，步骤6的具体过程为，Shapely值给出合作博弈<N,v>中，博弈方成员i的效用，即博弈方成员i对每一个它所参与的成员子联盟的边际贡献的期望值，博弈方i的Shapely值计算公式如下：
Figure BDA0003265674860000071
博弈方配送中心以随机的顺序形成子联盟，且任何一种顺序发生的概率相同，为
Figure BDA0003265674860000072
博弈方成员i与其前面的(|S|-1)个成员形成联盟S，则成员i对该联盟的边际贡献为v(S)-v(S-i)，S/i和N/S的博弈方成员相继排列次序共有(|S|-1)！(n-|S|)！种，故组成各个联盟的概率为
Figure BDA0003265674860000073
最后乘起来即为i的期望收益分配值，分配的流程为：
输入协同配送联盟矩阵以及联盟效用指标原始数据，将效用指标原始数据进行标准化，从协同配送联盟中提取成员组成所有合作博弈配送中心组合，通过特征函数计算每一种组合效用，并存入组合，计算每种组合内每个配送中心Shapely值累加和，通过Shapely值利益分配函数计算每个配送中心的Shapely值。
本发明由于采用了上述技术方案，具有以下有益效果：
本发明基于地理属性、社会属性进行协同配送联盟组建的过程及方法，规划了配送中心的平均辐射半径，引入配送中心的XY坐标进行聚类，由此得到协同配送联盟集群，同时制定了该基础下形成联盟的收益分配方式，构建具有经济属性、地理属性、社会属性的协同配送联盟效益收益分配指标，公平合理分配联盟收益，促进联盟稳定性，促进配送企业需求整合、提高资源配置效率、降低了配送成本。
附图说明
图1是本发明方法流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
如图1所示，一种基于地理社会网络协同配送联盟模型的构建方法，所述方法包括如下步骤，
步骤1：确定构建配送联盟的决策参数。决策参数包括地理坐标信息和配送中心平均辐射半径，地理坐标信息包括地理X坐标和Y坐标，地理X坐标及Y坐标的参考系为GCS_WGS_1984。世界级地理坐标系，即WGS84:World Geodetic System 1984，是为GPS全球定位系统使用而建立的坐标系统。也是全球所有卫星所用的坐标系统，主要参数是地球经纬度。平均辐射半径大小代表配送中心的配送能力大小。
步骤2：计算配送中心辐射力模型，所述协同配送联盟组建首先要通过辐射力公式计算配送中心的平均辐射半径。
步骤2.1：计算两两配送中心间的直线距离；
步骤2.2：计算配送中心断裂点，算式为：
Figure BDA0003265674860000081
式中：Lik为第i个配送中心到断裂点k的距离；Mi、Mj为配送中心i、j供给能力，规定用配送中心的月平均配送量来表示，Lij为配送中心i、j的距离；
步骤2.3：计算配送中心场强，算式为：
Figure BDA0003265674860000082
式中：Fik为第i个配送中心在k点处的辐射力大小；
步骤2.4：计算配送中心的辐射半径，算式为：
Figure BDA0003265674860000083
式中，Rik为第i个配送中心的辐射半径；
步骤2.5：计算配送中心平均辐射半径，算式为：
Figure BDA0003265674860000091
步骤3：根据决策参数和辐射力模型辐射力形成联盟集群。所述协同配送联盟组建利用配送中心地理XY坐标及配送中心月平均配送货物重量通过K-means聚类方法计算得到联盟集群。
步骤3.1：给定大小为n的配送中心对象数据集，令I＝1，选取k个初始聚类中心Zj(I)，j＝1，2，3，…，k；
步骤3.2：计算每个配送中心与聚类中心的距离D(xi,Zj(I))，i＝1，2，3，…，k，如果满足D(xi,Zk(I))＝min{D(xi,Zj(I)),i＝1,2,3,…n}则xi∈Ck；
步骤3.3：计算k个新的聚类中心：
Figure BDA0003265674860000092
k即取聚类中所有元素各自维度的距离；
步骤3.4：判断：若Zj(I+1)≠Zj(I)，j＝1，2，3，…，k，则I＝I+1，返回步骤3.2；否则算法结束；
其中，配送中心聚类距离的确定方法的过程为：
Figure BDA0003265674860000093
故联盟组建依据的三个参数x1为地理X坐标、x2为地理Y坐标、x3为平均辐射半径，将以上三个参数代入K-means算法进行计算，得出的聚类结果即为基于这三个变量形成的配送中心协同配送联盟。
步骤4：确定联盟集群的收益分配指标体系。
收益分配指标体系包括配送中心资源能力、配送中心服务水平和配送中心网络地位，配送中心资源能力包含平均辐射半径和月平均配送量，配送中心服务水平是经济性数据指标，包括配送中心车辆的平均配送时间利用率以及平均载重利用率，配送中心的网络地位指标是社会性数据指标，包含相对度数中心度、相对接近中心度和相对特征向量中心度。
所述联盟收益分配指标中配送中心服务水平指标也是经济性数据指标。配送车辆平均配送时间利用率、配送车辆平均载重利用率的复构方法为：
配送车辆平均配送时间利用率复构过程为：
Figure BDA0003265674860000101
式中Pt表示不同配送中心配送车辆的平均配送时间利用率，Tm表示配送中心每月累计配送时间，Mi表示对应车型的车辆数，Td表示每天每种车型的每一辆车计划营运时间，和配送时间窗包含时间长度对应，n表示每月车辆计划营运的天数；
配送车辆平均配送载重利用率复构过程为：
Figure BDA0003265674860000102
式中Qt表示不同配送中心配送车辆平均载重利用率，Qm表示配送中心月平均配送货物量，
Figure BDA0003265674860000103
是调查所得不同种类型车辆分配订单的比例系数，
Tj表示不同车型的额定载重，Mi表示对应车型的车辆数，N表示对应车型的出车频次；
联盟收益分配指标中配送网络地位指标由基于配送中心货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度构成。
配送中心基于货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度；
构建配送中心基于货种种类竞合的社会网络，首先建立配送中心与货物的2-模发生网络，2-模发生网络形成一个原始网络邻接矩阵为R′，配送中心数为n，配送货物种类为m，其中矩阵元素为：
Figure BDA0003265674860000104
其中i＝1,2,L,n；e＝1,2,L,m；
然后将2-模发生网络转化成1-模网络数据进行分析，根据点对之间的关系，将配送中心与货物关系用对应乘积法转化成配送中心与配送中心之间的1-模网络矩阵，配送中心与配送中心关系测量的是配送中心之间共同拥有的货种类数，设转化生成基于货种结构竞合关系的1-模网络配送中心与配送中心的网络的邻接矩阵为Rh，其中元素为
Figure BDA0003265674860000111
定义为配送中心货种结构竞合系数，该矩阵Rh对应的网络，称之为配送中心货种结构竞合关系子网；
点度中心度是网络中与该点有直接联系的点的数目，用来衡量个体在网络中居于中心的地位，分为绝对度数中心度和相对度数中心度，相对度数中心度便于大小不同的网络之间的对比，其公式表示为：
Figure BDA0003265674860000112
式中：g为网络由g个结点组成，ni表示第i个结点，nj表示第j个结点，d(ni)表示与节点i直接相通点的个数；
接近中心度通过计算结点与其他结点的距离来看结点的中心性，网络中结点的接近中心度与其他结点的捷径距离之和成反比，如果一个点通过比较短的路径与许多其他点相连，就说该点具有较高的接近中心性，相对接近中心度公式表示为：
Figure BDA0003265674860000113
式中：g为网络由g个点组成，ni表示第i个结点，nj表示第j个结点，d(ni,nj)表示ni和nj的最短距离；
特征向量中心度是通过相邻点的重要性来衡量该点的价值，强调结点在网络中的价值，网络中结点的价值通过近邻点来决定，相对特征向量公式表示为：
Figure BDA0003265674860000114
式中：g为网络由g个点组成，rij是网络的邻接矩阵，λ为常数；
建立配送中心与客户的2-模网络，2-模网络形成一个原始的网络邻接矩阵R″，配送中心数为n，客户数为b,其中矩阵元素为：
Figure BDA0003265674860000121
其中i＝1,2,L,n；c＝1,2,L,b；
转化生成基于客户资源竞合的配送中心与配送中心的1-模网络邻接矩阵为Rk，其中元素为
Figure BDA0003265674860000122
定义为配送中心客户资源竞合系数，该矩阵Rk对应的网络，称之为配送中心客户资源竞合关系子网，配送中心客户资源竞合关系子网中的配送中心的相对点度中心度同样根据公式(9)进行求解，而相对特征向量中心度根据公式(11)进行求解。
步骤5：确定联盟集群的收益分配原则中联盟效用特征函数。
对于n人联盟博弈中的子联盟S∈P(N)，联盟成员协同后可收获的最大联盟总效用，记为v(S)，一个联盟能给出的所有v(S)，构成了一个P(N)→R的实值函数，实值函数为这个联盟博弈的特征函数，表示为：
Figure BDA0003265674860000123
其中，xS表示成员全部联合混合策略的全体，xN/S表示N/S中成员全部联合或者策略的全体，ui(x,y)表示博弈方i对应策略组合x,y的期望收益。
联盟收益分配的特征函数表示为：
Figure BDA0003265674860000124
其中，
Figure BDA0003265674860000125
中的
Figure BDA0003265674860000126
是配送中心之间基于配送中心客户资源的竞合系数，即子联盟内的配送中心通过对客户资源竞合产生相互联系，决定了配送中心对配送中心子联盟的效用贡献程度，
Figure BDA0003265674860000127
代表了配送中心i的资源效用和，Rij是效用指标标准化后的值，Ri1代表配送中心自身辐射半径，Ri2代表配送中心月均配送量。
Figure BDA0003265674860000128
代表了配送中心i的服务水平，Sij是效用指标标准化后的值，Si1代表配送中心小型车平均配送时间利用率，Si2代表中型车平均配送时间利用率，Si3代表大型车平均配送时间利用率，Si4代表配送中心的小型车辆平均载重利用率，Si5代表中型车辆平均载重利用率，Si6代表大型车辆平均载重利用率。
Figure BDA0003265674860000131
代表配送中心i的网络结构效用，Cij是效用指标准化后的值，Ci1代表配送中心社会网络结构效用货种竞合子网中相对度数中心度，Ci2代表货种竞合子网中相对接近中心度，Ci3代表货种竞合子网中相对特征向量中心度，Ci4代表客户资源竞合子网中相对度数中心度，Ci5代表客户资源竞合子网中相对特征向量中心度。需要注意的是当i在子联盟网络中为孤立结点时联盟效用为0。
步骤6：对联盟集群的收益进行分配。即Shapely值分配方法和流程，Shapely值给出合作博弈<N,v>中，博弈方成员i的效用，即博弈方成员i对每一个它所参与的成员子联盟的边际贡献的期望值，博弈方i的Shapely值计算公式如下：
Figure BDA0003265674860000132
博弈方配送中心以随机的顺序形成子联盟，且任何一种顺序发生的概率相同，为
Figure BDA0003265674860000133
博弈方成员i与其前面的(|S|-1)个成员形成联盟S，则成员i对该联盟的边际贡献为v(S)-v(S-i)，S/i和N/S的博弈方成员相继排列次序共有(|S|-1)！(n-|S|)！种，故组成各个联盟的概率为
Figure BDA0003265674860000134
最后乘起来即为i的期望收益分配值，分配的流程为：
输入协同配送联盟矩阵以及联盟效用指标原始数据，将效用指标原始数据进行标准化，从协同配送联盟中提取成员组成所有合作博弈配送中心组合，通过特征函数计算每一种组合效用，并存入组合，计算每种组合内每个配送中心Shapely值累加和，通过Shapely值利益分配函数计算每个配送中心的Shapely值。
该模型根据配送活动的地理网络特征和社会网络特征，组建配送中心基于地理社会网络协同配送联盟并从联盟收益角度制定联盟收益分配准则。该发明为组建协同配送联盟提供了新方向，整合协同配送资源，提高资源配置效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：所述方法包括如下步骤，
步骤1：确定构建配送联盟的决策参数；
步骤2：计算配送中心辐射力模型；
步骤3：根据决策参数和辐射力模型辐射力形成联盟集群；
步骤4：确定联盟集群的收益分配指标体系；
步骤5：确定联盟集群的收益分配原则中联盟效用特征函数；
步骤6：对联盟集群的收益进行分配。
2.根据权利要求1所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤1的具体过程为，决策参数包括地理坐标信息和配送中心平均辐射半径，地理坐标信息包括地理X坐标和Y坐标，地理X坐标及Y坐标的参考系为GCS_WGS_1984，平均辐射半径大小代表配送中心的配送能力大小。
3.根据权利要求1所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤2的具体过程为，
步骤2.1：计算两两配送中心间的直线距离；
步骤2.2：计算配送中心断裂点，算式为：
Figure FDA0003265674850000011
式中：Lik为第i个配送中心到断裂点k的距离；Mi、Mj为配送中心i、j供给能力，规定用配送中心的月平均配送量来表示，Lij为配送中心i、j的距离；
步骤2.3：计算配送中心场强，算式为：
Figure FDA0003265674850000012
式中：Fik为第i个配送中心在k点处的辐射力大小；
步骤2.4：计算配送中心的辐射半径，算式为：
Figure FDA0003265674850000013
式中，Rik为第i个配送中心的辐射半径；
步骤2.5：计算配送中心平均辐射半径，算式为：
Figure FDA0003265674850000021
4.根据权利要求1所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤3的具体过程为，
步骤3.1：给定大小为n的配送中心对象数据集，令I＝1，选取k个初始聚类中心Zj(I)，j＝1，2，3，…，k；
步骤3.2：计算每个配送中心与聚类中心的距离D(xi,Zj(I))，i＝1，2，3，…，k，如果满足D(xi,Zk(I))＝min{D(xi,Zj(I)),i＝1,2,3,…n}则xi∈Ck；
步骤3.3：计算k个新的聚类中心：
Figure FDA0003265674850000022
k即取聚类中所有元素各自维度的距离；
步骤3.4：判断：若Zj(I+1)≠Zj(I)，j＝1，2，3，…，k，则I＝I+1，返回步骤2；否则算法结束；
其中，配送中心聚类距离的确定方法的过程为：
Figure FDA0003265674850000023
故联盟组建依据的三个参数x1为地理X坐标、x2为地理Y坐标、x3为平均辐射半径，将以上三个参数代入K-means算法进行计算，得出的聚类结果即为基于这三个变量形成的配送中心协同配送联盟。
5.根据权利要求1所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤4中，收益分配指标体系包括配送中心资源能力、配送中心服务水平和配送中心网络地位，配送中心资源能力包含平均辐射半径和月平均配送量，配送中心服务水平是经济性数据指标，包括配送中心车辆的平均配送时间利用率以及平均载重利用率，配送中心的网络地位指标是社会性数据指标，包含相对度数中心度、相对接近中心度和相对特征向量中心度。
6.根据权利要求5所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：配送车辆平均配送时间利用率和配送车辆平均载重利用率的复构过程为，
配送车辆平均配送时间利用率复构过程为：
Figure FDA0003265674850000031
式中Pt表示不同配送中心配送车辆的平均配送时间利用率，Tm表示配送中心每月累计配送时间，Mi表示对应车型的车辆数，Td表示每天每种车型的每一辆车计划营运时间，和配送时间窗包含时间长度对应，n表示每月车辆计划营运的天数；
配送车辆平均配送载重利用率复构过程为：
Figure FDA0003265674850000032
式中Qt表示不同配送中心配送车辆平均载重利用率，Qm表示配送中心月平均配送货物量，
Figure FDA0003265674850000033
是调查所得不同种类型车辆分配订单的比例系数，Tj表示不同车型的额定载重，Mi表示对应车型的车辆数，N表示对应车型的出车频次；
联盟收益分配指标中配送网络地位指标由基于配送中心货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度构成。
7.根据权利要求6所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：配送中心基于货物种类竞合得到的相对度数中心度、相对接近中心度、相对特征向量中心度以及配送中心基于客户资源竞合得到的相对度数中心度、相对特征向量中心度；
构建配送中心基于货种种类竞合的社会网络，首先建立配送中心与货物的2-模发生网络，2-模发生网络形成一个原始网络邻接矩阵为R′，配送中心数为n，配送货物种类为m，其中矩阵元素为：
Figure FDA0003265674850000041
其中i＝1,2,L,n；e＝1,2,L,m；
然后将2-模发生网络转化成1-模网络数据进行分析，根据点对点之间的关系，将配送中心与货物关系用对应乘积法转化成配送中心与配送中心之间的1-模网络矩阵，配送中心与配送中心关系测量的是配送中心之间共同拥有的货种类数，设转化生成基于货种结构竞合关系的1-模网络配送中心与配送中心的网络的邻接矩阵为Rh，其中元素为
Figure FDA0003265674850000042
定义为配送中心货种结构竞合系数，该矩阵Rh对应的网络，称之为配送中心货种结构竞合关系子网；
点度中心度是网络中与该点有直接联系的点的数目，用来衡量个体在网络中居于中心的地位，分为绝对度数中心度和相对度数中心度，相对度数中心度便于大小不同的网络之间的对比，其公式表示为：
Figure FDA0003265674850000043
式中：g为网络由g个结点组成，ni表示第i个结点，nj表示第j个结点，d(ni)表示与节点i直接相通点的个数；
接近中心度通过计算结点与其他结点的距离来看结点的中心性，网络中结点的接近中心度与其他结点的捷径距离之和成反比，如果一个点通过比较短的路径与许多其他点相连，就说该点具有较高的接近中心性，相对接近中心度公式表示为：
Figure FDA0003265674850000044
式中：g为网络由g个点组成，ni表示第i个结点，nj表示第j个结点，d(ni,nj)表示ni和nj的最短距离；
特征向量中心度是通过相邻点的重要性来衡量该点的价值，强调结点在网络中的价值，网络中结点的价值通过近邻点来决定，相对特征向量公式表示为：
Figure FDA0003265674850000051
式中：g为网络由g个点组成，rij是网络的邻接矩阵，λ为常数；
建立配送中心与客户的2-模网络，2-模网络形成一个原始的网络邻接矩阵R″，配送中心数为n，客户数为b,其中矩阵元素为：
Figure FDA0003265674850000052
其中i＝1,2,L,n；c＝1,2,L,b；
转化生成基于客户资源竞合的配送中心与配送中心的1-模网络邻接矩阵为Rk，其中元素为
Figure FDA0003265674850000053
定义为配送中心客户资源竞合系数，该矩阵Rk对应的网络，称之为配送中心客户资源竞合关系子网，配送中心客户资源竞合关系子网中的配送中心的相对点度中心度同样根据公式(9)进行求解，而相对特征向量中心度根据公式(11)进行求解。
8.根据权利要求1所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤5的具体过程为，对于n人联盟博弈中的子联盟S∈P(N)，联盟成员协同后可收获的最大联盟总效用，记为v(S)，一个联盟能给出的所有v(S)，构成了一个P(N)→R的实值函数，实值函数为这个联盟博弈的特征函数，表示为：
Figure FDA0003265674850000054
其中，xS表示成员全部联合混合策略的全体，xN/S表示N/S中成员全部联合或者策略的全体，ui(x,y)表示博弈方i对应策略组合x,y的期望收益。
9.根据权利要求8所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：联盟收益分配的特征函数表示为：
Figure FDA0003265674850000055
其中，
Figure FDA0003265674850000056
中的
Figure FDA0003265674850000057
是配送中心之间基于配送中心客户资源的竞合系数，即子联盟内的配送中心通过对客户资源竞合产生相互联系，决定了配送中心对配送中心子联盟的效用贡献程度，
Figure FDA0003265674850000061
代表了配送中心i的资源效用和，Rij是效用指标标准化后的值，Ri1代表配送中心自身辐射半径，Ri2代表配送中心月均配送量，
Figure FDA0003265674850000062
代表了配送中心i的服务水平，Sij是效用指标标准化后的值，Si1代表配送中心小型车平均配送时间利用率，Si2代表中型车平均配送时间利用率，Si3代表大型车平均配送时间利用率，Si4代表配送中心的小型车辆平均载重利用率，Si5代表中型车辆平均载重利用率，Si6代表大型车辆平均载重利用率，
Figure FDA0003265674850000063
代表配送中心i的网络结构效用，Cij是效用指标准化后的值，Ci1代表配送中心社会网络结构效用货种竞合子网中相对度数中心度，Ci2代表货种竞合子网中相对接近中心度，Ci3代表货种竞合子网中相对特征向量中心度，Ci4代表客户资源竞合子网中相对度数中心度，Ci5代表客户资源竞合子网中相对特征向量中心度，当i在子联盟网络中为孤立结点时联盟效用为0。
10.根据权利要求9所述的一种基于地理社会网络协同配送联盟模型的构建方法，其特征在于：步骤6的具体过程为，Shapely值给出合作博弈<N,v>中，博弈方成员i的效用，即博弈方成员i对每一个它所参与的成员子联盟的边际贡献的期望值，博弈方i的Shapely值计算公式如下：
Figure FDA0003265674850000064
博弈方配送中心以随机的顺序形成子联盟，且任何一种顺序发生的概率相同，为
Figure FDA0003265674850000065
博弈方成员i与其前面的(|S|-1)个成员形成联盟S，则成员i对该联盟的边际贡献为v(S)-v(S-i)，S/i和N/S的博弈方成员相继排列次序共有(|S|-1)！(n-|S|)！种，故组成各个联盟的概率为
Figure FDA0003265674850000066
最后乘起来即为i的期望收益分配值，分配的流程为：
输入协同配送联盟矩阵以及联盟效用指标原始数据，将效用指标原始数据进行标准化，从协同配送联盟中提取成员组成所有合作博弈配送中心组合，通过特征函数计算每一种组合效用，并存入组合，计算每种组合内每个配送中心Shapely值累加和，通过Shapely值利益分配函数计算每个配送中心的Shapely值。
CN202111077698.3A 2021-09-16 2021-09-16 一种基于地理社会网络协同配送联盟模型的构建方法 Pending CN113869676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111077698.3A CN113869676A (zh) 2021-09-16 2021-09-16 一种基于地理社会网络协同配送联盟模型的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111077698.3A CN113869676A (zh) 2021-09-16 2021-09-16 一种基于地理社会网络协同配送联盟模型的构建方法

Publications (1)

Publication Number Publication Date
CN113869676A true CN113869676A (zh) 2021-12-31

Family

ID=78995808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111077698.3A Pending CN113869676A (zh) 2021-09-16 2021-09-16 一种基于地理社会网络协同配送联盟模型的构建方法

Country Status (1)

Country Link
CN (1) CN113869676A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596659A (zh) * 2022-02-24 2022-06-07 广西海视云图智能科技有限公司 一种社区用可移动感温闸门系统及其使用方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596659A (zh) * 2022-02-24 2022-06-07 广西海视云图智能科技有限公司 一种社区用可移动感温闸门系统及其使用方法

Similar Documents

Publication Publication Date Title
Saputra et al. Energy demand prediction with federated learning for electric vehicle networks
US11393341B2 (en) Joint order dispatching and fleet management for online ride-sharing platforms
Cheng et al. Cooperation-aware task assignment in spatial crowdsourcing
Magliocca et al. An economic agent-based model of coupled housing and land markets (CHALMS)
Maschler et al. Geometric properties of the kernel, nucleolus, and related solution concepts
Derudder et al. Connectivity along overland corridors of the belt and road initiative
Xu et al. Reputation-aware supplier assessment for blockchain-enabled supply chain in industry 4.0
Chhetri et al. Modelling tourism and hospitality employment clusters: a spatial econometric approach
Tran Agent-behaviour and network influence on energy innovation diffusion
CN104008428B (zh) 产品服务需求预测和资源优选配置方法
Abareshi et al. A bi-level capacitated P-median facility location problem with the most likely allocation solution
CN106651277A (zh) 一种基于区域物流信息的网络传输系统及数据分析方法
Hu et al. A novel approach to examining urban housing market segmentation: Comparing the dynamics between sales submarkets and rental submarkets
Aydin et al. WASPAS based MULTIMOORA method under IVIF environment for the selection of hub location
Wang et al. Benefit distribution in shared private charging pile projects based on modified Shapley value
Xu et al. The short-term optimal resource allocation approach for electric vehicles and V2G service stations
CN113869676A (zh) 一种基于地理社会网络协同配送联盟模型的构建方法
Woo et al. Optimal expansion planning of electric vehicle fast charging stations
Sun et al. A graphical game approach to electrical vehicle charging scheduling: Correlated equilibrium and latency minimization
Ramoliya et al. ML-based Energy Consumption and Distribution Framework Analysis for EVs and Charging Stations in Smart Grid Environment
CN108921425A (zh) 一种资产项目投资分类的方法、系统及服务器
Lim et al. Incentive mechanism design for federated learning in the Internet of Vehicles
Ma et al. Dynamic hybrid multiple attribute decision-making problem based on reference point adaptation
Massobrio et al. A parallel micro evolutionary algorithm for taxi sharing optimization
Zhang et al. Optimizing the strategic decisions for one-way station-based carsharing systems: A mean-CVaR approach

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