CN113935528A - 智能调度方法、装置、计算机设备及存储介质 - Google Patents
智能调度方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113935528A CN113935528A CN202111191387.XA CN202111191387A CN113935528A CN 113935528 A CN113935528 A CN 113935528A CN 202111191387 A CN202111191387 A CN 202111191387A CN 113935528 A CN113935528 A CN 113935528A
- Authority
- CN
- China
- Prior art keywords
- store
- stores
- module
- estimated
- next day
- 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
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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (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)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能调度方法、装置、计算机设备及存储介质，其中方法包括：获取各门店的历史固定周期配送数据；在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；根据次日预估配送任务生成各门店的预估发运单；判断各门店中是否存在不满足门店次日实际需求的预估发运单；若是，则对预估发运单进行优化。本发明减少了数据处理量，而且采用了聚类算法和自适应大邻域搜索算法结合的方式来制定各门店的预估发运单，减小了无效的迭代计算，提升了收敛速度。当遇到某一门店配货需求突然增多时，也提供了预估发运单的优化策略，从而保证了整体运力池的问题，并使装载得到最大化。
Description
技术领域
本发明涉及车辆调度，更具体地说是一种智能调度方法、装置、计算机设备及存储介质。
背景技术
在生鲜行业，为了保持物品的新鲜性，每个门店每天都需要从仓库运送大量的物品，因此，从仓库到各个门店的货物运送的调度就显得尤为重要。
目前，智能调度在生鲜行业中也有应用，具体的应用方式是根据在当天截单时间到达后，会根据门店或团购点的实际采购订单，运输系统生成次日配送任务，也就说，每天系统都会根据当天的实际采购订单量计算次日的配送任务，导致系统的信息处理量过大，数据处理过程繁琐，排线效率低下。
发明内容
本发明的目的在于克服现有技术的不足，提供智能调度方法、装置、计算机设备及存储介质。
为实现上述目的，本发明采用以下技术方案：
一方面，智能调度方法，所述方法包括：
获取各门店的历史固定周期配送数据；
在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
根据次日预估配送任务生成各门店的预估发运单；
判断各门店中是否存在不满足门店次日实际需求的预估发运单；
若是，则对预估发运单进行优化。
其进一步技术方案为：所述的根据次日预估配送任务生成各门店的预估发运单，具体包括：
读取次日预估配送任务；
更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
调用聚类算法对所有的门店进行分类；
对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
线路确定后根据司机历史的派送门店重新分配任务；
根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
判断所有门店所需的车辆是否足够；
若是，则输出预估发运单。
其进一步技术方案为：所述的将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路，具体包括：
按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
计算新的可行解的评价系数，更新最优解；
判断迭代次数是否满足条件；
若是，则返回线路顺序结果。
其进一步技术方案为：所述的对预估发运单进行优化，具体包括：
将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
找到剔除后满足当前该装载发运单的最大装载门店；
判断该门店的周围门店是否存在其它空载线路可配载此门店；
若是，则进行配载调整。
第二方面，智能调度装置，所述装置包括获取单元、第一生成单元、第二生成单元、判断单元以及优化单元；
所述获取单元，用于获取各门店的历史固定周期配送数据；
所述第一生成单元，用于在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
所述第二生成单元，用于根据次日预估配送任务生成各门店的预估发运单；
所述判断单元，用于判断各门店中是否存在不满足门店次日实际需求的预估发运单；
所述优化单元，用于对预估发运单进行优化。
其进一步技术方案为：所述第二生成单元包括读取模块、第一更新模块、分类模块、算法模块、迭代模块、分配模块、第二更新模块、第一判断模块以及输出模块；
所述读取模块，用于读取次日预估配送任务；
所述第一更新模块，用于第一更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
所述分类模块，用于调用聚类算法对所有的门店进行分类；
所述算法模块，用于对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
所述迭代模块，用于将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
所述分配模块，用于线路确定后根据司机历史的派送门店重新分配任务；
所述第二更新模块，用于根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
所述第一判断模块，用于判断所有门店所需的车辆是否足够；
所述输出模块，用于输出预估发运单。
其进一步技术方案为：所述迭代模块包括抽取子模块、插入子模块、计算子模块、判断子模块以及返回子模块；
所述抽取子模块，用于按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
所述插入子模块，用于按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
所述计算子模块，用于计算新的可行解的评价系数，更新最优解；
所述判断子模块，用于判断迭代次数是否满足条件；
所述返回子模块，用于返回线路顺序结果。
其进一步技术方案为：所述优化单元包括剔除模块、查找模块、第二判断模块以及调整模块；
所述剔除模块，用于将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
所述查找模块，用于找到剔除后满足当前该装载发运单的最大装载门店；
所述判断模块，用于判断该门店的周围门店是否存在其它空载线路可配载此门店；
所述调整模块，用于进行配载调整。
第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的方法步骤。
第四方面，一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的方法步骤。
本发明与现有技术相比的有益效果是：本发明通过获取各门店的历史固定周期配送数据来生成次日的预估配送任务，并根据次日预估配送任务生成各门店的预估发运单，这样可以减少数据处理量，而且采用了聚类算法和自适应大邻域搜索算法结合的方式来制定各门店的预估发运单，减小了无效的迭代计算，提升了收敛速度。当遇到某一门店配货需求突然增多时，也提供了预估发运单的优化策略，从而保证了整体运力池的问题，并使装载得到最大化。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
为了更清楚地说明本发明实施例技术方案，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，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明具体实施例提供的智能调度方法的流程图一；
图2为本发明具体实施例提供的智能调度方法的流程图二；
图3为本发明具体实施例提供的智能调度方法的流程图三；
图4为本发明具体实施例提供的智能调度方法的流程图四；
图5为本发明具体实施例提供的智能调度装置的示意性框图一；
图6为本发明具体实施例提供的智能调度装置的示意性框图二；
图7为本发明具体实施例提供的智能调度装置的示意性框图三；
图8为本发明具体实施例提供的智能调度装置的示意性框图四；
图9为本发明具体实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明具体实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参考图1，图1为发明具体实施例提供的智能调度方法的流程图，如图1所示，智能调度方法包括以下步骤：
S10、获取各门店的历史固定周期配送数据。
历史固定周期配送数据可以从以往距离的历史数据中得到，其中，可以是一周或者一个月的历史配送数据，从历史配重数据中可以得到各个门店的在过去每日所需的货物配送量。
S20、在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务。
由于知道了历史固定周期配送数据，因此，可以取以往某个门店的所需的货物配送量在一周或者一个月的平均数作为该门店的次日预估配送任务，需要说明的是，次日预估配送任务并不是该门店次日实际的配送任务，有可能次日实际的配送任务的货物配送量与预估配送任务的货物配送量相等、减少或者增加。
S30、根据次日预估配送任务生成各门店的预估发运单。
具体的，预估发运单是通过聚类算法和自适应大邻域搜索算法结合的方式来制定各门店的预估发运单的，请参考图2，步骤S30具体包括以下步骤：
S301、读取次日预估配送任务。
配送任务包括订单信息、车辆信息、仓库信息、前一天历史订单以及生产计划安排等。
S302、更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息。
主要目的是用于实际就熟策略安排。
S303、调用聚类算法对所有的门店进行分类。
属于同一区域相隔距离较近的门店分为一类，需要说明的是，此分类仅考虑门店间的距离。
S304、对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排。
其中的业务限制要求可以是要求在同一区域的两个门店不能同时安排配送。
S305、将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路。
具体的，请参考图3，步骤S305具体包括以下步骤：
S3051、按照概率选取Destroy算子将部分门店从已有的线路中抽取出。
S3052、按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解。
S3053、计算新的可行解的评价系数，更新最优解。
S3054、判断迭代次数是否满足条件，若是，则执行步骤S3055。
S3055、返回线路顺序结果。
对于步骤S3051、S3052、S3053、S3054和S3055，通过多次迭代，优化出的线路更加符合预期效果。
S306、线路确定后根据司机历史的派送门店重新分配任务。
S307、根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略等等。
S308、判断所有门店所需的车辆是否足够，若是，则执行步骤S3081，若否，则执行步骤S3082。
S3081、输出预估发运单。
S3082、生成报错信息。
S40、判断各门店中是否存在不满足门店次日实际需求的预估发运单，若是，则执行步骤S50，若否，则执行步骤S60。
S50、对预估发运单进行优化。
具体地，请参考图4，步骤S50具体包括以下步骤：
S501、将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除。
门店的次日实际需求可根据在当天截单时间达到后，根据门店或团购点的采购订单来获得，通过门店或团购点的采购订单生成的配送任务，则是门店实际的需求的配送任务。当知道门店实际的需求的配送任务，便可知道预估发运单所预估的门店所需的货物量与实际需要的货物量的差异。
S502、找到剔除后满足当前该装载发运单的最大装载门店；
S502、判断该门店的周围门店是否存在其它空载线路可配载此门店，若是，则执行步骤S504。
S504、进行配载调整。
配载调整后便可安排货物的运送。
S60、下发运输任务。
当得到整体的调度方案时，即可下发运输任务。
本发明通过获取各门店的历史固定周期配送数据来生成次日的预估配送任务，并根据次日预估配送任务生成各门店的预估发运单，这样可以减少数据处理量，而且采用了聚类算法和自适应大邻域搜索算法结合的方式来制定各门店的预估发运单，减小了无效的迭代计算，提升了收敛速度。当遇到某一门店配货需求突然增多时，也提供了预估发运单的优化策略，从而保证了整体运力池的问题，并使装载得到最大化。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
请参考图5，图5为本发明具体实施例提供的智能调度装置的示意性框图，如图5所示，智能调度装置包括获取单元1、第一生成单元2、第二生成单元3、判断单元4以及优化单元5；
获取单元1，用于获取各门店的历史固定周期配送数据；
第一生成单元2，用于在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
第二生成单元3，用于根据次日预估配送任务生成各门店的预估发运单；
判断单元4，用于判断各门店中是否存在不满足门店次日实际需求的预估发运单；
优化单元5，用于对预估发运单进行优化。
进一步地，请参考图6，第二生成单元3包括读取模块31、第一更新模块32、分类模块33、算法模块34、迭代模块35、分配模块36、第二更新模块37、第一判断模块38以及输出模块39；
读取模块31，用于读取次日预估配送任务；
第一更新模块32，用于第一更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
分类模块33，用于调用聚类算法对所有的门店进行分类；
算法模块34，用于对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
迭代模块35，用于将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
分配模块36，用于线路确定后根据司机历史的派送门店重新分配任务；
第二更新模块37，用于根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
第一判断模块38，用于判断所有门店所需的车辆是否足够；
输出模块39，用于输出预估发运单。
进一步地，请参考图7，,迭代模块35包括抽取子模块351、插入子模块352、计算子模块353、判断子模块354以及返回子模块355；
抽取子模块351，用于按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
插入子模块352，用于按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
计算子模块353，用于计算新的可行解的评价系数，更新最优解；
判断子模块354，用于判断迭代次数是否满足条件；
返回子模块355，用于返回线路顺序结果。
进一步地，请参考图8，优化单元5包括剔除模块51、查找模块52、第二判断模块53以及调整模块54；
剔除模块51，用于将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
查找模块52，用于找到剔除后满足当前该装载发运单的最大装载门店；
判断模块53，用于判断该门店的周围门店是否存在其它空载线路可配载此门店；
调整模块54，用于进行配载调整。
如图9所示，本发明具体实施例还提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的智能调度方法步骤。
该计算机设备700可以是终端或服务器。该计算机设备700包括通过系统总线710连接的处理器720、存储器和网络接口750，其中，存储器可以包括非易失性存储介质730和内存储器740。
该非易失性存储介质730可存储操作系统731和计算机程序732。该计算机程序732被执行时，可使得处理器720执行任意一种智能调度方法。
该处理器720用于提供计算和控制能力，支撑整个计算机设备700的运行。
该内存储器740为非易失性存储介质730中的计算机程序732的运行提供环境，该计算机程序732被处理器720执行时，可使得处理器720执行任意一种智能调度方法。
该网络接口750用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备700的限定，具体的计算机设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。其中，所述处理器720用于运行存储在存储器中的程序代码，以实现以下步骤：
获取各门店的历史固定周期配送数据；
在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
根据次日预估配送任务生成各门店的预估发运单；
判断各门店中是否存在不满足门店次日实际需求的预估发运单；
若是，则对预估发运单进行优化。
其进一步技术方案为：所述的根据次日预估配送任务生成各门店的预估发运单，具体包括：
读取次日预估配送任务；
更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
调用聚类算法对所有的门店进行分类；
对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
线路确定后根据司机历史的派送门店重新分配任务；
根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
判断所有门店所需的车辆是否足够；
若是，则输出预估发运单。
其进一步技术方案为：所述的将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路，具体包括：
按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
计算新的可行解的评价系数，更新最优解；
判断迭代次数是否满足条件；
若是，则返回线路顺序结果。
其进一步技术方案为：所述的对预估发运单进行优化，具体包括：
将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
找到剔除后满足当前该装载发运单的最大装载门店；
判断该门店的周围门店是否存在其它空载线路可配载此门店；
若是，则进行配载调整。
应当理解，在本申请实施例中，处理器720可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器720还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域技术人员可以理解，图9中示出的计算机设备700结构并不构成对计算机设备700的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
所述集成的单元如果以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，本发明实施例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全部或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)或处理器(processor)执行本发明中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-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.智能调度方法，其特征在于，所述方法包括：
获取各门店的历史固定周期配送数据；
在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
根据次日预估配送任务生成各门店的预估发运单；
判断各门店中是否存在不满足门店次日实际需求的预估发运单；
若是，则对预估发运单进行优化。
2.根据权利要求1所述的智能调度方法，其特征在于，所述的根据次日预估配送任务生成各门店的预估发运单，具体包括：
读取次日预估配送任务；
更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
调用聚类算法对所有的门店进行分类；
对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
线路确定后根据司机历史的派送门店重新分配任务；
根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
判断所有门店所需的车辆是否足够；
若是，则输出预估发运单。
3.根据权利要求2所述的智能调度方法，其特征在于，所述的将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路，具体包括：
按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
计算新的可行解的评价系数，更新最优解；
判断迭代次数是否满足条件；
若是，则返回线路顺序结果。
4.根据权利要求1所述的智能调度方法，其特征在于，所述的对预估发运单进行优化，具体包括：
将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
找到剔除后满足当前该装载发运单的最大装载门店；
判断该门店的周围门店是否存在其它空载线路可配载此门店；
若是，则进行配载调整。
5.智能调度装置，其特征在于，所述装置包括获取单元、第一生成单元、第二生成单元、判断单元以及优化单元；
所述获取单元，用于获取各门店的历史固定周期配送数据；
所述第一生成单元，用于在当天截单时间达到后，根据历史固定周期配送数据生成各门店的次日预估配送任务；
所述第二生成单元，用于根据次日预估配送任务生成各门店的预估发运单；
所述判断单元，用于判断各门店中是否存在不满足门店次日实际需求的预估发运单；
所述优化单元，用于对预估发运单进行优化。
6.根据权利要求5所述的智能调度装置，其特征在于，所述第二生成单元包括读取模块、第一更新模块、分类模块、算法模块、迭代模块、分配模块、第二更新模块、第一判断模块以及输出模块；
所述读取模块，用于读取次日预估配送任务；
所述第一更新模块，用于第一更新次日预估配送任务中各门店之间的距离和车辆行驶所用时间，以及每个司机历史的订单信息；
所述分类模块，用于调用聚类算法对所有的门店进行分类；
所述算法模块，用于对每一个分类结合各门店之间的距离和车辆行驶所用时间，以及业务限制要求，利用自适应大邻域搜索算法得到初始的线路安排；
所述迭代模块，用于将所有线路的初始解利用自适应大邻域搜索算法进行多次迭代，使所有线路的门店位置进行共享，搜索相近的门店进行组合，以优化线路；
所述分配模块，用于线路确定后根据司机历史的派送门店重新分配任务；
所述第二更新模块，用于根据生产计划，更新每条线路每个门店的到店时间、安排复跑的策略；
所述第一判断模块，用于判断所有门店所需的车辆是否足够；
所述输出模块，用于输出预估发运单。
7.根据权利要求6所述的智能调度装置，其特征在于，所述迭代模块包括抽取子模块、插入子模块、计算子模块、判断子模块以及返回子模块；
所述抽取子模块，用于按照概率选取Destroy算子将部分门店从已有的线路中抽取出；
所述插入子模块，用于按照概率选取Repair算子，将Destroy后的门店插入到线路中组成新的可行解；
所述计算子模块，用于计算新的可行解的评价系数，更新最优解；
所述判断子模块，用于判断迭代次数是否满足条件；
所述返回子模块，用于返回线路顺序结果。
8.根据权利要求5所述的智能调度装置，其特征在于，所述优化单元包括剔除模块、查找模块、第二判断模块以及调整模块；
所述剔除模块，用于将不满足门店次日实际需求的预估发运单按照装载重量从小到大的顺序进行剔除；
所述查找模块，用于找到剔除后满足当前该装载发运单的最大装载门店；
所述判断模块，用于判断该门店的周围门店是否存在其它空载线路可配载此门店；
所述调整模块，用于进行配载调整。
9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4中任意一项所述的方法步骤。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如权利要求1～4任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111191387.XA CN113935528B (zh) | 2021-10-13 | 2021-10-13 | 智能调度方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111191387.XA CN113935528B (zh) | 2021-10-13 | 2021-10-13 | 智能调度方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113935528A true CN113935528A (zh) | 2022-01-14 |
| CN113935528B CN113935528B (zh) | 2023-07-21 |
Family
ID=79279073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111191387.XA Active CN113935528B (zh) | 2021-10-13 | 2021-10-13 | 智能调度方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113935528B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115271354A (zh) * | 2022-06-24 | 2022-11-01 | 湖南湘邮科技股份有限公司 | 一种基于投递单元的业务电子围栏动态规划方法及系统 |
| CN115311005A (zh) * | 2022-07-25 | 2022-11-08 | 深圳市昂捷信息技术股份有限公司 | 一种生鲜的供需管理方法、装置、电子设备及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005316600A (ja) * | 2004-04-27 | 2005-11-10 | Fujitsu Ltd | 配車支援プログラム、配車支援装置 |
| KR20170086805A (ko) * | 2016-01-19 | 2017-07-27 | 주식회사농심 | 상품 발주 관리 시스템 및 이를 이용한 상품 발주 관리 방법 |
| CN107392523A (zh) * | 2017-06-27 | 2017-11-24 | 王帆 | 智能云配货方法及系统 |
| US20180032928A1 (en) * | 2015-02-13 | 2018-02-01 | Beijing Didi Infinity Technology And Development C O., Ltd. | Methods and systems for transport capacity scheduling |
| US20180276695A1 (en) * | 2017-03-24 | 2018-09-27 | Accenture Global Solutions Limited | Logistic demand forecasting |
| CN108596469A (zh) * | 2018-04-19 | 2018-09-28 | 中南大学 | 一种面向大规模车辆路径问题的快速自适应大规模邻域搜索方法 |
| US20190080244A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on improved variable neighborhood search and differential evolution algorithm |
| CN110288115A (zh) * | 2019-04-11 | 2019-09-27 | 上海拉扎斯信息科技有限公司 | 配送方案预测方法、装置、服务器及存储介质 |
| CN110490510A (zh) * | 2019-07-08 | 2019-11-22 | 北京三快在线科技有限公司 | 一种物流配送线路生成方法和装置 |
| CN111932351A (zh) * | 2020-09-30 | 2020-11-13 | 南京闻航汽车科技有限公司 | 离线处理订单的方法、计算设备和计算机可读存储介质 |
| EP3772026A1 (en) * | 2019-07-30 | 2021-02-03 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for routing a plurality of vehicles |
| US20210192435A1 (en) * | 2019-12-20 | 2021-06-24 | Walmart Apollo, Llc | Systems and methods for safety stock optimization for products stocked at retail facilities |
| WO2021135208A1 (zh) * | 2019-12-31 | 2021-07-08 | 苏宁云计算有限公司 | 考虑订单聚合度的配送路径规划方法与系统 |
| JP2021163001A (ja) * | 2020-03-31 | 2021-10-11 | Ａｓｓｅｓｔ株式会社 | 物流拠点商品配送計画プログラム |
-
2021
- 2021-10-13 CN CN202111191387.XA patent/CN113935528B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005316600A (ja) * | 2004-04-27 | 2005-11-10 | Fujitsu Ltd | 配車支援プログラム、配車支援装置 |
| US20180032928A1 (en) * | 2015-02-13 | 2018-02-01 | Beijing Didi Infinity Technology And Development C O., Ltd. | Methods and systems for transport capacity scheduling |
| KR20170086805A (ko) * | 2016-01-19 | 2017-07-27 | 주식회사농심 | 상품 발주 관리 시스템 및 이를 이용한 상품 발주 관리 방법 |
| US20180276695A1 (en) * | 2017-03-24 | 2018-09-27 | Accenture Global Solutions Limited | Logistic demand forecasting |
| CN107392523A (zh) * | 2017-06-27 | 2017-11-24 | 王帆 | 智能云配货方法及系统 |
| US20190080244A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on improved variable neighborhood search and differential evolution algorithm |
| CN108596469A (zh) * | 2018-04-19 | 2018-09-28 | 中南大学 | 一种面向大规模车辆路径问题的快速自适应大规模邻域搜索方法 |
| CN110288115A (zh) * | 2019-04-11 | 2019-09-27 | 上海拉扎斯信息科技有限公司 | 配送方案预测方法、装置、服务器及存储介质 |
| CN110490510A (zh) * | 2019-07-08 | 2019-11-22 | 北京三快在线科技有限公司 | 一种物流配送线路生成方法和装置 |
| EP3772026A1 (en) * | 2019-07-30 | 2021-02-03 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for routing a plurality of vehicles |
| US20210192435A1 (en) * | 2019-12-20 | 2021-06-24 | Walmart Apollo, Llc | Systems and methods for safety stock optimization for products stocked at retail facilities |
| WO2021135208A1 (zh) * | 2019-12-31 | 2021-07-08 | 苏宁云计算有限公司 | 考虑订单聚合度的配送路径规划方法与系统 |
| JP2021163001A (ja) * | 2020-03-31 | 2021-10-11 | Ａｓｓｅｓｔ株式会社 | 物流拠点商品配送計画プログラム |
| CN111932351A (zh) * | 2020-09-30 | 2020-11-13 | 南京闻航汽车科技有限公司 | 离线处理订单的方法、计算设备和计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 阳旺 等: "基于密度聚类构建物流配送问题的毁灭移除算法", 《计算机应用》, pages 2387 - 2394 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115271354A (zh) * | 2022-06-24 | 2022-11-01 | 湖南湘邮科技股份有限公司 | 一种基于投递单元的业务电子围栏动态规划方法及系统 |
| CN115271354B (zh) * | 2022-06-24 | 2023-08-25 | 湖南湘邮科技股份有限公司 | 一种基于投递单元的业务电子围栏动态规划方法及系统 |
| CN115311005A (zh) * | 2022-07-25 | 2022-11-08 | 深圳市昂捷信息技术股份有限公司 | 一种生鲜的供需管理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113935528B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9665845B2 (en) | System and method of vessel scheduling for product distribution | |
| Ye et al. | Cross-docking truck scheduling with product unloading/loading constraints based on an improved particle swarm optimisation algorithm | |
| US7991634B2 (en) | Vehicle transport load optimization | |
| CN113935528B (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
| CN110705805A (zh) | 货物的装配方法及装置、存储介质、电子装置 | |
| CN111784223B (zh) | 货物调拨数据的处理方法、装置和存储介质 | |
| CN118071212B (zh) | 基于模型的物流效率指标智能分析及优化方法及系统 | |
| Wang et al. | Pickup and delivery of automobiles from warehouses to dealers | |
| CN117808384B (zh) | 货物运输车货匹配方法、装置、设备及介质 | |
| CN113807759A (zh) | 基于深度学习的货物运费决定方法以及装置 | |
| CN117726265A (zh) | 一种基于智能手机终端的冷链物流信息平台 | |
| CN111652408A (zh) | 仓库中的订单处理方法、装置、介质、电子设备与系统 | |
| Billing et al. | A multiperiod auto-carrier transportation problem with probabilistic future demands | |
| US7373212B2 (en) | Allocating products using classifications of orders for the products | |
| CN114372735A (zh) | 一种物流供应链中缓冲库存数量数据的确定方法以及装置 | |
| CN111667208B (zh) | 一种物品存储控制方法、装置、设备及介质 | |
| CN115564359B (zh) | 汽车售后备件的库存预测方法、设备和存储介质 | |
| CN116452095A (zh) | 一种数字工厂的车辆智能监管调度方法、系统和介质 | |
| CN113743733B (zh) | 一种补货方法及系统 | |
| CN114240295A (zh) | 一种仓库货物入库的信息处理方法、装置、设备及介质 | |
| CN116070986A (zh) | 一种运力信息推送方法、装置以及电子设备 | |
| JP7394005B2 (ja) | 搬送判断支援装置、搬送判断支援方法及びプログラム | |
| Voigt et al. | Last Mile Delivery Routing Problem with Some-Day Option | |
| Muliarevych | The Serverless Computing for Acceptance and Shipping Warehouse Zones Optimization. | |
| CN112613807B (zh) | 一种用于成品卷烟发货调度的优化方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230315 Address after: Room 1230, No. 2, Liangma 1st Street, Xiaowu Village, Dongyong Town, Nansha District, Guangzhou City, Guangdong Province, 510000 (office only) Applicant after: Guangzhou Qiandama Information Technology Co.,Ltd. Address before: 510000 the first floor of area 69 (1), 69 (3), Guangzhou venture capital town technology and fashion cluster, No. 1601-1603, Guangzhou Avenue South, Haizhu District, Guangzhou City, Guangdong Province (office use only) Applicant before: GUANGZHOU QIANDAMA AGRICULTURAL PRODUCTS CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |