CN114169828B - 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统 - Google Patents

一种多机型多物资类型无人机应急配送路径规划方法及其规划系统 Download PDF

Info

Publication number
CN114169828B
CN114169828B CN202111492240.4A CN202111492240A CN114169828B CN 114169828 B CN114169828 B CN 114169828B CN 202111492240 A CN202111492240 A CN 202111492240A CN 114169828 B CN114169828 B CN 114169828B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
distribution
point
type
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
Application number
CN202111492240.4A
Other languages
English (en)
Other versions
CN114169828A (zh
Inventor
吴蕾
陈翔
魏明
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.)
Nantong University
Original Assignee
Nantong 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 Nantong University filed Critical Nantong University
Priority to CN202111492240.4A priority Critical patent/CN114169828B/zh
Publication of CN114169828A publication Critical patent/CN114169828A/zh
Application granted granted Critical
Publication of CN114169828B publication Critical patent/CN114169828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及无人机配送技术领域，具体涉及一种多机型多物资类型无人机应急配送路径规划方法及其规划系统，包括：建立配送中心，由配送中心按照物资类型选择无人机类型；采用蚁群算法为每个无人机规划可行路径；应知物流配送需保证到达客户处有足够的物资可以提供；设置无人机从配送中心出发后的第一个访问点一定为供应商，即从供应商集中取出一点作为无人机访问的下一访问点；本发明在对无人机配送路径规划中，综合考虑了客户需求物资类型的多样性以及无人机自身性能的约束，采用蚁群算法的方式，可以保证无人机到达客户点时拥有足够的物资。同时，可以在选出能耗成本最优的飞行路径，从而提高无人机的运输效率以及提高配送的经济性。

Description

一种多机型多物资类型无人机应急配送路径规划方法及其规 划系统
技术领域
本发明涉及无人机配送技术领域，具体涉及一种多机型多物资类型无人机应急配送路径规划方法及其规划系统。
背景技术
应急物流配送主要围绕应对自然灾害和公共卫生等突发事件的紧急物资保障，对救灾物资进行收集、分类、包装、运输等作业的一种特殊物流活动。显然地，亟待提高应急物流配送水平，将有助于减小各类突发事件对生命财产的损害。新兴的无人机技术为应急配送物流打开了一扇机会之窗，由于无人机飞行速度快、运输成本低、不受道路拥堵影响等优势，相比于传统车辆配送可以节约大量的人力和运输成本。然而，由于无人机在飞行里程和运输载重的局限性。近年来，无人机的载重能力有了新的突破，不同类型的无人机可以为不同需求的客户提供配送，进一步发挥无人机的配送优势提高配送的效率和降低配送能耗成本是一个亟待解决的问题。
发明内容
针对以上问题，本发明提供了一种多机型多物资类型无人机应急配送路径规划方法及其规划系统，能够选出能耗成本最优的飞行路径，从而提高无人机的运输效率以及提高配送的经济性。
为了实现上述目的，本发明采用的技术方案如下：
一种多机型多物资类型无人机应急配送路径规划方法，所述规划方法包括以下步骤：
建立配送中心，由配送中心按照物资类型选择无人机类型；
采用蚁群算法为每个无人机规划可行路径，且要求无人机的能耗成本最低，目标函数如下所示：
其中，Ch表示无人机类型h的购买成本，是根据类型h无人机的每个转子平均分担其重质量计算功耗方程，/>其中：Vh、mh、/>Sh分别为类型h无人机的框架重量(kg)、电池重量(kg)、旋转叶片的面积(m2)、转子数量；g为重力(N)；ρ是空气的流体密度(kg/m3)；dij表示配送中心、仓库和需求点i和j之间飞行距离；/>表示无人机k是否依次访问仓库和需求点i和j。
应知物流配送需保证到达客户处有足够的物资可以提供；
设置无人机从配送中心出发后的第一个访问点一定为供应商，即：
从供应商集中取出一点作为无人机访问的下一访问点；
接着将需求该供应商物资的客户点加入无人机可访问点集中；
从可访问点集中，依据在不同阶段选取相应的选择下一访问点；
判断所选择的下一个访问点是否满足条件：无人机的最大载重以及无人机的能耗；
如果满足条件，将当前节点放入已访问点集中，在可访问中集中删除该点；
如果不满足条件，重新选择访问点；
重复上述步骤，直到可访问点集allowed为空；
获得无人机能耗成本最低的最优路径；
判断是否到达最大迭代次数；
如果是最大迭代次数，通过对比无人机能耗成本，可行路径中选取出最优路径；
如果不是最大迭代次数，则更新信息素；
进行信息素全局更新；
返回初始化步骤，继续进行可行路径的搜索，直至迭代次数达到最大迭代次数为止。
优选地，当无人机在访问客户配送点前先到达供应商取货以保证无人机有足够的货物可以进行配送，飞行过程中满足客户需求物资类型的多样性以及无人机自身性能的约束条件。
本发明还提供了一种多机型多物资类型无人机应急配送路径规划系统，所述规划系统包括：
配送中心端：用于存放无人机，为无人机分配订单和对无人机的路径进行规划；
客户端：客户根据自身需求下达订单，生成订单信息；
供应商端：发布物资信息，对订单进行接受或取消。
采用上述技术方案：首先，供应商发布物资信息；其次，客户根据所需物资选择合适的供应商进行下单；当供应商接受订单后，配送中心收到订单信息；当供应商拒绝订单后，订单取消；配送中心收集一段时间内的订单；对订单按照需求物资类型进行分类；再按照需求供应商分类。
本发明有益效果：
本发明在对无人机配送路径规划中，综合考虑了客户需求物资类型的多样性以及无人机自身性能的约束，采用蚁群算法的方式，可以保证无人机到达客户点时拥有足够的物资。同时，可以在选出能耗成本最优的飞行路径，从而提高无人机的运输效率以及提高配送的经济性。
附图说明
图1是本发明规划系统的流程图；
图2是本发明规划方法的路径优化的流程图；
图3是本发明无人机配送系统所规划出的无人机路线图。
具体实施方式
下面结合附图将对本发明实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本发明的优点和特征，从而对本发明的保护范围做出更为清楚的界定。本发明所描述的实施例仅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的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。
参照图1，一种多机型多物资类型无人机应急配送路径规划系统，所述规划系统包括：
配送中心端：用于存放无人机，为无人机分配订单和对无人机的路径进行规划；
客户端：客户根据自身需求下达订单，生成订单信息；
供应商端：发布物资信息，对订单进行接受或取消。
本实施例中，首先，供应商发布物资信息；其次，客户根据所需物资选择合适的供应商进行下单；当供应商接受订单后，配送中心收到订单信息；当供应商拒绝订单后，订单取消；配送中心收集一段时间内的订单；对订单按照需求物资类型进行分类；再按照需求供应商分类。
参照图2，一种多机型多物资类型无人机应急配送路径规划方法，所述规划方法包括以下步骤：
步骤1：建立配送中心，由配送中心按照物资类型选择无人机类型；
采用蚁群算法为每个无人机规划可行路径，且要求无人机的能耗成本最低，目标函数如下所示：
其中，Ch表示无人机类型h的购买成本，是根据类型h无人机的每个转子平均分担其重质量计算功耗方程，/>其中：Vh、mh、/>Sh分别为类型h无人机的框架重量(kg)、电池重量(kg)、旋转叶片的面积(m2)、转子数量；g为重力(N)；ρ是空气的流体密度(kg/m3)；dij表示配送中心、仓库和需求点i和j之间飞行距离；/>表示无人机k是否依次访问仓库和需求点i和j。
约束条件为：
在集合方面，H是无人机类型集合；D是灾区的配送中心集合；表示在配送中心d初始分布的类型h无人机集合；Og是某应急物资类型g的配送需求订单集合；G是应急物资类型集合；N是应急物资供应商和目的地需求点集合。
在决策变量方面，表示是否将应急物资配送订单o分配给无人机k；/>表示无人机k是否访问供应商和需求点i；/>表示无人机k是否依次访问供应商和需求点i和j；/>表示无人机k访问供应商和需求点i时的载重或体积；/>表示无人机k访问供应商和需求点i时的时间。
在辅助变量方面，表示飞机类型h是否可运载货物类型g；/>表示配送订单o的集货仓储点i；/>表示配送订单o的需求卸货点i；qo表示应急物资配送订单o的货物数量；wg表示货物类型g的载重；M表示一个固定的大常数；dij和tij表示配送中心、供应商和需求点i和j之间飞行距离和飞行时间；To表示配送订单o要求无人机到需求卸货点i的最晚时间；Qh表示无人机类型h的最大载重；Lh表示无人机类型h的最大电能，决定其最大里程，与载重和行程相关；/>是根据类型h无人机的每个转子平均分担其重质量计算功耗方程。
参阅图2，对应的路径规划算法如下：
步骤2：初始化最大迭代次数ncmax取值范围可设置为[100,500]；
应知物流配送需保证到达客户处有足够的物资可以提供，及满足约束条件：
步骤3：其中，表示无人机k访问集、送货点i时的载重；Q表示无人机的最大载重量；
步骤4：设置无人机从配送中心出发后的第一个访问点一定为供应商，即：
步骤5：从供应商集中取出一点作为无人机访问的下一访问点j；
步骤6：接着将需求该供应商物资的客户点加入无人机可访问点集allowed中；
步骤7：当满足约束(7)-(13)时，从可访问集中依据在不同阶段选取相应的选择下一访问点；
为了加速初期算法收敛，蚂蚁m以一定概率qo偏向于选择根据计算获取的边。在上式中，启发式信息ηij＝1/dij表示无人机在依次访问配送中心、仓库和需求点i和j之k的代价；信息素τij代表无人机在依次访问配送中心、仓库和需求点i和j之间的期望度；all表示未访问订单的需求点或已访问订单的仓库集合。
判断是否满足条件约束，例如：
无人机载重约束：
无人机能耗约束：
其中，dij表示配送中心、仓库和需求点i和j之间飞行距离；表示无人机k是否依次访问仓库和需求点i和j；Lh表示无人机类型的最大电能，决定其最大里程，与载重和行程相关。
步骤8：如果满足条件，将当前节点j放入已访问点集Tabu，在可访问集allowed中删除该点；
步骤9：如果不满足条件，重新选择访问点j；
步骤10：重复上述步骤，直到可访问点集allowed为空；
步骤11：获得无人机能耗成本最低的最优路径；
步骤12：判断是否到达最大迭代次数；
步骤13：如果是最大迭代次数，通过对比无人机能耗成本，可行路径中选取出最优路径。
步骤14：如果不是最大迭代次数，则更新信息素；
步骤15：依式(16)进行信息素全局更新。
τij(t+1)＝(1-ε(τij(t))τij(t)+e(τij(t))·Q/fnn (15)
τij(t+1)＝(1-γ(τij(t))τij(t)+γ(τij(t))·Q/fbs (16)
式中：ε(τij(t))、γ(τij(t))是一个位于(0，1)的以τij(t)为自变量的正比例函数；fnn和fbs为采用最近邻方法和蚁群目前搜索的最优解，Q是一个常数。
步骤16：返回初始化步骤，继续进行可行路径的搜索，直至迭代次数达到最大迭代次数为止。
通过本系统生成的路径图如图3所示。
综上所述，本发明在对无人机配送路径规划中，综合考虑了客户需求物资类型的多样性以及无人机自身性能的约束，采用蚁群算法的方式，可以保证无人机到达客户点时拥有足够的物资。同时，可以在选出能耗成本最优的飞行路径，从而提高无人机的运输效率以及提高配送的经济性。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (3)

1.一种多机型多物资类型无人机应急配送路径规划方法，其特征在于：所述规划方法包括以下步骤：
建立配送中心，由配送中心按照物资类型选择无人机类型；
采用蚁群算法为每个无人机规划可行路径，且要求无人机的能耗成本最低，目标函数如下所示：
其中，Ch表示无人机类型h的购买成本，是根据类型h无人机的每个转子平均分担其重质量计算功耗方程，/>其中：Vh、mh、/>Sh分别为类型h无人机的框架重量kg、电池重量kg、旋转叶片的面积m2、转子数量；g为重力N；ρ是空气的流体密度kg/m3；/>表示无人机k访问供应商和需求点i时的载重或体积；dij表示配送中心、仓库和需求点i和j之间飞行距离；/>表示无人机k是否依次访问仓库和需求点i和j；
应知物流配送需保证到达客户处有足够的物资可以提供；
设置无人机从配送中心出发后的第一个访问点一定为供应商，即：
从供应商集中取出一点作为无人机访问的下一访问点；
接着将需求该供应商物资的客户点加入无人机可访问点集中；
从可访问点集中，依据在不同阶段选取相应的选择下一访问点；
判断所选择的下一个访问点是否满足条件：无人机的最大载重以及无人机的能耗；
如果满足条件，将当前节点放入已访问点集中，在可访问中集中删除该点；
如果不满足条件，重新选择访问点；
重复上述步骤，直到可访问点集allowed为空；
获得无人机能耗成本最低的最优路径；
判断是否到达最大迭代次数；
如果是最大迭代次数，通过对比无人机能耗成本，可行路径中选取出最优路径；
如果不是最大迭代次数，则更新信息素；
进行信息素全局更新；
返回初始化步骤，继续进行可行路径的搜索，直至迭代次数达到最大迭代次数为止。
2.根据权利要求1所述的一种多机型多物资类型无人机应急配送路径规划方法，其特征在于：当无人机在访问客户配送点前先到达供应商取货以保证无人机有足够的货物可以进行配送，飞行过程中满足客户需求物资类型的多样性以及无人机自身性能的约束条件。
3.一种应用权利要求1所述的多机型多物资类型无人机应急配送路径规划方法的规划系统，其特征在于：所述规划系统包括：
配送中心端：用于存放无人机，为无人机分配订单和对无人机的路径进行规划；
客户端：客户根据自身需求下达订单，生成订单信息；
供应商端：发布物资信息，对订单进行接受或取消。
CN202111492240.4A 2021-12-08 2021-12-08 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统 Active CN114169828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111492240.4A CN114169828B (zh) 2021-12-08 2021-12-08 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111492240.4A CN114169828B (zh) 2021-12-08 2021-12-08 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统

Publications (2)

Publication Number Publication Date
CN114169828A CN114169828A (zh) 2022-03-11
CN114169828B true CN114169828B (zh) 2024-06-04

Family

ID=80484310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111492240.4A Active CN114169828B (zh) 2021-12-08 2021-12-08 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统

Country Status (1)

Country Link
CN (1) CN114169828B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017161315A (ja) * 2016-03-08 2017-09-14 国立大学法人京都大学 最適飛行網の生成方法及びシステム
LU102400A1 (en) * 2019-08-06 2021-02-09 Nanjing Seawolf Ocean Tech Co Ltd Path planning method and system for unmanned surface vehicle based on improved genetic algorithm
CN113342046A (zh) * 2021-06-22 2021-09-03 国网湖北省电力有限公司宜昌供电公司 基于蚁群算法的输电线路无人机巡检路径优化方法
CN113706081A (zh) * 2021-08-31 2021-11-26 中南大学 基于城市屋顶自动快递装置的无人机取送货系统和方法
CN113762593A (zh) * 2021-07-23 2021-12-07 合肥工业大学 地震灾后无人机应急物资配送方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017161315A (ja) * 2016-03-08 2017-09-14 国立大学法人京都大学 最適飛行網の生成方法及びシステム
LU102400A1 (en) * 2019-08-06 2021-02-09 Nanjing Seawolf Ocean Tech Co Ltd Path planning method and system for unmanned surface vehicle based on improved genetic algorithm
CN113342046A (zh) * 2021-06-22 2021-09-03 国网湖北省电力有限公司宜昌供电公司 基于蚁群算法的输电线路无人机巡检路径优化方法
CN113762593A (zh) * 2021-07-23 2021-12-07 合肥工业大学 地震灾后无人机应急物资配送方法和装置
CN113706081A (zh) * 2021-08-31 2021-11-26 中南大学 基于城市屋顶自动快递装置的无人机取送货系统和方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Fair-Energy Trajectory Planning for Multi-Target Positioning Based on Cooperative Unmanned Aerial Vehicles;Yao Ji;《IEEE Access》;20191225;9782 - 9795 *
基于蚁群算法的植保无人机任务分配优化研究;杜芳芳;巨玉祥;李卓;王苗苗;常娜娜;;交通科技与经济;20200918(05);全文 *
基于蚁群算法的物流配送路径优化研究;罗梓瑄;刘学文;;重庆工商大学学报(自然科学版);20200609(04);全文 *
精英扩散蚁群优化算法求解运输无人机三维路径规划;宋阿妮;《计算机工程与科学》;20210911;1891-1900 *

Also Published As

Publication number Publication date
CN114169828A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN107918849B (zh) 一种电动物流货车的智能调度装置及方法
Tamke et al. The vehicle routing problem with drones and drone speed selection
CN113706081B (zh) 基于城市屋顶自动快递装置的无人机取送货系统和方法
Kancharla et al. An adaptive large neighborhood search approach for electric vehicle routing with load-dependent energy consumption
CN114971043B (zh) 一种基于非欧拉回路的邮递员问题路径优化方法
CN113592248B (zh) 航空货运网络的规划方法、系统、电子设备及存储介质
Montaña et al. A novel mathematical approach for the Truck-and-Drone Location-Routing Problem
CN114611794A (zh) 基于亚启发式算法的车机协同取送货路径优化方法和系统
CN114186924B (zh) 一种协同配送路径规划方法、装置、电子设备和存储介质
Momeni et al. A new truck-drone routing problem for parcel delivery by considering energy consumption and altitude
CN114169828B (zh) 一种多机型多物资类型无人机应急配送路径规划方法及其规划系统
Zhang et al. Cooperative Route Planning for Fuel-constrained UGV-UAV Exploration
Pei et al. A branch-and-price-and-cut algorithm for the unmanned aerial vehicle delivery with battery swapping
Tolooie et al. Heuristic approach for optimising reliable supply chain network using drones in last-mile delivery under uncertainty
CN116362368B (zh) 一种基于模拟退火的低空城区物流无人机需求预测方法
Xinhui et al. Automatic Vertiport Location of Unmanned Aerial Vehicle Based on Partition Optimization
Zhao et al. Wspeed: drone energy optimization for multiple-package delivery considering weight changes
Dukkanci et al. Facility location decisions for drone delivery with riding: A literature review
Li et al. Two-Echelon Electric Vehicle Routing Problem with Time Windows
Jiang et al. Optimisation of Multi-Type Logistics UAV Scheduling under High Demand
Brito et al. ACO-GRASP-VNS metaheuristic for VRP with fuzzy windows time constraints
Liakos et al. Cooperative routing and scheduling of an electric vehicle fleet managing dynamic customer requests
Chen et al. Drones and delivery robots: models and applications to last mile delivery
Ermagan et al. Machine Learning-enhanced Column Generation Approach for Express Shipments with Autonomous Robots and Public Transportation
CN118278848B (zh) 农村物流配送路径生成方法、装置和设备

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