CN114399249A - 一种电力物资配送路径选择优化方法及系统 - Google Patents
一种电力物资配送路径选择优化方法及系统 Download PDFInfo
- Publication number
- CN114399249A CN114399249A CN202111645597.1A CN202111645597A CN114399249A CN 114399249 A CN114399249 A CN 114399249A CN 202111645597 A CN202111645597 A CN 202111645597A CN 114399249 A CN114399249 A CN 114399249A
- Authority
- CN
- China
- Prior art keywords
- path
- evaluation result
- condition information
- planned
- calculating
- 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
Links
- 239000000463 material Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 122
- 238000013439 planning Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 58
- 238000012384 transportation and delivery Methods 0.000 claims description 32
- 238000012847 principal component analysis method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012552 review Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 14
- 238000007726 management method Methods 0.000 description 9
- 239000003016 pheromone Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 241000257303 Hymenoptera Species 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000000427 antigen Substances 0.000 description 3
- 102000036639 antigens Human genes 0.000 description 3
- 108091007433 antigens Proteins 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002305 electric material Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06Q10/08—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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种电力物资配送路径选择优化方法及系统,其中方法包括:获取路径第一条件信息,根据路径第一条件信息计算第一评估结果,并根据第一评估结果进行路径规划,得到第一规划路径;在规划的配送日期内,获取路径第二条件信息,根据路径第二条件信息计算第二评估结果,并根据第二评估结果与第一评估结果进行对比,对第一规划路径进行调整,得到第二规划路径;根据第二规划路径进行电力物资配送。本发明实现全局范围内的物资调配目标,优化资源利用率和提升物资配送效率。
Description
技术领域
本发明涉及电力物资配送技术领域,特别是涉及一种电力物资配送路径选择优化方法及系统。
背景技术
随着电力系统智能化、共享式发展的趋势特征,电力系统内管控的物资数量和类型都呈现指数型增长,在系统运行过程中经常出现设备故障或需更换等情况,局部设备更新需要从库房及时调配资源到现场,完成现场设备的更换。电力系统对故障的排除有着严格的时效性要求,故障恢复时间越长直接影响着用户用电体验,因此在应急物资配送方面应设计出较好的配送路径方案,提升物资配送的效率。但针对现实情况,电力物资库房受限于地址和面积等因素影响,很难通过部署一个集中式库房将所有局部区域需要的物资存储,而是分散在区域内多个零散的地方共同服务于指定业务点。
目前路径选择的算法都相对简单,利用单一算法实现路径最优条件的计算与求解,但面向复杂性计算环境和精准性要求方面仍然存在一些问题,下面选择几个较典型的路径择优算法的原理及优劣势综合分析:
(1)多目标模糊关系算法:这是一个“一对多”的算法,以仓库地址为多目标结论,固定某个配送点为需求地址,结合业务需求方的经验判断和偏好,初始化几个指定的目标权值向量,并通过计算需求与目标地址间的加权欧式距离平方根判断最短距离,但这种方法不能同时应对多个需求数据,当同一个区域内多个业务部门需并行完成同一类型资源调配时,此方法不适用;并且基于模糊关系算法,对需求间的关联性要求较高,比较适合配送相同类型资源数据计算结果较准确;
(2)定量式层次分析法:此算法考虑了选址问题复杂性,充分结合地址规划的内容,基于实时需求性质,分层分析需求与多目标地址的复杂的关联程度,计算了库存量充足、距离远近、配送车辆数量等多个层级因素的计算与匹配,定量式分析综合最优解,这种方法计算效率低,需要逐层预测分配方案,层次分析法主要偏向主观的判断与比较,缺乏客观数学模型的推理能力,因此计算结果精准性一般较差;
(3)多目标决策计算法:此方法是在目标函数的构建过程中,设定了多个参考目标,如最短距离、最大覆盖范围以及最大传输效率等,构成多目标决策模型,再使用目标加权法和参数约束法共同求解模型,最终适应需求策略,该算法比较适用于应急物资的调配。多目标决策计算更像一个模型而不是算法,因此在路径预测模型的基础上初始函数策略及参数的选择是至关重要的,需要通过不断的训练验证初始参数设置的合理性,才能保障模型在应用过程中的适用性;
(4)容量限制选择算法:此算法以仓库库存容量为选择的重要依据,当多个需求申报出时,计算总容量和分路容量,只有在库存大于总容量时才启动配送模式,如小于则发出报警信息。当符合容量要求时,以最小容量限制和最大容量限制作为计算的参考值,同时考虑配送距离,提出基于时效满意的覆盖选址方法,达到双容限制的选择模型,通过实验模拟验证了算法的有效性;但此算法以库存容量为计算核心,比较适用于站点流量分配应用场景中,对于流量是否能够及时配送的要求并无定性要求,与电力系统需求存在一定偏差;电力系统一般会将物资尽量做到冗余,也应首先满足现场需求,因此容量参数是次要考虑因素;
(5)基于时间-费用的多目标模型:此算法主要从时间限制和配送成本两个方面出发,分别构建基于最小配送时间和最低配送费用的多目标路径选址模型,通过并行计算在可选范围内的仓储模型数据,并对这些数据结论进行横向比较,对两个最优结论进行加权平均,最终得到目标最优解。但此方法忽略了库存供应能力及服务质量等因素,有时会出现局部不收敛的情况,例如某个仓库只能供应部分物资,还需调用其他仓库的物资配合完成,但由于算法的局限性,往往导致出现供货不足的问题。
综上所述的几种典型的算法中,均存在模型选择分析的参数不全面,往往仅针对一个或几个参数作为目标预测参数,利用数学模型的预测能力,对最优路径进行计算与选择,这样得到的结果往往存在考虑不全面的缺陷,结果也会失去精准性;有的也因为算法模型本身的计算性能导致路径选择结果的欠佳,因此应设计一种路径选择算法即能全面考虑与路径相关的多种影响因子,也能提高算法本身的预测水平。
发明内容
为解决以上现有技术问题,本发明提供一种电力物资配送路径选择优化方法及系统,一方面可以全面考虑到路径选择中多因素干预的问题,另一方面也可以通过不同算法的优势补偿,提升路径预测结果的准确性。
本发明第一方面提供一种电力物资配送路径选择优化方法,包括:
获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境;
在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境;
根据所述第二规划路径进行电力物资配送。
进一步地,所述根据所述路径第一条件信息计算第一评估结果,具体地:
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
进一步地,所述根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果之前,还包括:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值。
进一步地,所述根据所述路径第二条件信息计算第二评估结果,具体地:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
进一步地,所述根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
本发明第二方面提供一种电力物资配送路径选择优化系统,其特征在于,包括:
初次路径规划模块,用于获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境;
复核路径规划模块,用于在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境;
物资配送模块,用于根据所述第二规划路径进行电力物资配送。
进一步地,所述初次路径规划模块,还用于:
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
进一步地,所述初次路径规划模块,还用于:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值。
进一步地,所述复核路径规划模块,还用于:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
进一步地,所述复核路径规划模块,还用于;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
与现有技术相比,本发明实施例的有益效果在于:
本发明提供一种电力物资配送路径选择优化方法及系统,其中方法包括:获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境;在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境;根据所述第二规划路径进行电力物资配送。本发明实现全局范围内的物资调配目标,优化资源利用率和提升物资配送效率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,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是本发明某一实施例提供的一种电力物资配送路径选择优化方法的流程图;
图2是本发明某一实施例提供的电力物资配送管理架构图;
图3是本发明某一实施例提供的物资配送规划影响因子的示意图;
图4是本发明某一实施例提供的物资实时配送影响因子的示意图;
图5是本发明某一实施例提供的免疫算法设计流程思路的流程图;
图6是本发明某一实施例提供的蚁群算法流程设计思路的流程图;
图7是本发明某一实施例提供的一种电力物资配送路径选择优化系统的装置图;
图8是本发明某一实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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作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,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在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。
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。
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。
第一方面。
请参阅图1,本发明某一实施例提供一种电力物资配送路径选择优化方法,包括:
S10、获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径。其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境。
S20、在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径。其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境。
S30、根据所述第二规划路径进行电力物资配送。
在本发明实施例的某一具体实施方式中,所述根据所述路径第一条件信息计算第一评估结果,包括:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值;
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
在本发明实施例的另一具体实施方式中,所述根据所述路径第二条件信息计算第二评估结果,具体地:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
在本发明实施例的又一具体实施方式中,所述根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
本发明提供的方法实现全局范围内的物资调配目标,优化资源利用率和提升物资配送效率。
在本发明另一具体实施例中,本发明针对以上电力物资配送过程中存在的效率及准确性问题,提出了一种电力物资配送路径选择优化方法,一方面可以全面考虑到路径选择中多因素干预的问题,另一方面也可以通过不同算法的优势补偿,提升路径预测结果的准确性。路径选择算法模型集成在电力物资管理系统上,其主要目的是完成地址的规划和实时路径选择和调整,在算法实施前,对整体的物资管控架构根据配送路径预测需求进行数据化设计与优化,具体架构模型如图2所示:
新型的电力物资配送管理架构在传统管控架构基础上增加了共享式和数字化元素,传统物资管理依然采用各业务部门独立上报需求后再根据需求分配可调用的资源,这种方式效率极低,物资的利用率也不高,主要原因还是在于数字深化建设的力度不够,未完成全面的数字支撑。而现在随着数字化改造的全面深化应用,电力系统各业务部门均逐步完成了产品、系统等基础信息及运行数据的导入与汇聚,物资管理可以通过聚拢数据源,形成共享资源池,基于调配算法结论,完成资源的精准分配。
图2是以省为单位,由于涉及的范围较广,因此划分为二级配送,省级物流和地市物流,省级的地理位置也归属在地市区域内,只是行政级别高,因此涉及到省级的物资调配,同样可以共享地市单位的仓储资源,但对于物资会进行产品归属地信息变更,一般省级物资需求量较少,并且集中,省级物资的调配方案相对简单,从配送中心直接根据需求完成物资配送;配送难点在于地市单位的二级配送,每个地市单位内部存在多个业务部门,每个业务部门每天均会产生物资需求,物资分散的放置在多个仓库中,仓库中的物资类型主要由附近的供货商提供的货品及仓库的大小决定。在地市单位部署了一套物资管理子系统,将所有库存物资的存储信息及货架位置信息等均通过RFID、标签或其他人工录入形式进行信息登记与保存,后台透过库存数据可以很清楚的掌握现场物资存储情况。其次仓库离各业务部门间的距离、可提供的配送车辆及服务人员数量等信息也保存于后台,物资管理系统将这些信息进行汇聚,并分类存储,供配送路径选择时可共享存储的数据,完成物资地址的提前规划和实时优化调整。
基于图2中显示,物资配送过程根据时间阶段划分为地址规划和实时调整两个阶段,地址规划每个月底执行一次,实时调整是以天为单位执行一次。所谓地址规划是指每个月度各业务部门会向物资部门申报物资需求,物资部门根据需求实施物资采购或者库存分配,提前部署好物资配送方案,例如由仓库i在某天完成业务部门管辖的j站点的物资配送,地址规划方案制定过程中仍然以加权距离最小化为目标,以需求权重影响因子权重作为约束条件,设计准确的计算模型,具体需求权重影响因子如图3所示:
地址规划侧权重因子包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境,路径距离为主影响因子,也作为计算的目标值,其余因子作为辅助计算参数,采用主成分提取分析法对各辅助计算参数评价结果进行数值分析,再对每个因子设定重要度指标,最终求出平均重要度,制约路径最优计算法则。下面对各因子的需求权重模型进行设计与计算,这里选择主成分分析法,是数据特征提取的重要方法之一,通过典型数量的特征来判断本体特征,从高维特征降低到低维特征,也可以理解为是一种特征矩阵转换的过程。为了建立模型库,通过历史数据抽样、分析与计算来获取每个主特征量的重要度,设共有6个主特征量xi,其中1≤i≤6,μij表示x的协方差,分别采样主特征量的条件数据作为数据源Y,通过公式表达为:
Y=μx (1);
通过计算协方差可以得到每个特征量的重要度,通过提取多个不同数据源Y向量,利用主成分分析法计算特征向量矩阵:
其中λ为特征向量对应的特征值,a为载荷因子,最终求出特征向量矩阵,然后利用主成分的方差贡献率加权组合形成综合评价模型:
Y=0.3280x1+0.2345x2+0+0.1356x3+0.1225x4+0.2534x5+0.1235x6 (3);
由于影响因子之和为1,所以对影响因子在综合评价模型中对系数进行归一化处理,最终得到路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径环境的影响因子分别为:0.3、0.2、0.1、0.1、0.2、0.1,在计算Y时,可以根据实时采集的数据,对每条链路的质量进行重要度评估,并将数值带入到选址模型中对每条路径进行约束,具体物资选址模型设计过程在下文作进一步描述。
如图4所示,所谓的实时调整模型是指在规划的配送日期,应重新进行一次快速的路径计算,主要考虑到实时的路径情况、物资配送条件可能会发生变化,为了保障物资配送的及时性,因此在配送前均会完成一次复算流程,实时调整权重影响因子主要考虑的因素包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境,实时的交通、天气环境及配送条件的改变均会影响到本次配送的时效性,当计算结果与预期结果存在较大不一致时,应及时作出方案重选。计算过程同样采用主分成分析方法,对平均加权影响因子进行计算,并作为路径距离测算过程的重要影响参数,计算得到准确的路径选择。
传统路径选择算法一般采用简单的加权路径最短的方式得到答案,单目标参量计算准确度较差,缺乏一定启发性和预测性,因此本发明选择“免疫算法+蚁群算法”协同构建物资配送的路径最优选择模型,免疫算法适用于初级的选址计算,因此应用在地址规划中;而蚁群算法具有较强的实时路径选择特性,因此用在配送方案实时调整中,以解决实时变异的问题。
免疫算法来源于人体的免疫力自生思想,是一个具有强自适应性、自组织和分布式计算的超强记忆和学习能力的系统。把免疫算法过程思想引入到物资配送路径选择模型设计中,具体流程详细设计如图5所示:
(1)通过从多个历史数据库中提取分析个体,形成需求点n到仓库m的匹配值,构成初始抗体群dmn;并在初始路径方案中,选择长度为p的抗体,抗体表示初步被选定为目标仓库的需求点序列;
(2)计算繁殖率:首先计算抗原与抗体间的亲密度,计算公式如下:
F为目标函数,εij为两点路径间的权重影响因子,与上文中求解的Y值相关,dij为需求点与仓库间的距离,zij表示0-1的变量,表示需求与目标值的分配关系,1表示配送,0表示不配送,公式后半部分表示惩罚约束解,C一般为较大的正数。F函数是计算抗原与抗体间的亲密度,通过F函数可以计算出相同的编码数K,相似度表示为:
L表示抗体的长度。抗体的浓度α为相似抗体占整个群体的比例:
繁殖率P指抗体亲和力和抗体浓度的期望繁殖概率,计算公式如下:
其中A=1/F,β为比例常数。将个体繁殖率用作评价抗体的免疫能力指标;
(3)通过繁殖率计算多个可匹配的配送路径方案,并运用降序排列方法来排序,形成下一代父代群体;
(4)与初始地址约束条件比较判断,当达到学习要求(最佳路径)时,则结束训练(停止学习);否则重新返回到步骤(2);
(5)运用父群体中的抗体选择、交叉和变异操作,形成新的群体,再重新回到第三步进行迭代计算。
选择最接近抗原的父代群体作为最优路径选择。免疫算法存在一个缺陷就是计算的准确度受到概率浓度的影响,浓度越大计算越准确,比较依赖于历史数据,因此比较适合初始规划阶段,但在实际路径选择时,需要算法模型具有较强的学习适应性,因此选择蚁群算法进行计算。
所谓蚁群算法就是根据蚂蚁的信息素来寻找最优路径,如图6所示:
(1)设计初始化参数,根据第一阶段地址规划的结论,对蚁群算法模型中的初始参数进行设置,业务部门需求站点数量i,仓库可匹配数量j,信息素参考值φ,启发函数相关值信息素挥发程度参数ρ,最大迭代次数num等值;
(2)构建实时路径库解空间,将业务需求比作蚂蚁,采用虚拟化方式进行仓库路径选择,对每个蚂蚁按照信息素计算公式计算遍历的仓库点,直到所有蚂蚁都遍历结束,信息素表示蚂蚁k从第i向第j个点行进的概率,计算公式如下:
其中η(t)为启发函数,φ与信息素有关,一般值越大,说明浓度在路径选择中作用越大,值越大,启发函数在遍历中作用越大,引导蚂蚁转到距离较短的仓库,这两个参数设置均与上文计算的Y值相关,与路径实时的条件有关;
(3)更新信息素,对初始规划路径上的每个蚂蚁遍历完所有路线后,将当前迭代次数中的最短路径进行记录,并更新所有路径的信息素浓度,更新公式如:
τij(t+1)=(1-ρ)τij(t)+Δτij (9);
根据公式更新下一时刻路径上的蚂蚁信息素浓度。
(4)根据初始设定的num值,当小于最大次数时,则不断叠加,将蚂蚁遍历仓库路径归零,并返回步骤2不断迭代,否则输出最优路径解。
蚁群算法能充分结合实时路径的条件信息,准确满足配送需求,并能实现全局范围内的物资调配目标,提升资源利用率和配送效率。
本发明主要解决电力物资配送路径选择模型问题的求解,通过对电力物资仓库部署情况的深度了解,构建算法模型,实现模型解决的目标问题。在此基础上,通过主成分分析法提取关键参数的评价信息作为模型算法的主要依据,利用基本假设、变量定义等手段,根据分层计算需求,采用免疫算法和蚁群算法构建需求距离最小选址数理模型,得到选择路径和实时调配路径选择的精准方案,实现在全局范围内电力物资高效配送的目标。
第二方面。
请参阅图7,本发明某一实施例提供一种电力物资配送路径选择优化系统,包括:
初次路径规划模块10,用于获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境。
复核路径规划模块20,用于在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境。
物资配送模块30,用于根据所述第二规划路径进行电力物资配送。
在本发明实施例的某一具体实施方式中,所述初次路径规划模块10,还用于:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值。
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
在本发明实施例的另一具体实施方式中,所述复核路径规划模块20,还用于:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
在本发明实施例的又一具体实施方式中,所述复核路径规划模块20,还用于;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
本发明提供的系统实现全局范围内的物资调配目标,优化资源利用率和提升物资配送效率。
第三方面。
本发明提供了一种电子设备,该电子设备包括:
处理器、存储器和总线;
所述总线,用于连接所述处理器和所述存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,可执行指令使处理器执行如本申请的第一方面所示的一种电力物资配送路径选择优化方法对应的操作。
在一个可选实施例中提供了一种电子设备,如图8所示,图8所示的电子设备5000包括:处理器5001和存储器5003。其中,处理器5001和存储器5003相连,如通过总线5002相连。可选地,电子设备5000还可以包括收发器5004。需要说明的是,实际应用中收发器5004不限于一个,该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器5001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线5002可包括一通路,在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码,并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
第四方面。
本发明提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本申请第一方面所示的一种电力物资配送路径选择优化方法。
本申请的又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
Claims (10)
1.一种电力物资配送路径选择优化方法,其特征在于,包括:
获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境;
在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境;
根据所述第二规划路径进行电力物资配送。
2.如权利要求1所述的一种电力物资配送路径选择优化方法,其特征在于,所述根据所述路径第一条件信息计算第一评估结果,具体地:
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
3.如权利要求2所述的一种电力物资配送路径选择优化方法,其特征在于,所述根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果之前,还包括:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值。
4.如权利要求1所述的一种电力物资配送路径选择优化方法,其特征在于,所述根据所述路径第二条件信息计算第二评估结果,具体地:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
5.如权利要求1所述的一种电力物资配送路径选择优化方法,其特征在于,所述根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
6.一种电力物资配送路径选择优化系统,其特征在于,包括:
初次路径规划模块,用于获取路径第一条件信息,根据所述路径第一条件信息计算第一评估结果,并根据所述第一评估结果进行路径规划,得到第一规划路径;其中,所述路径第一条件信息包括:路径距离、需求供货能力匹配度、规划的配送车辆数量、服务人员数量、配送的整体费用、路径崎岖环境;
复核路径规划模块,用于在规划的配送日期内,获取路径第二条件信息,根据所述路径第二条件信息计算第二评估结果,并根据所述第二评估结果与所述第一评估结果进行对比,对所述第一规划路径进行调整,得到第二规划路径;其中,所述路径第二条件信息包括:路径距离、实时供需条件、实时配送车辆、实时服务人员、实时交通条件及实时路面环境;
物资配送模块,用于根据所述第二规划路径进行电力物资配送。
7.如权利要求6所述的一种电力物资配送路径选择优化系统,其特征在于,所述初次路径规划模块,还用于:
根据所述路径第一条件信息及每一条件信息对应的权重值,通过主成分分析法计算第一评估结果。
8.如权利要求7所述的一种电力物资配送路径选择优化系统,其特征在于,所述初次路径规划模块,还用于:
通过历史数据抽样、分析及计算,得到每一条件信息对应的权重值。
9.如权利要求6所述的一种电力物资配送路径选择优化系统,其特征在于,所述复核路径规划模块,还用于:
根据所述路径第二条件信息及每一条件信息对应的权重值,通过免疫算法及蚁群算法计算第二评估结果。
10.如权利要求6所述的一种电力物资配送路径选择优化系统,其特征在于,所述复核路径规划模块,还用于;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值大于预设值时,则根据所述第二评估结果进行路径规划,得到第二规划路径;
根据所述第二评估结果与所述第一评估结果进行对比,若第二评估结果相比所述第一评估结果的偏移值不大于预设值时,则将所述第一规划路径作为所述第二规划路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111645597.1A CN114399249A (zh) | 2021-12-29 | 2021-12-29 | 一种电力物资配送路径选择优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111645597.1A CN114399249A (zh) | 2021-12-29 | 2021-12-29 | 一种电力物资配送路径选择优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399249A true CN114399249A (zh) | 2022-04-26 |
Family
ID=81229930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111645597.1A Pending CN114399249A (zh) | 2021-12-29 | 2021-12-29 | 一种电力物资配送路径选择优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399249A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115719196A (zh) * | 2022-11-28 | 2023-02-28 | 武汉奥恒翱贸易有限公司 | 一种基于大数据的物流仓储仓库选址分析评判方法 |
-
2021
- 2021-12-29 CN CN202111645597.1A patent/CN114399249A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115719196A (zh) * | 2022-11-28 | 2023-02-28 | 武汉奥恒翱贸易有限公司 | 一种基于大数据的物流仓储仓库选址分析评判方法 |
CN115719196B (zh) * | 2022-11-28 | 2023-12-29 | 山东荣庆物流科技有限公司 | 一种基于大数据的物流仓储仓库选址分析评判方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biuki et al. | An integrated location-routing-inventory model for sustainable design of a perishable products supply chain network | |
Chatterjee et al. | A two-phase fuzzy AHP-fuzzy TOPSIS model for supplier evaluation in manufacturing environment | |
Rizk-Allah et al. | A multi-objective transportation model under neutrosophic environment | |
Relich et al. | A fuzzy weighted average approach for selecting portfolio of new product development projects | |
Zionts et al. | An interactive multiple objective linear programming method for a class of underlying nonlinear utility functions | |
Demirel et al. | Multi-criteria warehouse location selection using Choquet integral | |
Zahiri et al. | Multi-objective design of an organ transplant network under uncertainty | |
Wang et al. | Developing a fuzzy TOPSIS approach based on subjective weights and objective weights | |
Zionts et al. | An interactive programming method for solving the multiple criteria problem | |
Kangas et al. | Evaluating the management strategies of a forestland estate—the SOS approach | |
Kim et al. | Neural network model incorporating a genetic algorithm in estimating construction costs | |
Wey et al. | Using ANP priorities with goal programming in resource allocation in transportation | |
Zheng et al. | A stochastic simulation-based optimization method for equitable and efficient network-wide signal timing under uncertainties | |
Ashrafzadeh et al. | The Application of fuzzy analytic hierarchy process approach for the selection of warehouse location: a case study | |
Altuntas et al. | An evaluation index system for prediction of technology commercialization of investment projects | |
Roh et al. | A block transportation scheduling system considering a minimisation of travel distance without loading of and interference between multiple transporters | |
Ahmadi Achachlouei et al. | Modeling the effects of ICT on environmental sustainability: Revisiting a system dynamics model developed for the European commission | |
Zou et al. | Online food ordering delivery strategies based on deep reinforcement learning | |
Karaşan et al. | Interval-valued neutrosophic EDAS method: an application to prioritization of social responsibility projects | |
Lu et al. | 4PL routing problem using hybrid beetle swarm optimization | |
Qu et al. | How many vehicles do we need? Fleet sizing for shared autonomous vehicles with ridesharing | |
Kandakoglu et al. | The use of multi-criteria decision-making methods in project portfolio selection: a literature review and future research directions | |
Ouyang et al. | Community logistics and dynamic community partitioning: A new approach for solving e-commerce last mile delivery | |
Tian et al. | An improved PROMETHEE II method based on Axiomatic Fuzzy Sets | |
Batkovskiy et al. | Developing intelligent decision support systems in multi-criteria problems of administrative-territorial formations infrastructure projects assessment |
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 |