CN115187169A - 基于协同路径规划的物流配送系统及方法 - Google Patents
基于协同路径规划的物流配送系统及方法 Download PDFInfo
- Publication number
- CN115187169A CN115187169A CN202210820798.9A CN202210820798A CN115187169A CN 115187169 A CN115187169 A CN 115187169A CN 202210820798 A CN202210820798 A CN 202210820798A CN 115187169 A CN115187169 A CN 115187169A
- Authority
- CN
- China
- Prior art keywords
- constraint
- warehouse
- node
- distribution
- vehicle
- 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
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
- 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于协同路径规划的物流配送系统及方法,涉及供应链物流技术领域。所述系统包括数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块;首先获取仓库信息和客户订单信息,计算各节点间路程并生成全向网络图,再根据订单信息将客户分配给仓库,然后求解协同路径规划模型生成配送路径和转运节点,之后计算物品配送和转运信息,最后向配送设备发送配送指令,以使配送设备将仓库中物品配送至客户;本方案可以在满足配送要求的前提下提高配送设备利用率,减少配送里程,从而降低运营成本。
Description
技术领域
本发明属于供应链物流技术领域,具体涉及一种基于协同路径规划的物流配送系统及方法。
背景技术
“最后一公里”路径规划是物流与供应链管理中的重要内容,合理的路径规划可以有效降低物流成本。在路径规划时,仓库通常拥有不同的物品,即仓库为异质仓库,这直接阻碍了仓库间的协同优化,通常仓库只能单独规划自己的配送路径。如果异质仓库通过转运实现协同配送,那合作带来的规模效应必然能为路径规划带来更大的优化空间,推动物流优化技术的发展。因此,协同路径规划是供应链物流中的一个重要问题。
现有技术中,协同路径规划方法是基于仓库拥有相同物品,客户需求可由任意仓库满足。在路径规划的求解算法中,相关技术基于启发式算法进行优化,其求解精度通常难以保证。
发明内容
基于上述问题,本发明提供一种基于协同路径规划的物流配送系统及方法,旨在实现配送不同物品仓库的协同路径规划,以提高物流运输中资源利用率,降低物流配送成本。
本发明提供的一种基于协同路径规划的物流配送系统,包括:数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块;
所述数据信息获取模块用于获取仓库和客户订单信息,仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括客户所需物品类型和数量;
所述数据预处理模块用于根据获取信息生成相应的全向网络图,并对客户点进行分配处理;
所述配送路径规划模块用于确定最优配送路径和转运节点;
所述配送指令生成模块用于根据最优配送路径和转运节点计算物品的配送和转运信息,并生成和发送配送指令。
所述全向网络图由节点及边构成;节点包括所有仓库和客户点;节点间边上的权重通过计算节点间的路程信息获得;根据仓库信息、客户订单信息和全向网络图,客户被分配给距离其最近的仓库点。
本发明提供的一种基于协同路径规划的物流配送方法,基于所述的基于协同路径规划的物流配送系统实现,所述方法包括:
获取仓库信息和用户订单信息,计算各节点间路程并生成全向网络图;其中仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括物品数量及类型;
根据订单信息将客户分配给仓库;
求解协同路径规划模型获得配送路径和转运节点;
生成物品配送和转运信息;
向配送设备发送配送指令,以使配送设备将仓库物品配送至客户。
所述协同路径规划模型包括约束集和目标函数,所述目标函数为最小化所有配送路径的总里程数;协同路径规划模型的输入为全向网络图。
所述约束集包括用于约束客户点只能被服务一次,但允许作为转运节点的第一约束,用于约束所有节点满足流平衡的第二约束,用于约束被其他仓库车辆访问的仓库将作为转运节点的第三约束,用于约束作为转运节点的客户点将被不只一辆车访问的第四约束,用于约束客户点处只允许一次转运的第五约束,用于约束每辆车最多使用一次的第六约束,用于约束每辆车在其配送途中最多只能在一个转运节点取货一次的第七约束,用于约束车辆到达节点的时间满足第一逻辑要求的第八约束,用于约束物品转运满足第二逻辑要求的第九约束,用于约束转运节点物品转运量的第十约束,用于约束车辆转载物品不得超过车辆装载能力的第十一约束。
所述第一逻辑要求为车辆达到达节点的时间应大于其达到该点前的旅行时间,在客户类转运节点处,取货车辆的达到时间要晚于卸货车辆的达到时间,其中客户类转运节点为作为转运节点的客户点;
所述第二逻辑要求为车辆从仓库出发时不装载有非本仓库物品,车辆对客户服务时,会在客户点卸载客户所需的物品以同时满足客户点的需求量和转运量,而非客户需求物品数量不会发生改变,车辆在转运点的物品装载量等于该转运点的转运量。
所述目标函数具体表述为:
式中,min(·)表示计算最小值,K为所有车辆集合,N为所有节点集合,i、j均为节点标识,k为车辆标识,cij为节点i和j之间边上的权重,为路径变量,表示车辆k的配送路径是否经过节点i和j之间的边,为1表示经过,为0表示不经过;
所述第一约束具体包括:
所述第二约束具体包括:
所述第三约束具体包括:
所述第四约束具体包括:
所述第五约束具体包括:
所述第六约束具体包括:
所述第七约束具体包括:
所述第八约束具体包括:
所述第九约束具体包括:
其中,Q为车辆的载货能力,qi为节点i处的物品转运量;
所述第十一约束具体包括:
所述求解协同路径规划模型获得配送路径和转运节点,采用基于组合Benders切割的分支切割算法进行求解,具体表述为:
根据Benders分解方法,将公式(1)~公式(10)作为主模型,将公式(11)~公式(13)作为第一子模型,将公式(14)~公式(19)作为第二子模型;根据分支定界方法,将主模型松弛为线性主模型,对线性主模型进行分支求解,当线性主模型在分支树某一节点求得当前解为整数时,利用第一子模型和第二子模型检测当前解是否可行,若当前解不可行,则返回相应约束到线性主问题中,若当前解可行,则更新解上界为当前解,如此不断求解,当求解误差小于设定值或停止条件满足时,结束运算;
利用最小切割算法对分支树的所有节点都进行子环路径的检测,如存在子环路径则返回如下约束:
其中,子环路径是指路径中只包含客户和转运节点,而没有包含车辆出发仓库;
针对单辆车的第三子模型被构建来加速Benders分解方法,第三子模型的约束包括:
通过求解第三子模型的对偶模型,如线性主模型的当前解不可行,则返回与第二子模型相同的约束。
所述基于组合Benders切割的分支切割算法采用的分支策略为:
利用公式(20)为各仓库计算转运点数:
选择小数部分与0.5差值的绝对值最小的转运点数进行分支,如果所有仓库的转运点数均为整数,计算各仓库使用的车辆数,以小数部分与0.5差值的绝对值最小的车辆数进行分支,如果所有仓库使用的车辆数均为整数,则按先后的顺序对两类变量进行分支;
当线性主模型的当前解为整数时,首先使用第一和第三子模型对当前解进行检测,当第三子模型未检测到当前解不可行时,使用第二子模型对当前解进行检测;
当前解的可行性检测通过求解第一子模型和第二子模型的对偶模型来完成的,对偶模型的构建及求解,具体表述为:
当第一子模型检测到当前解不可行时,返回到线性主模型的约束为:
当第二子模型检测到当前解不可行时,返回到线性主模型的约束为:
根据基于组合Benders切割的分支切割算法求解协同路径规划模型时,强化约束被添加在主模型中,所述强化约束具体包括:
本发明的有益效果是:
本发明提出了一种基于协同路径规划的物流配送系统及方法,能够适用于多仓库拥有不同物品的配送场景,其通过集中规划的方式为拥有不同物品的仓库进行配送路径的精确规划,实现了资源的高效利用和运输成本的有效降低。
附图说明
图1为本发明中非合作模式下的路径规划场景示意图。
图2为本发明中协同配送下的路径规划示意图。
图3为本发明中协同路径规划系统的结构示意图。
图4为本发明中基于协同路径规划的物流配送方法的流程示意图。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明。
如图1所示,在非协同模式下,各仓库单独规划各自的配送路径,客户由分配的仓库安排车辆完成配送服务,不同车辆间不存在物品的转运。
如图2所示,在协同模式下,为减少总配送距离,降低配送成本,仓库通过转运方式实现协同配送,不同车辆在选定的转运点进行物品转运。通过车辆间相互配合,协同转运可以有效减少低效的运输距离。
有效规划“最后一公里”配送路径是供应链管理中的重要环节。“最后一公里”配送成本占物流总成本很大一部分,有效规划配送路径可为企业带来巨大的经济效益。然而,针对异质多仓库的配送问题,现有技术中采用非合作路径规划模式,不同仓库间不进行信息共享,各仓库单独进行路径优化。这种模式的缺点在于,未将分配给不同仓库的客户间的协同关系考虑在优化范围内,通常会造成配送车辆的配送路线重合。
为此,本实施例提供一种基于协同路径规划的物流配送系统及方法。旨在提供配送总路程最短的多仓库协同配送方案,并根据配送方案向配送终端发送配送指令。本方案未对协同合作的仓库数量做出限制,适用于任意多仓库协同配送的场景。
一种基于协同路径规划的物流配送系统,包括:数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块;
所述数据信息获取模块用于获取仓库和客户订单信息,仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括客户所需物品类型和数量;
所述数据预处理模块用于根据获取信息生成相应的全向网络图,并对客户点进行分配处理;
所述配送路径规划模块用于确定最优配送路径和转运节点;
所述配送指令生成模块用于根据最优配送路径和转运节点计算物品的配送和转运信息,并生成和发送配送指令。
所述全向网络图由节点及边构成;节点包括所有仓库和客户点;节点间边上的权重通过计算节点间的路程信息获得;根据仓库信息、客户订单信息和全向网络图,客户被分配给距离其最近的仓库点。
一种基于协同路径规划的物流配送方法,基于所述的一种基于协同路径规划的物流配送系统实现,所述方法包括:
获取仓库信息和用户订单信息,计算各节点间路程并生成全向网络图;其中仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括物品数量及类型;全向网络图由节点和边构成,节点包括所有仓库和客户,边为节点间的最短可行路线,边的权重为最短可行路径的里程;
全向网络图为协同路径规划模型的输入数据;
根据客户需求物品的类型和数量,客户将分配给能满足其需求的邻近仓库,其中邻近仓库指距离客户节点里程最小的仓库;
求解协同路径规划模型获得配送路径和转运节点;
生成物品配送和转运信息;
向配送设备发送配送指令,以使配送设备将仓库物品配送至客户。
协同路径规划模型包括目标函数、约束集;所述目标函数为最小化所有配送路径的总里程数;
所述约束集包括用于约束客户点只能被服务一次,但允许作为转运节点的第一约束,用于约束所有节点满足流平衡的第二约束,用于约束被其他仓库车辆访问的仓库将作为转运节点的第三约束,用于约束作为转运节点的客户点将被不只一辆车访问的第四约束,用于约束客户点处只允许一次转运的第五约束,用于约束每辆车最多使用一次的第六约束,用于约束每辆车在其配送途中最多只能在一个转运节点取货一次的第七约束,用于约束车辆到达节点的时间满足第一逻辑要求的第八约束,用于约束物品转运满足第二逻辑要求的第九约束,用于约束转运节点物品转运量的第十约束,用于约束车辆转载物品不得超过车辆装载能力的第十一约束;
第一逻辑要求为车辆达到达节点的时间应大于其达到该点前的旅行时间,在客户类转运节点处,取货车辆的达到时间要晚于卸货车辆的达到时间,其中客户类转运节点为作为转运节点的客户点;
第二逻辑要求为车辆从仓库出发时不装载有非本仓库物品,车辆对客户服务时,会在客户点卸载客户所需的物品以同时满足客户点的需求量和转运量,而非客户需求物品数量不会发生改变,车辆在转运点的物品装载量等于该转运点的转运量;
所述目标函数具体表述为:
式中,min(·)表示计算最小值,K为所有车辆集合,N为所有节点集合,i、j均为节点标识,k为车辆标识,cij为节点i和j之间边上的权重,即为节点i到节点j的里程,为路径变量,表示车辆k的配送路径是否经过节点i和j之间的边,为1表示经过,为0表示不经过;
所述第一约束具体包括:
所述第二约束具体包括:
所述第三约束具体包括:
所述第四约束具体包括:
所述第五约束具体包括:
所述第六约束具体包括:
所述第七约束具体包括:
所述第八约束具体包括:
所述第九约束具体包括:
其中,Q为车辆的载货能力,qi为节点i处的物品转运量;
所述第十一约束具体包括:
基于组合Benders切割的分支切割算法求解上述协同路径规划模型:
根据Benders分解方法,将公式(1)~公式(10)作为主模型,将公式(11)~公式(13)作为第一子模型,将公式(14)~公式(19)作为第二子模型;根据分支定界方法,将主模型松弛为线性主模型,对线性主模型进行分支求解,当线性主模型在分支树某一节点求得当前解为整数时,利用第一子模型和第二子模型检测当前解是否可行,若当前解不可行,则返回相应约束到线性主问题中,若当前解可行,则更新解上界为当前解,如此不断求解,当求解误差小于设定值或停止条件满足时,结束运算;
为加速基于组合Benders切割的分支切割算法,分支树的所有节点都进行子环路径的检测,如存在子环路径则返回如下约束:
其中,子环路径是指路径中只包含客户和转运节点,而没有包含车辆出发仓库;
针对单辆车的第三子模型被构建来加速Benders分解方法,第三子模型的约束包括:
通过求解第三子模型的对偶模型,如线性主模型的当前解不可行,则返回与第二子模型相同的约束。
基于组合Benders切割的分支切割算法采用的分支策略为:利用公式(20)为各仓库计算转运点数:
选择小数部分与0.5差值的绝对值最小的转运点数进行分支,如果所有仓库的转运点数均为整数,计算各仓库使用的车辆数,以小数部分与0.5差值的绝对值最小的车辆数进行分支,如果所有仓库使用的车辆数均为整数,则按先后的顺序对两类变量进行分支;
当线性主模型的当前解为整数时,首先使用第一和第三子模型对当前解进行检测,当第三子模型未检测到当前解不可行时,使用第二子模型对当前解进行检测;
当前解的可行性检测通过求解第一子模型和第二子模型的对偶模型来完成的,对偶模型的构建及求解使用了组合Benders技术,具体表述为:
当第一子模型检测到当前解不可行时,返回到线性主模型的约束为:
当第二子模型检测到当前解不可行时,返回到线性主模型的约束为:
根据基于组合Benders切割的分支切割算法求解协同路径规划模型时,强化约束被添加在主模型中,所述强化约束具体包括:
如图3所示,所述系统运行在服务器101上,服务器101根据仓库及客户信息数据计算各节点间距离并生成全向网络图,再根据协同路径规划模型确定最优的协同配送方案,之后根据协同配送方案获得配送信息并生成配送指令,最后向配送终端发送指令。配送终端102和103用于接收并解析配送指令,配送人员根据解析结果从指定节点取货并将物品配送至指定节点。
如图4所示,一种基于协同路径规划的物流配送方法,实现原理如下:
S201、服务器读取仓库及客户信息,计算各节点间路程并生成生成全向网络图。
其中,节点指各仓库及客户节点,全向网络由节点及节点间边构成,边上权重为节点间路程距离或行驶时间。
S202、服务器根据仓库及客户订单信息将客户分配给仓库,并根据全向网络图及协同路径规划模型,利用基于组合Benders切割的分支切割算法求得最优的协同配送方案。其中,配送方案为车辆的行驶路径以及转运节点。
S203、服务器根据协同配送方案及客户订单信息生成配送指令。其中,配送指令包括车辆服务客户顺序及在转运节点的转运信息。转运信息为转运节点的转运物品类型及数量。
S204、服务器向配送终端发送配送指令。
S205、配送终端接受配送指令,并提醒配送人员。配送人员根据配送信息将物品配送至客户节点。其中,配送终端接受配送指令后将其解析为配送人员可读的物品配送信息。
本发明根据仓库和客户订单信息,计算各节点间路程信息并生成全向网络图,再根据仓库和客户订单信息以及全向网络图将客户分配给距离其最近的仓库点,然后使用基于组合Benders切割的分支切割算法对协同路径规划模型进行求解,以确定配送路径和转运节点,基于配送路径和转运节点计算物品的配送和转运信息并生成配送指令,以使配送人员完成对客户的配送服务。由于在确定配送路径时,是通过集中规划方式对所有仓库的配送路径进行统一规划,所求得的配送方案会明显优于各仓库单独规划配送路径时的配送方案,且这种优势是各仓库单独优化配送路径无法获得的。此外,本发明适用于任意多仓库协同配送的情形。
Claims (10)
1.一种基于协同路径规划的物流配送系统,其特征在于,包括:数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块;
所述数据信息获取模块用于获取仓库和客户订单信息,仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括客户所需物品类型和数量;
所述数据预处理模块用于根据获取信息生成相应的全向网络图,并对客户点进行分配处理;
所述配送路径规划模块用于确定最优配送路径和转运节点;
所述配送指令生成模块用于根据最优配送路径和转运节点计算物品的配送和转运信息,并生成和发送配送指令。
2.根据权利要求1所述的一种基于协同路径规划的物流配送系统,其特征在于,所述全向网络图由节点及边构成;节点包括所有仓库和客户点;节点间边上的权重通过计算节点间的路程信息获得;根据仓库信息、客户订单信息和全向网络图,客户被分配给距离其最近的仓库点。
3.一种基于协同路径规划的物流配送方法,基于权利要求1或2所述的一种基于协同路径规划的物流配送系统实现,其特征在于,所述方法包括:
获取仓库信息和用户订单信息,计算各节点间路程并生成全向网络图;其中仓库信息包括仓库内物品类型和数量,车辆数量和能力;订单信息包括物品数量及类型;
根据订单信息将客户分配给仓库;
求解协同路径规划模型获得配送路径和转运节点;
生成物品配送和转运信息;
向配送设备发送配送指令,以使配送设备将仓库物品配送至客户。
4.根据权利要求3所述的一种基于协同路径规划的物流配送方法,其特征在于,所述协同路径规划模型包括约束集和目标函数,所述目标函数为最小化所有配送路径的总里程数;协同路径规划模型的输入为全向网络图。
5.根据权利要求4所述的一种基于协同路径规划的物流配送方法,其特征在于,所述约束集包括用于约束客户点只能被服务一次,但允许作为转运节点的第一约束,用于约束所有节点满足流平衡的第二约束,用于约束被其他仓库车辆访问的仓库将作为转运节点的第三约束,用于约束作为转运节点的客户点将被不只一辆车访问的第四约束,用于约束客户点处只允许一次转运的第五约束,用于约束每辆车最多使用一次的第六约束,用于约束每辆车在其配送途中最多只能在一个转运节点取货一次的第七约束,用于约束车辆到达节点的时间满足第一逻辑要求的第八约束,用于约束物品转运满足第二逻辑要求的第九约束,用于约束转运节点物品转运量的第十约束,用于约束车辆转载物品不得超过车辆装载能力的第十一约束。
6.根据权利要求5所述的一种基于协同路径规划的物流配送方法,其特征在于,所述第一逻辑要求为车辆达到达节点的时间应大于其达到该点前的旅行时间,在客户类转运节点处,取货车辆的达到时间要晚于卸货车辆的达到时间,其中客户类转运节点为作为转运节点的客户点;
所述第二逻辑要求为车辆从仓库出发时不装载有非本仓库物品,车辆对客户服务时,会在客户点卸载客户所需的物品以同时满足客户点的需求量和转运量,而非客户需求物品数量不会发生改变,车辆在转运点的物品装载量等于该转运点的转运量。
7.根据权利要求5所述的一种基于协同路径规划的物流配送方法,其特征在于,所述目标函数具体表述为:
式中,min(·)表示计算最小值,K为所有车辆集合,N为所有节点集合,i、j均为节点标识,k为车辆标识,cij为节点i和j之间边上的权重,为路径变量,表示车辆k的配送路径是否经过节点i和j之间的边,为1表示经过,为0表示不经过;
所述第一约束具体包括:
所述第二约束具体包括:
所述第三约束具体包括:
所述第四约束具体包括:
所述第五约束具体包括:
所述第六约束具体包括:
所述第七约束具体包括:
所述第八约束具体包括:
所述第九约束具体包括:
所述第十约束具体包括:
其中,Q为车辆的载货能力,qi为节点i处的物品转运量;
所述第十一约束具体包括:
8.根据权利要求4所述的一种基于协同路径规划的物流配送方法,其特征在于,所述求解协同路径规划模型获得配送路径和转运节点,采用基于组合Benders切割的分支切割算法进行求解,具体表述为:
根据Benders分解方法,将公式(1)~公式(10)作为主模型,将公式(11)~公式(13)作为第一子模型,将公式(14)~公式(19)作为第二子模型;根据分支定界方法,将主模型松弛为线性主模型,对线性主模型进行分支求解,当线性主模型在分支树某一节点求得当前解为整数时,利用第一子模型和第二子模型检测当前解是否可行,若当前解不可行,则返回相应约束到线性主问题中,若当前解可行,则更新解上界为当前解,如此不断求解,当求解误差小于设定值或停止条件满足时,结束运算;
利用最小切割算法对分支树的所有节点都进行子环路径的检测,如存在子环路径则返回如下约束:
其中,子环路径是指路径中只包含客户和转运节点,而没有包含车辆出发仓库;
针对单辆车的第三子模型被构建来加速Benders分解方法,第三子模型的约束包括:
通过求解第三子模型的对偶模型,如线性主模型的当前解不可行,则返回与第二子模型相同的约束。
9.根据权利要求8所述的一种基于协同路径规划的物流配送方法,其特征在于,所述基于组合Benders切割的分支切割算法中的分支策略,具体表述为:
利用公式(20)为各仓库计算转运点数:
选择小数部分与0.5差值的绝对值最小的转运点数进行分支,如果所有仓库的转运点数均为整数,计算各仓库使用的车辆数,以小数部分与0.5差值的绝对值最小的车辆数进行分支,如果所有仓库使用的车辆数均为整数,则按先后的顺序对两类变量进行分支;
当线性主模型的当前解为整数时,首先使用第一和第三子模型对当前解进行检测,当第三子模型未检测到当前解不可行时,使用第二子模型对当前解进行检测;
当前解的可行性检测通过求解第一子模型和第二子模型的对偶模型来完成的,对偶模型的构建及求解,具体表述为:
当第一子模型检测到当前解不可行时,返回到线性主模型的约束为:
当第二子模型检测到当前解不可行时,返回到线性主模型的约束为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210820798.9A CN115187169A (zh) | 2022-07-13 | 2022-07-13 | 基于协同路径规划的物流配送系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210820798.9A CN115187169A (zh) | 2022-07-13 | 2022-07-13 | 基于协同路径规划的物流配送系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115187169A true CN115187169A (zh) | 2022-10-14 |
Family
ID=83518426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210820798.9A Pending CN115187169A (zh) | 2022-07-13 | 2022-07-13 | 基于协同路径规划的物流配送系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187169A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402432A (zh) * | 2023-06-08 | 2023-07-07 | 北京京东乾石科技有限公司 | 路由规划方法、装置、设备及存储介质 |
CN116894620A (zh) * | 2023-09-08 | 2023-10-17 | 北京京东乾石科技有限公司 | 物流路由方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-13 CN CN202210820798.9A patent/CN115187169A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402432A (zh) * | 2023-06-08 | 2023-07-07 | 北京京东乾石科技有限公司 | 路由规划方法、装置、设备及存储介质 |
CN116402432B (zh) * | 2023-06-08 | 2023-12-05 | 北京京东乾石科技有限公司 | 路由规划方法、装置、设备及存储介质 |
CN116894620A (zh) * | 2023-09-08 | 2023-10-17 | 北京京东乾石科技有限公司 | 物流路由方法、装置、电子设备及存储介质 |
CN116894620B (zh) * | 2023-09-08 | 2024-02-06 | 北京京东乾石科技有限公司 | 物流路由方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107235276B (zh) | 货物搬运方法和装置 | |
CN115187169A (zh) | 基于协同路径规划的物流配送系统及方法 | |
CN106803136A (zh) | 一种基于混合遗传算法的生鲜配送实时优化方法 | |
Barcos et al. | Routing design for less-than-truckload motor carriers using ant colony optimization | |
US20130159208A1 (en) | Shipper-oriented logistics base optimization system | |
CN109948964A (zh) | 信息输出方法和装置 | |
CN110826968B (zh) | 一种基于路径规划的城市众包配送任务优化调度方法 | |
CN102542395A (zh) | 一种应急物资调度系统及计算方法 | |
CN108038637A (zh) | 基于云平台的物流信息管理系统 | |
CN108428084A (zh) | 一种基于服务链的多式联运系统及方法 | |
CN108564211A (zh) | 物流运输路径规划方法及系统 | |
CN113128744A (zh) | 配送规划方法和装置 | |
CN107491836A (zh) | 一种订单的分配方法、装置及电子设备 | |
CN112700193A (zh) | 订单配送方法及装置、计算设备、计算机可读存储介质 | |
Hu et al. | Research on the slot allocation of container liner under E-commerce environment | |
CN112184092A (zh) | 物流节点确定方法、装置、服务器及存储介质 | |
CN108197879A (zh) | 一种多模式客货共运方法及系统 | |
CN115829451A (zh) | 物流路径规划方法、装置、计算机设备和存储介质 | |
CN117455188A (zh) | 货运平台供需匹配方法、装置及电子设备 | |
CN115062868B (zh) | 一种预聚类的车辆配送路径规划方法和装置 | |
CN115375243A (zh) | 订单分配方法和装置、电子设备、计算机可读介质 | |
Coltorti et al. | Ant colony optimization for real-world vehicle routing problems | |
CN114693004A (zh) | 物流优化方法和装置 | |
He | Research on optimization of supermarket chain distribution routes under O2O model | |
CN112001646A (zh) | 一种物料调度方法、装置、存储介质及电子设备 |
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 |