CN115271205A - 一种基于Dijkstra算法的最短物流路径规划方法 - Google Patents

一种基于Dijkstra算法的最短物流路径规划方法 Download PDF

Info

Publication number
CN115271205A
CN115271205A CN202210897779.6A CN202210897779A CN115271205A CN 115271205 A CN115271205 A CN 115271205A CN 202210897779 A CN202210897779 A CN 202210897779A CN 115271205 A CN115271205 A CN 115271205A
Authority
CN
China
Prior art keywords
distribution
path
shortest
point
stack
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
Application number
CN202210897779.6A
Other languages
English (en)
Other versions
CN115271205B (zh
Inventor
徐慧
余伟超
杨晨
赵静怡
叶慧洋
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 CN202210897779.6A priority Critical patent/CN115271205B/zh
Publication of CN115271205A publication Critical patent/CN115271205A/zh
Application granted granted Critical
Publication of CN115271205B publication Critical patent/CN115271205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—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
    • 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

Abstract

本发明涉及智能计算技术领域，尤其涉及一种基于Dijkstra算法的最短物流路径规划方法，包括：S1：用迪杰斯拉Dijkstra算法计算配送中心到所有配送点的最短距离和路径信息；S2：解析路径信息，得到配送中心到各配送点最短距离的路径；S3：基于路径信息求覆盖所有可到达点的最少往返趟数的配送路径；S4：基于S1中的配送中心到所有配送点的最短距离和S3得到最短配送路程。本发明首先基于Dijkstra算法计算出的配送点到各配送点最短距离路径，给出往返配送次数最少的配送方案，然后基于该配送方案计算出总的配送路程；本发明能够减少物流成本，提高物流时效性，降低人力，可以有效提高生产率。

Description

一种基于Dijkstra算法的最短物流路径规划方法
技术领域
本发明涉及智能计算技术领域，尤其涉及一种基于Dijkstra算法的最短物流路径规划方法。
背景技术
电子商务的快速发展，使得物流不仅与企业有关还与个人有关，物流在社会发展和国民经济中的重要性越来越明显。高效的物流可以使网上购物者尽早地拿到物品、使快递小哥多跑单多挣钱、使企业减少运输成本。所以，提高物流效率是个关乎社会生产率的问题。
如果在物流配送中不进行运输路线的合理规划，就会出现迂回运输、重复运输等多跑路的情况，从而造成运输成本上升。所以，通过路径优化，可以使物流少跑路，提高运输效率，节省大量的人力物力。
Dijkstra算法是一种计算非负边缘的图中某顶点到其余各顶点的最短距离的算法，常被用于路径优化。通过查新，现有的基于Dijkstra算法的路径优化主要集中在两个方面：一是对算法本身的优化，如采用其它的存储方式减少原算法中邻接矩阵存储图的存储耗费、用堆排序减少求最短距离时边的穷尽搜索以提高时间性能等；二是直接用Dijkstra算法求得的某顶点到其余顶点的最短距离，作为物流路径。上述这两方面的工作都未涉及最少往返趟数的配送路径的规划。
因此，本发明提供一种基于Dijkstra算法的最短物流路径规划方法，以解决上述技术问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于 Dijkstra算法的最短物流路径规划方法，能够减少物流成本，提高物流时效性，降低人力，总之可以有效提高生产率。
为了实现上述目的，本发明采用了如下技术方案：
一种基于Dijkstra算法的最短物流路径规划方法，具体步骤如下：
S1：用迪杰斯拉Dijkstra算法计算配送中心到所有配送点的最短距离和路径信息；
S2：解析路径信息，得到配送中心到各配送点最短距离的路径；
S3：基于路径信息求覆盖所有可到达点的最少往返趟数的配送路径；
S4：基于S1中的配送中心到所有配送点的最短距离和S3得到最短配送路程。
优选地，在步骤S1中，具体步骤如下：
S101：根据配送中心和配送点位置绘制配送图，在图中标出配送中心和配送点之间所有可以互通的路径和距离；
S102：顶号序号从0开始，配送中心为第0个顶点，另有n个配送点；
S103：用Dijkstra算法求解配送中心，第0个顶点到n个配送点的最短距离，存于一维数组D[]中，其中第k个元素D[k]表示：配送中心到第k个配送点的最短距离；
S104：用Dijkstra算法求解配送中心，第0个顶点到n个配送点的最短距离的路径信息，结果存于一维数组intP[n+1]中；其中第k个元素P[k]表示：配送中心抵达第k个配送点，且目标点的前站是第P[k]个配送点。
优选地，在步骤S2中，具体步骤如下：
S201：创建n个堆栈，配送中心到第k个配送点的最短距离的路径将存储在第k个栈中；
S202：对于配送中心到第k个配送点的路径解析方法为：
Step1：k1＝k,k2＝P[k1]；
Step2：如果k2等于-1，表示配送中心到不了配送点k；
Step3：如果k2等于0,k入栈；
Step4：如果k2既不等于-1，也不等于0，进行下列处理：
4.1：只要k2不等于0，重复下列操作，求解非直达路径上途经的配送点；
4.1.1：k1入栈；
4.1.2：k1＝k2，k2＝P[k1]；
4.2：退出4.1循环后，k1入栈。
优选地，在步骤S3中，具体步骤如下：
S301：i从1到n依次考量堆栈S[i]，对每个非空堆栈，开始一条新的配送路径求取；
S302：创建一个队列Q；
S303：对于S[i]非空形成的配送路径的求取方法是：
Step1：清空队；
Step2：只要第i个栈S[i]非空；
2.1：出栈至k1,k1为该条路径上的一个送货点；
2.2：考量其余各栈S[j]，j取1到n：
2.2.1：如果栈S[j]的栈顶元素等于k1，则出栈；
2.2.2：如果栈S[j]出栈后非空，则将j入队；
2.3：队列非空，出队。
优选地，在步骤S4中，具体步骤如下：
S401：分别求各条配送路径的长度，某配送路径的距离的计算方法为：
Stpe1：获取该配送路径的最后一个配送点的序号k；
Step2：该配送路径的长度为D[k]；
S402：最短配送路程是各条配送路径的距离的和。
通过采用上述技术方案：本发明基于Dijkstra计算的配送中心到各送货点的最短距离的路径，给出了最少往返配送中心次数的送货路径；最短的距离和最少的往返次数决定了本发明给出的物流路径是覆盖所有可配送点的最短物流距离。因此，本发明是人力、物力成本最低的物流配送路径。
与现有技术相比，本发明具有以下有益效果：
1、本发明首先基于Dijkstra算法计算出的配送点到各配送点最短距离路径，给出往返配送次数最少的配送方案，然后基于该配送方案计算出总的配送路程；本发明可以用于无论是大区域还是小区域的物流路径规划或类似问题中，涉及面极广，例企业物流配送、商家物流配送、快递员接单和送单等。
2、本发明能够减少物流成本，提高物流时效性，降低人力，可以有效提高生产率。
附图说明
图1为本发明的流程图；
图2为本发明实施例的配送示意图；
图3为本发明实施例的路径信息示意图；
图4为本发明实施例的返回配送中心次数最少的配送路径。
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1，一种基于Dijkstra算法的最短物流路径规划方法，具体步骤如下：
S1：用迪杰斯拉(Dijkstra)算法计算配送中心到所有配送点的最短距离和路径信息；
S101：根据配送中心和配送点位置绘制配送图，在图中标出配送中心和配送点之间所有可以互通的路径和距离。
例：图2所示配送图，A为配送中心，B～G为配送点。(这里省略距离单位)
S102：顶号序号从0开始，配送中心为第0个顶点，另有n个配送点。
例：图2配送图中，A序号为0，B～G的序号分别为1～6。
S103：用Dijkstra算法求解配送中心(第0个顶点)到n个配送点的最短距离，存于一维数组D[]中，其中第k个元素D[k]表示：配送中心到第k个配送点的最短距离。
例：图2所示配送图，D[]＝{0，15，2，11，10，6，13}，D[]表示配送中心 A到B、C、D、E、F、G的最短距离分别为：15、2、11、10、6、13。
S104：用Dijkstra算法求解配送中心(第0个顶点)到n个配送点的最短距离的路径信息，结果存于一维数组intP[n+1]中。其中第k个元素P[k]表示：配送中心可以抵达第k个配送点，且目标点的前站是第P[k]个配送点；
例：图2所示配送图，P[]＝{-1,0,0,5,2,2,3}。
S2：解析路径信息，得到配送中心到各配送点最短距离的路径；
S201：创建n个堆栈，配送中心到第k个配送点的最短距离的路径将存储在第k个栈中；
S202：对于配送中心到第k个配送点的路径解析方法为：
Step1：k1＝k,k2＝P[k1]；
Step2：如果k2等于-1，表示配送中心到不了配送点k；
Step3：如果k2等于0,k入栈；
Step4：如果k2既不等于-1，也不等于0，进行下列处理：
4.1：只要k2不等于0，重复下列操作，求解非直达路径上途经的配送点；
4.1.1：k1入栈；
4.1.2：k1＝k2，k2＝P[k1]；
4.2：退出4.1循环后，k1入栈。
例：对于S1得到的P[]，解析后得到配送中心到各送货点的最短路径如图3 所示。
S3：基于路径信息求覆盖所有可到达点的最少往返趟数的配送路径。
S301：i从1到n依次考量堆栈S[i]，对每个非空堆栈，开始一条新的配送路径求取；
S302：创建一个队列Q；
S303：对于S[i]非空形成的配送路径的求取方法是：
Step1：清空队；
Step2：只要第i个栈S[i]非空；
2.1：出栈至k1,k1为该条路径上的一个送货点；
2.2：考量其余各栈S[j],j取1到n；
2.2.1：如果栈S[j]的栈顶元素等于k1，则出栈；
2.2.2：如果栈S[j]出栈后非空，则将j入队；
2.3队列非空，出队。
例：对于S2中的示例路径，得到往返次数最少的配送路径是3条，如图4 所示。
S4：基于S1中的配送中心到所有配送点的最短距离和S3得到最短配送路程。
S401：分别求各条配送路径的长度，某配送路径的距离的计算方法为：
Stpe1：获取该配送路径的最后一个配送点的序号k；
Step2：该配送路径的长度为D[k]；
S402：最短配送路程是各条配送路径的距离的和。
例：对于S3示例中得到的配送路径，最短配送路程＝D[1]+D[6]+D[4]＝2+13+10＝25。
综上所述，本发明首先基于Dijkstra算法计算出的配送点到各配送点最短距离路径，给出往返配送次数最少的配送方案，然后基于该配送方案计算出总的配送路程；本发明能够减少物流成本，提高物流时效性，降低人力，可以有效提高生产率。
本发明中披露的说明和实践，对于本技术领域的普通技术人员来说，都是易于思考和理解的，且在不脱离本发明原理的前提下，还可以做出若干改进和润饰。因此，在不偏离本发明精神的基础上所做的修改或改进，也应视为本发明的保护范围。

Claims (5)

1.一种基于Dijkstra算法的最短物流路径规划方法，其特征在于，具体步骤如下：
S1：用迪杰斯拉Dijkstra算法计算配送中心到所有配送点的最短距离和路径信息；
S2：解析路径信息，得到配送中心到各配送点最短距离的路径；
S3：基于路径信息求覆盖所有可到达点的最少往返趟数的配送路径；
S4：基于S1中的配送中心到所有配送点的最短距离和S3得到最短配送路程。
2.根据权利要求1所述的一种基于Dijkstra算法的最短物流路径规划方法，其特征在于，在步骤S1中，具体步骤如下：
S101：根据配送中心和配送点位置绘制配送图，在图中标出配送中心和配送点之间所有可以互通的路径和距离；
S102：顶号序号从0开始，配送中心为第0个顶点，另有n个配送点；
S103：用Dijkstra算法求解配送中心，第0个顶点到n个配送点的最短距离，存于一维数组D[]中，其中第k个元素D[k]表示：配送中心到第k个配送点的最短距离；
S104：用Dijkstra算法求解配送中心，第0个顶点到n个配送点的最短距离的路径信息，结果存于一维数组int P[n+1]中；其中第k个元素P[k]表示：配送中心抵达第k个配送点，且目标点的前站是第P[k]个配送点。
3.根据权利要求1所述的一种基于Dijkstra算法的最短物流路径规划方法，其特征在于，在步骤S2中，具体步骤如下：
S201：创建n个堆栈，配送中心到第k个配送点的最短距离的路径将存储在第k个栈中；
S202：对于配送中心到第k个配送点的路径解析方法为：
Step 1：k1＝k,k2＝P[k1]；
Step 2：如果k2等于-1，表示配送中心到不了配送点k；
Step 3：如果k2等于0,k入栈；
Step 4：如果k2既不等于-1，也不等于0，进行下列处理：
4.1：只要k2不等于0，重复下列操作，求解非直达路径上途经的配送点；
4.1.1：k1入栈；
4.1.2：k1＝k2，k2＝P[k1]；
4.2：退出4.1循环后，k1入栈。
4.根据权利要求1所述的一种基于Dijkstra算法的最短物流路径规划方法，其特征在于，在步骤S3中，具体步骤如下：
S301：i从1到n依次考量堆栈S[i]，对每个非空堆栈，开始一条新的配送路径求取；
S302：创建一个队列Q；
S303：对于S[i]非空形成的配送路径的求取方法是：
Step 1：清空队；
Step 2：只要第i个栈S[i]非空；
2.1：出栈至k1,k1为该条路径上的一个送货点；
2.2：考量其余各栈S[j]，j取1到n：
2.2.1：如果栈S[j]的栈顶元素等于k1，则出栈；
2.2.2：如果栈S[j]出栈后非空，则将j入队；
2.3：队列非空，出队。
5.根据权利要求1所述的一种基于Dijkstra算法的最短物流路径规划方法，其特征在于，在步骤S4中，具体步骤如下：
S401：分别求各条配送路径的长度，某配送路径的距离的计算方法为：
Stpe 1：获取该配送路径的最后一个配送点的序号k；
Step 2：该配送路径的长度为D[k]；
S402：最短配送路程是各条配送路径的距离的和。
CN202210897779.6A 2022-07-28 2022-07-28 一种基于Dijkstra算法的最短物流路径规划方法 Active CN115271205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210897779.6A CN115271205B (zh) 2022-07-28 2022-07-28 一种基于Dijkstra算法的最短物流路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210897779.6A CN115271205B (zh) 2022-07-28 2022-07-28 一种基于Dijkstra算法的最短物流路径规划方法

Publications (2)

Publication Number Publication Date
CN115271205A true CN115271205A (zh) 2022-11-01
CN115271205B CN115271205B (zh) 2023-11-28

Family

ID=83770344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210897779.6A Active CN115271205B (zh) 2022-07-28 2022-07-28 一种基于Dijkstra算法的最短物流路径规划方法

Country Status (1)

Country Link
CN (1) CN115271205B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757585A (zh) * 2023-08-22 2023-09-15 安徽大学 一种基于移动边缘计算的无人机和无人车协同配送方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030223373A1 (en) * 2002-02-12 2003-12-04 The University Of Tokyo Dual Dijkstra search for planning multipe paths
CN105184417A (zh) * 2015-09-24 2015-12-23 国家电网公司 一种计量设备配送线路优化方法及装置
CN105825296A (zh) * 2016-03-11 2016-08-03 惠龙易通国际物流股份有限公司 一种基于Dijkstra算法的货运信息处理方法及系统
CN106096783A (zh) * 2016-06-13 2016-11-09 Tcl集团股份有限公司 一种基于Dijkstra的路径优化方法及其系统
CN106156898A (zh) * 2016-08-23 2016-11-23 吕建正 一种基于MoCD算法的商品配送路径规划方法
CN106934476A (zh) * 2015-12-29 2017-07-07 山东环球软件科技有限公司 一种应用于医疗卫生区域就医时间优化的方法
CN107169591A (zh) * 2017-04-21 2017-09-15 浙江工业大学 基于线性时序逻辑的移动端快递派送路径规划方法
CN107330655A (zh) * 2017-07-11 2017-11-07 南京邮电大学 一种基于时间预约的智能配送路径规划方法
CN108154254A (zh) * 2017-07-24 2018-06-12 南京交通职业技术学院 基于改进型a*算法的物流配送车辆调度方法
CN109919541A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种多级定位库存路径问题的建模求解方法
KR101993476B1 (ko) * 2018-01-22 2019-06-27 주식회사 지노스 물류 토큰과 공정 중심 모델링 방법을 이용한 조선소 블록 물류 시뮬레이션 모델링 방법
CN110263986A (zh) * 2019-06-05 2019-09-20 四川驹马科技有限公司 一种能适应复杂交通变化的物流配送系统及方法
KR102035864B1 (ko) * 2018-09-07 2019-10-23 정완식 다중 배송 플랫폼에서의 최단 운송경로 탐색 서비스 제공 방법
KR20210001333A (ko) * 2019-06-27 2021-01-06 주식회사 지노스 트랜스포터의 최적 블록 운송 방법 및 이를 수행하는 서버
WO2021027265A1 (zh) * 2019-08-12 2021-02-18 南京邮电大学 计算无人机集群重新编队的最短编队距离的方法
CN113764087A (zh) * 2021-08-26 2021-12-07 南京天溯自动化控制系统有限公司 医院物资配送方法、装置、服务器及存储介质
CN113962639A (zh) * 2021-12-23 2022-01-21 湖北普罗格科技股份有限公司 一种基于全域地图的配送路径规划方法和系统
WO2022133330A1 (en) * 2020-12-18 2022-06-23 Strong Force Vcn Portfolio 2019, Llc Robot fleet management and additive manufacturing for value chain networks

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030223373A1 (en) * 2002-02-12 2003-12-04 The University Of Tokyo Dual Dijkstra search for planning multipe paths
CN105184417A (zh) * 2015-09-24 2015-12-23 国家电网公司 一种计量设备配送线路优化方法及装置
CN106934476A (zh) * 2015-12-29 2017-07-07 山东环球软件科技有限公司 一种应用于医疗卫生区域就医时间优化的方法
CN105825296A (zh) * 2016-03-11 2016-08-03 惠龙易通国际物流股份有限公司 一种基于Dijkstra算法的货运信息处理方法及系统
CN106096783A (zh) * 2016-06-13 2016-11-09 Tcl集团股份有限公司 一种基于Dijkstra的路径优化方法及其系统
CN106156898A (zh) * 2016-08-23 2016-11-23 吕建正 一种基于MoCD算法的商品配送路径规划方法
CN107169591A (zh) * 2017-04-21 2017-09-15 浙江工业大学 基于线性时序逻辑的移动端快递派送路径规划方法
CN107330655A (zh) * 2017-07-11 2017-11-07 南京邮电大学 一种基于时间预约的智能配送路径规划方法
CN108154254A (zh) * 2017-07-24 2018-06-12 南京交通职业技术学院 基于改进型a*算法的物流配送车辆调度方法
KR101993476B1 (ko) * 2018-01-22 2019-06-27 주식회사 지노스 물류 토큰과 공정 중심 모델링 방법을 이용한 조선소 블록 물류 시뮬레이션 모델링 방법
KR102035864B1 (ko) * 2018-09-07 2019-10-23 정완식 다중 배송 플랫폼에서의 최단 운송경로 탐색 서비스 제공 방법
CN109919541A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种多级定位库存路径问题的建模求解方法
CN110263986A (zh) * 2019-06-05 2019-09-20 四川驹马科技有限公司 一种能适应复杂交通变化的物流配送系统及方法
KR20210001333A (ko) * 2019-06-27 2021-01-06 주식회사 지노스 트랜스포터의 최적 블록 운송 방법 및 이를 수행하는 서버
WO2021027265A1 (zh) * 2019-08-12 2021-02-18 南京邮电大学 计算无人机集群重新编队的最短编队距离的方法
WO2022133330A1 (en) * 2020-12-18 2022-06-23 Strong Force Vcn Portfolio 2019, Llc Robot fleet management and additive manufacturing for value chain networks
CN113764087A (zh) * 2021-08-26 2021-12-07 南京天溯自动化控制系统有限公司 医院物资配送方法、装置、服务器及存储介质
CN113962639A (zh) * 2021-12-23 2022-01-21 湖北普罗格科技股份有限公司 一种基于全域地图的配送路径规划方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757585A (zh) * 2023-08-22 2023-09-15 安徽大学 一种基于移动边缘计算的无人机和无人车协同配送方法
CN116757585B (zh) * 2023-08-22 2023-10-31 安徽大学 一种基于移动边缘计算的无人机和无人车协同配送方法

Also Published As

Publication number Publication date
CN115271205B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Sun et al. Adaptive large neighborhood search for the time-dependent profitable pickup and delivery problem with time windows
Shiri et al. Optimization of drayage operations with time-window constraints
Labadie et al. Hybridized evolutionary local search algorithm for the team orienteering problem with time windows
CN107909228B (zh) 基于模因计算的动态车辆收发货路径规划方法及装置
Tirado et al. Heuristics for dynamic and stochastic routing in industrial shipping
CN111950803A (zh) 物流对象送达时间预测方法、装置、电子设备及存储介质
Coltin et al. Scheduling for transfers in pickup and delivery problems with very large neighborhood search
CN112733272A (zh) 一种解决带软时间窗的车辆路径问题的方法
Chen et al. A variable neighborhood search algorithm with reinforcement learning for a real-life periodic vehicle routing problem with time windows and open routes
CN115271205A (zh) 一种基于Dijkstra算法的最短物流路径规划方法
CN111445186B (zh) 一种基于Petri网理论的带时间窗的车辆路径优化方法
WO2022228133A1 (zh) 一种拣货任务的处理方法、装置、介质与电子设备
Poppenborg et al. Online scheduling of flexible job-shops with blocking and transportation
CN110648096A (zh) 一种配送线路的生成方法和装置
Vaira Genetic algorithm for vehicle routing problem
Hellsten et al. An adaptive large neighbourhood search heuristic for routing and scheduling feeder vessels in multi-terminal ports
Cui et al. A two-stage hybrid heuristic solution for the container drayage problem with trailer reposition
CN109635998B (zh) 一种求解带时间窗车辆路径问题的自适应多目标优化方法
CN108959782B (zh) 一种智能车间的布局优化方法、装置及设备
CN108346025B (zh) 基于云的智慧物流计算方法
Chi et al. Pickup capacitated vehicle routing problem with three-dimensional loading constraints: Model and algorithms
WO2019119457A1 (zh) 基于模因计算的动态车辆收发货路径规划方法及装置
CN111967793A (zh) 物流时效评价方法、装置、电子设备及存储介质
CN111428902A (zh) 确定运输线路的方法及装置
CN114139796A (zh) 一种邮路规划方法、装置、介质及设备

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