CN115829183B - 冷链物流路径规划方法、装置、设备及可读存储介质 - Google Patents

冷链物流路径规划方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN115829183B
CN115829183B CN202310147807.7A CN202310147807A CN115829183B CN 115829183 B CN115829183 B CN 115829183B CN 202310147807 A CN202310147807 A CN 202310147807A CN 115829183 B CN115829183 B CN 115829183B
Authority
CN
China
Prior art keywords
transportation
path
chain logistics
cold chain
value
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
CN202310147807.7A
Other languages
English (en)
Other versions
CN115829183A (zh
Inventor
余曲波
刘坤
倪少权
刘晓伟
濮方竹
陈钉均
潘金山
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.)
Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd
Southwest Jiaotong University
Original Assignee
Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd
Southwest Jiaotong 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 Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd, Southwest Jiaotong University filed Critical Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd
Priority to CN202310147807.7A priority Critical patent/CN115829183B/zh
Publication of CN115829183A publication Critical patent/CN115829183A/zh
Application granted granted Critical
Publication of CN115829183B publication Critical patent/CN115829183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种冷链物流路径规划方法、装置、设备及可读存储介质，涉及冷链物流技术领域，包括获取第一信息；根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到；求解所述基于不确定性参数的路径规划模型。本发明考虑了冷链物流中的不确定性参数，灵活了冷链物流的路径方案的决策，可使决策者付出最小的代价，降低运输需求、运输时间与运输能力不确定性的影响，由此提升冷链物流路径的可靠性。

Description

冷链物流路径规划方法、装置、设备及可读存储介质
技术领域
本发明涉及冷链物流技术领域，具体而言，涉及冷链物流路径规划方法、装置、设备及可读存储介质。
背景技术
冷链物流是为防止新鲜货物变质而采用的从生产到消费的过程中始终处于低温状态的供应链系统。随着居民消费水平的提升，人们对生鲜食品的安全和品质提出了更高的要求，优质快捷的冷链运输服务十分重要。在现有的城际间冷链货物供应链中，多采用多式联运网络运输冷链货物，以提升运输效率，降低物流成本。但多式联运网络的可靠性很容易受到各种因素的干扰，例如恶劣的天气、交通拥堵、事故、交通设施的故障或短缺等，导致冷链物流极为敏感的运输时间、运输需求、运输能力等网络参数无法保持稳定，从而产生不确定性的冷链物流网络，并且决策者无法灵活地决策冷链路径方案，导致冷链路径方案的决策成本增加。
发明内容
本发明的目的在于提供一种冷链物流路径规划方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了冷链物流路径规划方法，其特征在于，包括：
获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力；
根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；
根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到；
根据启发式搜索算法和基于不确定性参数的约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径。
第二方面，本申请还提供了一种冷链物流路径规划装置，其特征在于，包括：
第一获取模块，用于获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力；
第一构建模块，用于根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；
第二构建模块，用于根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到；
求解模块，用于根据启发式搜索算法和基于不确定性参数的约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径。
第三方面，本申请还提供了一种冷链物流路径规划设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述冷链物流路径规划方法的步骤。
第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于冷链物流路径规划方法的步骤。
本发明的有益效果为：通过基于不确定性参数的约束条件，将冷链物流中存在的不确定性参数考虑在冷链物流路径的规划中，再通过机会成本修正系数对基于不确定性参数的路径规划模型进行调节，由此灵活决策冷链物流的路径方案，可使决策者付出最小的代价，降低运输需求、运输时间与运输能力不确定性的影响，由此提升冷链物流路径的可靠性。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、和附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中所述的一种冷链物流路径规划方法流程示意图。
图2为本发明实施例中所述的一种冷链物流路径规划装置结构示意图。
图3为本发明实施例中所述的一种冷链物流路径规划设备结构示意图。
图中标记：500、第一获取模块；600、第一构建模块；601、第二获取模块；602、第一计算模块；603、第二计算模块；604、获得模块；605、第三构建模块；606、第四构建模块；700、第二构建模块；701、第三计算模块；702、第四计算模块；703、第五计算模块；704、第六计算模块；705、第七计算模块；706、第八计算模块；707、第五构建模块；800、求解模块；801、初始化模块；802、寻找模块；803、编码模块；804、第九计算模块；805、迭代模块；900、冷链物流路径规划设备901、处理器；902、存储器；903、多媒体组件；904、I/O接口；905、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
实施例提供了一种冷链物流路径规划方法。
参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400。
步骤S100：获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力。
步骤S100冷链物流参数还包括冷链货物运输参数、冷链货物转运参数、碳排放成本参数。冷链物流参数冷链物流公司针对具体应用场景，通过市场调查即可较为容易地获得所述冷链物流参数。
步骤S200：根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件。
步骤S200具体包括：
S210：根据第一信息和预设的高斯分布函数构建基于不确定性参数的约束条件，包括：
S211：获取运输决策者的风险态度，根据预设的规则将运输决策者的风险态度转化为风险决策系数；
S212：计算最乐观情况下路径可行性概率与最悲观情况下路径可行性概率的第一差值，最乐观情况下路径可行性概率与最悲观情况下路径可行性概率均根据长期运营过程中记录的历史运输需求、运输时间、路径运输能力、天气数据、市场需求变化数据，通过专家经验法估算得到；
S213：计算所述第一差值和风险决策系数的乘积；
S214：根据所述乘积与最悲观情况下路径可行性概率之和获得路径可行性系数；
S215：基于高斯分布函数根据运输需求、路径运输能力和所述路径可行性系数构建路径运输能力约束；
S216：基于高斯分布函数根据运输时间、路径可行性系数限制运输时间构建运到时限约束。
S220：根据第一信息构建基于确定参数的约束条件。
S221：根据第三决策变量、第四决策变量、冷链多式联运网络节点集合、出发节点、到达节点构建冷链物流网络流平衡约束；
S222：根据第二决策变量、第三决策变量、第四决策变量、冷链多式联运网络边集合、冷链多式联运网络节点集合、冷链物流网络运输方式集合构建运输路径连续性约束；
S223：根据第一决策变量、第二决策变量获得模型逻辑约束、冷链多式联运网络节点集合、出发节点、到达节点构建模型逻辑约束。
在本步骤中，所述确定约束条件包括：
冷链多式联运网络流平衡约束，其公式如下：
Figure SMS_1
（1）
其中
Figure SMS_2
为0-1决策变量，若从节点h到节点i选择运输方式k运输则为1否则为0；
Figure SMS_3
为0-1决策变量，若从节点h到节点i选择运输方式l运输则为1否则为0；N为冷链多式联运网络节点集合；M为冷链物流网络运输方式集合；
Figure SMS_4
为运输网络节点；
Figure SMS_5
为网络运输方式；O为出发节点，D为到达节点。
第一模型逻辑约束为任意网络节点间，只能采用一种运输方式运送冷链货物，其公式如下：
Figure SMS_6
（2）
其中，
Figure SMS_7
为0-1第一决策变量，若从节点
Figure SMS_8
到节点j选择运输方式k运输则为1否则为0；A为冷链多式联运网络边集合。
第二模型逻辑约束为任意一个冷链多式联运网络中间节点来说，运输方式转换的次数不大于1次，其公式如下：
Figure SMS_9
（3）
其中，
Figure SMS_10
为0-1第二决策变量，若在节点
Figure SMS_11
发生运输方式从k转到
Figure SMS_12
则为1否则为0。
运输路径连续性约束目的是保证运输路径的连续性，即当进入节点
Figure SMS_13
的运输方式为k，且由节点发出的运输方式为
Figure SMS_14
时，节点会发生由运输方式k到
Figure SMS_15
的转换，其公式如下：
Figure SMS_16
；（4）
第三模型逻辑约束，其公式如下：
Figure SMS_17
（5）
具体实施中，含不确定参数的约束条件包括：
运输路径能力约束，其公式如下：
Figure SMS_18
；（6）
运到时限约束，其公式如下：
Figure SMS_19
；（7）
由于不确定性参数运输需求
Figure SMS_20
，运输时间
Figure SMS_21
，运输路径能力
Figure SMS_22
难以得到精确数值，冷链路径方案可能违反运输路径能力约束与运到时限约束，导致冷链路径方案不可行。为了降低不确定参数的影响，同时反映冷链运输路径的可靠性，本发明设计了路径可行性参数
Figure SMS_23
，取值范围为[0,1]。对于给定的任意一组冷链运输路径方案
Figure SMS_24
违反不确定约束条件的概率应该大于等于
Figure SMS_25
，
Figure SMS_26
为路径可行性系数，以保证冷链路径可靠性维持在一定的水平。
路径可行性系数公式，其公式如下：
Figure SMS_27
（8）
其中，
Figure SMS_29
为不确定的冷链运输需求量，单位吨；
Figure SMS_32
为运输方式k在弧
Figure SMS_36
的运输能力，且
Figure SMS_30
为不确定参数；
Figure SMS_33
为路径可行性系数；
Figure SMS_35
为运输方式k在弧
Figure SMS_38
的运输时间，单位小时，且
Figure SMS_28
为不确定参数；
Figure SMS_31
为在
Figure SMS_34
节点由运输方式k转换到
Figure SMS_37
的时间，小时/吨。
Figure SMS_39
表示最乐观情况下的路径可行性的概率水平；
Figure SMS_40
表示最坏情况下的路径可行性概率水平；
Figure SMS_41
为风险决策系数；上述参数可利用长期运营过程中记录的历史运输需求、运输时间、运输路径能力、天气数据、市场需求变化数据，通过专家经验法得到。
当
Figure SMS_42
取值较低时，属于高风险决策，模型对不确定参数的波动大小限制较小，约束条件很容易得到满足。随着路径可行性参数逐渐增大，初始路径对应的运输时间、运输能力会因超出限制变为不可行路径，迫使决策者选择名义运输时间更短、能力更大的路径以满足运输要求，这也就意味着更高的总运输成本。路径可行性参数
Figure SMS_43
应根据公式(8)与专家经验合理确定。
不确定条件的设置可以提升路线在运输总时间和路段能力约束下的可行性，决策者可依据对风险接受程度合理设置公式(8)参数，以提升冷链运输规划的可靠性。
步骤S300：根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到。
步骤S300具体包括：
S310：计算路径方案运输时间与路径方案最短运输时间的第二差值；
S320：计算所述第二差值与预设的客户时间价值的乘积得到实际运输时间延长值，客户时间价值通过市场调查得来；
S330：计算路径可行性系数与最短运输时间路径方案的可行性系数的第三差值；
S340：计算所述第三差值与预设的客户感知价值的乘积得到客户价值损失，所述客户感知价值通过市场调查得来；
S350：计算最短运输时间路径方案的总运输成本与当前运输路径的总运输成本得到运输成本节约值；
S360：计算实际运输时间延长值与客户价值损失之和与运输成本节约值的比值，得到机会成本修正系数；
S370：基于预设的高斯分布期望总成本函数与机会成本修正系数构建基于不确定性参数的路径规划模型，所述预设的高斯分布期望总成本函数为运输需求期望、路径运输能力期望、运输时间期望、运输需求方差、路径运输能力方差、运输时间方差、路径可行性系数的分位数之间的函数关系式。
在步骤300中：
为了描述冷链路径规划中的不确定运输需求
Figure SMS_44
，运输时间
Figure SMS_45
，运输路径能力
Figure SMS_46
参数，用高斯分布函数描述参数的随机变化，根据不确定参数的概率分布对公式(6)和公式(7)进行化简，由此降低算法设计难度，化简后的公式(6)为公式（9），简化后的公式(7)为公式（10）。
Figure SMS_47
（9）
Figure SMS_48
（10）
其中，L限制运输时间，单位小时；
Figure SMS_51
为运输需求期望；
Figure SMS_53
为运输路径能力方差；
Figure SMS_55
为运输时间期望；
Figure SMS_50
为运输需求方差；
Figure SMS_52
为运输路径能力期望；
Figure SMS_54
为运输时间方差；
Figure SMS_56
为高斯分布中事件发生概率
Figure SMS_49
的分位数。
冷链运输成本、运输时间与路径可靠性对客户服务质量有重要影响。通常来讲运输时间短、可靠性高的路径，总运输成本更大；同样的选择运输时间稍长，可靠性较低的路径，可降低总运输成本。由于所运输货物价值不同，客户对运输时间、运输成本与运输可靠性存在异质性需求。因此本专利设计了机会成本修正系数
Figure SMS_57
总运输成本进行修正。
机会成本修正系数
Figure SMS_58
为实际运输时间延长、运输可靠性降低带来的客户价值损失与运输成本节约的比例，其公式如下：
Figure SMS_59
；（11）
基于不确定性参数的路径规划模型为：
Figure SMS_60
（12）
Figure SMS_61
（13）
Figure SMS_62
（14）
Figure SMS_63
(15)
Figure SMS_64
(16)
其中，
Figure SMS_77
为机会成本修正系数；
Figure SMS_70
为客户市场时间价值，
Figure SMS_75
为客户路径可靠性感知价值；T当前路径方案运输时间；
Figure SMS_73
为最短路径运输时间；
Figure SMS_78
为最短运输时间方案对应的总运输成本；
Figure SMS_81
为当前运输方案对应的运输成本,
Figure SMS_84
为运输时间最短路径的可行性系数；C1为期望运输成本；C2为期望冷藏成本；C3为期望损坏成本；C4为期望碳排放成本；
Figure SMS_72
为运输方式k在弧
Figure SMS_76
的单位冷链货物运输成本，单位元/吨公里；
Figure SMS_66
为运输方式k在弧
Figure SMS_69
的运输距离,单位公里;
Figure SMS_79
为在
Figure SMS_82
节点由运输方式k转换到
Figure SMS_80
的成本，单位元/吨；c2为冷链货物运输过程中的单位制冷成本，元/吨小时；c3为冷链货物价值，元/吨；
Figure SMS_83
为新鲜度衰减系数，取值为0.9；
Figure SMS_68
为冷链货物变质敏感因子0.002-0.003；
Figure SMS_71
为运输方式k在弧
Figure SMS_67
的碳排放量，千克/吨公里；
Figure SMS_74
为碳交易价格，元/千克；
Figure SMS_65
为碳排放配额千克。
步骤S400：根据启发式搜索算法和基于不确定性参数的约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径。
步骤S400具体包括：
S410：初始化系统参数，依据冷链物流网络节点拓扑结构，将冷链物流参数转为节点间的参数矩阵；
S420：利用迪克斯特拉算法寻找从出发节点到到达节点的最短运输时间、最短运输时间路径的总运输成本和最短运输时间路径的可行性系数；
S430：对冷链物流路径的网络节点和运输方式进行编码并随机生成初始运输方案解群体，初始运输方案解群体包括多个运输方案解；
S440：将初始运输方案解群体分为第一部分和第二部分，计算循环体：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分，根据所述第一部分对下一次迭代中第二部分进行编码转换，根据编码转换结果计算保留概率，根据保留概率按预设比例淘汰保留概率最低运输方案解，并补充相同数量的方案解。
步骤S440中在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分具体包括：
S441：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分，包括：
S442：根据所述高斯分布期望总成本函数计算初始运输方案解群体中每个运输方案解对应的初始总成本，得到第一计算结果；
S443：计算所述第一计算结果与所述机会成本修正系数的乘积；
S444：根据所述乘积与预设的约束惩罚系数计算适应度值，所述约束惩罚系数根据所述约束条件确定；
S445：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分。
步骤S440中，根据所述第一部分对下一次迭代中第二部分进行编码转换，包括：
S446：计算第二部分中运输方案解下一次迭代变换方向，得到第二计算结果；
S447：根据第一部分计算第二部分中运输方案解中下一次迭代变换方向，得到第二计算结果；
S448：根据第一部分的适应度值计算第一部分的编码更新权重系数；
S449：根据所述编码更新权重系数与所述第二计算结果计算得到下一次迭代中第二部分的初步编码转换结果；
S4410：根据所述初步编码转换结果和每个运输方案解的编码位数构建编码修正函数；
S4411：通过所述编码修正函数对第二部分的每个运输方案解进行编码转换，得到下一次迭代中第二部分的编码转换结果。
S450：重新开始计算循环体，直到达到预设的最大迭代次数。
S410具体包括：初始化最大迭代次数
Figure SMS_85
、初始解群体数量N、违反约束惩罚系数
Figure SMS_86
、最乐观情况下的路径可行性的概率水平
Figure SMS_87
、最坏情况下的路径可行性概率水平
Figure SMS_88
和风险决策系数
Figure SMS_89
；依据冷链物流网络节点拓扑结构，将冷链物流各项参数转为节点间的参数矩阵。
S420具体包括：利用Dijkstra算法寻找从起始点至目标点的最短运输时间
Figure SMS_90
与对应的总运输成本
Figure SMS_91
、运输时间最短路径的可行性系数
Figure SMS_92
。
S430具体包括：冷链物流路径编码与初始方案种群生成。网络节点选用 0 和 1编码，即经过该网络节点为 1，否则为 0；运输方式用 1、2、3 进行编码，分别代表公路、铁路、航空，编码示意图如下。随机生成初始运输方案群体
Figure SMS_93
。
Figure SMS_94
的取值根据编码方式随机生成。
S440具体包括：在运输方案群体中，选出适应度值最高的前三个方案解
Figure SMS_95
。
适应度值计算方法：
Figure SMS_96
（17）
其中
Figure SMS_97
为约束惩罚系数，方案解
Figure SMS_98
对应的冷链物流路径方案不满足约束条件时，对适应度值进行惩罚，一般取值为[0.1,0.5]，约束判断准则公式(1)-(10)；
Figure SMS_99
分别代表灰狼个体
Figure SMS_100
对应的冷链物流路径方案所产生的运输成本、冷藏成本、损坏成本以及碳排放成本，计算方法参考公式(11)-(15)。
普通方案解
Figure SMS_101
下一次迭代的变换方向计算与编码转换。当前适应度值最高的三个方案解
Figure SMS_102
对最优解的潜在位置有更好的了解，普通方案解
Figure SMS_103
应围绕三个较优方案解进行搜索。
普通方案解下一次迭代变换方向计算：
Figure SMS_104
（18）
Figure SMS_105
（19）
Figure SMS_106
次迭代普通方案解编码转换：
Figure SMS_107
（20）
Figure SMS_108
（21）
其中
Figure SMS_109
为当前迭代次数，
Figure SMS_113
表示当前迭代适应度值最高的三个方案解，
Figure SMS_116
分别表示
Figure SMS_110
次迭代中普通方案解
Figure SMS_112
变换方向；A取值范围
Figure SMS_115
到
Figure SMS_118
的均匀随机数；C为取值0或2的随机数，
Figure SMS_111
为编码更新权重系数，与适应度值相关；
Figure SMS_114
表示普通方案解
Figure SMS_117
在
Figure SMS_119
次迭代发生编码转换的结果。
上述步骤(19)-(22)是在连续空间中寻找最优解。我们引入编码修正函数，将连续空间中的编码坐标映射到离散域上。编码修正函数如下：
Figure SMS_120
（22）
Figure SMS_121
Figure SMS_122
（23）
其中，
Figure SMS_123
为编码取值下限，
Figure SMS_124
为编码取值下限，
Figure SMS_125
表示v迭代中方案解
Figure SMS_126
为第j位置编码的取值。
所有普通方案解按S405步骤进行编码变换后，进行方案解群体相似度与保留概率计算。
方案解相似度评价
Figure SMS_127
（24）
其中
Figure SMS_128
为方案解相似度判别函数，值为1则表示两个方案解相似，值为0则表示不相似；
Figure SMS_129
表示两个方案解中相同编码的位数。
Figure SMS_130
为设定的相同编码位数的阈值，超过阈值则表示这两个方案解相似。
Figure SMS_131
表示普通方案解
Figure SMS_132
在
Figure SMS_133
次迭代发生编码转换的结果。
保留概率
Figure SMS_134
计算：
Figure SMS_135
（25）
适应度值函数越高，编码相似度越低的方案解，进入下一次迭代的概率越大。
将方案解群体按保留概率进行排序，按5%-10%比例淘汰概率最低的方案解，并随机生成相同数量的方案解，以形成新一代方案解种群，增加多样性避免算法陷入局部最优。
S450具体包括：判断是否达到最大迭代次数
Figure SMS_136
；若否，则返回步骤S430，是则终止程序，输出最优运输节点序列及节点间运输方式的组合。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例2：
如图2所示，本实施例提供了一种冷链物流路径规划装置，所述装置包括：
第一获取模块500，用于获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力。
第一构建模块600，用于根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；
所述第一构建模块，包括：
第二获取模块601，用于获取运输决策者的风险态度，根据预设的规则将运输决策者的风险态度转化为风险决策系数；
第一计算模块602，用于计算最乐观情况下路径可行性概率与最悲观情况下路径可行性概率的第一差值，最乐观情况下路径可行性概率和最悲观情况下路径可行性概率根据长期运营过程中记录的历史运输需求、运输时间、路径运输能力、天气数据、市场需求变化数据，通过专家经验法估算得到；
第二计算模块603，用于计算所述第一差值和风险决策系数的乘积；
获得模块604，根据所述乘积与最悲观情况下路径可行性概率之和获得路径可行性系数；
第三构建模块605，用于基于高斯分布函数根据运输需求、路径运输能力和所述路径可行性系数构建路径运输能力约束；
第四构建模块606，用于基于高斯分布函数根据运输时间、路径可行性系数限制运输时间构建运到时限约束。
第二构建模块700，用于根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到。
第二构建模块700具体包括：
第三计算模块701，用于计算路径方案运输时间与路径方案最短运输时间的第二差值；
第四计算模块702，用于计算所述第二差值与预设的客户时间价值的乘积得到实际运输时间延长值；
第五计算模块703，用于计算路径可行性系数与最短运输时间路径方案的可行性系数的第三差值；
第六计算模块704，用于计算所述第三差值与预设的客户感知价值的乘积得到客户价值损失；
第七计算模块705，用于计算最短运输时间路径方案的总运输成本与当前运输路径的总运输成本得到运输成本节约值；
第八计算模块706，用于计算实际运输时间延长值与客户价值损失之和与运输成本节约值的比值，得到机会成本修正系数；
第五构建模块707，用于基于预设的高斯分布期望总成本函数与机会成本修正系数构建基于不确定性参数的路径规划模型，所述预设的高斯分布期望总成本函数为运输需求期望、路径运输能力期望、运输时间期望、运输需求方差、路径运输能力方差、运输时间方差、路径可行性系数的分位数之间的函数关系式。
求解模块800，用于根据启发式搜索算法和基于不确定性参数的约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径。
所述求解模块800具体包括：
初始化模块801，用于初始化系统参数，依据冷链物流网络节点拓扑结构，将冷链物流参数转为节点间的参数矩阵；
寻找模块802，用于利用迪克斯特拉算法寻找从出发节点到到达节点的最短运输时间、最短运输时间路径的总运输成本和最短运输时间路径的可行性系数；
编码模块803，用于对冷链物流路径的网络节点和运输方式进行编码并随机生成初始运输方案解群体，初始运输方案解群体包括多个运输方案解；
第九计算模块804，用于将初始运输方案解群体分为第一部分和第二部分，计算循环体：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分，根据所述第一部分对下一次迭代中第二部分进行编码转换，根据编码转换结果计算保留概率，根据保留概率按预设比例淘汰保留概率最低运输方案解，并补充相同数量的方案解；
迭代模块805，用于重新开始计算循环体，直到达到预设的最大迭代次数。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种冷链物流路径规划设备，下文描述的一种冷链物流路径规划装置与上文描述的一种冷链物流路径规划方法可相互对应参照。
图3是根据示例性实施例示出的一种冷链物流路径规划设备900的框图。如图3所示，该冷链物流路径规划设备900可以包括：处理器901，存储器902。该冷链物流路径规划设备900还可以包括多媒体组件903，I/O接口904，和通信组件905中的一者或多者。
其中，处理器901用于控制该冷链物流路径规划设备900的整体操作，以完成上述的冷链物流路径规划方法中的全部或部分步骤。存储器902用于存储各种类型的数据以支持在该冷链物流路径规划设备900的操作，这些数据例如可以包括用于在该冷链物流路径规划设备900上操作的任何应用程序或方法的指令，和应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器902可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(StaticRandomAccessMemory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammableRead-OnlyMemory，简称EPROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件903可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器902或通过通信组件905发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口904为处理器901和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件905用于该冷链物流路径规划设备900与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件905可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，冷链物流路径规划设备900可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、数字信号处理器(DigitalSignalProcessor，简称DSP)、数字信号处理设备(DigitalSignalProcessingDevice，简称DSPD)、可编程逻辑器件(ProgrammableLogicDevice，简称PLD)、现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的冷链物流路径规划方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的冷链物流路径规划方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器902，上述程序指令可由冷链物流路径规划设备900的处理器901执行以完成上述的冷链物流路径规划方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种冷链物流路径规划方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的冷链物流路径规划方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
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，可轻易想到变化或替换，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)

1.一种冷链物流路径规划方法，其特征在于，包括：
获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力；
根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；
根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到；
根据启发式搜索算法和约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径；
所述机会成本修正系数的计算方法如下：
计算路径方案运输时间与路径方案最短运输时间的第二差值；
计算所述第二差值与预设的客户时间价值的乘积得到实际运输时间延长值；
计算路径可行性系数与最短运输时间路径方案的可行性系数的第三差值；
计算所述第三差值与预设的客户感知价值的乘积得到客户价值损失；
计算最短运输时间路径方案的总运输成本与当前运输路径的总运输成本得到运输成本节约值；
计算实际运输时间延长值与客户价值损失之和与运输成本节约值的比值，得到机会成本修正系数。
2.根据权利要求1所述的一种冷链物流路径规划方法，其特征在于,根据第一信息和预设的高斯分布函数构建基于不确定性参数的约束条件，包括：
获取运输决策者的风险态度，根据预设的规则将运输决策者的风险态度转化为风险决策系数；
计算最乐观情况下路径可行性概率与最悲观情况下路径可行性概率的第一差值；
计算所述第一差值和风险决策系数的乘积；
根据所述乘积与最悲观情况下路径可行性概率之和获得路径可行性系数；
基于高斯分布函数根据运输需求、路径运输能力和所述路径可行性系数构建路径运输能力约束；
基于高斯分布函数根据运输时间、所述路径可行性系数和限制运输时间构建运到时限约束。
3.根据权利要求2所述的一种冷链物流路径规划方法，其特征在于,根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，包括：
基于预设的高斯分布期望总成本函数与机会成本修正系数构建基于不确定性参数的路径规划模型，所述预设的高斯分布期望总成本函数为运输需求期望、路径运输能力期望、运输时间期望、运输需求方差、路径运输能力方差、运输时间方差、路径可行性系数的分位数之间的函数关系式。
4.根据权利要求3所述的一种冷链物流路径规划方法，其特征在于,根据启发式搜索算法和约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径，包括：
初始化系统参数，依据冷链物流网络节点拓扑结构，将冷链物流参数转为节点间的参数矩阵；
利用迪克斯特拉算法寻找从出发节点到到达节点的最短运输时间、最短运输时间路径的总运输成本和最短运输时间路径的可行性系数；
对冷链物流路径的网络节点和运输方式进行编码并随机生成初始运输方案解群体，初始运输方案解群体包括多个运输方案解；
将初始运输方案解群体分为第一部分和第二部分，计算循环体：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分，根据所述第一部分对下一次迭代中第二部分进行编码转换，根据编码转换结果计算保留概率，根据保留概率按预设比例淘汰保留概率最低运输方案解，并补充相同数量的方案解；
重新开始计算循环体，直到达到预设的最大迭代次数。
5.一种冷链物流路径规划装置，其特征在于，包括：
第一获取模块，用于获取第一信息，所述第一信息包括冷链物流网络节点拓扑结构和冷链物流参数，所述冷链物流参数包括不确定性参数：运输需求、运输时间和路径运输能力；
第一构建模块，用于根据第一信息和预设的高斯分布函数构建约束条件，所述约束条件包括基于不确定性参数的约束条件；
第二构建模块，用于根据机会成本修正系数、预设的高斯分布期望总成本函数和第一信息构建基于不确定性参数的路径规划模型，所述机会成本修正系数由实际运输时间延长值、客户价值损失、运输成本节约值计算得到；
求解模块，用于根据启发式搜索算法和基于不确定性参数的约束条件求解所述基于不确定性参数的路径规划模型，得到最小成本的冷链物流路径；
所述第二构建模块包括：
第三计算模块，用于计算路径方案运输时间与路径方案最短运输时间的第二差值；
第四计算模块，用于计算所述第二差值与预设的客户时间价值的乘积得到实际运输时间延长值；
第五计算模块，用于计算路径可行性系数与最短运输时间路径方案的可行性系数的第三差值；
第六计算模块，用于计算所述第三差值与预设的客户感知价值的乘积得到客户价值损失；
第七计算模块，用于计算最短运输时间路径方案的总运输成本与当前运输路径的总运输成本得到运输成本节约值；
第八计算模块，用于计算实际运输时间延长值与客户价值损失之和与运输成本节约值的比值，得到机会成本修正系数。
6.根据权利要求5所述的一种冷链物流路径规划装置，其特征在于，所述第一构建模块，包括：
第二获取模块，用于获取运输决策者的风险态度，根据预设的规则将运输决策者的风险态度转化为风险决策系数；
第一计算模块，用于计算最乐观情况下路径可行性概率与最悲观情况下路径可行性概率的第一差值；
第二计算模块，用于计算所述第一差值和风险决策系数的乘积；
获得模块，根据所述乘积与最悲观情况下路径可行性概率之和获得路径可行性系数；
第三构建模块，用于基于高斯分布函数根据运输需求、路径运输能力和所述路径可行性系数构建路径运输能力约束；
第四构建模块，用于基于高斯分布函数根据运输时间、路径可行性系数限制运输时间构建运到时限约束。
7.根据权利要求6所述的一种冷链物流路径规划装置，其特征在于，所述第二构建模块，包括：
第五构建模块，用于基于预设的高斯分布期望总成本函数与机会成本修正系数构建基于不确定性参数的路径规划模型，所述预设的高斯分布期望总成本函数为运输需求期望、路径运输能力期望、运输时间期望、运输需求方差、路径运输能力方差、运输时间方差、路径可行性系数的分位数之间的函数关系式。
8.根据权利要求5所述的一种冷链物流路径规划装置，其特征在于，所述求解模块包括：
初始化模块，用于初始化系统参数，依据冷链物流网络节点拓扑结构，将冷链物流参数转为节点间的参数矩阵；
寻找模块，用于利用迪克斯特拉算法寻找从出发节点到到达节点的最短运输时间、最短运输时间路径的总运输成本和最短运输时间路径的可行性系数；
编码模块，用于对冷链物流路径的网络节点和运输方式进行编码并随机生成初始运输方案解群体，初始运输方案解群体包括多个运输方案解；
第九计算模块，用于将初始运输方案解群体分为第一部分和第二部分，计算循环体：在所述初始运输方案解群体中根据约束条件选出当前迭代适应度值最高的三个运输方案解作为第一部分，根据所述第一部分对下一次迭代中第二部分进行编码转换，根据编码转换结果计算保留概率，根据保留概率按预设比例淘汰保留概率最低运输方案解，并补充相同数量的方案解；
迭代模块，用于重新开始计算循环体，直到达到预设的最大迭代次数。
9.一种冷链物流路径规划设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述一种冷链物流路径规划方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项一种冷链物流路径规划方法的步骤。
CN202310147807.7A 2023-02-22 2023-02-22 冷链物流路径规划方法、装置、设备及可读存储介质 Active CN115829183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310147807.7A CN115829183B (zh) 2023-02-22 2023-02-22 冷链物流路径规划方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310147807.7A CN115829183B (zh) 2023-02-22 2023-02-22 冷链物流路径规划方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN115829183A CN115829183A (zh) 2023-03-21
CN115829183B true CN115829183B (zh) 2023-05-02

Family

ID=85522086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310147807.7A Active CN115829183B (zh) 2023-02-22 2023-02-22 冷链物流路径规划方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN115829183B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035602B (zh) * 2023-10-10 2023-12-15 成都思越智能装备股份有限公司 一种跨搬运系统的物料搬送路径寻优方法及装置
CN117113608B (zh) * 2023-10-23 2024-02-13 四川港投新通道物流产业投资集团有限公司 一种冷链物流网络节点布局方法和设备
CN117273255B (zh) * 2023-11-16 2024-01-30 深圳市大数据研究院 冷链运输路径规划方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368931A (zh) * 2017-08-09 2017-11-21 西南交通大学 基于大数据分析技术的物流配送路径动态规划方法及系统
CN110288297A (zh) * 2019-06-26 2019-09-27 南开大学 一种基于启发式蚁群算法应用于冷链物流中最优配送路径的方法
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7235060B2 (ja) * 2019-02-01 2023-03-08 日本電気株式会社 経路計画装置、経路計画方法、及びプログラム
CN110503234B (zh) * 2019-07-03 2022-07-12 广东工业大学 一种物流运输调度的方法、系统及设备
CN112288347B (zh) * 2020-02-21 2024-06-21 北京京东振世信息技术有限公司 冷链配送的路线确定方法、装置、服务器及存储介质
CN111967668A (zh) * 2020-08-17 2020-11-20 安徽理工大学 一种基于改进蚁群算法的冷链物流路径优化方法
CN112580884A (zh) * 2020-12-24 2021-03-30 上海寻梦信息技术有限公司 冷链运输方法、冷链运输网络建立方法以及相关设备
CN114169825A (zh) * 2021-11-29 2022-03-11 上海东普信息科技有限公司 冷链运输线路规划方法、装置、设备及存储介质
CN115169739A (zh) * 2022-08-05 2022-10-11 东北大学 基于物流供应链的考虑时效性和折扣的运输路径规划方法
CN115689412A (zh) * 2022-08-29 2023-02-03 东北大学 一种多周期运费定价和物流网络规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368931A (zh) * 2017-08-09 2017-11-21 西南交通大学 基于大数据分析技术的物流配送路径动态规划方法及系统
CN110288297A (zh) * 2019-06-26 2019-09-27 南开大学 一种基于启发式蚁群算法应用于冷链物流中最优配送路径的方法
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法

Also Published As

Publication number Publication date
CN115829183A (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN115829183B (zh) 冷链物流路径规划方法、装置、设备及可读存储介质
CN112070355B (zh) 一种机场摆渡车的分配调度方法
CN111415048A (zh) 一种基于强化学习的车辆路径规划方法
CN113222463B (zh) 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法
CN105389975A (zh) 专车调度方法和装置
Yao et al. Improved artificial bee colony algorithm for vehicle routing problem with time windows
CN112330070A (zh) 一种碳排放限制下的冷藏集装箱多式联运路径优化方法
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
US20200184577A1 (en) Management method and management apparatus
CN111368999A (zh) 一种物流调度系统
CN114677087B (zh) 一种车辆组合无人机协同配送方法
CN116050752A (zh) 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法
CN116720642A (zh) 车辆与无人机协同配送的路径优化方法和系统
CN114519463A (zh) 一种众包通勤公交调度问题的嵌入式降维组合优化方法
CN116934205B (zh) 一种公铁空轴辐式物流网络优化方法
CN109032789A (zh) 一种物流网络的部署方法、装置和服务器
CN117273202A (zh) 港口泊位分配优化方法、系统及存储介质
CN117308985A (zh) 面向带负载约束的车辆路径规划方法、装置、设备及介质
CN112257946A (zh) 一种突发紧急状态下装备运输多目标优化模型
KR20190013156A (ko) 동적 네트워크에서 네트워크 형성 방법 및 장치
CN116070814A (zh) 基于大数据处理的多式联运路径多冲突目标动态优化方法
CN116362435A (zh) 一种用于多车场配送的路径规划方法
CN113065274A (zh) 车辆路径的规划方法、装置、终端及可读存储介质
CN114154394B (zh) 一种基于改进蚁群算法的并行时间窗车辆路径规划方法
CN114781508A (zh) 基于聚类的卫星测控调度方法及系统

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