CN115829183B

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

Info

Publication number: CN115829183B
Application number: CN202310147807.7A
Authority: CN
Inventors: 余曲波; 刘坤; 倪少权; 刘晓伟; 濮方竹; 陈钉均; 潘金山
Original assignee: Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd; Southwest Jiaotong University
Current assignee: Sichuan Port Investment New Channel Logistics Industry Investment Group Co ltd; Southwest Jiaotong University
Priority date: 2023-02-22
Filing date: 2023-02-22
Publication date: 2023-05-02
Anticipated expiration: 2043-02-22
Also published as: CN115829183A

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：

（1）

其中为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；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；为运输网络节点；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：

（2）

其中，为0-1第一决策变量，若从节点到节点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：

（3）

其中，为0-1第二决策变量，若在节点发生运输方式从k转到则为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，即当进入节点的运输方式为k，且由节点发出的运输方式为时，节点会发生由运输方式k到的转换，其公式如下：

；（4）

第三模型逻辑约束，其公式如下：

（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：

；（6）

运到时限约束，其公式如下：

；（7）

由于不确定性参数运输需求，运输时间，运输路径能力难以得到精确数值，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，取值范围为[0,1]。对于给定的任意一组冷链运输路径方案违反不确定约束条件的概率应该大于等于，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：

（8）

其中，为不确定的冷链运输需求量，单位吨；为运输方式k在弧的运输能力，且为不确定参数；为路径可行性系数；为运输方式k在弧的运输时间，单位小时，且为不确定参数；为在节点由运输方式k转换到的时间，小时/吨。

表示最乐观情况下的路径可行性的概率水平；表示最坏情况下的路径可行性概率水平；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，运输时间，运输路径能力参数，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）。

（9）

（10）

其中，L限制运输时间，单位小时；为运输需求期望；为运输路径能力方差；为运输时间期望；为运输需求方差；为运输路径能力期望；为运输时间方差；为高斯分布中事件发生概率的分位数。

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总运输成本进行修正。

机会成本修正系数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：

；（11）

基于不确定性参数的路径规划模型为：

（12）

（13）

（14）

(15)

(16)

其中，为机会成本修正系数；为客户市场时间价值，为客户路径可靠性感知价值；T当前路径方案运输时间；为最短路径运输时间；为最短运输时间方案对应的总运输成本；为当前运输方案对应的运输成本, 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；为运输方式k在弧的单位冷链货物运输成本，单位元/吨公里；为运输方式k在弧的运输距离,单位公里;为在节点由运输方式k转换到的成本，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；为新鲜度衰减系数，取值为0.9；为冷链货物变质敏感因子0.002-0.003；为运输方式k在弧的碳排放量，千克/吨公里；为碳交易价格，元/千克；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、初始解群体数量N、违反约束惩罚系数、最乐观情况下的路径可行性的概率水平、最坏情况下的路径可行性概率水平和风险决策系数；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与对应的总运输成本、运输时间最短路径的可行性系数。

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。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。

适应度值计算方法：

（17）

其中为约束惩罚系数，方案解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)；分别代表灰狼个体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对最优解的潜在位置有更好的了解，普通方案解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：

（18）

（19）

次迭代普通方案解编码转换：

（20）

（21）

其中为当前迭代次数，表示当前迭代适应度值最高的三个方案解，分别表示次迭代中普通方案解变换方向；A取值范围到的均匀随机数；C为取值0或2的随机数，为编码更新权重系数，与适应度值相关；表示普通方案解在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：

（22）

（23）

其中，为编码取值下限，为编码取值下限，表示v迭代中方案解为第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

（24）

其中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；表示两个方案解中相同编码的位数。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。表示普通方案解在次迭代发生编码转换的结果。

保留概率计算：

（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；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

1.一种冷链物流路径规划方法，其特征在于，包括：

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：

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。