CN116109083A - 一种基于云计算的任务调度方法及系统 - Google Patents

Abstract

本发明公开了一种基于云计算的任务调度方法，应用于一种基于云计算的任务调度系统，该方法包括：系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不用的使用权限，用户通过输入用户名和密码进入系统，待系统对于该使用者输入的用户以及密码进行比对并且权限识别后，将会根据访问者的身份对其发放不同的操作权限；将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中；根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据；进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询，本发明，具有提升物流配送服务的整体满意度的特点。

Description

一种基于云计算的任务调度方法及系统

技术领域

本发明涉及任务调度技术领域，具体为一种基于云计算的任务调度方法及系统。

背景技术

一直以来，物流行业是一个与人民生活息息相关的行业，它将商品作为载体，连接着物流两端的寄货收货双方。随着国家互联网+的战略的实施，物流行业迎来了物流数据井喷的年代，为了能够将如此体量的数据进行系统化规模化有效化的处理，大数据云计算技术应运而生。在物流行业中，最重要的就是商品派送的这段路程，物流配送车辆的车辆调度在物流行业影响着该领域最重要的指标，即运输费用，物流运输的配送方案直接影响到物流企业的业务效率以及成本控制。目前，随着物流配送规模的扩大以及客户对服务质量要求的提高，车辆调度问题的复杂度指数上升，传统的方法已经不能满足客户的需求，客户的需求越复杂，算法的复杂度越高，就会导致配送质量下降，配送质量下降，客户的满意度就会下降。因此，设计提升物流配送服务的整体满意度的一种基于云计算的任务调度方法及系统是很有必要的。

发明内容

本发明的目的在于提供一种基于云计算的任务调度方法及系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的任务调度方法，该方法包括：

系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不用的使用权限；

将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中；

根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据；

进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询。

根据上述技术方案，所述系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不同的使用权限包括：用户通过输入用户名和密码进入系统，待系统对于该使用者输入的用户以及密码进行比对并且权限识别后，将会根据访问者的身份对其发放不同的操作权限。

根据上述技术方案，所述将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中包括：统计系统用户信息，物流工作人员信息以及物流数据信息，存储与数据库中用以与路径选取结果进行对比。

根据上述技术方案，所述根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据包括：

将系统提供的订单数据导入，识别出参与路径规划的客户的信息；

设置客户交付货物的时间窗、货物量、车辆装载量、车辆每天最长行驶时间的约束条件，对物流车辆路径进行规划分析。

根据上述技术方案，所述对物流车辆路径进行规划分析包括：

根据先遗传算法后蚁群算法的混合算法，首先通过遗传算法得到一组较优的解集，然后将该解集作为蚁群算法的初始解集，对该初始解集进一步优化，最终得到车辆配送路径的最优解。

根据上述技术方案，所述进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询包括：

将上述步骤中生成的路径规划表输入之后，通过对数据库中的车辆以及员工信息的比对，将每一条线路安排可行的员工及车辆，并生成一张显示最终车辆调度结果的调度表。

根据上述技术方案，所述一种基于云计算的任务调度系统，该系统包括：

数据库存储模块，用于存储物流数据及用户信息；

物流车辆路径分析模块，用于分析物流车辆路径；

物流车辆任务调度模块，用于对物流车辆任务进行调度安排。

根据上述技术方案，所述数据库存储模块包括：

用户注册模块，用于进行用户注册及权限发放；

物流数据跟踪汇总模块，用于跟踪汇总物流数据。

根据上述技术方案，所述物流车辆路径分析模块包括：

需求拆分模块，用于将客户需求进行拆分；

配送路径选取模块，用于选取最优配送路径；

结果生成模块，用于生成最终路径结果。

根据上述技术方案，所述物流车辆任务调度模块包括：

路径规划输入模块，用于输入路径规划结果；

数据库比对模块，用于将路径结果与数据库中可调配资源进行对比；

调度结果可视化模块，用于对调度结果进行可视化展示。

与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有数据库存储模块、物流车辆路径分析模块以及物流车辆任务调度模块，根据订单具体内容对物流车辆路径进行规划分析，通过对数据库中的车辆以及员工信息的比对，将每一条线路安排可行的员工及车辆，并生成一张显示最终车辆调度结果的调度表，解决了调度人员车辆调度难度大、作业效率低，以及等待调度时间长、协同效率低的问题，进一步提升了物流配送服务的整体运行效率以及用户满意度，实现了车辆安排和路线优化的智能合理化。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明实施例一提供的一种基于云计算的任务调度方法的流程图；

图2是本发明实施例二提供的一种基于云计算的任务调度系统的模块构成示意图。

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做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。

实施例一：

图1为本发明实施例一提供的一种基于云计算的任务调度方法的流程图，本实施例可应用于物流车辆调度的环境中，该方法可以由本发明实施例提供的一种基于云计算的任务调度方法及系统来执行，该系统由多个软硬件模块组成，该方法具体包括以下步骤：

S101、系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不用的使用权限；

在本发明的一些实施例中，用户在第一次访问系统时，需要进行身份注册，获取用户名和密码，在之后的访问过程中，需要通过输入用户名和密码，方可进入系统，待系统对于该使用者输入的用户以及密码进行比对并且权限识别后，将会根据访问者的身份对其发放不同的操作权限；例如，对于管理员用户，就可以享有最高权限，包括增删改查，而普通用户则只有查询的权限。

S102、将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中；

在本发明的一些实施例中，跟踪汇总的物流数据包括：客户的订单信息、提供物流服务的车辆信息、员工信息以及生成的配送路线的路线信息；其中，客户的订单信息包括：客户的位置信息、服务时间以及需求量；而车辆信息则包括：车型、车牌号以及载重量等。

S103、根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据；

在本发明的一些实施例中，通过将系统提供的订单数据导入，识别出参与路径规划的客户的信息，根据具体的实际情况，进行客户配送路径的规划安排，并且将结果输出，生成路径规划结果，为车辆调度提供输入数据。

示例性的，在本发明实施例中，设置客户交付货物的时间窗、货物量、车辆装载量、车辆每天最长行驶时间的约束条件，对物流车辆路径进行规划分析；具体的，首先对客户的需求进行拆分，对客户需求量小于等于车辆装载量的客户不进行拆分，由一辆车进行配送；对客户需求量大于车辆装载量的客户需要进行拆分，并在对需要拆分的客户拆分完后，将问题转化为带时间窗的车辆调度问题，根据先遗传算法后蚁群算法的混合算法，首先通过遗传算法得到一组较优的解集，然后将该解集作为蚁群算法的初始解集，对该初始解集进一步优化，最终得到车辆配送路径的最优解。通过该步骤，解决了调度人员车辆调度难度大、作业效率低，以及等待调度时间长、协同效率低的问题，进一步提升了物流配送服务的整体运行效率以及用户满意度，实现了车辆安排和路线优化的智能合理化。

示例性的，在本发明的一些实施例中，遗传算法具体为：首先记录算法开始运行的时间，初始化基本数据包括客户和车辆信息，根据贪心策略生成初始种群，计算初始种群中各个个体的适应度，再根据个体的适应度计算个体适应度累积的概率，作为轮盘选择的依据；进入迭代循环判断，如果迭代次数达到最大迭代次数，算法终止，记录算法结束运行的时间，并用结束时间减去开始时间得到算法运行的时间，最后对最优解染色体进行解码，得到所使用的车辆数量、每辆车行驶的路程、每辆车配送的客户顺序以及每辆车行驶路程的总和；每一次迭代根据个体适应度的大小保留上一代适应度最大的个体到下一代，剩下的个体使用轮盘选择方法选择，根据随机交叉概率进行交叉操作，根据随机变异概率进行变异操作，然后在计算本代种群中各个个体的适应度和累积概率，为下一次迭代做准备。

蚁群算法具体为：算法中一只蚂蚁相当于一辆配送车辆，首先初始化蚁群算法的参数信息，并将遗传算法产生的解也作为初始化信息；通过设置最大迭代数来控制算法循环运行的次数，当算法运行到最大迭代数时，结束算法运行，输出全局最优蚁群，即所求问题的最优解，否则进行下一步的迭代，具体的迭代过程包括：

S1：每一次迭代开始前首先初始化蚂蚁的基本参数，首先将遗传算法产生的较优解作为蚁群算法的初始信息，然后判断是否存在未遍历的客户，如果存在未遍历的客户，蚁群中的蚂蚁逐个选择下一个未被蚂蚁遍历过的客户，未被蚂蚁遍历的客户可能存在多个，根据信息素浓度的大小使用轮盘选择的方法选择下一个客户，信息素浓度越大的客户越容易被蚂蚁选中，同时要满足客户的需求量小于蚂蚁剩余的负载量，且需要满足其他的约束条件。

S2：蚂蚁选择下一个客户后更新该蚂蚁的负载量等相关信息，记录该客户已被该蚂蚁遍历，下次遍历的时候将跳过该客户继续搜索别的客户；如果存在未遍历的客户，本次迭代中所有的蚂蚁都不能装载这个客户的货物，说明现有蚂蚁的负载量不能满足该客户的需求，此时增加一只蚂蚁，即增加了蚂蚁的负载量装载该客户需求，按如此规则继续遍历剩下未遍历的客户。

S3：当遍历完所有客户点时，根据目标函数计算所有蚂蚁经过的里程总和，并判断本次迭代的蚁群是否是全局最优的蚁群，如果本次迭代的蚁群是全局最优蚁群，则更新本次迭代的蚁群为全局最优蚁群，并更新蚁群的信息素。

S104、进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询；

在本发明的一些实施例中，将上述步骤中生成的路径规划表输入之后，通过对数据库中的车辆以及员工信息的比对，将每一条线路安排可行的员工及车辆，并生成一张显示最终车辆调度结果的调度表。具体的，在车辆调度过程中，调度员选择需要调度的订单，执行系统智能调度功能；智能调度完成后还没有确认生成派车单前，可根据实际需要查看配送方案详情进行订单微调，例如将某个订单移动到另一个线路中，调整完成后再重新执行规划可生成新的配送方案，确认调度配送方案后，生成派车单，此时该批次的订单已经全部设置为待出发的状态，不能再对订单进行调整；智能调度完成订单和车辆的绑定，接着调度员指派配送任务给司机，将车辆和订单信息推送给司机端，完成车辆的调度。

示例性的，车辆调度后：司机登录系统后进入派车单页面，可查看派车单及派车单明细，派车单跟司机的登录账号绑定，司机只能看到自己的配送任务；配送任务含有客户信息和货物信息，司机配送客户的顺序后台系统已预先分配好；司机选择配送任务列表中的首个客户开始配送，车辆到达客户处后司机根据配送任务明细核对货物名称和数量，卸载该客户的货物，完成货物的交付后，在系统中更新该客户的配送任务状态为完成状态，如果出现异常情况，比如车辆故障、客户问题或者货物问题等情况，在系统中更新该客户的配送任务状态为异常状态，并上传异常图片凭证，管理员将会实时掌控车辆配送任务情况，并进行车辆调整；司机按照配送任务列表中的顺序逐个客户进行配送，如有异常，则提报异常，否则在完成所有配送任务后返回仓库。

实施例二：

本发明实施例二提供了一种基于云计算的任务调度方法及系统，图2为本实施例二提供的一种基于云计算的任务调度方法及系统的模块构成示意图，如图2所示，该系统包括：

数据库存储模块，用于存储物流数据及用户信息；

物流车辆路径分析模块，用于分析物流车辆路径；

物流车辆任务调度模块，用于对物流车辆任务进行调度安排。

在本发明的一些实施例中，数据库存储模块包括：

用户注册模块，用于进行用户注册及权限发放；

物流数据跟踪汇总模块，用于跟踪汇总物流数据。

在本发明的一些实施例中，物流车辆路径分析模块包括：

需求拆分模块，用于将客户需求进行拆分；

配送路径选取模块，用于选取最优配送路径；

结果生成模块，用于生成最终路径结果。

在本发明的一些实施例中，物流车辆任务调度模块包括：

路径规划输入模块，用于输入路径规划结果；

数据库比对模块，用于将路径结果与数据库中可调配资源进行对比；

调度结果可视化模块，用于对调度结果进行可视化展示。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。

Claims (10)

1.一种基于云计算的任务调度方法，其特征在于：该方法包括：

系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不用的使用权限；

将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中；

根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据；

进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询。

2.根据权利要求1所述的一种基于云计算的任务调度方法，其特征在于：所述系统用户在进行登陆注册后进入系统，并根据访问者的身份对其发放不同的使用权限包括：用户通过输入用户名和密码进入系统，待系统对于该使用者输入的用户以及密码进行比对并且权限识别后，将会根据访问者的身份对其发放不同的操作权限。

3.根据权利要求1所述的一种基于云计算的任务调度方法，其特征在于：所述将物流数据进行跟踪汇总后进行统一管理，存储至系统数据库中包括：统计系统用户信息，物流工作人员信息以及物流数据信息，存储与数据库中用以与路径选取结果进行对比。

4.根据权利要求1所述的一种基于云计算的任务调度方法，其特征在于：所述根据订单具体内容对物流车辆路径进行规划分析，为车俩调度提供输入数据包括：

将系统提供的订单数据导入，识别出参与路径规划的客户的信息；

设置客户交付货物的时间窗、货物量、车辆装载量、车辆每天最长行驶时间的约束条件，对物流车辆路径进行规划分析。

5.根据权利要求4所述的一种基于云计算的任务调度方法，其特征在于：所述对物流车辆路径进行规划分析包括：

根据先遗传算法后蚁群算法的混合算法，首先通过遗传算法得到一组较优的解集，然后将该解集作为蚁群算法的初始解集，对该初始解集进一步优化，最终得到车辆配送路径的最优解。

6.根据权利要求1所述的一种基于云计算的任务调度方法，其特征在于：所述进一步根据上述路径规划的分析结果，对物流车辆进行调度安排，并生成可视化图表供用户查询包括：

将上述步骤中生成的路径规划表输入之后，通过对数据库中的车辆以及员工信息的比对，将每一条线路安排可行的员工及车辆，并生成一张显示最终车辆调度结果的调度表。

7.根据权利要求6所述的一种基于云计算的任务调度系统，其特征在于：该系统包括：

数据库存储模块，用于存储物流数据及用户信息；

物流车辆路径分析模块，用于分析物流车辆路径；

物流车辆任务调度模块，用于对物流车辆任务进行调度安排。

8.根据权利要求7所述的一种基于云计算的任务调度方法及系统，其特征在于：所述数据库存储模块包括：

用户注册模块，用于进行用户注册及权限发放；

物流数据跟踪汇总模块，用于跟踪汇总物流数据。

9.根据权利要求7所述的一种基于云计算的任务调度系统，其特征在于：所述物流车辆路径分析模块包括：

需求拆分模块，用于将客户需求进行拆分；

配送路径选取模块，用于选取最优配送路径；

结果生成模块，用于生成最终路径结果。

10.根据权利要求7所述的一种基于云计算的任务调度系统，其特征在于：所述物流车辆任务调度模块包括：

路径规划输入模块，用于输入路径规划结果；

数据库比对模块，用于将路径结果与数据库中可调配资源进行对比；

调度结果可视化模块，用于对调度结果进行可视化展示。

Images