CN116308000B - 物流方案评估方法、装置、电子设备及可读存储介质 - Google Patents
物流方案评估方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN116308000B CN116308000B CN202310598229.9A CN202310598229A CN116308000B CN 116308000 B CN116308000 B CN 116308000B CN 202310598229 A CN202310598229 A CN 202310598229A CN 116308000 B CN116308000 B CN 116308000B
- Authority
- CN
- China
- Prior art keywords
- model
- warehouse
- logistics
- agent program
- supply
- 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
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- 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
Abstract
本公开涉及智能物流技术领域,具体涉及一种物流方案评估方法、装置、电子设备及可读存储介质,所述方法包括:物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估。本公开实施例的技术方案,解决了复杂物流方案无法短时间评估验证并发现问题节点的技术问题,取得了可以模拟不同情景下的物流网络压力情况,及时找到物流方案的问题节点并进行修正的技术效果。
Description
技术领域
本公开涉及智能物流技术领域,具体涉及一种物流方案评估方法、装置、电子设备及可读存储介质。
背景技术
物流是一个跨行业、跨部门、跨区域、渗透性强的复合型产业。现代物流是从原材料运输存储到加工整理,再到产品配送的一整套流程的有机结合。随着产业的升级和生产力水平的发展,现代物流对实时性、全天候、连续、准时、高精度的需求越来越迫切,运输物资呈现大批次、危险品多(如化工材料)等特性,在交通运输网复杂多样的情况下,物流方案的规划难度和可选择性也都大幅度提升。物流管理部门需要汇总需求、规划物流方案,验证物流方案的可行性,分析发现物资不足、物流力量不足、需求持续等待、物流行动延迟等问题,对物资储备满足度、物资需求满足度、资源利用程度和成本效益等指标进行验证评估,针对性的调整优化物流方案。以上需求的工作量过于庞大,已难以通过人工验证评估的方式进行,因此,如何科学、迅速的评估物流方案,是现代物流亟待解决的问题。
发明内容
为了解决相关技术中的问题,本公开实施例提供一种物流方案评估方法、装置、电子设备及可读存储介质。
第一方面,本公开实施例中提供了一种物流方案评估方法,包括:
管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;
物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
管理员代理程序输出所述执行结果和评估结果。
根据本公开的实施例,其中,所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型,所述智能体模型根据所述物流方案实例化出多个实体代理程序,以构建物流仿真环境。
根据本公开的实施例,其中:
所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模。
根据本公开的实施例,其中:
所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行
建模,使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的
正态概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示
的概率分布密度函数,表示的累积概率分布函数;具体为:
(1),
(2);
所述物资供应模型使用变量表示物资的实际送达率,从而实现对供应不确
定性的描述和建模;
所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输力量,根据车辆运力自动执行往返多趟运输;
所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生;
所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程。
根据本公开的实施例,其中,所述物流业务代理程序感知实体代理程序的状态,根据感知到的状态形成物流计划或补充计划,向上级仓库提出物资调拨申请, 或对物流需求方进行供应,所述实体代理程序的状态包括以下任意一种或多种:物资调拨目的地位置、物资调拨指令、物资调拨意图,物资供应请求。
根据本公开的实施例,其中,所述规划器还根据所述实体代理程序的状态检测以下至少一项:物资不足、物流力量不足、需求持续等待、物流行动延迟。
根据本公开的实施例,其中,所述根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,包括对以下至少一项进行评估:
物资储备满足度,反映物流各种物资储备满足物流需求方平时供应和应急供应情况;
物资需求满足度,反映依据物流需求方需求组织物流行动的效果;
资源利用程度,包括设施使用率、设备使用率和人员工作饱和度;
成本效益,包括根据仓储吨成本和运输吨公里成本概算得到的方案总成本。
第二方面,本公开实施例中提供了一种物流方案评估装置,包括:
接收模块,被配置为管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
求解模块,被配置为规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;
执行模块,被配置为物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
评估模块,被配置为所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
输出模块,被配置为管理员代理程序输出所述执行结果和评估结果。
第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面任一项所述的方法。
第四方面,本公开实施例中提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面任一项所述的方法。
根据本公开实施例提供的技术方案,管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;管理员代理程序输出所述执行结果和评估结果。根据本公开的技术方案,通过多代理仿真建模技术构建物流网络模型体系,可以迅速构建物流网络模型并进行仿真测试,模拟不同情景下的物流网络压力情况,及时找到物流方案的问题节点并进行修正,测试结果更加科学更接近实际情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开的实施例的物流方案评估方法的流程图。
图2示出根据本公开的实施例的物流方案评估方法的流程示意图。
图3示出根据本公开的实施例的物流方案评估方法中物流智能体模型间供应关系示意图。
图4示出根据本公开的实施例的物流方案评估方法中仓库模型示意图。
图5示出根据本公开的实施例的物流方案评估方法中物资消耗模型流程图。
图6示出根据本公开的实施例的物流方案评估方法中物流业务代理程序功能示意图。
图7示出根据本公开的实施例的物流方案评估装置的结构框图。
图8示出根据本公开的实施例的电子设备的结构框图。
图9示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
在本公开中,如涉及对用户信息或用户数据的获取操作或向他人展示用户信息或用户数据的操作,则所述操作均为经用户授权、确认,或由用户主动选择的操作。
物流是一个跨行业、跨部门、跨区域、渗透性强的复合型产业。现代物流是从原材料运输存储到加工整理,再到产品配送的一整套流程的有机结合。随着产业的升级和生产力水平的发展,现代物流对实时性、全天候、连续、准时、高精度的需求越来越迫切,运输物资呈现大批次、危险品多(如化工材料)等特性,在交通运输网复杂多样的情况下,物流方案的规划难度和可选择性也都大幅度提升。物流管理部门需要汇总需求、规划物流方案,验证物流方案的可行性,分析发现物资不足、物流力量不足、需求持续等待、物流行动延迟等问题,对物资储备满足度、物资需求满足度、资源利用程度和成本效益等指标进行验证评估,针对性的调整优化物流方案。以上需求的工作量过于庞大,已难以通过人工验证评估的方式进行,因此,如何科学、迅速的评估物流方案,是现代物流亟待解决的问题。
为解决上述技术问题,本发明公开了一种物流方案评估方法,包括:管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;管理员代理程序输出所述执行结果和评估结果。根据本公开的技术方案,通过多代理仿真建模技术构建物流网络模型体系,可以迅速构建物流网络模型并进行仿真测试,模拟不同情景下的物流网络压力情况,及时找到物流方案的问题节点并进行修正,测试结果更加科学更接近实际情况。
图1示出根据本公开的实施例的物流方案评估方法的流程图。如图1所示,所述物流方案评估方法包括以下步骤S101 - S105:
在步骤S101中,管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
在步骤S102中,规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;
在步骤S103中,物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
在步骤S104中,所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
在步骤S105中,管理员代理程序输出所述执行结果和评估结果。
根据本公开的实施方式,管理员代理程序接收用户输入的物流任务,所述物流任务包括了物流仿真场景构建数据和物流运行数据,物流仿真场景构建数据包括仓库属性及物资储备数据,例如仓库的位置、数量、各类物资数量等信息,物流运行数据包括物资调拨、运输方式选择、车辆配载、配送区域划分、路线划分等信息。规划器将子任务与物流业务代理程序或实体代理程序交互以执行所述子任务,即规划器根据物流任务中的物流仿真场景构建数据对物流仿真场景进行构建,并根据物流任务中的物流运行数据在物流仿真场景中执行物流任务。规划器通过监控执行结果和实体代理程序的状态,对各个实体代理程序的运行状态进行评估,评估结果可以包括对实体代理程序的改进建议,例如扩大仓库容量、变更仓库位置、修改运输线路、增加运输车辆数量等。在本公开的实施例中,通过多代理仿真建模技术构建物流网络模型体系,可以迅速构建物流网络模型并进行仿真测试,模拟不同情景下的物流网络压力情况,及时找到物流方案的问题节点并进行修正,测试结果更加科学更接近实际情况。
根据本公开的实施方式,所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型。所述物流智能体模型是一种具备数据分析处理、基于规则行为自主模拟能力的模型,其根据所载入的物流方案中描述的仓库、运输配送、物资需求、物资消耗和供应活动,按模型实例化出若干实体代理程序,构建物流仿真环境。此外,同一类型的物流智能体模型可以实例化出多个不同的实体代理程序,例如,仓库模型可以实例化为位于北京市朝阳区、容积50万立方米的服装仓库A,以及位于天津市武清区、容积40万立方米的食品仓库B。
图2示出根据本公开的实施例的物流方案评估方法的流程示意图。如图2所示,所述物流方案评估方法包括仿真评估部分和系统支持部分。仿真评估部分中管理员代理程序接收物流任务并从模型注入接口接收物流智能体模型,将物流任务输入任务队列发送至规划器,所述规划器根据物流智能体模型的规划算法将物流任务求解得到多个子任务,发送至物流业务代理程序,物流业务代理程序执行子任务并与多个实体代理程序交互执行子任务。子任务执行完毕后物流业务代理程序将执行结果反馈至规划器,并由规划器输出结果队列至管理员代理程序。系统支持部分包括运行支撑环境、数据采集、时间管理和通信接口。这一部分提供除物流评估业务外的一些支持功能,如评估过程的回放、监控、执行等功能。通信接口含有共享全局存储模块、消息机制模块两部分,根据需要为实体代理程序之间的通信、实体代理程序与外部系统的通信提供支持服务。
图3示出根据本公开的实施例的物流方案评估方法中物流智能体模型间供应关系示意图。如图3所示,物流智能体模型间供应关系如下。所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模。
图4示出根据本公开的实施例的物流方案评估方法中仓库模型示意图。所述仓库模型包括仓库基本模型和配属运力模型,仓库基本模型对仓库类型按照不同属性进行分类,仓库级别第一级别为中心仓库,中心仓库规模最大,物品种类最多,数量最少,位置交通发达,主要用于向地区仓库和区域仓库供货;第二级别为地区仓库,地区仓库规模较大,物品种类较多,数量较少,主要用于向区域仓库和需求方供货;第三级别为区域仓库,区域仓库规模较小,数量较多主要用于向需求方供货。所述仓库基本模型还包括仓库类别,例如综合仓库、原材料仓库、工业零件仓库等。所述仓库基本模型还包括存储性质,例如储备仓库、周转仓库等,以及仓库物资,例如物资储藏单位、物资名称等。配属运力模型为描述仓库模型中配备的运输能力的模型,包括运输车辆类型、数量、运输速度、运输体积和重量等。所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量。
所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行
建模,使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的
正态概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示
的概率分布密度函数,表示的累积概率分布函数;具体为:
(1),
(2)。
所述物资需求模型还包括基于场景的需求模型,基于场景的需求模型是指由于某些特定场景,会导致特定种类的物资需求出现变化,例如:春节期间会导致猪肉、饺子、水果等食品类物资的需求增加,天气炎热期间冷饮、空调等物资的需求增加。对于特定场景产生的概率进行预设,并预设相应的物资需求增加比例,对物资需求模型进行调整。
所述物资供应模型使用变量表示物资的实际送达率,从而实现对供应不确
定性的描述和建模。物资在运输过程中由于天气、温度、交通事故、车辆故障、装卸损失等原
因,会使得运输的物资损毁或变质,导致运输的货物无法全部送到目的地,需求方收到的货
物数量减少,因此需要对货物的实际送达率进行仿真计算。Q表示物资发出时的数量,X表示
物资收到时的数量且,变量表示物资的实际送达率,,x服从均值为μ,标
准差为σ的正态概率分布,记作,均值μ和标准差σ根据历史实际送达率数据确
定。令表示x的概率分布密度函数,表示x的累积概率分布函数,所述物资供应模型
具体为:
(3),
(4)。
所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输力量,根据车辆运力自动执行往返多趟运输。所述供应活动模型与实体代理程序的类型和协同关系相关,例如:表示物流需求方的供应活动模型可以根据自定义曲线产生对应的消耗,根据消耗情况向区域仓库发起物资供应请求,区域仓库根据自身物资储备量安排物资,并协调运输力量运输物资;当区域仓库物资低于警戒线后,向地区仓库发出物资补充请求或调拨请求,地区仓库安排物资,使用配属的仓库运力或协调运输运力运输物资;地区仓库物资不足时,向中心仓库发出物资调拨请求,中心仓库筹措物资,根据任务时限情况,采取铁路、水路、公路、航空运输方式输送物资。
所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生。其中,物资运输模型中的装载模型表示装载点位置、装载点和仓库位置的距离、配套装载设备的作业能力等,且铁路、船运、公路、航空运输的装载模型均不相同;运行模型表示运输通道的确定,例如铁路运输中对于运行图、编组去向或特定车流径路的确定,公路运输中对于公路类型、路线选择、加油点的确定;转运模型表示不同运输方式转换时涉及的前序运输方式卸载地点、后续运输方式装载地点、后续运输方式类型、转运路线等;卸载模型表示卸载点位置、卸载点和仓库位置的距离、配套卸载设备的作业能力等,且铁路、船运、公路、航空运输的装载模型均不相同;随机干扰模型通过预设不同干扰时间的发生概率,对道路、车站、机场等进行干扰,并按照预设百分比降低相关运力的效率,以模拟真实情况对物流网络进行压力测试。例如,随机干扰模型预设暴雨在区域A发生的概率为10%,当暴雨事件发生时,对区域内运力运输速度降低20%,车站、机场等交通枢纽装卸能力降低30%,汽车、飞机的出港数量降低25%。
图5示出根据本公开的实施例的物流方案评估方法中物资消耗模型流程图。如图5所示,所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程。假设在较短阶段中物资消耗速度为匀速增长,可建立低阶的物资消耗模型:
(5)
其中:为第k次上报时物资消耗量,为第k+1次上报时物资消耗量, 为第次数据上报与第次数据上报间的间隔时长,为第次数据上报与第次数据上报间的物资消耗速度,则
(6)
通过上报数据的积累,模型依靠实时采集的物资消耗数据拟合出物资消耗曲线,并表现出随着时间持续物资消耗递增的特点,采样周期越短,模型拟合效果更好。当在实际场景中,实时数据传输难以保证,无法采集传输实际消耗数据时,可以通过如下方式对实际数据进行预测。
物资消耗模型用于在无法采集传输实际消耗数据时预测特定时间内物资消耗数量,并且可以根据实际数据基础对预测值进行修正。具体预测步骤为:
(1)设次上报实际物资消耗数据,未获得实际数据前,可根据现有实际数
据生成次的预测物资消耗数据,其中为第k次实际物资消耗
数据。为根据生成的预测物资消耗速率,为简化运算,根据历史物资消耗数据x与时间
t的数据关系,采用最小二乘法线性拟合(即使得模型的预测值与样本实际值差的平方和最
小),确定。
(2)当上报值与预测值的误差大于阈值,即时,以实际值
加入模型样本数据,再次用最小二乘法线性拟合,修正预测模型,根据模型自适应获取
,在次预测时有。若误差小于阈值时,仍用原有预测模型进
行下一步的预测。在次预测时仍然采用次预测值,采集的实际数据将保存为
自适应的数据样本,用于线性模型的持续迭代更新。
(3)当预测到时间内预测物资消耗量后,根据需求方存储量减去预测消耗量,
得到预测剩余量,当预测剩余量出发预警时,对需求方进行物资配送,配送量为预测消耗
量。
图6示出根据本公开的实施例的物流方案评估方法中物流业务代理程序功能示意图。如图6所示,所述物流业务代理程序感知实体代理程序的状态,根据感知到的状态,通过计算分析和配属运力情况形成物资规划决策和物流计划,并根据物流计划和补充原则形成子任务,或向上级仓库提出物资调拨申请, 或对物流需求方进行供应。所述实体代理程序的状态包括以下任意一种或多种:物资调拨目的地位置、物资调拨指令、物资调拨意图,物资供应请求。物流业务代理程序用于感知其他实体代理程序的运行状态并与实体代理程序进行交互,并根据实体代理程序的状态发送和接收物资调拨指令,存储实体代理程序的异常状态。例如,当物流业务代理程序感知到实体代理程序A物资储备低于警戒线,则物流业务代理程序根据相关模型计算结果和预设规则,向实体代理程序B发出物资供应请求,向实体代理程序C发送实体代理程序B至A的物流运输调度指令。
根据本公开的实施方式,所述规划器还根据所述实体代理程序的状态检测以下至少一项:物资不足、物流力量不足、需求持续等待、物流行动延迟。在物流网络仿真测试中,规划器用于监测实体代理程序的错误状态,并将发生的错误状态汇总上传至管理员代理程序。
根据本公开的实施方式,所述根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,包括对以下至少一项进行评估:
物资储备满足度,反映物流各种物资储备满足物流需求方平时供应和应急供应情况;
物资需求满足度,反映依据物流需求方需求组织物流行动的效果;
资源利用程度,包括设施使用率、设备使用率和人员工作饱和度;
成本效益,包括根据仓储吨成本和运输吨公里成本概算得到的方案总成本。
通过对以上四个方面的评估,可以从物流网络配置科学性、效率、成本方面综合评估物流方案,并可以对物流方案提出修改建议。
图7示出根据本公开的实施例的物流方案评估装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图7所示,所述物流方案评估装置200包括接收模块210、求解模块220、执行模块230、评估模块240和输出模块250。
接收模块210,被配置为管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
求解模块220,被配置为规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;
执行模块230,被配置为物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
评估模块240,被配置为所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
输出模块250,被配置为管理员代理程序输出所述执行结果和评估结果。
根据本公开的实施方式,所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型,所述智能体模型根据所述物流方案实例化出多个实体代理程序,以构建物流仿真环境。
根据本公开的实施方式,所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模。
根据本公开的实施方式,所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行
建模,使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的
正态概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示
的概率分布密度函数,表示的累积概率分布函数;具体为:
(1),/>
(2);
所述物资供应模型使用变量表示物资的实际送达率,从而实现对供应不确
定性的描述和建模;所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函
数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输
力量,根据车辆运力自动执行往返多趟运输;
所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生;
所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程。
根据本公开的实施方式,所述物流业务代理程序感知实体代理程序的状态,根据感知到的状态形成物流计划或补充计划,向上级仓库提出物资调拨申请,或对物流需求方进行供应,所述实体代理程序的状态包括以下任意一种或多种:物资调拨目的地位置、物资调拨指令、物资调拨意图,物资供应请求。
根据本公开的实施方式,所述规划器还根据所述实体代理程序的状态检测以下至少一项:物资不足、物流力量不足、需求持续等待、物流行动延迟。
根据本公开的实施方式,所述根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,包括对以下至少一项进行评估:
物资储备满足度,反映物流各种物资储备满足物流需求方平时供应和应急供应情况;
物资需求满足度,反映依据物流需求方需求组织物流行动的效果;
资源利用程度,包括设施使用率、设备使用率和人员工作饱和度;
成本效益,包括根据仓储吨成本和运输吨公里成本概算得到的方案总成本。
本公开还公开了一种电子设备,图8示出根据本公开的实施例的电子设备的结构框图。
如图8所示,所述电子设备包括存储器和处理器,其中,存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现根据本公开的实施例的方法。
一种物流方案评估方法,其特征在于,包括:
管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;
物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
管理员代理程序输出所述执行结果和评估结果。
所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型,所述智能体模型根据所述物流方案实例化出多个实体代理程序,以构建物流仿真环境。
所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模。
所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行
建模,使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的
正态概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示
的概率分布密度函数,表示的累积概率分布函数;具体为:
(1),
(2);
所述物资供应模型使用随机变量表示物资的实际送达率,从而实现对供应
不确定性的描述和建模;
所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输力量,根据车辆运力自动执行往返多趟运输;所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生;
所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程。
所述物流业务代理程序感知实体代理程序的状态,根据感知到的状态形成物流计划或补充计划,向上级仓库提出物资调拨申请, 或对物流需求方进行供应,所述实体代理程序的状态包括以下任意一种或多种:物资调拨目的地位置、物资调拨指令、物资调拨意图,物资供应请求。
所述规划器还根据所述实体代理程序的状态检测以下至少一项:物资不足、物流力量不足、需求持续等待、物流行动延迟。
所述根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,包括对以下至少一项进行评估:
物资储备满足度,反映物流各种物资储备满足物流需求方平时供应和应急供应情况;
物资需求满足度,反映依据物流需求方需求组织物流行动的效果;
资源利用程度,包括设施使用率、设备使用率和人员工作饱和度;
成本效益,包括根据仓储吨成本和运输吨公里成本概算得到的方案总成本。
图9示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图9所示,计算机系统包括处理单元,其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行上述实施例中的各种方法。在RAM中,还存储有计算机系统操作所需的各种程序和数据。处理单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信过程。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。其中,所述处理单元可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种物流方案评估方法,其特征在于,包括:
管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型,所述智能体模型根据所述物流方案实例化出多个实体代理程序,以构建物流仿真环境;
所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模;
所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行建模,
使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的正态
概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示的概
率分布密度函数,表示的累积概率分布函数;具体为:
(1),
(2);
所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输力量,根据车辆运力自动执行往返多趟运输;
所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生;
所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程;
所述物资供应模型使用变量表示物资的实际送达率,Q表示物资发出时的数量,X
表示物资收到时的数量且,,x服从均值为μ,标准差为σ的正态概率分布,记作,均值μ和标准差σ根据历史实际送达率数据确定,令表示x的概率分布密度
函数,表示x的累积概率分布函数,所述物资供应模型具体为:
(3),
(4);
物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
管理员代理程序输出所述执行结果和评估结果。
2.根据权利要求1所述的方法,其中,所述物流业务代理程序感知实体代理程序的状态,根据感知到的状态形成物流计划或补充计划,向上级仓库提出物资调拨申请,或对物流需求方进行供应,所述实体代理程序的状态包括以下任意一种或多种:物资调拨目的地位置、物资调拨指令、物资调拨意图,物资供应请求。
3.根据权利要求1所述的方法,其中,所述规划器还根据所述实体代理程序的状态检测以下至少一项:物资不足、物流力量不足、需求持续等待、物流行动延迟。
4.根据权利要求1所述的方法,其中,所述根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,包括对以下至少一项进行评估:
物资储备满足度,反映物流各种物资储备满足物流需求方平时供应和应急供应情况;
物资需求满足度,反映依据物流需求方需求组织物流行动的效果;
资源利用程度,包括设施使用率、设备使用率和人员工作饱和度;
成本效益,包括根据仓储吨成本和运输吨公里成本概算得到的方案总成本。
5.一种物流方案评估装置,其特征在于,包括:
接收模块,被配置为管理员代理程序接收物流任务,所述物流任务包括仓库属性及物资储备数据、物资需求数据、物资供应数据、物资运输数据、物资消耗数据中的一种或多种;
求解模块,被配置为规划器接收管理员代理程序发送的物流任务,根据物流智能体模型的规划算法对物流任务进行求解,得到多个子任务;所述物流智能体模型包括仓库模型、物资需求模型、物资供应模型、供应活动模型、物资运输模型和物资消耗模型,所述智能体模型根据所述物流方案实例化出多个实体代理程序,以构建物流仿真环境;
所述仓库模型包括区域仓库、地区仓库、中心仓库的仓库基本模型和配属运力模型,所述仓库模型描述各级仓库的物资筹措、调拨、储存、供应、运输过程,对物资供应活动和行为规则进行建模;
所述物资需求模型包括基于概率分布的需求建模和基于场景的需求建模,所述物资需求模型对从原材料运输存储到成品加工整理的产业链条中的各类相关物流需求方的物资需求的种类和数量进行建模;
所述物资供应模型采用基于概率分布的物资供应模型,以模拟运输供应过程中存在的各种不确定变化造成的物资损失;
所述供应活动模型包括物流需求方供应活动模型和各级仓库供应活动模型;
所述物资运输模型包括装载模型、运行模型、转运模型、卸载模型,以及随机干扰模型;
所述物资消耗模型使用物资消耗曲线对物资消耗过程进行建模;
所述仓库基本模型的参数包括仓库容量、位置、各类物资数量、现有运输车辆、一次最大运力,所述区域仓库的仓库基本模型执行的操作包括向地区仓库申请物资调拨补给,向中心仓库申请物资调度补给,所述地区仓库的仓库基本模型执行的操作包括补给区域仓库物资,向中心仓库申请物资调拨补给,所述中心仓库的仓库基本模型执行的操作包括补给区域仓库物资,补给地区仓库物资,所述配属运力模型的参数包括运输车型号和装载量;
所述物资需求模型针对物流需求方的指定场景下对物资的需求种类和数量进行建模,
使用变量表示需求方物资需求数量,所述变量设定为服从均值为μ,标准差为σ的正态
概率分布,所述均值和标准差根据历史物资需求种类和数量数据设定,令表示的概
率分布密度函数,表示的累积概率分布函数;具体为:
(1),
(2);
所述供应活动模型根据物流需求方、区域仓库、地区仓库的物资消耗函数,自主申请需求物资,根据各实体代理程序的协同关系模拟持续供应行动,自主派遣运输力量,根据车辆运力自动执行往返多趟运输;
所述物资运输模型根据运输车的行动轨迹和物资运输规则进行自主导航和定位,所述随机干扰模型实现为事件发生器,所述事件发生器针对重点路段、桥梁、隧道、交通枢纽、车站、码头、机场以及运行中的运输运力生成干扰事件,所述干扰事件以预设概率发生;
所述物资消耗模型对物资消耗进行局部线性近似处理,将短时间内的物资消耗近似为一个线性过程,当物资消耗误差大于预设阈值时重新进行局部线性近似处理,进入下一个线性过程;
所述物资供应模型使用变量表示物资的实际送达率,Q表示物资发出时的数量,X
表示物资收到时的数量且,,x服从均值为μ,标准差为σ的正态概率分布,记作,均值μ和标准差σ根据历史实际送达率数据确定,令表示x的概率分布密度
函数,表示x的累积概率分布函数,所述物资供应模型具体为:
(3),
(4);
执行模块,被配置为物流业务代理程序接收规划器发送的子任务,利用所述物流业务代理程序自身的问题求解策略执行所述子任务或与实体代理程序交互以执行所述子任务,将执行结果反馈到所述规划器;
评估模块,被配置为所述规划器监控所述执行结果和所述实体代理程序的状态,根据所述执行结果和所述实体代理程序的状态对所述物流方案进行评估,将执行结果和评估结果发送到管理员代理程序;
输出模块,被配置为管理员代理程序输出所述执行结果和评估结果。
6.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储计算机指令,其中,所述计算机指令被所述处理器执行以实现权利要求1-4任一项所述的方法步骤。
7.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-4任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310598229.9A CN116308000B (zh) | 2023-05-25 | 2023-05-25 | 物流方案评估方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310598229.9A CN116308000B (zh) | 2023-05-25 | 2023-05-25 | 物流方案评估方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308000A CN116308000A (zh) | 2023-06-23 |
CN116308000B true CN116308000B (zh) | 2023-09-08 |
Family
ID=86783715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310598229.9A Active CN116308000B (zh) | 2023-05-25 | 2023-05-25 | 物流方案评估方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308000B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035619B (zh) * | 2023-10-09 | 2023-12-15 | 福建至简至一信息科技有限公司 | 基于用户自定义的物流供应链场景协同方法、系统及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582712A (zh) * | 2018-11-29 | 2019-04-05 | 陕西陕煤铜川矿业有限公司 | 物资管控系统 |
CN110288118A (zh) * | 2019-05-14 | 2019-09-27 | 湖北工业大学 | 一种基于无人机的空中救援响应方法 |
CN115658251A (zh) * | 2022-09-19 | 2023-01-31 | 重庆大学 | 联邦多智能体Actor-Critic学习智慧物流任务卸载和资源分配系统及介质 |
CN116009419A (zh) * | 2022-12-28 | 2023-04-25 | 西南交通大学 | 复杂装备制造过程虚拟重构与仿真运行方法及系统 |
-
2023
- 2023-05-25 CN CN202310598229.9A patent/CN116308000B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582712A (zh) * | 2018-11-29 | 2019-04-05 | 陕西陕煤铜川矿业有限公司 | 物资管控系统 |
CN110288118A (zh) * | 2019-05-14 | 2019-09-27 | 湖北工业大学 | 一种基于无人机的空中救援响应方法 |
CN115658251A (zh) * | 2022-09-19 | 2023-01-31 | 重庆大学 | 联邦多智能体Actor-Critic学习智慧物流任务卸载和资源分配系统及介质 |
CN116009419A (zh) * | 2022-12-28 | 2023-04-25 | 西南交通大学 | 复杂装备制造过程虚拟重构与仿真运行方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116308000A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taniguchi et al. | Modeling city logistics | |
Kim et al. | Value analysis of location-enabled radio-frequency identification information on delivery chain performance | |
Repoussis et al. | A web-based decision support system for waste lube oils collection and recycling | |
Castilla-Rodríguez et al. | Simulation-optimization for the management of the transshipment operations at maritime container terminals | |
Liu et al. | The design and simulation of an autonomous system for aircraft maintenance scheduling | |
Kozan et al. | A demand-responsive decision support system for coal transportation | |
Ilati et al. | A simulation-based optimization approach for integrated port resource allocation problem | |
JPH10505036A (ja) | スケジューリングシステム及びその方法 | |
US11501245B2 (en) | Systems and methods for imputation of shipment milestones | |
Irannezhad et al. | Modeling the efficiency of a port community system as an agent-based process | |
CN116308000B (zh) | 物流方案评估方法、装置、电子设备及可读存储介质 | |
CN109409811A (zh) | 一种物流调度方法、装置、计算机设备和存储介质 | |
Gómez-Marín et al. | Microsimulation-based collaboration model for urban freight transport | |
Temucin et al. | Aircraft maintenance routing problem–a literature survey | |
Wang et al. | Fundamental challenge and solution methods in prescriptive analytics for freight transportation | |
Rida | Modeling and optimization of decision-making process during loading and unloading operations at container port | |
Manivannan | Simulation of logistics and transportation systems | |
Miranda et al. | Handbook of research on computational simulation and modeling in engineering | |
Mnif et al. | A multi-objective formulation for multimodal transportation network's planning problems | |
Revetria et al. | A generalized simulation framework to manage logistics systems: a case study in waste management and environmental protection | |
Frazila et al. | A Stochastic Discrete Optimization Model for Multimodal Freight Transportation Network Design | |
Ferrucci et al. | Introduction to tour Planning: Vehicle routing and related problems | |
Gorman et al. | Emerging practices and research issues for big data analytics in freight transportation | |
Wilson | Economic impact of logistics | |
US20240127115A1 (en) | Container loading management system and container loading management method |
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 |