CN116451503A - 物流平台设施选址方法、装置、设备及存储介质 - Google Patents

物流平台设施选址方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116451503A
CN116451503A CN202310543213.8A CN202310543213A CN116451503A CN 116451503 A CN116451503 A CN 116451503A CN 202310543213 A CN202310543213 A CN 202310543213A CN 116451503 A CN116451503 A CN 116451503A
Authority
CN
China
Prior art keywords
facility
target
facilities
site selection
client
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
CN202310543213.8A
Other languages
English (en)
Other versions
CN116451503B (zh
Inventor
曹磊
马亚
颜红梅
陈东波
姚万里
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.)
Ningbo Ande Zhilian Technology Co ltd
Original Assignee
Ningbo Ande Zhilian Technology Co ltd
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 Ningbo Ande Zhilian Technology Co ltd filed Critical Ningbo Ande Zhilian Technology Co ltd
Priority to CN202310543213.8A priority Critical patent/CN116451503B/zh
Publication of CN116451503A publication Critical patent/CN116451503A/zh
Application granted granted Critical
Publication of CN116451503B publication Critical patent/CN116451503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种物流平台设施选址方法、装置、设备及存储介质，具体公开了：基于各目标客户的客户类型获取各目标客户对应的约束条件，根据各约束条件对原始设施集合进行设施筛选，获得候选设施集合，根据各目标客户的需求信息确定多个优化条件，基于多个优化条件对候选设施集合进行领域搜索，获得多个目标设施集合，基于多个目标设施集合进行设施选址；由于本发明基于不同类型客户的约束条件对原始设施集合进行筛选，满足了不同类型客户的约束条件，从而在确保设施服务覆盖充分的同时降低了选址的设施数量，基于多个优化条件进行邻域搜索，从而在多个需求方向上提供了多个选址方案，满足不同客户的选址需求，提升了物流平台设施选址效率。

Description

物流平台设施选址方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种物流平台设施选址方法、装置、设备及存储介质。
背景技术
随着社会的进步和科学技术的发展，物流运输效率也随之大幅提升，当前，客户对物流服务的条件要求也越来越高，而且其允许的最低条件也存在一定的异质性，并且不同客户对物流服务的需求和偏好也存在差异性。目前物流设施选址方式单一，无法同时满足多个客户的需求，导致物流平台设施选址不合理。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种物流平台设施选址方法、装置、设备及存储介质，旨在解决现有技术中物流设施选址方式单一，无法同时满足多个客户的需求，导致物流平台设施选址不合理的技术问题。
为实现上述目的，本发明提供了一种物流平台设施选址方法，所述方法包括以下步骤：
基于各目标客户的客户类型获取所述各目标客户对应的约束条件；
根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合；
根据所述各目标客户的需求信息确定多个优化条件；
基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合；
基于所述多个目标设施集合进行设施选址。
可选地，所述基于各目标客户的客户类型获取所述各目标客户对应的约束条件，包括：
获取目标客户的需求信息，所述需求信息包括所述各目标客户的时效需求信息；
基于所述需求信息对所述各目标客户进行分类，获得所述各目标客户的客户类型；
根据所述客户类型确定所述各目标客户的服务权重；
基于所述服务权重确定所述各目标客户的约束条件。
可选地，所述根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合，包括：
获取原始设施集合中各原始设施对应不同客户类型的客户覆盖率；
根据所述客户覆盖率确定所述原始设施集合中覆盖有所述目标客户的有效设施，以及未覆盖所述目标客户的无效设施；
从所述原始设施集合剔除所述无效设施；
根据各所述约束条件和所述客户覆盖率对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合；
根据各所述约束条件剔除所述初始设施集合中的重复设施，获得候选设施集合。
可选地，所述根据各所述约束条件和所述客户覆盖率对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合，包括：
根据所述客户类型确定所述各目标客户的服务权重；
基于所述服务权重对各所述有效设施对应不同客户类型的客户覆盖率进行加权，获得各所述有效设施的加权服务率；
将各所述有效设施的加权服务率进行比对；
根据比对结果对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合。
可选地，所述根据各所述约束条件剔除所述初始设施集合中的重复设施，获得候选设施集合，包括：
确定所述初始设施集合内的元素数量；
基于所述元素数量，并以所述初始设施集合中的各初始设施元素作为扰动样本构建多个扰动集合；
根据所述约束条件以及所述各目标客户的服务权重确定所述多个扰动集合中的目标扰动集合；
基于所述目标扰动集合内的各元素剔除所述初始设施集合中的重复设施，获得候选设施集合。
可选地，所述优化条件包括成本优化条件和服务率优化条件；所述基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合，包括：
确定所述候选设施集合中各候选设施所覆盖的服务客户；
获取所述各候选设施的加权服务率，以及所述各候选设施与所述服务客户之间的服务成本；
根据所述加权服务率和所述服务率优化条件确定服务率优化方向；
根据所述服务成本和所述成本优化条件确定成本优化方向；
基于所述服务率优化方向和所述成本优化方向对所述候选设施集合进行领域搜索，获得多个目标设施集合。
可选地，所述基于所述多个目标设施集合进行设施选址，包括：
根据所述成本优化方向确定所述多个目标设施集合中的成本偏好设施集合，以及根据所述服务率优化方向确定所述多个目标设施集合中的服务率偏好设施集合；
获取客户选址偏好，所述客户选址偏好包括成本偏好和服务率偏好；
在所述客户选址偏好为成本偏好时，根据所述成本需求信息展示所述成本偏好设施集合对应的成本偏好选址方案，并基于所述成本偏好选址方案进行设施选址；
在所述客户选址偏好为服务率偏好时，根据所述服务率需求信息展示所述服务率偏好设施集合对应的服务率偏好选址方案，并基于所述服务率偏好选址方案进行设施选址。
此外，为实现上述目的，本发明还提出一种物流平台设施选址装置，所述物流平台设施选址装置包括：
条件约束模块，用于基于各目标客户的客户类型获取所述各目标客户对应的约束条件；
设施筛选模块，用于根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合；
条件优化模块，用于根据所述各目标客户的需求信息确定多个优化条件；
领域搜索模块，用于基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合；
设施选址模块，用于基于所述多个目标设施集合进行设施选址。
此外，为实现上述目的，本发明还提出一种物流平台设施选址设备，所述物流平台设施选址设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流平台设施选址程序，所述物流平台设施选址程序配置为实现如上文所述的物流平台设施选址方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有物流平台设施选址程序，所述物流平台设施选址程序被处理器执行时实现如上文所述的物流平台设施选址方法的步骤。
本发明通过获取不同类型客户的约束条件，基于约束条件对原始设施集合中的各设施进行筛选，将筛选后的原始设施集合作为候选设施集合，基于多个优化条件对候选设施集合进行领域搜索，根据领域搜索结果进行设施选址；由于本发明基于不同类型客户的约束条件对原始设施集合进行筛选，满足了不同类型客户的约束条件，从而在确保设施服务覆盖充分的同时降低了选址的设施数量，基于多个优化条件进行邻域搜索，从而在多个需求方向上提供了多个选址方案，满足不同客户的选址需求，提升了物流平台设施选址效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的物流平台设施选址设备的结构示意图；
图2为本发明物流平台设施选址方法第一实施例的流程示意图；
图3为本发明物流平台设施选址方法第二实施例的流程示意图；
图4为本发明物流平台设施选址方法第二实施例的剔除重复设施的示意图；
图5为本发明物流平台设施选址方法第二实施例的扰动集合的构建示意图；
图6为本发明物流平台设施选址方法第三实施例的流程示意图；
图7为本发明物流平台设施选址方法第三实施例的客户覆盖示意图；
图8为本发明物流平台设施选址方法第三实施例的领域搜索的示意图；
图9为本发明物流平台设施选址装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的物流平台设施选址设备结构示意图。
如图1所示，该物流平台设施选址设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、客户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。客户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选客户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对物流平台设施选址设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、客户接口模块以及物流平台设施选址程序。
在图1所示的物流平台设施选址设备中，网络接口1004主要用于与网络服务器进行数据通信；客户接口1003主要用于与客户进行数据交互；本发明物流平台设施选址设备中的处理器1001、存储器1005可以设置在物流平台设施选址设备中，所述物流平台设施选址设备通过处理器1001调用存储器1005中存储的物流平台设施选址程序，并执行本发明实施例提供的物流平台设施选址方法。
本发明实施例提供了一种物流平台设施选址方法，参照图2，图2为本发明一种物流平台设施选址方法第一实施例的流程示意图。
本实施例中，所述物流平台设施选址方法包括以下步骤：
步骤S10：基于各目标客户的客户类型获取所述各目标客户对应的约束条件。
应当理解的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的物流平台设施选址设备，例如计算机等，或者是其他能够实现相同或相似功能的装置或设备，此处以上述物流平台设施选址设备（以下简称设施选址设备）为例进行说明。
需要说明的是，目标客户可以是目标区域内待服务的客户。上述客户类型可以是客户需求类型、客户偏好类型和客户条件类型。上述约束条件可以是基于不同客户类型的客户制定的条件，不同类型的客户，其对应的约束条件也不同，上述约束条件可以是时效约束条件和成本约束条件等，例如约束条件可以是需满足一定的时效性的约束条件，也可以是设施的选址覆盖客户的覆盖率需满足一定阈值等，约束条件可以是多个。
应当理解的是，不同类型的客户其要求不同，因此本实施例针对不同要求的客户制定对应的约束条件，然后基于不同的约束条件进行选址，对于要求高的客户，制定优先级较高的约束条件，对于要求低的客户，制定优先级较低的约束条件，即基于不同客户类型的目标客户确定多个不同的约束条件。
在具体实现中，设施选址设备通过获取各目标客户的时效需求，根据时效需求对各目标客户进行分类，根据分类结果确定各目标客户的客户类型，根据所述客户类型确定各目标客户的覆盖优先级，基于覆盖优先级制定多个约束条件，对于覆盖优先级较高的目标客户，制定权重较高的约束条件，对于覆盖优先级较低的目标客户制定权重较低的约束条件。
进一步地，为了确保物流平台设施选址覆盖不同类型的客户，并满足不同客户的需求，上述步骤S10，可包括：
步骤S11：获取目标客户的需求信息，所述需求信息包括所述各目标客户的时效需求信息；
步骤S12：基于所述需求信息对所述各目标客户进行分类，获得所述各目标客户的客户类型；
步骤S13：根据所述客户类型确定所述各目标客户的服务权重；
步骤S14：基于所述服务权重确定所述各目标客户的约束条件。
需要说明的是，需求信息可以是目标客户的基础需求信息，需求信息可包括目标的时效需求信息、产品单位距离需求信息、产品单位距离成本需求信息。上述时效需求信息可以是目标客户对于服务时效的需求信息，例如A客户的时效需求为24小时内送达，B客户的时效需求为48小时内送达等。上述服务权重可以是针对不同需求客户设施的服务重要程度，例如24H时效需求的客户的服务权重大于48H时效需求的客户的服务权重；产品单位距离需求不超过10km的客户的服务权重大于产品单位距离需求不超过30km的客户的服务权重。上述客户类型可以是基于时效需求来对客户进行分类的类型，也可以是基于其他需求（例如产品单位距离需求和产品单位距离成本需求）来对客户进行分类的类型，例如24H时效需求的客户分类为1类客户，48H时效需求的客户分类为2类客户。
应当理解的是，为了确保物流平台设施选址覆盖不同类型的客户，本实施例以时效需求分类为例进行说明，设施选址设备获取各目标客户的时效需求信息，根据时效需求信息对各目标客户进行时效分类，基于时效分类结果对各不同类型的目标客户设置对应的服务权重，其中，时效需求高（例如时效要求较短）的客户对应的服务权重较高，时效需求低（例如时效要求较长）的客户对应的服务权重较高，基于服务权重制定各不同类型的目标客户的约束条件。
例如，设施选址设备获取A客户的时效需求为24小时，获取B客户的时效需求为48小时，由于A客户的时效需求较高，B客户的时效需求较低，因此基于各客户的时效需求对客户进行时效分类，将A客户作为1类客户，将B客户作为2类客户，设置1类客户的服务权重为ω1，2类客户的服务权重为ω2，再获取1类客户的第一覆盖率阈值和2类客户的第二覆盖率阈值，再基于第一覆盖率阈值和ω1制定1类客户对应的第一约束条件，基于第二覆盖率阈值和ω2制定2类客户对应的第二约束条件，其中，和/>(/>且/>)。
步骤S20：根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合。
需要说明的是，原始设施集合可以是目标区域内可进行选址原始设施构成的结合，上述设施可以是物流设施，例如设施可以是物流仓库或物流平台等。上述候选设施集合可以是原始设施集合中的原始设施经过设施筛选后，剔除掉部分设施之后，将余下的设施作为候选设施，基于候选设施构建的集合。
应当理解的是，为了提升设施选址效率，并减少数据处理量，本实施例设施选址设备根据多个约束条件对原始设施集合中的原始设施进行筛选，确定原始设施中符合各个约束条件的设施，并基于符合各约束条件的设施构建候选设施集合。
步骤S30：根据所述各目标客户的需求信息确定多个优化条件。
需要说明的是，需求信息可以是目标客户的选址需求，不同的目标客户的需求可以是不同的，也可以是相同的，针对不同类型的客户定制选址的优化条件。上述优化条件可以是帕累托优化条件，例如优化条件可以是选址成本优化、客户服务率优化、运输距离优化等。
应当理解的是，为了在确保设施选址符合多个约束条件的基础上，满足不同客户的需求，从而实现选址的个性化，从而实现针对不同客户差异化要求来制定对应的选址方案，本实施例设施选址设备通过获取各目标客户的需求信息，基于需求信息来确定多个优化条件，基于优化条件来制定优化方向，从而分别在多个优化方向上对设施选址方案进行优化，以获得多样化的设施选址方案，上述设施选址方案是基于筛选后获得的候选设施集合制定的初始方案。
例如，设施选址设备通过获取A客户与B客户的需求信息，根据所述需求信息确定A客户的需求偏好为降低成本，以及B客户的需求偏好为提升服务率，基于A客户和B客户的需求偏好制定优化条件，A客户对应的优化条件为降低成本优化，B客户对应的优化条件为提升服务率优化。
步骤S40：基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合。
需要说明的是，目标设施集合可以是候选设施集合在多个优化条件上分别进行优化后获得的多个选址方案对应的设施集合，例如候选设施集合分别在成本优化条件进行优化和服务率优化条件进行优化，获得成本导向的选址方案和成本导向的选址方案对应的设施集合，以及服务率导向的选址方案和服务率导向的选址方案对应的设施集合。
应当理解的是，本实施例为了满足不同客户的需求，从而实现对设施选址方案进行个性化定制，设施选址设备根据多个优化条件确定对应的多个优化方向，基于多个优化方向分别对候选设施集合进行领域搜索，从而获得在多个不同优化方向上对应的目标设施集合，不同优化方向上的各目标设施集合中的目标设施的选址既满足各目标客户的约束条件，也实现了针对各目标客户的差异化需求来进行个性化定制选址方案。
步骤S50：基于所述多个目标设施集合进行设施选址。
应当理解的是，本实施例设施选址设备基于多个目标设施集合确定多个选址方案，基于不同目标客户的偏好需求确定对应的选址方案，并基于该选址方案进行设施选址。
例如，设施选址设备根据A客户的需求信息确定A客户偏好降低成本，以降低成本为优化条件对候选设施集合进行优化，获得对应的目标设施集合，并制定降低成本导向的选址方案，基于选址方案进行设施选址。
进一步地，为了为不同偏好需求的客户提供对应的选址方案进行设施选址，上述步骤S50，可包括：
步骤S51：根据所述成本优化方向确定所述多个目标设施集合中的成本偏好设施集合，以及根据所述服务率优化方向确定所述多个目标设施集合中的服务率偏好设施集合；
步骤S52：获取客户选址偏好，所述客户选址偏好包括成本偏好和服务率偏好；
步骤S53：在所述客户选址偏好为成本偏好时，根据所述成本需求信息展示所述成本偏好设施集合对应的成本偏好选址方案，并基于所述成本偏好选址方案进行设施选址；
步骤S54：在所述客户选址偏好为服务率偏好时，根据所述服务率需求信息展示所述服务率偏好设施集合对应的服务率偏好选址方案，并基于所述服务率偏好选址方案进行设施选址。
需要说明的是，成本优化方向可以是以偏好降低成本为优化条件进行优化的方向，上述服务率优化方向可以是以偏好提升服务率为优化条件进行优化的方向。上述成本偏好设施集合可以是以成本优化方向对候选设施集合进行优化后得到的设施选址集合，在确保偏好设施集合中的各设施满足各目标客户的约束条件的基础上以成本优化为主，从而进一步地降低成本，上述成本包括开仓成本和单位产品单位距离服务成本等。
上述服务率偏好设施集合可以是以服务率优化方向对候选设施集合进行优化后得到的设施选址集合，在确保偏好设施集合中的各设施满足各目标客户的约束条件的基础上以服务率优化为主，从而进一步的提升设施对客户的服务率，服务率可以参照如下公式1，公式1为服务率计算公式，其中γ为服务率，为客户覆盖率，ω为服务权重。
公式1
上述客户选址偏好可以是客户对设施选址的偏好，选址偏好包括成本偏好和服务率偏好等，成本偏好可以是客户优先考虑或偏好考虑以降低成本为主，其他因素为辅来进行设施选址；上述服务率偏好可以是客户优先考虑或偏好考虑以提升服务率为主，其他因素为辅来进行设施选址。
应当理解的是，不同客户的选址偏好可能，而为了在满足各目标客户的约束条件的基础上满足各个不同客户的差异化需求和条件，本实施例设施选址设备通过基于成本优化方向和服务率优化方向分别对候选设施集合进行优化，从而获得以降低成本为导向的成本偏好设施集合，以及以提升服务率为导向的服务率偏好设施集合，在面对选址偏好为成本偏好的客户时，展示成本偏好选址集合对应的选址方案；在面对选址偏好为服务率选址偏好的客户时，展示服务率偏好选址集合对应的选址方案。
本实施例通过获取不同类型客户的约束条件，基于约束条件对原始设施集合中的各设施进行筛选，将筛选后的原始设施集合作为候选设施集合，基于多个优化条件对候选设施集合进行领域搜索，根据领域搜索结果进行设施选址；由于本实施例基于不同类型客户的约束条件对原始设施集合进行筛选，满足了不同类型客户的约束条件，从而在确保设施服务覆盖充分的同时降低了选址的设施数量，基于多个优化条件进行邻域搜索，从而在多个需求方向上提供了多个选址方案，满足不同客户的选址需求，提升了物流平台设施选址效率。
参考图3，图3为本发明一种物流平台设施选址方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20，包括：
步骤S21：获取原始设施集合中各原始设施对应不同客户类型的客户覆盖率。
需要说明的是，客户覆盖率可以是设施的服务范围内覆盖不同客户类型的目标客户的覆盖率，例如客户总数为10，设施X覆盖有1类客户为2个和2类客户为3个，设施X的1类客户覆盖率为20%，2类客户覆盖率为30%；设施Y覆盖有1类客户3个，未覆盖有2类客户，则设施Y的1类客户覆盖率为30%，2类客户覆盖率为0%。
应当理解的是，本实施例设施选址设备通过遍历原始设施集合中的各原始设施，根据遍历结果获取各原始设施的客户覆盖情况，基于客户覆盖情况确定各原始设施对应不同客户类型的客户覆盖率。
步骤S22：根据所述客户覆盖率确定所述原始设施集合中覆盖有所述目标客户的有效设施，以及未覆盖所述目标客户的无效设施。
需要说明的是，有效设施可以是覆盖有所有客户类型的目标客户的原始设施，上述无效设施可以是未覆盖有所有客户类型的目标客户的原始设施，例如目标客户的类型包括1类客户和2类客户，有效设施可以是覆盖有1类客户和2类客户的原始设施；而无效设施可以是未覆盖有1类客户、未覆盖有2类客户以及1类客户和2类客户均未覆盖的原始设施。
步骤S23：从所述原始设施集合剔除所述无效设施。
应当理解的是，为了降低数据处理量，提升后续的设施筛选效率，本实施例设施选址设备将未覆盖有所有类型客户的无效设施从原始设施集合中剔除。
例如，目标客户包括1类客户和2类客户，1类客户的服务覆盖率需大于第一阈值，2类客户的覆盖率需大于第二阈值，根据上述第一阈值和第二阈值确定设施需要同时覆盖有1类客户和2类客户，因此将未同时覆盖有1类客户和2类客户的无效设施从原始设施集中剔除。
步骤S24：根据各所述约束条件和所述客户覆盖率对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合。
需要说明的是，初始设施集合中的各初始设施为同时覆盖有各类型客户的设施，并且各初始设施满足各不同类型客户的约束条件（即覆盖率要求）。
例如，初始设施集合中的各初始设施为覆盖有1类客户和2类客户的设施，并且初始设施集合中的各初始设施均满足1类客户的约束条件和2类客户的约束条件，即初始设施均同时满足1类客户的覆盖率要求和2类客户的覆盖率要求。
进一步地，为了满足不同类型的客户的约束条件，从而对设施进行多约束规划，上述步骤S24，可包括：
步骤S241：根据所述客户类型确定所述各目标客户的服务权重；
步骤S242：基于所述服务权重对各所述有效设施对应不同客户类型的客户覆盖率进行加权，获得各所述有效设施的加权服务率；
步骤S243：将各所述有效设施的加权服务率进行比对；
步骤S244：根据比对结果对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合。
需要说明的是，加权服务率可以是基于不同服务权重的客户加权后获得的覆盖率，例如，1类客户的服务权重为ω1，设施A的1类客户覆盖率为 1，1类客户的服务权重为ω2，设施A2类客户覆盖率为/> 2，设施A的加权服务率为/>。上述服务权重可以是针对不同需求客户设施的服务重要程度，例如24H时效需求的客户的服务权重大于48H时效需求的客户的服务权重；产品单位距离需求不超过10km的客户的服务权重大于产品单位距离需求不超过30km的客户的服务权重。
应当理解的是，由于不同类型的客户的需求不同，例如不同类型的客户对于时效需求不同，因此对于时效较急的客户设置较高的服务权重，优先考虑该时效较急的客户，对于时效较松的客户设置相对低一点的服务权重，将该时效较松的客户放在时效较急的客户之后考虑。
例如，一类客户的时效要求为24小时，二类客户的时效要求为48小时，因此将一类客户的服务权重设置为a，将二类客户的服务权重设置为b，其中a>b，基于字典序方法比较任意两个有效设施之间的一类客户覆盖率和二类客户覆盖率，优先选择一类客户覆盖最多，其次选择二类客户覆盖最多的设施，按照以上规则选择较优的有效设施，并将较优的有效设施作为初始设施，并基于初始设施和比较结果对原始设施集合进行更新，获得初始设施集合。
步骤S25：根据各所述约束条件剔除所述初始设施集合中的重复设施，获得候选设施集合。
需要说明的是，重复设施可以是初始设施集合中可替换掉的设施，也可以是覆盖客户的情况与其他设施存在重复的设施，参照图4，图4为剔除重复设施的示意图，图4中方案1中的3个仓库覆盖有4个满足约束条件的客户，因此方案1中仓库的客户覆盖情况存在重复，将其中一个重复仓库（即重复设备）进行剔除，保留2个仓库也可以同时覆盖有4个客户，从而得到方案2，在确保客户覆盖率不降低的基础上缩减了设施数量，大大降低了设施建设成本。
进一步地，为了有效地缩减设施数量，上述步骤S25，可包括：
步骤S251：确定所述初始设施集合内的元素数量；
步骤S252：基于所述元素数量，并以所述初始设施集合中的各初始设施元素作为扰动样本构建多个扰动集合；
步骤S253：根据所述约束条件以及所述各目标客户的服务权重确定所述多个扰动集合中的目标扰动集合；
步骤S254：基于所述目标扰动集合内的各元素剔除所述初始设施集合中的重复设施，获得候选设施集合。
需要说明的是，元素数量可以是初始设施集合中包含的初始设施的数量。上述扰动样本可以是对元素数量进行缩减（例如基于元素数量减1），将缩减后的元素数量作为扰动集合元素数量，基于扰动集合元素数量，并以各初始设施元素作为扰动样本构建多个扰动集合，参照图5，图5为扰动集合的构建示意图，图5中初始设施集合中包含有初始设施a、初始设施b、初始设施c和初始设施d，因此初始设施集合的元素数量为4，将元素数量减1的数量作为扰动集合元素数量，从而构建4个扰动集合，各扰动集合中分别包含有3个初始设施。
应当理解的是，为了有效地缩减集合的元素数量，从而降低设施建立成本，并确保各设施满足不同客户的约束要求，本实施例设施选址设备通过建立多个扰动集合，在各扰动集合中寻找可以提升覆盖率可行性的替换设施，在确保服务权重较高的目标客户对应的约束条件不退化的前提下，提升服务权重较低的目标客户的覆盖率可行性的替换设施，若找到满足所有约束条件的替换设施，则继续将元素数量进行缩减（例如进一步减1），再根据缩减后的元素数量重新建立扰动集合并继续寻找替换设施，直至找到最优的设施或无法找到替换设施，从而实现在确保约束条件不退化的情况下，缩减设施数量。
本实施例通过获取原始设施集合中各原始设施覆盖的各不同客户类型的目标客户的客户覆盖率，基于客户覆盖率从各原始设施中筛选出未覆盖有目标客户的无效设施，以及覆盖有目标客户的有效设施，从而有效地分辨出了不需要进行处理的无效设施，有效地降低了后续的数据处理量，提升了设施选址效率，基于约束条件和客户覆盖率对有效设施进行设施筛选，从而筛选出有效设施中同时满足不同类型的目标客户对应的约束条件的设施，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合，从而进一步地降低了设施数量，降低了数据处理量，使得初始设施集合中的各设施均满足不同类型客户的约束条件，再基于约束条件剔除重复设施，获得候选设施集合，从而实现对满足约束条件的初始设施集合的设施数量进行优化，在确保各类型约束不退化的同时完成了数量缩减，从而降低了设施建立成本。
参考图6，图6为本发明一种物流平台设施选址方法第三实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S40，包括：
步骤S41：确定所述候选设施集合中各候选设施所覆盖的服务客户。
需要说明的是，服务客户可以是候选设施服务范围内所覆盖的客户，参照图7，图7为客户覆盖示意图，图7中仓库的服务范围内覆盖有一类客户3个和二类客户2个。
步骤S42：获取所述各候选设施的加权服务率，以及所述各候选设施与所述服务客户之间的服务成本。
需要说明的是，加权服务率可以是基于不同服务权重的客户加权后获得的覆盖率，例如，1类客户的服务权重为ω1，设施A的1类客户覆盖率为 1，1类客户的服务权重为ω2，设施A2类客户覆盖率为/> 2，设施A的加权服务率为/>。
上述服务成本可包括开仓成本（即设施建立成本）和运输成本，其中开仓成本参照如下公式2，运输成本参照如下公式3，其中，为设施的开仓成本，/>为候选设施集合中包含的候选设施，/>为二值决策变量，1表示客户/>被指派给该候选设施， 0表示客户/>未被指派给该候选设施，/>和/>分别表示客户/>到候选设施的运输成本（cij）和运输距离（dij）。
公式2
公式3
步骤S43：根据所述加权服务率和所述服务率优化条件确定服务率优化方向；
步骤S44：根据所述服务成本和所述成本优化条件确定成本优化方向。
需要说明的是，优化方向可以是针对候选设施集合的邻域搜索方向，优化方向可以是以降低成本为优化目标的优化方向，也可以是以提升服务率为优化目标的优化方向。
应当理解的是，本实施例为了满足不同客户的需求，从而实现对设施选址方案进行个性化定制，设施选址设备根据多个优化条件确定对应的多个优化方向，基于多个优化方向分别对候选设施集合进行领域搜索，从而获得在多个不同优化方向上对应的目标设施集合，不同优化方向上的各目标设施集合中的目标设施的选址既满足各目标客户的约束条件，也实现了针对各目标客户的差异化需求来进行个性化定制选址方案。
步骤S45：基于所述服务率优化方向和所述成本优化方向对所述候选设施集合进行领域搜索，获得多个目标设施集合。
需要说明的是，本实施例设施选址设备将候选设施集合作为帕累托集合进行求解，针对帕累托集合中的解分别提升成本目标和服务率目标，从而获得中间解，并将每次的中间解与外部帕累托档案比较，并更新外部帕累托档案。以上迭代过程终止条件为：外部帕累托档案规模达到上限或连续若干代未更新外部帕累托集合。参照图8，图8为分别以成本优化方向和服务率优化方向为优化目标进行领域搜索的示意图，图8中纵轴表示成本，横轴为1减加权覆盖率，加权覆盖率可以是服务率，因此1减加权覆盖率越高，服务率越低；1减加权覆盖率越低，服务率越高，图8中、/>和/>分别为第一代、第二代和第三代的外部档案的帕累托集合，下标号为解序号；箭头表示了邻域搜索的从属关系。
应当理解的是，设施选址设备在获取覆盖约束、候选点信息和用户需求分布信息后，利用初始解生成方法生成满足约束条件的解；执行快速减仓算法，算法可以较快地定位至最优仓数解附近，以尽量避免算法在高仓位解周边无效搜索，同时实现开仓成本的迅速收敛；最后，通过多方向邻域搜索，算法可在多个搜索方向上协同进化，最终可获得兼顾成本和服务指标的多目标解集。
本实施例基于成本优化方向和服务率优化方向分别对候选设施集合进行优化，从而实现针对不同的优化方向对候选设施集合进行优化，分别获得以降低成本为导向的目标设施集合，以及以提升服务率为导向的目标设施集合，在面对选址偏好为成本偏好的客户时，展示成本偏好选址集合对应的选址方案；在面对选址偏好为服务率选址偏好的客户时，展示服务率偏好选址集合对应的选址方案。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有物流平台设施选址程序，所述物流平台设施选址程序被处理器执行时实现如上文所述的物流平台设施选址方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
参照图9，图9为本发明物流平台设施选址装置第一实施例的结构框图。
如图9所示，本发明实施例提出的物流平台设施选址装置包括：
条件约束模块10，用于基于各目标客户的客户类型获取所述各目标客户对应的约束条件；
设施筛选模块20，用于根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合；
条件优化模块30，用于根据所述各目标客户的需求信息确定多个优化条件；
领域搜索模块40，用于基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合；
设施选址模块50，用于基于所述多个目标设施集合进行设施选址。
需要说明的是，目标客户可以是目标区域内待服务的客户。上述客户类型可以是客户需求类型、客户偏好类型和客户条件类型。上述约束条件可以是基于不同客户类型的客户制定的条件，不同类型的客户，其对应的约束条件也不同，上述约束条件可以是时效约束条件和成本约束条件等，例如约束条件可以是需满足一定的时效性的约束条件，也可以是设施的选址覆盖客户的覆盖率需满足一定阈值等，约束条件可以是多个。
应当理解的是，不同类型的客户其要求不同，因此本实施例针对不同要求的客户制定对应的约束条件，然后基于不同的约束条件进行选址，对于要求高的客户，制定优先级较高的约束条件，对于要求低的客户，制定优先级较低的约束条件，即基于不同客户类型的目标客户确定多个不同的约束条件。
在具体实现中，设施选址设备通过获取各目标客户的时效需求，根据时效需求对各目标客户进行分类，根据分类结果确定各目标客户的客户类型，根据所述客户类型确定各目标客户的覆盖优先级，基于覆盖优先级制定多个约束条件，对于覆盖优先级较高的目标客户，制定权重较高的约束条件，对于覆盖优先级较低的目标客户制定权重较低的约束条件。
需要说明的是，原始设施集合可以是目标区域内可进行选址原始设施构成的结合，上述设施可以是物流设施，例如设施可以是物流仓库或物流平台等。上述候选设施集合可以是原始设施集合中的原始设施经过设施筛选后，剔除掉部分设施之后，将余下的设施作为候选设施，基于候选设施构建的集合。
应当理解的是，为了提升设施选址效率，并减少数据处理量，本实施例设施选址设备根据多个约束条件对原始设施集合中的原始设施进行筛选，确定原始设施中符合各个约束条件的设施，并基于符合各约束条件的设施构建候选设施集合。
需要说明的是，需求信息可以是目标客户的选址需求，不同的目标客户的需求可以是不同的，也可以是相同的，针对不同类型的客户定制选址的优化条件。上述优化条件可以是帕累托优化条件，例如优化条件可以是选址成本优化、客户服务率优化、运输距离优化等。
应当理解的是，为了在确保设施选址符合多个约束条件的基础上，满足不同客户的需求，从而实现选址的个性化，从而实现针对不同客户差异化要求来制定对应的选址方案，本实施例设施选址设备通过获取各目标客户的需求信息，基于需求信息来确定多个优化条件，基于优化条件来制定优化方向，从而分别在多个优化方向上对设施选址方案进行优化，以获得多样化的设施选址方案，上述设施选址方案是基于筛选后获得的候选设施集合制定的初始方案。
例如，设施选址设备通过获取A客户与B客户的需求信息，根据所述需求信息确定A客户的需求偏好为降低成本，以及B客户的需求偏好为提升服务率，基于A客户和B客户的需求偏好制定优化条件，A客户对应的优化条件为降低成本优化，B客户对应的优化条件为提升服务率优化。
需要说明的是，目标设施集合可以是候选设施集合在多个优化条件上分别进行优化后获得的多个选址方案对应的设施集合，例如候选设施集合分别在成本优化条件进行优化和服务率优化条件进行优化，获得成本导向的选址方案和成本导向的选址方案对应的设施集合，以及服务率导向的选址方案和服务率导向的选址方案对应的设施集合。
应当理解的是，本实施例为了满足不同客户的需求，从而实现对设施选址方案进行个性化定制，设施选址设备根据多个优化条件确定对应的多个优化方向，基于多个优化方向分别对候选设施集合进行领域搜索，从而获得在多个不同优化方向上对应的目标设施集合，不同优化方向上的各目标设施集合中的目标设施的选址既满足各目标客户的约束条件，也实现了针对各目标客户的差异化需求来进行个性化定制选址方案。
应当理解的是，本实施例设施选址设备基于多个目标设施集合确定多个选址方案，基于不同目标客户的偏好需求确定对应的选址方案，并基于该选址方案进行设施选址。
例如，设施选址设备根据A客户的需求信息确定A客户偏好降低成本，以降低成本为优化条件对候选设施集合进行优化，获得对应的目标设施集合，并制定降低成本导向的选址方案，基于选址方案进行设施选址。
应当理解的是，不同客户的选址偏好可能，而为了在满足各目标客户的约束条件的基础上满足各个不同客户的差异化需求和条件，本实施例设施选址设备通过基于成本优化方向和服务率优化方向分别对候选设施集合进行优化，从而获得以降低成本为导向的成本偏好设施集合，以及以提升服务率为导向的服务率偏好设施集合，在面对选址偏好为成本偏好的客户时，展示成本偏好选址集合对应的选址方案；在面对选址偏好为服务率选址偏好的客户时，展示服务率偏好选址集合对应的选址方案。
本实施例通过获取不同类型客户的约束条件，基于约束条件对原始设施集合中的各设施进行筛选，将筛选后的原始设施集合作为候选设施集合，基于多个优化条件对候选设施集合进行领域搜索，根据领域搜索结果进行设施选址；由于本实施例基于不同类型客户的约束条件对原始设施集合进行筛选，满足了不同类型客户的约束条件，从而在确保设施服务覆盖充分的同时降低了选址的设施数量，基于多个优化条件进行邻域搜索，从而在多个需求方向上提供了多个选址方案，满足不同客户的选址需求，提升了物流平台设施选址效率。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的物流平台设施选址方法，此处不再赘述。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种物流平台设施选址方法，其特征在于，所述物流平台设施选址方法包括：
基于各目标客户的客户类型获取所述各目标客户对应的约束条件；
根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合；
根据所述各目标客户的需求信息确定多个优化条件；
基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合；
基于所述多个目标设施集合进行设施选址。
2.如权利要求1所述的物流平台设施选址方法，其特征在于，所述基于各目标客户的客户类型获取所述各目标客户对应的约束条件，包括：
获取目标客户的需求信息，所述需求信息包括所述各目标客户的时效需求信息；
基于所述需求信息对所述各目标客户进行分类，获得所述各目标客户的客户类型；
根据所述客户类型确定所述各目标客户的服务权重；
基于所述服务权重确定所述各目标客户的约束条件。
3.如权利要求1所述的物流平台设施选址方法，其特征在于，所述根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合，包括：
获取原始设施集合中各原始设施对应不同客户类型的客户覆盖率；
根据所述客户覆盖率确定所述原始设施集合中覆盖有所述目标客户的有效设施，以及未覆盖所述目标客户的无效设施；
从所述原始设施集合剔除所述无效设施；
根据各所述约束条件和所述客户覆盖率对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合；
根据各所述约束条件剔除所述初始设施集合中的重复设施，获得候选设施集合。
4.如权利要求3所述的物流平台设施选址方法，其特征在于，所述根据各所述约束条件和所述客户覆盖率对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合，包括：
根据所述客户类型确定所述各目标客户的服务权重；
基于所述服务权重对各所述有效设施对应不同客户类型的客户覆盖率进行加权，获得各所述有效设施的加权服务率；
将各所述有效设施的加权服务率进行比对；
根据比对结果对所述有效设施进行设施筛选，并基于筛选结果对所述原始设施集合进行更新，获得初始设施集合。
5.如权利要求3所述的物流平台设施选址方法，其特征在于，所述根据各所述约束条件剔除所述初始设施集合中的重复设施，获得候选设施集合，包括：
确定所述初始设施集合内的元素数量；
基于所述元素数量，并以所述初始设施集合中的各初始设施元素作为扰动样本构建多个扰动集合；
根据所述约束条件以及所述各目标客户的服务权重确定所述多个扰动集合中的目标扰动集合；
基于所述目标扰动集合内的各元素剔除所述初始设施集合中的重复设施，获得候选设施集合。
6.如权利要求1至5中任一项所述的物流平台设施选址方法，其特征在于，所述优化条件包括成本优化条件和服务率优化条件；所述基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合，包括：
确定所述候选设施集合中各候选设施所覆盖的服务客户；
获取所述各候选设施的加权服务率，以及所述各候选设施与所述服务客户之间的服务成本；
根据所述加权服务率和所述服务率优化条件确定服务率优化方向；
根据所述服务成本和所述成本优化条件确定成本优化方向；
基于所述服务率优化方向和所述成本优化方向对所述候选设施集合进行领域搜索，获得多个目标设施集合。
7.如权利要求6所述的物流平台设施选址方法，其特征在于，所述基于所述多个目标设施集合进行设施选址，包括：
根据所述成本优化方向确定所述多个目标设施集合中的成本偏好设施集合，以及根据所述服务率优化方向确定所述多个目标设施集合中的服务率偏好设施集合；
获取客户选址偏好，所述客户选址偏好包括成本偏好和服务率偏好；
在所述客户选址偏好为成本偏好时，根据所述成本需求信息展示所述成本偏好设施集合对应的成本偏好选址方案，并基于所述成本偏好选址方案进行设施选址；
在所述客户选址偏好为服务率偏好时，根据所述服务率需求信息展示所述服务率偏好设施集合对应的服务率偏好选址方案，并基于所述服务率偏好选址方案进行设施选址。
8.一种物流平台设施选址装置，其特征在于，所述物流平台设施选址装置包括：
条件约束模块，用于基于各目标客户的客户类型获取所述各目标客户对应的约束条件；
设施筛选模块，用于根据各所述约束条件对原始设施集合进行设施筛选，获得候选设施集合；
条件优化模块，用于根据所述各目标客户的需求信息确定多个优化条件；
领域搜索模块，用于基于所述多个优化条件对所述候选设施集合进行领域搜索，获得多个目标设施集合；
设施选址模块，用于基于所述多个目标设施集合进行设施选址。
9.一种物流平台设施选址设备，其特征在于，所述物流平台设施选址设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流平台设施选址程序，所述物流平台设施选址程序配置为实现如权利要求1至7中任一项所述的物流平台设施选址方法。
10.一种存储介质，其特征在于，所述存储介质上存储有物流平台设施选址程序，所述物流平台设施选址程序被处理器执行时实现如权利要求1至7任一项所述的物流平台设施选址方法。
CN202310543213.8A 2023-05-15 2023-05-15 物流平台设施选址方法、装置、设备及存储介质 Active CN116451503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310543213.8A CN116451503B (zh) 2023-05-15 2023-05-15 物流平台设施选址方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310543213.8A CN116451503B (zh) 2023-05-15 2023-05-15 物流平台设施选址方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116451503A true CN116451503A (zh) 2023-07-18
CN116451503B CN116451503B (zh) 2023-11-07

Family

ID=87127529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310543213.8A Active CN116451503B (zh) 2023-05-15 2023-05-15 物流平台设施选址方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116451503B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8200527B1 (en) * 2007-04-25 2012-06-12 Convergys Cmg Utah, Inc. Method for prioritizing and presenting recommendations regarding organizaion's customer care capabilities
CN109165771A (zh) * 2018-07-19 2019-01-08 安徽建筑大学 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN109945884A (zh) * 2019-04-12 2019-06-28 德邦物流股份有限公司 实时路径规划方法、装置、计算机终端和可读存储介质
CN112541624A (zh) * 2020-12-03 2021-03-23 中邮信息科技(北京)有限公司 一种揽投网点的选址方法、装置、介质及电子设备
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112950248A (zh) * 2019-12-11 2021-06-11 顺丰科技有限公司 物流网点选址方法、装置、计算机设备和可读存储介质
CN114048915A (zh) * 2021-11-23 2022-02-15 中国民用航空总局第二研究所 机场无障碍服务资源规划方法、装置、设备及介质
WO2022127711A1 (zh) * 2020-12-17 2022-06-23 口碑(上海)信息技术有限公司 订单处理方法及装置、存储介质、终端设备、计算设备
CN114997712A (zh) * 2022-06-27 2022-09-02 东南大学 基于动态规划求解周期性上门取送货车辆调度方案的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8200527B1 (en) * 2007-04-25 2012-06-12 Convergys Cmg Utah, Inc. Method for prioritizing and presenting recommendations regarding organizaion's customer care capabilities
CN109165771A (zh) * 2018-07-19 2019-01-08 安徽建筑大学 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN109945884A (zh) * 2019-04-12 2019-06-28 德邦物流股份有限公司 实时路径规划方法、装置、计算机终端和可读存储介质
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112950248A (zh) * 2019-12-11 2021-06-11 顺丰科技有限公司 物流网点选址方法、装置、计算机设备和可读存储介质
CN112541624A (zh) * 2020-12-03 2021-03-23 中邮信息科技(北京)有限公司 一种揽投网点的选址方法、装置、介质及电子设备
WO2022127711A1 (zh) * 2020-12-17 2022-06-23 口碑(上海)信息技术有限公司 订单处理方法及装置、存储介质、终端设备、计算设备
CN114048915A (zh) * 2021-11-23 2022-02-15 中国民用航空总局第二研究所 机场无障碍服务资源规划方法、装置、设备及介质
CN114997712A (zh) * 2022-06-27 2022-09-02 东南大学 基于动态规划求解周期性上门取送货车辆调度方案的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALAN T. MURRAY, ET AL.: "Regional service coverage modeling", 《SCIENCEDIRECT》 *
刘光才 等: "城市物流无人机配送中心选址及任务分配研究", 《飞行力学》 *

Also Published As

Publication number Publication date
CN116451503B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
US10755805B1 (en) Ancestry painting with local ancestry inference
US10658071B2 (en) Scalable pipeline for local ancestry inference
CN101287280A (zh) 在异构无线网络中选择网络的方法和装置
CN106649890A (zh) 数据存储方法和装置
US20200311581A1 (en) High quality pattern mining model and method based on improved multi-objective evolutionary algorithm
Basseur et al. Indicator-based multi-objective local search
Martínez-Ballesteros et al. Selecting the best measures to discover quantitative association rules
CN116451503B (zh) 物流平台设施选址方法、装置、设备及存储介质
CN111260288B (zh) 订单管理方法、装置、介质及电子设备
CN113283793A (zh) 货物揽收调度方法、系统、设备及存储介质
CN112749343B (zh) 资源推荐方法、装置及计算机存储介质
CN114781717A (zh) 网点设备推荐方法、装置、设备和存储介质
Ahn et al. A hybrid multiobjective evolutionary algorithm: Striking a balance with local search
Zhang et al. Combination classification method for customer relationship management
EP4332791A1 (en) Blockchain address classification method and apparatus
CN115546568A (zh) 绝缘子缺陷检测方法、系统、设备及存储介质
Arroyo et al. A GRASP heuristic with Path-Relinking for a bi-objective p-median problem
Goutam et al. Algorithm for vertical handover decision using geometric mean and MADM techniques
Yang et al. Multi-objective memetic algorithm based on request prediction for dynamic pickup-and-delivery problems
CN109740829B (zh) 基于蚁群算法的粮食运输方法、设备、存储介质及装置
CN109447490A (zh) 一种基于用户地址的户变关系异常判别方法
Bernardino et al. A Hybrid Differential Evolution Algorithm for solving the Terminal assignment problem
CN115437858A (zh) 边缘节点异常定位方法、装置、设备及计算机程序产品
Xiao et al. Modeling and Evolutionary Optimization for Multi-objective Vehicle Routing Problem with Real-time Traffic Conditions
Feng et al. Guided prediction strategy based on regional multi-directional information fusion for dynamic multi-objective optimization

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