CN116629735A - 物流配送方法、物流配送装置和电子设备 - Google Patents
物流配送方法、物流配送装置和电子设备 Download PDFInfo
- Publication number
- CN116629735A CN116629735A CN202310417948.6A CN202310417948A CN116629735A CN 116629735 A CN116629735 A CN 116629735A CN 202310417948 A CN202310417948 A CN 202310417948A CN 116629735 A CN116629735 A CN 116629735A
- Authority
- CN
- China
- Prior art keywords
- transportation
- schemes
- vehicle
- scheme
- initial
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000009826 distribution Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 43
- 230000002068 genetic effect Effects 0.000 claims abstract description 35
- 238000010606 normalization Methods 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 230000007704 transition Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 11
- 230000035772 mutation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种物流配送方法、物流配送装置和电子设备。该方法包括获取在输入设备输入的订单任务信息和车辆信息;根据订单任务信息和车辆信息,确定物料信息的多个初始运输方案;基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案;在遗传优化模型在第i次迭代的情况下,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案;针对每个过渡运输方案,根据运输成本函数计算过渡运输方案的运输成本;在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
Description
技术领域
本公开涉及物流技术领域,更具体地,涉及一种物流配送方法、物流配送装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
在企业的日常生产活动中,需要频繁的从供应厂运输加工完毕的物料前往需求厂进行进一步的加工,运输的过程主要由装垛,装车,运输,卸车四个部分组成。因为运输过程不仅涉及资金成本也涉及时间成本,所以一个合理的配送方案可以大大节约总体成本,提高企业的运转效率,达到降本提效的效果。
目前,企业采用的是根据生产需求进行手动计划安排,安排结果与安排人员的工作经验相关,无法保证稳定,同时,遇到大量订单一起出现时,也难以及时安排完毕,对突发情况也难以应对,而且安排的物流配送方案的成本较高,车辆的使用效率较差。
发明内容
有鉴于此,本公开实施例提供了一种物流配送方法、物流配送装置、电子设备、计算机可读存储介质和计算机程序产品。
本公开实施例的一个方面提供了一种物流配送方法,包括:
获取在输入设备输入的订单任务信息和车辆信息,其中,上述订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,上述车辆信息包括不同类型的运输车辆以及数量;
根据上述订单任务信息和上述车辆信息,确定上述物料信息的多个初始运输方案;
基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个上述初始运输方案,得到多个中间运输方案,其中,上述发车间隔约束条件和上述发车时间约束条件是根据上述车辆信息确定的;
在上述遗传优化模型在第i次迭代的情况下,对多个上述中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,上述编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,上述空闲状态表征运输车辆未执行运输任务;
针对每个上述过渡运输方案,根据运输成本函数计算上述过渡运输方案的运输成本;
在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
根据本公开的实施例,物流配送方法还包括:
基于货运任务约束函数,从多个上述目标运输方案中确定物流配送方案。
根据本公开的实施例,上述中间运输方案包括对应于每个运输车辆的车辆中间运输方案,上述车辆中间运输方案包括多个代表不同运输路径的数值编码;
其中,上述对多个上述中间运输方案进行编码规整处理,得到多个过渡运输方案,包括:
针对每个上述中间运输方案,将多个上述车辆中间运输方案中的数值编码进行调换,以使得至少一个车辆中间运输方案中的数值编码均为预设数值,得到多个上述过渡运输方案,其中,数值编码均为预设数值的过渡运输方案表征上述运输车辆处于空闲状态。
根据本公开的实施例,上述初始运输方案包括对应于每个运输车辆的车辆初始运输方案,上述车辆初始运输方案包括多个代表不同运输路径的数值编码;
其中,上述基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个上述初始运输方案,得到多个中间运输方案,包括:
在第i次迭代的情况下,根据上述运输成本函数计算每个初始运输方案的运输成本;
基于多个上述初始运输方案的运输成本,从多个上述初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个上述中间运输方案。
根据本公开的实施例,上述从多个上述初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个上述中间运输方案,包括:
从多个上述初始运输方案中选择预设数量的初始运输方案作为待处理方案;
对多个上述待处理方案中同一个位置的数值编码进行交换,得到多个交叉后的待处理方案;
从多个上述交叉后的待处理方案中随机选择一个进行数值编码中至少一个数值的变异,得到多个上述中间运输方案。
根据本公开的实施例,货运任务约束函数如下所示:
其中,Qv表示运输车辆v的货运体积,Dw表示执行运输任务w所需的货运体积,公式(1)保证了每个运输任务w都能有足够的运输车辆去完成,uv表示运输车辆是否使用,使用则uv=1,否则uv=0。
根据本公开的实施例,上述根据上述订单任务信息和上述车辆信息,确定上述物料信息的多个初始运输方案,包括:
根据多个供货商和多个到货工厂,构建多个运输路径;
利用不同的数值对多个上述运输路径进行编码,得到多个编码数值;
根据多个上述数值编码和上述车辆信息,构建多个上述初始运输方案,其中,上述初始运输方案包括每个上述运输车辆执行的多个运输路径。
根据本公开的实施例,上述发车间隔约束条件如下面第一个公式(2)所示,上述发车时间约束条件如下面第二个公式所示,运输成本函数如下面第三个公式所示:
其中,tvwc表示运输车辆v完成运输任务w(第c次)的时间点,Gv表示运输车辆v的任务间隔,此式表示对于每辆运输车辆v,后一个运输任务w′的完成时间与前一个运输任务w的完成时间的间隔要大于运输车辆v的任务间隔,xvwc表示运输车辆v是否执行运输任务w(第c次),执行时xvwc=1,否则为0;
te<tvwc≤tl
其中,te为最早到达时间,tl为最晚到达时间;
其中,fv表示所用运输车辆v的租车成本;Cvw表示运输车辆v运输任务w(第c次)所涉及的供货商到到货工厂的路径成本。
本公开实施例的另一个方面提供了一种物流配送装置,包括:
获取模块,用于获取在输入设备输入的订单任务信息和车辆信息,其中,上述订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,上述车辆信息包括不同类型的运输车辆以及数量;
第一确定模块,用于根据上述订单任务信息和上述车辆信息,确定上述物料信息的多个初始运输方案;
遗传模块,用于基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个上述初始运输方案,得到多个中间运输方案,其中,上述发车间隔约束条件和上述发车时间约束条件是根据上述车辆信息确定的;
规整模块,用于在上述遗传优化模型在第i次迭代的情况下,对多个上述中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,上述编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,上述空闲状态表征运输车辆未执行运输任务;
计算模块,用于针对每个上述过渡运输方案,根据运输成本函数计算上述过渡运输方案的运输成本;
第二确定模块,用于在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
本公开实施例的另一个方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,通过根据输入设备输入的订单任务信息和车辆信息构建多个初始运输方案,利用遗传优化模型处理多个初始运输方案得到多个中间运输方案,并对每次迭代产生的多个中间运输方案进行编码规整处理,得到多个过渡运输方案,最终根据每个过渡运输方案的运输成本确定一个目标运输方案。由于通过编码规整使得多个空闲状态集中在至少一个运输车辆上,从而能够得到运输车辆利用效率较高的目标运输方案,同时基于遗传算法得到的目标运输方案相比于人工规划确定的运输方案,有效降低了物流配送的成本,同时提高了确定物流配送方案的效率。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用物流配送方法的示例性系统架构;
图2示意性示出了根据本公开实施例的物流配送方法的流程图;
图3示意性示出了根据本公开的实施例的车辆装箱的流程图;
图4示意性示出了根据本公开的实施例的物流配送装置的框图;
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种物流配送方法、物流配送装置和电子设备。该方法包括获取在输入设备输入的订单任务信息和车辆信息,其中,订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,车辆信息包括不同类型的运输车辆以及数量;根据订单任务信息和车辆信息,确定物料信息的多个初始运输方案;基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案,其中,发车间隔约束条件和发车时间约束条件是根据车辆信息确定的;在遗传优化模型在第i次迭代的情况下,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,空闲状态表征运输车辆未执行运输任务;针对每个过渡运输方案,根据运输成本函数计算过渡运输方案的运输成本;在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
图1示意性示出了根据本公开实施例的可以应用物流配送方法的示例性系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105和运输车辆106。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
运输车辆106可以是指半挂大车以及小车等多种类型的车辆,其可以接收并执行服务器或者终端设备的物流配送方案或目标运输方案。
需要说明的是,本公开实施例所提供的物流配送方法一般可以由服务器105执行。相应地,本公开实施例所提供的物流配送装置一般可以设置于服务器105中。本公开实施例所提供的物流配送方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的物流配送装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的物流配送方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的物流配送装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
应该理解,图1中的终端设备、网络、服务器和运输车辆的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络、服务器和运输车辆。
图2示意性示出了根据本公开实施例的物流配送方法的流程图。
如图2所示,该物流配送方法包括操作S201~S206。
在操作S201,获取在输入设备输入的订单任务信息和车辆信息,其中,订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,车辆信息包括不同类型的运输车辆以及数量;
在操作S202,根据订单任务信息和车辆信息,确定物料信息的多个初始运输方案;
在操作S203,基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案,其中,发车间隔约束条件和发车时间约束条件是根据车辆信息确定的;
在操作S204,在遗传优化模型在第i次迭代的情况下,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,空闲状态表征运输车辆未执行运输任务;
在操作S205,针对每个过渡运输方案,根据运输成本函数计算过渡运输方案的运输成本;
在操作S206,在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
根据本公开的实施例,输入设备可以指手机、电脑等具有信息输入功能的电子设备。订单任务信息用w={TaskList(i,j)|i∈I,j∈J}表示。TaskList(i,j)包含下一任务周期所有运输货物任务的主要信息:供应商的地点i∈I,到货工厂的地点j∈J,物料信息中的物料编码(物料名称) 物料规格α:(a,b,c),分别代表物料的长,宽和高,任务时间包括计划到达日期Tα、数量Dα,为便于有效计算,本公开将使用Dw表示订单任务w的货运需求量。
根据本公开的实施例,车辆信息包括至少两种类型的运输车辆,例如用表示不同类型的运输车辆,半挂大车H={1,…,m},m表示有m个半挂大车,半挂大车长13米、宽3米、高2.6米;小车h={1,…,n},n表示有n个小车,小车长5米、宽3米、高2.6米。需要说明的是,本公开仅使用两种类型的运输车辆进行示例性说明,并非限制本公开的运输车辆和尺寸只能为上述示例。
根据本公开的实施例,根据订单任务信息和车辆信息,确定物料信息的多个初始运输方案,包括如下操作:
根据多个供货商和多个到货工厂,构建多个运输路径;
利用不同的数值对多个运输路径进行编码,得到多个编码数值;
根据多个数值编码和车辆信息,构建多个初始运输方案,其中,初始运输方案包括每个运输车辆执行的多个运输路径。
根据本公开的实施例,假设有两个供货商,三个到货工厂,所以一共有2×3=6种运输路径,所以使用1-6这六个数字表示六种运输路径,用0这个数字代表不进行运输,其中,大车一天可以运输三次,则用三个实数进行编码,小车一天可以运输四次,用四个实数进行编码,假设一共有四辆大车,四辆小车,则一个解(初始运输方案)的编码长度是3×4+4×4=28,也就是一个解由28个实数构成,一个可能的解(即初始运输方案)如下所示:
[[0,0,0],[6,5,4],[5,2,2],[2,4,6],[5,1,2,2],[1,5,3,4],[5,4,2,5],[1,2,4,5]]
其中,前12个数字中,每三个数字代表一个大车的安排,比如第4-6个数字为6,5和4,表示第二辆大车负责六条运输路径中的第六,第五和第四条路径;后16个数字中,每四个数字代表一个小车的安排,具体含义和大车相同;数字0表示此时车辆不进行运输任务。
根据本公开的实施例,基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案,其中,发车间隔约束条件和发车时间约束条件是根据车辆信息确定的;在遗传优化模型在第i次迭代的情况下,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,空闲状态表征运输车辆未执行运输任务;
针对每个过渡运输方案,根据运输成本函数计算过渡运输方案的运输成本;在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。获取多个目标运输方案后选择一个目标运输方案进行实际运输。
根据本公开的实施例,通过根据输入设备输入的订单任务信息和车辆信息构建多个初始运输方案,利用遗传优化模型处理多个初始运输方案得到多个中间运输方案,并对每次迭代产生的多个中间运输方案进行编码规整处理,得到多个过渡运输方案,最终根据每个过渡运输方案的运输成本确定一个目标运输方案。由于通过编码规整使得多个空闲状态集中在至少一个运输车辆上,从而能够得到运输车辆利用效率较高的目标运输方案,同时基于遗传算法得到的目标运输方案相比于人工规划确定的运输方案,有效降低了物流配送的成本,同时提高了确定物流配送方案的效率。
根据本公开的实施例,物流配送方法还包括如下操作:
基于货运任务约束函数,从多个目标运输方案中确定物流配送方案。
根据本公开的实施例,由于确定的多个目标运输方案可能存在订单任务信息中的某一个任务没有足够的运输车辆进行货物的配送,因此需要在货运任务约束函数的约束下从多个目标运输方案中确定物流配送方案。
根据本公开的实施例,中间运输方案包括对应于每个运输车辆的车辆中间运输方案,车辆中间运输方案包括多个代表不同运输路径的数值编码;
其中,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案,包括如下操作:
针对每个中间运输方案,将多个车辆中间运输方案中的数值编码进行调换,以使得至少一个车辆中间运输方案中的数值编码均为预设数值,得到多个过渡运输方案,其中,数值编码均为预设数值的过渡运输方案表征运输车辆处于空闲状态。
根据本公开的实施例,因为遗传优化模型的处理过程具有随机性,所生产的解(即中间运输方案)没有很好的安排车辆的空闲时间,所以需要对生成的解进行规整编码操作,一个可能的解(即中间运输方案)如下所示:
[[5,5,2],[5,5,0],[1,2,4],[3,6,2],[0,0,5,2],[0,2,0,0],[4,2,4,4],[6,0,4,1]]
进行规整后,得到的新解(即过渡运输方案)如下所示:
[[0,0,0],[0,0,0],[0,1,4],[6,4,4],[2,4,2,2],[5,2,6,3],[4,2,1,5],[5,2,5,5]]
其中,前八位[0,0,0],[0,0,0]表示有两个大车处于空闲状态,此时无需租用两辆大车,从而使得最终的物流配送方案的成本较低。
根据本公开的实施例,初始运输方案包括对应于每个运输车辆的车辆初始运输方案,车辆初始运输方案包括多个代表不同运输路径的数值编码,即上文利用1-6这六个数字表示六种运输路径,用0这个数字代表不进行运输任务;
其中,基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案,包括如下操作:
在第i次迭代的情况下,根据运输成本函数计算每个初始运输方案的运输成本;
基于多个初始运输方案的运输成本,从多个初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个中间运输方案。
根据本公开的实施例,从多个初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个中间运输方案,包括如下操作:
从多个初始运输方案中选择预设数量的初始运输方案作为待处理方案;
对多个待处理方案中同一个位置的数值编码进行交换,得到多个交叉后的待处理方案;
从多个交叉后的待处理方案中随机选择一个进行数值编码中至少一个数值的变异,得到多个中间运输方案。
根据本公开的实施例,根据个体(即初始运输方案)的编码,可以计算个体对应的适应度,适应度对应于每个解的方案的运输成本,每条运输路径有对应的路径成本(可以看成是燃油费用以及高速公路使用费用等),每辆车被使用后也有对应的租赁成本(租车成本和司机薪水等),两者相加则为方案的使用成本,以上一步骤展示的一个解为例,第二辆大车被使用,则计算适应度时需要加上其车辆的租赁成本,因为其负责第六,第五和第四条路径,还需要加上对应路径的路径成本,将所有车辆的运输和租赁成本相加,得到的就是这个初始运输方案的运输成本。
根据每个个体适应度的大小,从由多个初始运输方案构成的种群中选择两个个体进行交叉操作,因为本实例问题需要最小化运输成本,所以适应度越小的个体被选中的概率越大,两个可能被选中的解(即待处理方案)如下所示:
[[0,0,0],[0,5,5],[2,2,5],[1,2,3],[4,4,6,6],[2,5,5,5],[4,5,2,2],[4,2,4,5]][[0,0,0],[6,5,4],[5,2,2],[2,4,6],[5,1,2,2],[1,5,3,4],[5,4,2,5],[1,2,4,5]]
交叉时,从两个解(即待处理方案)中各自随机选择同一位置的车对应的运输方案,进行交换,比如选择两个解中的第二辆大车的运输方案进行交换,得到的新解(即交叉后的待处理方案)如下所示:
[[0,0,0],[6,5,4],[2,2,5],[1,2,3],[4,4,6,6],[2,5,5,5],[4,5,2,2],[4,2,4,5]][[0,0,0],[0,5,5],[5,2,2],[2,4,6],[5,1,2,2],[1,5,3,4],[5,4,2,5],[1,2,4,5]]
为了跳出当前解的范围,需要随机选择一个解(即交叉后的待处理方案)对其进行变异操作,一个可能被选中变异的解(即交叉后的待处理方案)如下所示:
[[0,0,0],[6,5,4],[2,2,5],[1,2,3],[4,4,6,6],[2,5,5,5],[4,5,2,2],[4,2,4,5]]
对其第一辆大车的第一次运输方案进行变异,将0变为1,得到一个新解(即中间运输方案)如下所示:
[[1,0,0],[6,5,4],[2,2,5],[1,2,3],[4,4,6,6],[2,5,5,5],[4,5,2,2],[4,2,4,5]]
根据本公开的实施例,迭代地将基于中间运输方案得到的过渡运输方案确定为新的初始运输方案,利用遗传优化模型对新的初始运输方案进行迭代优化,直至第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值,则将第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。其中,预设成本阈值可以根据实际情况具体设置。
IB224323
根据本公开的实施例,货运任务约束函数如公式(1)所示:
其中,Qv表示运输车辆v的货运体积,Dw表示执行运输任务w所需的货运体积,公式(1)保证了每个运输任务w都能有足够的运输车辆去完成,uv表示运输车辆是否使用,使用则uv=1,否则uv=0。
根据本公开的实施例,发车间隔约束条件如公式(2)所示,发车时间约束条件如公式(3)所示,运输成本函数如公式(4)所示:
其中,tvwc表示运输车辆v完成运输任务w(第c次)的时间点,Gv表示运输车辆v的任务间隔,此式表示对于每辆运输车辆v,后一个运输任务w′的完成时间与前一个运输任务w的完成时间的间隔要大于运输车辆v的任务间隔,xvwc表示运输车辆v是否执行运输任务w(第c次),执行时xvwc=1,否则为0;
te<tvwc≤tl (3)
其中,te为最早到达时间,tl为最晚到达时间;
其中,fv表示所用运输车辆v的租车成本;Cvw表示运输车辆v运输任务w(第c次)所涉及的供货商到到货工厂的路径成本。
图3示意性示出了根据本公开的实施例的车辆装箱的流程图。
根据本公开的实施例,在确定初始运输方案中需要的运输车辆的数量时,需要对物料的体积进行体积测算,结合图3进行举例说明:
初始化:给定待装入货物空间的参数,以及待装入的货物的尺寸信息,初始化空间如图3(a)所示;
首先,选择一个货物,在所有的剩余空间中选择一个可以放入货物的空间,对放入货物的空间进行切割,将空间切割为三个剩余空间,如图3(b)所示,货物被摆放在空间左上角,同时储物空间被分割为左侧前方,左侧后方,右侧三个子空间。
然后,判断剩余空间之间直接是否可以合并成一个更大的空间,若可以则进行合并,否则不合并,如图3(c)和3(d)所示,将图中左侧的四个虚线格子合成两个体积更大的虚线格子,具体地是将前侧的两个虚线格子进行合并,后侧的两个虚线格子进行合并。
最后,开始装下一个货物,重复以上步骤,直到达到货车装载限制或所有的货物都被装载。
图4示意性示出了根据本公开的实施例的物流配送装置的框图。
如图4所示,物流配送装置400包括获取模块401、第一确定模块402、遗传模块403、规整模块404、计算模块405和第二确定模块406。
获取模块401,用于获取在输入设备输入的订单任务信息和车辆信息,其中,订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,车辆信息包括不同类型的运输车辆以及数量;
第一确定模块402,用于根据订单任务信息和车辆信息,确定物料信息的多个初始运输方案;
遗传模块403,用于基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个初始运输方案,得到多个中间运输方案,其中,发车间隔约束条件和发车时间约束条件是根据车辆信息确定的;
规整模块404,用于在遗传优化模型在第i次迭代的情况下,对多个中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,空闲状态表征运输车辆未执行运输任务;
计算模块405,用于针对每个过渡运输方案,根据运输成本函数计算过渡运输方案的运输成本;
第二确定模块406,用于在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
根据本公开的实施例,通过根据输入设备输入的订单任务信息和车辆信息构建多个初始运输方案,利用遗传优化模型处理多个初始运输方案得到多个中间运输方案,并对每次迭代产生的多个中间运输方案进行编码规整处理,得到多个过渡运输方案,最终根据每个过渡运输方案的运输成本确定一个目标运输方案。由于通过编码规整使得多个空闲状态集中在至少一个运输车辆上,从而能够得到运输车辆利用效率较高的目标运输方案,同时基于遗传算法得到的目标运输方案相比于人工规划确定的运输方案,有效降低了物流配送的成本,同时提高了确定物流配送方案的效率。
根据本公开的实施例的模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Arrays,PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(Application Specific Integrated Circuit,ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块401、第一确定模块402、遗传模块403、规整模块404、计算模块405和第二确定模块406中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块401、第一确定模块402、遗传模块403、规整模块404、计算模块405和第二确定模块406中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块401、第一确定模块402、遗传模块403、规整模块404、计算模块405和第二确定模块406中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中物流配送装置部分与本公开的实施例中物流配送方法部分是相对应的,物流配送装置部分的描述具体参考物流配送方法部分,在此不再赘述。
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,根据本公开实施例的电子设备500包括处理器501,其可以根据存储在只读存储器(Read-Only Memory,ROM)502中的程序或者从存储部分508加载到随机访问存储器(Random Access Memory,RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中,存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备500还可以包括输入/输出(I/O)接口505,输入/输出(I/O)接口505也连接至总线504。系统500还可以包括连接至I/O接口505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,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510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508。
根据本公开的实施例,根据本公开实施例的方法流程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,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
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描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM(Erasable Programmable Read Only Memory,EPROM)或闪存)、便携式紧凑磁盘只读存储器(Computer Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的物流配送方法。
在该计算机程序被处理器501执行时,执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分509被下载和安装,和/或从可拆卸介质511被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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,上述模块、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,框图或流程图中的每个方框、以及框图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。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种物流配送方法,包括:
获取在输入设备输入的订单任务信息和车辆信息,其中,所述订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,所述车辆信息包括不同类型的运输车辆以及数量;
根据所述订单任务信息和所述车辆信息,确定所述物料信息的多个初始运输方案;
基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个所述初始运输方案,得到多个中间运输方案,其中,所述发车间隔约束条件和所述发车时间约束条件是根据所述车辆信息确定的;
在所述遗传优化模型在第i次迭代的情况下,对多个所述中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,所述编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,所述空闲状态表征运输车辆未执行运输任务;
针对每个所述过渡运输方案,根据运输成本函数计算所述过渡运输方案的运输成本;
在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
2.根据权利要求1所述的方法,还包括:
基于货运任务约束函数,从多个所述目标运输方案中确定物流配送方案。
3.根据权利要求1所述的方法,所述中间运输方案包括对应于每个运输车辆的车辆中间运输方案,所述车辆中间运输方案包括多个代表不同运输路径的数值编码;
其中,所述对多个所述中间运输方案进行编码规整处理,得到多个过渡运输方案,包括:
针对每个所述中间运输方案,将多个所述车辆中间运输方案中的数值编码进行调换,以使得至少一个车辆中间运输方案中的数值编码均为预设数值,得到多个所述过渡运输方案,其中,数值编码均为预设数值的过渡运输方案表征所述运输车辆处于空闲状态。
4.根据权利要求1所述的方法,所述初始运输方案包括对应于每个运输车辆的车辆初始运输方案,所述车辆初始运输方案包括多个代表不同运输路径的数值编码;
其中,所述基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个所述初始运输方案,得到多个中间运输方案,包括:
在第i次迭代的情况下,根据所述运输成本函数计算每个初始运输方案的运输成本;
基于多个所述初始运输方案的运输成本,从多个所述初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个所述中间运输方案。
5.根据权利要求4所述的方法,其中,所述从多个所述初始运输方案中选择预设数量的初始运输方案进行交叉变异处理,得到多个所述中间运输方案,包括:
从多个所述初始运输方案中选择预设数量的初始运输方案作为待处理方案;
对多个所述待处理方案中同一个位置的数值编码进行交换,得到多个交叉后的待处理方案;
从多个所述交叉后的待处理方案中随机选择一个进行数值编码中至少一个数值的变异,得到多个所述中间运输方案。
6.根据权利要求2所述的方法,其中,货运任务约束函数如公式(1)所示:
xvwc<uv
其中,Qv表示运输车辆v的货运体积,Dw表示执行运输任务w所需的货运体积,货运任务约束函数保证了每个运输任务w都能有足够的运输车辆去完成,uv表示运输车辆是否使用,使用则uv=1,否则uv=0。
7.根据权利要求1所述的方法,其中,所述根据所述订单任务信息和所述车辆信息,确定所述物料信息的多个初始运输方案,包括:
根据多个供货商和多个到货工厂,构建多个运输路径;
利用不同的数值对多个所述运输路径进行编码,得到多个编码数值;
根据多个所述数值编码和所述车辆信息,构建多个所述初始运输方案,其中,所述初始运输方案包括每个所述运输车辆执行的多个运输路径。
8.根据权利要求1~7中任一项所述的方法,其中,所述发车间隔约束条件如公式(2)所示,所述发车时间约束条件如公式(3)所示,运输成本函数如公式(4)所示:
其中,tvwc表示运输车辆v完成第c次运输任务w的时间点,Gv表示运输车辆v的任务间隔,此式表示对于每辆运输车辆v,后一个运输任务w′的完成时间与前一个运输任务w的完成时间的间隔要大于运输车辆v的任务间隔,xvwc表示运输车辆v是否执行第c次运输任务w,执行时xvwc=1,否则为0;
te<tvwc≤tl (3)
其中,te为最早到达时间,tl为最晚到达时间;
其中,fv表示所用运输车辆v的租车成本;Cvw表示运输车辆v运输任务w(第c次)所涉及的供货商到到货工厂的路径成本。
9.一种物流配送装置,包括:
获取模块,用于获取在输入设备输入的订单任务信息和车辆信息,其中,所述订单任务信息包括多个供货商、多个到货工厂、物料信息以及任务时间,所述车辆信息包括不同类型的运输车辆以及数量;
第一确定模块,用于根据所述订单任务信息和所述车辆信息,确定所述物料信息的多个初始运输方案;
遗传模块,用于基于发车间隔约束条件和发车时间约束条件,利用遗传优化模型处理多个所述初始运输方案,得到多个中间运输方案,其中,所述发车间隔约束条件和所述发车时间约束条件是根据所述车辆信息确定的;
规整模块,用于在所述遗传优化模型在第i次迭代的情况下,对多个所述中间运输方案进行编码规整处理,得到多个过渡运输方案,其中,所述编码规整处理用于使得多个空闲状态集中在至少一个运输车辆上,所述空闲状态表征运输车辆未执行运输任务;
计算模块,用于针对每个所述过渡运输方案,根据运输成本函数计算所述过渡运输方案的运输成本;
第二确定模块,用于在第i次迭代得到的运输成本与第i+1次迭代得到的运输成本之间的差值满足预设成本阈值的情况下,将与第i次迭代得到的运输成本对应的过渡运输方案确定为一个目标运输方案。
10.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310417948.6A CN116629735A (zh) | 2023-04-13 | 2023-04-13 | 物流配送方法、物流配送装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310417948.6A CN116629735A (zh) | 2023-04-13 | 2023-04-13 | 物流配送方法、物流配送装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629735A true CN116629735A (zh) | 2023-08-22 |
Family
ID=87608959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310417948.6A Pending CN116629735A (zh) | 2023-04-13 | 2023-04-13 | 物流配送方法、物流配送装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629735A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236823A (zh) * | 2023-11-13 | 2023-12-15 | 无锡雪浪数制科技有限公司 | 基于供应链仿真的运输成本优化方法及系统 |
-
2023
- 2023-04-13 CN CN202310417948.6A patent/CN116629735A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236823A (zh) * | 2023-11-13 | 2023-12-15 | 无锡雪浪数制科技有限公司 | 基于供应链仿真的运输成本优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mesa-Arango et al. | Benefits of in-vehicle consolidation in less than truckload freight transportation operations | |
CN110503528B (zh) | 一种线路推荐方法、装置、设备和存储介质 | |
Dai et al. | Mathematical model and solution approach for carriers’ collaborative transportation planning in less than truckload transportation | |
JP7226702B2 (ja) | 自動誘導輸送車のスケジューリング方法及びスケジューリング装置 | |
Yu et al. | Particle swarm optimization for the multi-period cross-docking distribution problem with time windows | |
CN111724086A (zh) | 物流订单的配送方法、系统、存储介质及电子设备 | |
CN111178810B (zh) | 用于生成信息的方法和装置 | |
CN116629735A (zh) | 物流配送方法、物流配送装置和电子设备 | |
KR102503198B1 (ko) | 인공지능 기반의 최적 배송경로 제공 장치 및 방법 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN112633547A (zh) | 基于包裹信息的城市地区递送车辆路线选择的系统和方法 | |
CN113887828B (zh) | 智能供应链产运销协同与实时网络规划方法以及装置 | |
CN109255563B (zh) | 物品的储位区域的确定方法和装置 | |
CN111582701B (zh) | 订单处理方法、装置、存储介质及电子设备 | |
CN112434875A (zh) | 一种用于智能仓储的设备路径管理方法、系统和服务器 | |
CN113222205A (zh) | 一种路径规划的方法和装置 | |
CN114894210B (zh) | 物流车辆路径规划方法、装置、设备和存储介质 | |
CN111833119A (zh) | 一种订单分配的方法、装置、电子设备及存储介质 | |
Dondo et al. | A branch-and-price approach to manage cargo consolidation and distribution in supply chains | |
CN111209473A (zh) | 一种基于大数据的车货匹配方法及系统 | |
CN113033849B (zh) | 预约车辆匹配方法、系统、电子设备及存储介质 | |
Varghese et al. | Clustering Based Model For Facility Location In Logistic Network Using K-Means | |
CN115660762B (zh) | 托盘租借方法、装置及电子设备 | |
KR102447123B1 (ko) | 인공지능 기반의 복화배차 서비스 제공 장치 및 방법 | |
Padidar et al. | A Hybrid Modeling Approach to Joint Matching and Pricing in an Intelligent Freight Transportation Platform |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Zheng Chenlong Inventor after: Li Zhendong Inventor after: Lu Lan Inventor after: Liu Lindong Inventor after: Wu Juntao Inventor before: Zheng Chenlong Inventor before: Li Zhendong Inventor before: Lu Lan Inventor before: Liu Lindong Inventor before: Wu Juntao |
|
CB03 | Change of inventor or designer information |