CN117236824B - 一种用于农产品在线交易平台的物流调度方法 - Google Patents
一种用于农产品在线交易平台的物流调度方法 Download PDFInfo
- Publication number
- CN117236824B CN117236824B CN202311517969.1A CN202311517969A CN117236824B CN 117236824 B CN117236824 B CN 117236824B CN 202311517969 A CN202311517969 A CN 202311517969A CN 117236824 B CN117236824 B CN 117236824B
- Authority
- CN
- China
- Prior art keywords
- transportation
- vehicle
- special
- transport
- line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005457 optimization Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于农产品在线交易平台的物流调度方法,涉及农产品物流调度技术领域,通过收集专线运输数据,获得运输专线的运输周期时长,收集农作物数据、运输车辆数据和每条运输专线在每个运输周期中的待发订单数据,为每条运输专线生成车辆数量规划问题,生成各条运输专线的车辆数量调度方案,为每条运输专线生成车辆装载规划问题,生成各条运输专线的车辆装载方案,生成各条运输专线的车辆增量方案;提高运输车辆的利用率,并降低车辆运输成本。
Description
技术领域
本发明涉及农产品物流调度技术领域,具体是一种用于农产品在线交易平台的物流调度方法。
背景技术
农产品在线交易平台接收到的在线订单是在同一个批发市场进行统一发货;目前批发市场一般会对具有较多农作物需求的城市建立一条运输专线;通过运输专线拼车发货、补货,降低物流成本;
目前在每条运输专线中,对在线订单进行运输的方式为装满即送,但该方式存在以下缺点:
1、因无法预测下一笔订单的时间和运输的体积,从而可能出现未满载的运输车辆空等,或下一笔订单过大,而运输车辆无法装下,从而只能选择下一辆运输车辆进行装载或对该笔订单进行分车运输,显然前者可能会导致运输车辆一直处于等待状态,而后者会导致订单派送困难;
2、难以合理控制装载使用的各个车辆类型的数量和顺序,即可能出现订单较少时,使用大型运输车辆,导致车辆利用率过低;或订单过多时,使用小型运输车辆,从而导致需要过多的运输车辆,提高了运输成本;
申请公开号为CN114444843A的中国专利公开了一种基于大规模变邻域搜索策略的绿色物流车辆调度规划方法及系统。首先分别使用CW节约算法、最邻近插入算法和随机方法生成初始车辆配送序列。多次重复上述过程,构成初始配送序列的种群;对每个配送序列采用自适应遗传算法进行调度搜索,寻找满足条件的可行调度;采用大规模变邻域搜索算法对满足条件的可行调度进行优化调整,获得候选的配送序列;依据经济成本和环境成本最低的原则,从所有候选配送序列里选择总成本最低的序列,输出为车辆调度规划方案;通过设计运输周期,为每辆运输车辆预先设置好需要运输的待发订单,解决了运输车辆空等的问题;该方案解决的是在已知运输车辆的条件下进行运输,并未能解决对运输车辆进行选择的问题;
为此,本发明提出一种用于农产品在线交易平台的物流调度方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种用于农产品在线交易平台的物流调度方法,提高运输车辆的利用率,并降低车辆运输成本。
为实现上述目的,根据本发明的实施例1提出一种用于农产品在线交易平台的物流调度方法,包括以下步骤:
步骤一:收集专线运输数据,基于专线运输数据,获得每条运输专线的运输周期时长;
步骤二:收集农作物数据;收集运输车辆数据;收集每条运输专线在每个运输周期中的待发订单数据;基于待发订单数据、运输车辆数据以及农作物数据,为每条运输专线生成车辆数量规划问题;求解车辆数量规划问题,生成各条运输专线的车辆数量调度方案;
步骤三:基于车辆数量调度方案、运输车辆容积数据、待发订单数据以及农作物数据,为每条运输专线生成车辆装载规划问题;求解车辆装载规划问题,生成各条运输专线的车辆装载方案;
步骤四:基于车辆装载方案、待发订单数据以及运输车辆数据,生成各条运输专线的车辆增量方案;
所述收集专线运输数据的方式为:
将各条运输专线的编号标记为d,将运输车辆类型的编号标记为c;其中,c=1,2,3,…,C,C为所有运输车辆类型的数量;
将第c种运输车辆从运输专线起点出发,完成第d条运输专线的农作物运输,并返程到达运输专线起点的平均时长表示为往返时长,并将该往返时长标记为Tcd;
所述专线运输数据包括所有运输专线和运输车辆类型的组合对应的往返时长;
获得每条运输专线的运输周期时长的方式为:
将第d条运输专线对应的运输周期时长标记为Td;则运输周期时长Td的计算公式为:;其中,T0为预设的大于0的调整系数;
将时间按照运输周期时长Td划分为不同的时间段,则每个时间段为第d条运输专线的所述运输周期;
所述收集农作物数据的方式为:
将农作物类型的编号标记为i,i=1,2,3,…,I;其中,I为农作物类型的总数量;将第i种农作物的每单位重量的体积表示为单位体积,并将该单位体积标记为Vi;
所述农作物数据包括所有农作物类型的单位体积;
收集运输车辆数据的方式为:
将第c种运输车辆的车厢的最大容积标记为Rc,将每台第c种运输车辆进行一次第d条运输专线的农作物运输的运输成本标记为Pdc;
所述运输车辆数据包括所有类型的运输车辆的最大容积以及所有运输成本;
收集每条运输专线在每个运输周期中的待发订单数据的方式为:
在线交易平台的处理后台实时接收来自每笔运输专线的目的地的农产品订单数据;
对于第d条运输专线的每个运输周期,收集该运输周期中,所有农产品订单数据包含的每种农作物类型对应的农作物下单重量的总重量,将该总重量表示为下单总重量,将第i种农作物的下单总重量标记为Wdi;
所述待发订单数据包括每笔农产品订单数据以及每种农作物的下单总重量;
所述为每条运输专线生成车辆数量规划问题的方式为:
对于第d条运输专线:
设置数量规划变量xdc;所述数量规划变量xdc表示本次运输周期中,进行农作物运输所使用第c种车辆类型的车辆数量;
设计第一优化目标函数fd1;
其中,所述第一优化目标函数fd1的表达式为;
设计第一约束目标集合U1;其中,所述第一约束目标集合U1为:
;
以最小化第一优化目标函数fd1为车辆数量规划问题的优化目标,以第一约束目标集合U1作为车辆数量规划问题的约束目标集合;
生成各条运输专线的车辆数量调度方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆数量规划问题进行求解,得到第一解集合;获得第一解集合中每个数量规划变量xdc的变量值;则车辆数量调度方案为:将第c种运输车辆的数量设置为数量规划变量xdc的变量值;
为每条运输专线生成车辆装载规划问题的方式为:
对于第d条运输专线的每个运输周期,将该周期内待发订单数据中每笔农产品订单数据的编号标记为j,将第j笔农产品订单数据对应的总体积标记为Vj;
将第d条运输专线的车辆数量调度方案中,第c种运输车辆中每辆运输车辆的编号标记为xc;其中,xc=1,2,3,…,xdc;
为第d条运输专线设置车辆装载变量yjxc,所述车辆装载变量yjxc是值为0或1的二值变量,当yjxc=1时,表示第j笔农产品订单数据对应的订单由第xc辆运输车辆进行运输;当yjxc=0时,表示第j笔农产品订单数据对应的订单不由第xc辆运输车辆进行运输;
设计第二优化目标函数fd2;
其中,所述第二优化目标函数fd2的表达式为;
设计第二约束目标集合U2;其中,所述第二约束目标集合U2为:
;
以最大化第二优化目标函数fd2为车辆装载规划问题的优化目标,以第二约束目标集合U2作为车辆装载规划问题的约束目标集合;
生成各条运输专线的车辆装载方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆装载规划问题进行求解,得到第二解集合;获得第二解集合中每个车辆装载变量yjxc的变量值;则车辆装载方案为:对于任意的农产品订单数据的编号j,若第二解集合中存在车辆装载变量的值yjxc=1,则将第j笔农产品订单数据对应的农产品装载至该车辆装载变量对应的第xc辆运输车辆中进行运输;若不存在任何车辆装载变量的值yjxc=1,则将第j笔农产品订单数据标记为增量订单;
生成各条运输专线的车辆增量方案的方式为:
计算第d条运输专线中所有标记为增量订单的农产品订单数据的农产品总体积作为额外运输体积,并将该额外运输体积标记为Vzd;
计算使用第c种运输车辆运输额外运输体积的额外成本Edc,则额外成本Edc的计算公式为;
从所有类型的运输车辆中,选择额外成本最低的运输车辆类型作为运输增量订单的增量运输车辆类型;
对于增量订单的增量运输车辆类型,使用装满即运的方式进行运输,即将每笔农产品订单数据的农作物一次装载入一辆增量运输车辆类型的运输车辆中,直至该运输车辆装满,开始使用下一辆运输车辆进行装载,直至所有增量订单装载完成。
根据本发明的实施例2提出的一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的用于农产品在线交易平台的物流调度方法。
根据本发明的实施例3提出的一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述的用于农产品在线交易平台的物流调度方法。
与现有技术相比,本发明的有益效果是:
本发明通过收集专线运输数据,基于专线运输数据,获得每条运输专线的运输周期时长,收集农作物数据;收集运输车辆数据,收集每条运输专线在每个运输周期中的待发订单数据,基于待发订单数据、运输车辆数据以及农作物数据,为每条运输专线生成车辆数量规划问题,求解车辆数量规划问题,生成各条运输专线的车辆数量调度方案,基于车辆数量调度方案、运输车辆容积数据、待发订单数据以及农作物数据,为每条运输专线生成车辆装载规划问题,求解车辆装载规划问题,生成各条运输专线的车辆装载方案,基于车辆装载方案、待发订单数据以及运输车辆数据,生成各条运输专线的车辆增量方案;通过对同一运输周期的订单数据进行规划,求解出适合的车辆数量调度方案、车辆装载方案以及车辆增量方案,提高运输车辆的利用率,并降低车辆运输成本。
附图说明
图1为本发明的实施例1中一种用于农产品在线交易平台的物流调度方法的流程图;
图2为本发明实施例2中的电子设备结构示意图;
图3为本发明实施例3中的计算机可读存储介质结构示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
实施例1
如图1所示,一种用于农产品在线交易平台的物流调度方法,包括以下步骤:
步骤一:收集专线运输数据,基于专线运输数据,获得每条运输专线的运输周期时长;
步骤二:收集农作物数据;收集运输车辆数据;收集每条运输专线在每个运输周期中的待发订单数据;基于待发订单数据、运输车辆数据以及农作物数据,为每条运输专线生成车辆数量规划问题;求解车辆数量规划问题,生成各条运输专线的车辆数量调度方案;
步骤三:基于车辆数量调度方案、运输车辆容积数据、待发订单数据以及农作物数据,为每条运输专线生成车辆装载规划问题;求解车辆装载规划问题,生成各条运输专线的车辆装载方案;
步骤四:基于车辆装载方案、待发订单数据以及运输车辆数据,生成各条运输专线的车辆增量方案;
优选的,所述收集专线运输数据的方式为:
可以理解的是,对具有较多农作物需求的城市一般会建立一条运输专线;通过运输专线拼车发货、补货,降低物流成本,从而带动农作物零售价格下降,最终把更多的利润和实惠让给种植户、市场经营户、采购商和广大消费者;
将各条运输专线的编号标记为d,将运输车辆类型的编号标记为c;其中,c=1,2,3,…,C,C为所有运输车辆类型的数量;所述运输车辆类型的区分方式为根据运输车辆的容积进行区分,例如大型货车、中型货车或小型货车等;
将第c种运输车辆从运输专线起点出发,完成第d条运输专线的农作物运输,并返程到达运输专线起点的平均时长表示为往返时长,并将该往返时长标记为Tcd;
所述专线运输数据包括所有运输专线和运输车辆类型的组合对应的往返时长;
优选的,获得每条运输专线的运输周期时长的方式为:
将第d条运输专线对应的运输周期时长标记为Td;则运输周期时长Td的计算公式为:;其中,T0为预设的大于0的调整系数,用于调节一些运输过程中的必要时间消耗,例如司机的休息时间、吃饭时间等;
进一步的,将时间按照运输周期时长Td划分为不同的时间段,则每个时间段为第d条运输专线的所述运输周期;
优选的,所述收集农作物数据的方式为:
将农作物类型的编号标记为i,i=1,2,3,…,I;其中,I为农作物类型的总数量;将第i种农作物的每单位重量的体积表示为单位体积,并将该单位体积标记为Vi;
所述农作物数据包括所有农作物类型的单位体积;
优选的,收集运输车辆数据的方式为:
将第c种运输车辆的车厢的最大容积标记为Rc,将每台第c种运输车辆进行一次第d条运输专线的农作物运输的运输成本标记为Pdc;可以理解的是,所述运输成本可以从历史的运输数据中进行统计获得,具体的,所述运输成本可以包括但不限于人工成本、能源成本、车损成本以及过高速费用等;
所述运输车辆数据包括所有类型的运输车辆的最大容积以及所有运输成本;
进一步的,收集每条运输专线在每个运输周期中的待发订单数据的方式为:
在线交易平台的处理后台实时接收来自每笔运输专线的目的地的农产品订单数据;所述农产品订单数据包括但不限于农作物类型、农作物下单重量;
对于第d条运输专线的每个运输周期,收集该运输周期中,所有农产品订单数据包含的每种农作物类型对应的农作物下单重量的总重量,将该总重量表示为下单总重量;具体的,将第i种农作物的下单总重量标记为Wdi;
所述待发订单数据包括每笔农产品订单数据以及每种农作物的下单总重量;
优选的,所述为每条运输专线生成车辆数量规划问题的方式为:
对于第d条运输专线:
设置数量规划变量xdc;所述数量规划变量xdc表示本次运输周期中,进行农作物运输所使用第c种车辆类型的车辆数量;
设计第一优化目标函数fd1;
其中,所述第一优化目标函数fd1的表达式为;可以理解的是,所述第一优化目标函数fd1用于表示本次运输周期中的总运输成本;
设计第一约束目标集合U1;其中,所述第一约束目标集合U1为:
;
其中,不等式左侧为运输车辆的总容量,右侧为本次运输周期需要运输的农作物总体积,因此,该不等式用于限制将本次运输周期中所有待发订单全部装完;
以最小化第一优化目标函数fd1为车辆数量规划问题的优化目标,以第一约束目标集合U1作为车辆数量规划问题的约束目标集合;
优选的,生成各条运输专线的车辆数量调度方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆数量规划问题进行求解,得到第一解集合;获得第一解集合中每个数量规划变量xdc的变量值;则车辆数量调度方案为:将第c种运输车辆的数量设置为数量规划变量xdc的变量值;
需要说明的是,车辆数量规划问题中,变量的数量为运输车辆的类型的数量,即变量数量是有限的,因此,在整数规划问题为NP难问题的前提下,依然可以使用穷举法获得车辆数量规划问题的最优解,保证了运输成本的最小化;
优选的,为每条运输专线生成车辆装载规划问题的方式为:
对于第d条运输专线的每个运输周期,将该周期内待发订单数据中每笔农产品订单数据的编号标记为j,将第j笔农产品订单数据对应的总体积标记为Vj;可以理解的是,第j笔农产品订单数据对应的总体积可以通过统计该笔农产品订单数据中下单的每种农作物的体积之和获得;
将第d条运输专线的车辆数量调度方案中,第c种运输车辆中每辆运输车辆的编号标记为xc;其中,xc=1,2,3,…,xdc;
为第d条运输专线设置车辆装载变量yjxc,所述车辆装载变量yjxc是值为0或1的二值变量,当yjxc=1时,表示第j笔农产品订单数据对应的订单由第xc辆运输车辆进行运输;当yjxc=0时,表示第j笔农产品订单数据对应的订单不由第xc辆运输车辆进行运输;
设计第二优化目标函数fd2;
其中,所述第二优化目标函数fd2的表达式为;可以理解的是,所述第二优化目标函数fd2用于表示所有运输车辆装载的农作物的总体积;
设计第二约束目标集合U2;其中,所述第二约束目标集合U2为:
;
其中,用于限制每笔农产品订单数据对应的农作物最多由一辆运输车辆进行运输,/>用于限制每辆运输车辆所运输的农作物体积不大于该运输车辆的容积;/>为二值限制;
以最大化第二优化目标函数fd2为车辆装载规划问题的优化目标,以第二约束目标集合U2作为车辆装载规划问题的约束目标集合;
生成各条运输专线的车辆装载方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆装载规划问题进行求解,得到第二解集合;获得第二解集合中每个车辆装载变量yjxc的变量值;则车辆装载方案为:对于任意的农产品订单数据的编号j,若第二解集合中存在车辆装载变量的值yjxc=1,则将第j笔农产品订单数据对应的农产品装载至该车辆装载变量对应的第xc辆运输车辆中进行运输;若不存在任何车辆装载变量的值yjxc=1,则将第j笔农产品订单数据标记为增量订单;
可以理解的是,在该车辆装载方案中,可能存在部分农产品订单数据为增量订单,该部分增量订单需要使用额外的运输车辆进行运输;
优选的,生成各条运输专线的车辆增量方案的方式为:
计算第d条运输专线中所有标记为增量订单的农产品订单数据的农产品总体积作为额外运输体积,并将该额外运输体积标记为Vzd;
计算使用第c种运输车辆运输额外运输体积的额外成本Edc,则额外成本Edc的计算公式为;
从所有类型的运输车辆中,选择额外成本最低的运输车辆类型作为运输增量订单的增量运输车辆类型;
对于增量订单的增量运输车辆类型,使用装满即运的方式进行运输,即将每笔农产品订单数据的农作物一次装载入一辆增量运输车辆类型的运输车辆中,直至该运输车辆装满,开始使用下一辆运输车辆进行装载,直至所有增量订单装载完成。
实施例2
图2是本申请一个实施例提供的电子设备结构示意图。如图2所示,根据本申请的又一方面还提供了一种电子设备100。该电子设备100可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的用于农产品在线交易平台的物流调度方法。
根据本申请实施方式的方法或系统也可以借助于图2所示的电子设备的架构来实现。如图2所示,电子设备100可包括总线101、一个或多个CPU102、只读存储器(ROM)103、随机存取存储器(RAM)104、连接到网络的通信端口105、输入/输出组件106、硬盘107等。电子设备100中的存储设备,例如ROM103或硬盘107可存储本申请提供的用于农产品在线交易平台的物流调度方法。用于农产品在线交易平台的物流调度方法可例如包括以下步骤:步骤一:收集专线运输数据,基于专线运输数据,获得每条运输专线的运输周期时长;步骤二:收集农作物数据;收集运输车辆数据;收集每条运输专线在每个运输周期中的待发订单数据;基于待发订单数据、运输车辆数据以及农作物数据,为每条运输专线生成车辆数量规划问题;求解车辆数量规划问题,生成各条运输专线的车辆数量调度方案;步骤三:基于车辆数量调度方案、运输车辆容积数据、待发订单数据以及农作物数据,为每条运输专线生成车辆装载规划问题;求解车辆装载规划问题,生成各条运输专线的车辆装载方案;步骤四:基于车辆装载方案、待发订单数据以及运输车辆数据,生成各条运输专线的车辆增量方案;
进一步地,电子设备100还可包括用户界面108。当然,图2所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图2示出的电子设备中的一个或多个组件。
实施例3
图3是本申请一个实施例提供的计算机可读存储介质结构示意图。如图3所示,是根据本申请一个实施方式的计算机可读存储介质200。计算机可读存储介质200上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的用于农产品在线交易平台的物流调度方法。计算机可读存储介质200包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
如上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上所述仅为本发明的具体实施方式,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (12)
1.一种用于农产品在线交易平台的物流调度方法,其特征在于,包括以下步骤:
收集专线运输数据,基于专线运输数据,获得每条运输专线的运输周期时长;
收集农作物数据;收集运输车辆数据;收集每条运输专线在每个运输周期中的待发订单数据;基于待发订单数据、运输车辆数据以及农作物数据,为每条运输专线生成车辆数量规划问题;求解车辆数量规划问题,生成各条运输专线的车辆数量调度方案;
基于车辆数量调度方案、运输车辆容积数据、待发订单数据以及农作物数据,为每条运输专线生成车辆装载规划问题;求解车辆装载规划问题,生成各条运输专线的车辆装载方案;
基于车辆装载方案、待发订单数据以及运输车辆数据,生成各条运输专线的车辆增量方案;
将各条运输专线的编号标记为d,将运输车辆类型的编号标记为c;其中,c=1,2,3,…,C,C为所有运输车辆类型的数量;
将第c种运输车辆的车厢的最大容积标记为Rc;
所述为每条运输专线生成车辆装载规划问题的方式为:
对于第d条运输专线的每个运输周期,将该周期内待发订单数据中每笔农产品订单数据的编号标记为j,将第j笔农产品订单数据对应的总体积标记为Vj;
将第d条运输专线的车辆数量调度方案中,第c种运输车辆中每辆运输车辆的编号标记为xc;其中,xc=1,2,3,…,xdc;
为第d条运输专线设置车辆装载变量yjxc,所述车辆装载变量yjxc是值为0或1的二值变量,当yjxc=1时,表示第j笔农产品订单数据对应的订单由第xc辆运输车辆进行运输;当yjxc=0时,表示第j笔农产品订单数据对应的订单不由第xc辆运输车辆进行运输;
设计第二优化目标函数fd2;
其中,所述第二优化目标函数fd2的表达式为;
设计第二约束目标集合U2;其中,所述第二约束目标集合U2为:
;
以最大化第二优化目标函数fd2为车辆装载规划问题的优化目标,以第二约束目标集合U2作为车辆装载规划问题的约束目标集合。
2.根据权利要求1所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述收集专线运输数据的方式为:
将第c种运输车辆从运输专线起点出发,完成第d条运输专线的农作物运输,并返程到达运输专线起点的平均时长表示为往返时长,并将该往返时长标记为Tcd;
所述专线运输数据包括所有运输专线和运输车辆类型的组合对应的往返时长。
3.根据权利要求2所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述获得每条运输专线的运输周期时长的方式为:
将第d条运输专线对应的运输周期时长标记为Td;则运输周期时长Td的计算公式为:;其中,T0为预设的大于0的调整系数;
将时间按照运输周期时长Td划分为不同的时间段,则每个时间段为第d条运输专线的所述运输周期。
4.根据权利要求3所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述收集农作物数据的方式为:
将农作物类型的编号标记为i,i=1,2,3,…,I;其中,I为农作物类型的总数量;将第i种农作物的每单位重量的体积表示为单位体积,并将该单位体积标记为Vi;
所述农作物数据包括所有农作物类型的单位体积。
5.根据权利要求4所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述收集运输车辆数据的方式为:
将每台第c种运输车辆进行一次第d条运输专线的农作物运输的运输成本标记为Pdc;
所述运输车辆数据包括所有类型的运输车辆的最大容积以及所有运输成本。
6.根据权利要求5所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述收集每条运输专线在每个运输周期中的待发订单数据的方式为:
在线交易平台的处理后台实时接收来自每笔运输专线的目的地的农产品订单数据;
对于第d条运输专线的每个运输周期,收集该运输周期中,所有农产品订单数据包含的每种农作物类型对应的农作物下单重量的总重量,将该总重量表示为下单总重量,将第i种农作物的下单总重量标记为Wdi;
所述待发订单数据包括每笔农产品订单数据以及每种农作物的下单总重量。
7.根据权利要求6所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述为每条运输专线生成车辆数量规划问题的方式为:
对于第d条运输专线:
设置数量规划变量xdc;所述数量规划变量xdc表示本次运输周期中,进行农作物运输所使用第c种车辆类型的车辆数量;
设计第一优化目标函数fd1;
其中,所述第一优化目标函数fd1的表达式为;
设计第一约束目标集合U1;其中,所述第一约束目标集合U1为:
;
以最小化第一优化目标函数fd1为车辆数量规划问题的优化目标,以第一约束目标集合U1作为车辆数量规划问题的约束目标集合。
8.根据权利要求7所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述生成各条运输专线的车辆数量调度方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆数量规划问题进行求解,得到第一解集合;获得第一解集合中每个数量规划变量xdc的变量值;则车辆数量调度方案为:将第c种运输车辆的数量设置为数量规划变量xdc的变量值。
9.根据权利要求8所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,所述生成各条运输专线的车辆装载方案的方式为:
使用整数规划求解工具、穷举法或遗传算法对所述车辆装载规划问题进行求解,得到第二解集合;获得第二解集合中每个车辆装载变量yjxc的变量值;则车辆装载方案为:对于任意的农产品订单数据的编号j,若第二解集合中存在车辆装载变量的值yjxc=1,则将第j笔农产品订单数据对应的农产品装载至该车辆装载变量对应的第xc辆运输车辆中进行运输;若不存在任何车辆装载变量的值yjxc=1,则将第j笔农产品订单数据标记为增量订单。
10.根据权利要求9所述的一种用于农产品在线交易平台的物流调度方法,其特征在于,生成各条运输专线的车辆增量方案的方式为:
计算第d条运输专线中所有标记为增量订单的农产品订单数据的农产品总体积作为额外运输体积,并将该额外运输体积标记为Vzd;
计算使用第c种运输车辆运输额外运输体积的额外成本Edc,则额外成本Edc的计算公式为;
从所有类型的运输车辆中,选择额外成本最低的运输车辆类型作为运输增量订单的增量运输车辆类型;
对于增量订单的增量运输车辆类型,使用装满即运的方式进行运输,即将每笔农产品订单数据的农作物一次装载入一辆增量运输车辆类型的运输车辆中,直至该运输车辆装满,开始使用下一辆运输车辆进行装载,直至所有增量订单装载完成。
11.一种电子设备,其特征在于,包括:处理器和存储器,其中,
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在后台中执行权利要求1-10任意一项所述用于农产品在线交易平台的物流调度方法。
12.一种计算机可读存储介质,其特征在于,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备在后台中执行权利要求1-10任意一项所述用于农产品在线交易平台的物流调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311517969.1A CN117236824B (zh) | 2023-11-15 | 2023-11-15 | 一种用于农产品在线交易平台的物流调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311517969.1A CN117236824B (zh) | 2023-11-15 | 2023-11-15 | 一种用于农产品在线交易平台的物流调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117236824A CN117236824A (zh) | 2023-12-15 |
CN117236824B true CN117236824B (zh) | 2024-02-20 |
Family
ID=89088448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311517969.1A Active CN117236824B (zh) | 2023-11-15 | 2023-11-15 | 一种用于农产品在线交易平台的物流调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236824B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2777502A1 (en) * | 2009-05-05 | 2010-11-11 | Exxonmobil Research And Engineering Company | Method for optimizing a transportation scheme |
CN103729753A (zh) * | 2014-01-16 | 2014-04-16 | 浙江中烟工业有限责任公司 | 一种基于运输调度三级匹配的烟草配送方法 |
CN108154262A (zh) * | 2017-12-19 | 2018-06-12 | 中南大学 | 一种基于形式化方法的物流运输无人车多任务规划方法 |
CN109002902A (zh) * | 2018-06-11 | 2018-12-14 | 华东理工大学 | 分区域多阶段生鲜农产品动态车辆路径优化方法 |
CN110659855A (zh) * | 2018-06-29 | 2020-01-07 | 株式会社日立制作所 | 配送计划装置、配送计划系统及配送计划方法 |
CN110766363A (zh) * | 2019-10-21 | 2020-02-07 | 安徽景徽菜篮子电子商务有限公司 | 生鲜农产品电子商务物流配送管理系统 |
CN112053120A (zh) * | 2020-09-27 | 2020-12-08 | 北京工商大学 | 一种需求可拆分的配送车辆路径规划方法 |
CN112183812A (zh) * | 2020-08-25 | 2021-01-05 | 昆明理工大学 | 一种计及短时低成本的成品卷烟物流车辆调度方法 |
CN112270135A (zh) * | 2020-11-13 | 2021-01-26 | 吉林烟草工业有限责任公司 | 一种物流发运调度智能配送方法、装置、设备及存储介质 |
CN112581032A (zh) * | 2020-12-29 | 2021-03-30 | 杭州电子科技大学 | 一种用基于动态规划的多车厢物料车货位优化方法 |
CN113077103A (zh) * | 2021-04-16 | 2021-07-06 | 北京京东振世信息技术有限公司 | 运输网络规划方法和装置 |
CN114037374A (zh) * | 2021-11-03 | 2022-02-11 | 苏州松元农业科技有限公司 | 一种鲜活农产品物流实时监控系统 |
CN114594744A (zh) * | 2022-03-14 | 2022-06-07 | 武汉理工大学 | 一种分布式工厂生产配送集成调度方法和系统 |
CN114626632A (zh) * | 2022-03-30 | 2022-06-14 | 国网北京市电力公司 | 一种基于蚁狮算法的车辆调度方法、系统、设备及介质 |
WO2022188388A1 (zh) * | 2021-03-11 | 2022-09-15 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
CN115689247A (zh) * | 2022-11-19 | 2023-02-03 | 南昌大学 | 一种基于改进遗传算法的整车物流调度优化方法 |
CN115860613A (zh) * | 2023-02-28 | 2023-03-28 | 南京邮电大学 | 一种考虑预约机制的零担车货匹配及车辆调度方法 |
CN115994725A (zh) * | 2022-11-25 | 2023-04-21 | 上海东普信息科技有限公司 | 物流零担货运方法、装置、设备及存储介质 |
CN116187610A (zh) * | 2023-03-13 | 2023-05-30 | 北京工业大学 | 一种基于深度强化学习的烟草订单车辆配送优化方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010269867A (ja) * | 2009-05-19 | 2010-12-02 | Hitachi Ltd | 輸送計画立案支援システム及び輸送計画立案支援方法 |
US20160048802A1 (en) * | 2014-08-13 | 2016-02-18 | Tianyu Luwang | Transportation planning for a regional logistics network |
JP6941974B2 (ja) * | 2017-05-30 | 2021-09-29 | 株式会社日立製作所 | 輸送計画生成方法および輸送計画生成システム |
FR3074943A1 (fr) * | 2017-12-13 | 2019-06-14 | Lohr Electromecanique | Procede de simulation et d'optimisation de chargement d'un systeme de transport |
US11475395B2 (en) * | 2018-01-19 | 2022-10-18 | Walmart Apollo, Llc | Systems and methods for combinatorial resource optimization |
US11854062B2 (en) * | 2018-04-25 | 2023-12-26 | Walmart Apollo, Llc | Order fulfillment system having dynamic routing |
PE20221771A1 (es) * | 2020-03-06 | 2022-11-16 | Braskem Sa | Metodo y sistema para optimizacion inteligente de carga para vehiculos |
US20220357168A1 (en) * | 2021-05-04 | 2022-11-10 | Toyota Motor Engineering & Manufacturing North America, Inc. | Optimization of vehicle hauler loading and transportation routes |
-
2023
- 2023-11-15 CN CN202311517969.1A patent/CN117236824B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2777502A1 (en) * | 2009-05-05 | 2010-11-11 | Exxonmobil Research And Engineering Company | Method for optimizing a transportation scheme |
CN103729753A (zh) * | 2014-01-16 | 2014-04-16 | 浙江中烟工业有限责任公司 | 一种基于运输调度三级匹配的烟草配送方法 |
CN108154262A (zh) * | 2017-12-19 | 2018-06-12 | 中南大学 | 一种基于形式化方法的物流运输无人车多任务规划方法 |
CN109002902A (zh) * | 2018-06-11 | 2018-12-14 | 华东理工大学 | 分区域多阶段生鲜农产品动态车辆路径优化方法 |
CN110659855A (zh) * | 2018-06-29 | 2020-01-07 | 株式会社日立制作所 | 配送计划装置、配送计划系统及配送计划方法 |
CN110766363A (zh) * | 2019-10-21 | 2020-02-07 | 安徽景徽菜篮子电子商务有限公司 | 生鲜农产品电子商务物流配送管理系统 |
CN112183812A (zh) * | 2020-08-25 | 2021-01-05 | 昆明理工大学 | 一种计及短时低成本的成品卷烟物流车辆调度方法 |
CN112053120A (zh) * | 2020-09-27 | 2020-12-08 | 北京工商大学 | 一种需求可拆分的配送车辆路径规划方法 |
CN112270135A (zh) * | 2020-11-13 | 2021-01-26 | 吉林烟草工业有限责任公司 | 一种物流发运调度智能配送方法、装置、设备及存储介质 |
CN112581032A (zh) * | 2020-12-29 | 2021-03-30 | 杭州电子科技大学 | 一种用基于动态规划的多车厢物料车货位优化方法 |
WO2022188388A1 (zh) * | 2021-03-11 | 2022-09-15 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
CN113077103A (zh) * | 2021-04-16 | 2021-07-06 | 北京京东振世信息技术有限公司 | 运输网络规划方法和装置 |
CN114037374A (zh) * | 2021-11-03 | 2022-02-11 | 苏州松元农业科技有限公司 | 一种鲜活农产品物流实时监控系统 |
CN114594744A (zh) * | 2022-03-14 | 2022-06-07 | 武汉理工大学 | 一种分布式工厂生产配送集成调度方法和系统 |
CN114626632A (zh) * | 2022-03-30 | 2022-06-14 | 国网北京市电力公司 | 一种基于蚁狮算法的车辆调度方法、系统、设备及介质 |
CN115689247A (zh) * | 2022-11-19 | 2023-02-03 | 南昌大学 | 一种基于改进遗传算法的整车物流调度优化方法 |
CN115994725A (zh) * | 2022-11-25 | 2023-04-21 | 上海东普信息科技有限公司 | 物流零担货运方法、装置、设备及存储介质 |
CN115860613A (zh) * | 2023-02-28 | 2023-03-28 | 南京邮电大学 | 一种考虑预约机制的零担车货匹配及车辆调度方法 |
CN116187610A (zh) * | 2023-03-13 | 2023-05-30 | 北京工业大学 | 一种基于深度强化学习的烟草订单车辆配送优化方法 |
Non-Patent Citations (4)
Title |
---|
Full truckload vehicle routing problem with profits;Jian Li et al;Journal of Traffic and Transportation Engineering (English Edition);第1卷(第2期);146-152 * |
基于冷链物流的生鲜产品运输与配送问题研究;裴霞;中国优秀硕士学位论文全文数据库信息科技辑(第5期);I140-292 * |
基于物流运输成本的多车型车辆规划方法研究;王兆锐;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第6期);C034-909 * |
基于预测库存变化率的公共自行车动态调度方法;高亮;徐伟;长安大学学报(自然科学版);第39卷(第6期);108-115 * |
Also Published As
Publication number | Publication date |
---|---|
CN117236824A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alvarez et al. | Iterated local search and simulated annealing algorithms for the inventory routing problem | |
CN112990528A (zh) | 一种物流运输配载管理方法及装置 | |
CN108694636A (zh) | 一种优化组单的方法和装置 | |
CN115994725A (zh) | 物流零担货运方法、装置、设备及存储介质 | |
CN110390497B (zh) | 物品入库方法和装置 | |
CN112508493B (zh) | 用于线上采购平台的货物管理方法和系统 | |
CN112396368A (zh) | 配送路线的规划方法及系统、服务端设备 | |
CN116307306B (zh) | 基于大数据的智能调度方法、装置、设备以及存储介质 | |
Raba et al. | A reactive simheuristic using online data for a real‐life inventory routing problem with stochastic demands | |
JP2003312849A5 (zh) | ||
CN112116134A (zh) | 一种物流计划的制定方法及相关装置 | |
CN114048924A (zh) | 基于混合遗传算法的多配送中心选址-配送路径规划方法 | |
CN110533279B (zh) | 用于调度云物流平台运力的方法、系统及存储介质 | |
CN109359905B (zh) | 一种自动化无人仓货位分配方法、装置和存储介质 | |
CN117236824B (zh) | 一种用于农产品在线交易平台的物流调度方法 | |
CN116664053B (zh) | 一种商品库存管理方法 | |
CN117709836A (zh) | 一种数字化物流供应链的管理系统 | |
CN115953112A (zh) | 一种基于数据通信网络的供应链管理系统 | |
CN115310917B (zh) | 一种入库管理方法 | |
CN111489005A (zh) | 一种库存路径优化方法、装置 | |
US11615497B2 (en) | Managing optimization of a network flow | |
CN115222340A (zh) | 基于智能仓储的货物调度管理方法及相关装置 | |
US20210150475A1 (en) | Flexible dock-out time | |
CN115700672A (zh) | 货物运输模式确定方法、装置、设备及存储介质 | |
CN114493181A (zh) | 一种智能仓储环境下的多负载agv任务调度方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 210012 room 801-810, 8 building, 7 Ande Gate Street, Yuhuatai District, Nanjing, Jiangsu, China, 57 Patentee after: Xinlixun Technology Group Co.,Ltd. Country or region after: China Address before: 210012 room 801-810, 8 building, 7 Ande Gate Street, Yuhuatai District, Nanjing, Jiangsu, China, 57 Patentee before: New Lixun Technology Co.,Ltd. Country or region before: China |