CN117649164B - 一种货物统筹管理的梯度分配方法及系统 - Google Patents
一种货物统筹管理的梯度分配方法及系统 Download PDFInfo
- Publication number
- CN117649164B CN117649164B CN202410122162.6A CN202410122162A CN117649164B CN 117649164 B CN117649164 B CN 117649164B CN 202410122162 A CN202410122162 A CN 202410122162A CN 117649164 B CN117649164 B CN 117649164B
- Authority
- CN
- China
- Prior art keywords
- order
- gradient
- processing
- cargo
- loading
- 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 43
- 238000009826 distribution Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 108
- 238000007726 management method Methods 0.000 claims abstract description 40
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 27
- 238000003062 neural network model Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000032683 aging Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 238000013439 planning Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及货物运输管理技术领域，具体为一种货物统筹管理的梯度分配方法及系统，包括，收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长；获取当前的订单信息，所述订单信息包括货物信息和配送信息；基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单；基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。本发明相较于传统的货物运输管理，极大地提高了货物运输效率，降低了货物运输前的管理成本，优化了货物运输的服务质量。
Description
技术领域
本发明涉及货物运输管理技术领域，具体为一种货物统筹管理的梯度分配方法及系统。
背景技术
在传统的货物运输管理中，通常采用静态分配方法，根据预先设定的规对货物进行装配。然而，这种方法难以应对实时的需求变化和车辆调度波动，导致了效率低下和资源浪费的问题。在当今货运行业中，货运时效显得越来越重要，对于商业订单中的货物运输的排序管理，是货物运输的第一步，快速的对货运订单进行运输排序，对保障货物运输的时效性具有重大意义。
随着信息技术的不断发展，基于梯度分配的动态管理方法成为改进货物统筹管理的有力工具。利用实时数据和先进的算法，通过动态调整货物分配，以更好地满足市场需求和优化货物运输过程。
鉴于此，本发明提供一种货物统筹管理的梯度分配方法及系统，货物运输的排序管理问题，并进一步优化货运车辆的装载调度问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
本发明提供如下技术方案：收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长；获取当前的订单信息，所述订单信息包括货物信息和配送信息；基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单；基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
优选的，所述历史订单数据包括，历史订单中货物等待装载时间、货物装载时间和配送时间。
优选的，所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层；
所述输入层包括，输入层节点对应货物等待装载时间、货物装载时间和配送
时间；
所述隐含层包括，隐含层中有多个节点，每个节点与输入层节点相连接，隐含层节点采用ReLU激活函数引入输入层和隐含层的非线性关系；
所述输出层包括，输出层的节点输出订单总处理时长；
输入历史订单数据，预测出当前类型的订单的处理时长，建立的前馈神经网络计算表达式为：
；
；
其中，是预测的订单处理总时长，X是历史订单数据中货物等待装载时间、货
物装载时间和配送时间之和，i为订单序号，f是ReLU激活函数，和是隐含层的
权重和偏置项，和是输出层的权重和偏置项；是误差项。
优选的，所述货物信息包括，订单中所有类型货物的重量数据、所有类型货物的长宽高数据以及整个订单的货物装载时长；所述配送信息包括，单个订单的配送时长以及配送路径；
所述梯度级别包括，建立的订单处理顺序策略为：
获取当前订单剩余处理时间和订单总处理时间，订单总处理时间为货物等待装载时间、货物装载时间和配送时间，根据同类型订单的历史数据，从建立的前馈神经网络模型中预测得出当前订单的总处理时间；所述订单剩余处理时间包括，订单生成到货物送达的总时间，具体为：
；
其中为订单剩余处理时间，为订单截止时间，为当前时间；
建立订单处理优先级参数：
；
根据优先级参数值划分订单的梯度级别。
优选的，所述梯度级别还包括，优先级参数PG值越小则订单处理的梯度级别越高；
划分PG值大于1的订单为正常时效订单，PG值小于1 的订单为异常时效订单；
对正常时效的订单划分梯度级别，按照梯度级别处理订单；
当pg值大于1小于等于2时，为第一梯度级别；
当PG值大于1小于等于3时，为第二梯度级别；
当PG值大于3时，为第三梯度级别；
优先处理正常时效内第一梯度级别的订单；若第一梯度级别的订单在时效内全部处理完成，则处理第二梯度级别订单；并依次顺延，直至重新生成划分梯度级别新订单；
所述第一梯度级别包括，建立第一梯度级别订单的先后处理顺序，按照PG值对第一梯度的订单进行排序，PG值越小，在第一梯度级别的处理顺序越靠前；
在订单处理过程中，剩余处理时间不断减小，订单处理优先级参数也在不断变化，基于变小优先级参数，订单处理顺序梯度会自动进行提升，当订单处理参数超过当前参数梯度的范围时，将订单优先级进行梯度提升；
在获取订单信息时，可对订单任务标记紧急任务标签，对于标记有紧急任务标签的订单，安排人工对订单进行单独处理，不再划分梯度顺序处理。
优选的，所述调度分配包括，对于订单的车辆调度策略为：货物工厂基于第一梯度级别的货物运输总数与PG值最小的订单的货运数量，预先向货运车辆中心进行发送车辆调度信息，车辆调度中心在接收到调度信息后，将货运车辆派遣至工厂装货地点进行装货；
当车辆调度中心的货运车辆运载能力大于第一梯度级别的运载需求，则顺延运载第二梯度级别的订单货物。
优选的，所述装载安排包括，在对空车进行装载时，优先对同一订单的货物进行装载规划，在单个货运车辆有剩余运力时，再对同一输运路径的和同一梯度级别的订单进行剩余运力装载规划；
建立货物体积与重量的优化函数模型，最大化单个车辆中货物的装载；
所述优化函数模型包括，建立目标函数：
；
其中，为单个车辆中货物的装载数量；为最大化单个车辆中货物的装
载数量；i为非负整数；为货物i被装载的数量；，，分别为货物i的长、宽、高；,,;为货物i的重量；和分别
为车辆的容积和载重上限；、和分别为车辆的运载空间的长宽高上限；
按照建立订单处理的梯度级别处理订单。
本发明的另一个目的是提供一种货物统筹管理的梯度分配方法的系统，所述系统包括，预测模块、数据采集模块、梯度分级模块、运载调度模块；
所述预测模块包括，收集历史订单数据，基于历史订单数据，建立神经网络模型预测当前不同类型订单的处理时长；
所述数据采集模块包括，获取当前的订单信息，所述订单信息包括货物信息和配送信息；
所述梯度分级模块包括，梯度处理单元和紧急处理单元；所述梯度处理单元基于订单信息，根据建立不同梯度级别的订单处理机制，按照梯度级别处理订单；所述紧急处理单元，用于对于标记有紧急任务标签的订单，由人工对订单进行单独处理。
所述运载调度模块包括，基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的一种货物统筹管理的梯度分配方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种货物统筹管理的梯度分配方法的步骤。
本发明的有益效果：本发明提高了运输效率，通过动态梯度分配方法可以更灵活地应对商业订单的货运波动，提高货物统筹管理的效率；
降低运输成本，通过精确的货运车辆装载规划和动态调整分配，可以减少货运车辆的运力浪费，降低整体管理成本；
优化服务质量，通过对订单进行梯度管理，确保货物按时到达目的地，保障货物运输的时效性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种货物统筹管理的梯度分配方法的方法流程图；
图2为本发明一种货物统筹管理的梯度分配方法的梯度级别示意图；
图3为本发明一种货物统筹管理的梯度分配系统的系统结构图；
图4为本发明实施例3中的电子设备结构示意图；
图5为本发明实施例4中的计算机可读存储介质结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加浅显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的第一个实施例，提供了一种货物统筹管理的梯度分配方法。
S1:收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长。
具体的，所述历史订单数据包括，历史订单中货物等待装载时间、货物装载时间和配送时间。
进一步的，所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层。
所述输入层包括，输入层节点对应货物等待装载时间、货物装载时间和配送
时间；
所述隐含层包括，隐含层中有多个节点，每个节点与输入层节点相连接，隐含层节点采用ReLU激活函数引入输入层和隐含层的非线性关系。
所述输出层包括，输出层的节点输出订单总处理时长。
输入历史订单数据，预测出当前类型的订单的处理时长，建立的前馈神经网络计算表达式为：
；
；
其中，是预测的订单处理总时长，X是历史订单数据中货物等待装载时间、货
物装载时间和配送时间之和，i为订单序号，f是ReLU激活函数，和是隐含层的
权重和偏置项，和是输出层的权重和偏置项；是误差项。
S2:获取当前的订单信息，所述订单信息包括货物信息和配送信息。
具体的，所述订单信息包括货物信息和配送信息。
所述货物信息包括，订单中所有类型货物的重量数据、所有类型货物的长宽高数据以及整个订单的货物装载时长；所述配送信息包括，单个订单的配送时长以及配送路径。
所述梯度级别包括，建立的订单处理顺序策略为：
获取当前订单剩余处理时间和订单总处理时间，订单总处理时间为货物等待装载时间、货物装载时间和配送时间，根据同类型订单的历史数据，从建立的前馈神经网络模型中预测得出当前订单的总处理时间；所述订单剩余处理时间包括，订单生成到货物送达的总时间，具体为：
；
其中为订单剩余处理时间，为订单截止时间，为当前时间；
建立订单处理优先级参数：
；
根据优先级参数值划分订单的梯度级别。
S3:基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单。
S4:基于建立的梯度级别，对货运车辆进行调度分配和装载安排。
参照图2，为本发明提供的货物统筹管理的梯度分配方法的梯度级别示意图。
具体的，所述梯度级别还包括，优先级参数PG值越小则订单处理的梯度级别越高。
划分PG值大于1的订单为正常时效订单，PG值小于1 的订单为异常时效订单。
对正常时效的订单划分梯度级别，按照梯度级别处理订单；
当pg值大于1小于等于2时，为第一梯度级别；
当PG值大于1小于等于3时，为第二梯度级别；
当PG值大于3时，为第三梯度级别；
优先处理正常时效内第一梯度级别的订单；若第一梯度级别的订单在时效内全部处理完成，则处理第二梯度级别订单；并依次顺延，直至重新生成划分梯度级别新订单。
所述第一梯度级别包括，建立第一梯度级别订单的先后处理顺序，按照PG值对第一梯度的订单进行排序，PG值越小，在第一梯度级别的处理顺序越靠前。
在订单处理过程中，剩余处理时间不断减小，订单处理优先级参数也在不断变化，基于变小优先级参数，订单处理顺序梯度会自动进行提升，当订单处理参数超过当前参数梯度的范围时，将订单优先级进行梯度提升。
在获取订单信息时，可对订单任务标记紧急任务标签，对于标记有紧急任务标签的订单，安排人工对订单进行单独处理，不再划分梯度顺序处理。
进一步的，所述调度分配包括，对于订单的车辆调度策略为：货物工厂基于第一梯度级别的货物运输总数与PG值最小的订单的货运数量，预先向货运车辆中心进行发送车辆调度信息，车辆调度中心在接收到调度信息后，将货运车辆派遣至工厂装货地点进行装货。
当车辆调度中心的货运车辆运载能力大于第一梯度级别的运载需求，则顺延运载第二梯度级别的订单货物。
更进一步的，所述装载安排包括，在对空车进行装载时，优先对同一订单的货物进行装载规划，在单个货运车辆有剩余运力时，再对同一输运路径的和同一梯度级别的订单进行剩余运力装载规划。
建立货物体积与重量的优化函数模型，最大化单个车辆中货物的装载；
所述优化函数模型包括，建立目标函数：
；
其中，为单个车辆中货物的装载数量；为最大化单个车辆中货物的装
载数量；i为非负整数；为货物i被装载的数量；，，分别为货物i的长、宽、高；,,;为货物i的重量；和分别
为车辆的容积和载重上限；、和分别为车辆的运载空间的长宽高上限。
按照建立订单处理的梯度级别处理订单。
实施例2
参照图3，为本发明的第二个实施例，提供了一种货物统筹管理的梯度分配方法的系统。
所述系统包括，预测模块、数据采集模块、梯度分级模块、运载调度模块。
所述预测模块包括，收集历史订单数据，基于历史订单数据，建立神经网络模型预测当前不同类型订单的处理时长。
所述数据采集模块包括，获取当前的订单信息，所述订单信息包括货物信息和配送信息。
所述梯度分级模块包括，梯度处理单元和紧急处理单元；所述梯度处理单元基于订单信息，根据建立不同梯度级别的订单处理机制，按照梯度级别处理订单；所述紧急处理单元，用于对于标记有紧急任务标签的订单，由人工对订单进行单独处理。
所述运载调度模块包括，基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
实施例3
图4是本发明一个实施例提供的电子设备结构示意图。如图4所示，根据本发明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一种货物统筹管理的梯度分配方法实现。
根据本发明实施方式的方法或系统也可以借助于图4所示的电子设备的架构来实现。
如图4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可存储本发明提供的一种货物统筹管理的梯度分配方法实现。一种货物统筹管理的梯度分配方法实现可例如包括以下步骤：收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长；获取当前的订单信息，所述订单信息包括货物信息和配送信息；
基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单；基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
进一步地，电子设备100还可包括用户界面108。当然，图4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4示出的电子设备中的一个或多个组件。
实施例4
图5是本发明一个实施例提供的计算机可读存储介质结构示意图。
如图5所示，是根据本发明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发明实施方式的一种货物统筹管理的梯度分配方法实现。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，根据本发明的实施方式，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，本发明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发明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，执行本发明的方法中限定的上述功能。
可能以许多方式来实现本发明的方法和装置、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发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本发明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，还可将本发明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发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
另外，本发明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 (5)
1.一种货物统筹管理的梯度分配方法，其特征在于：包括，
收集历史订单数据，建立神经网络模型预测当前不同类型订处理时长；
获取当前的订单信息，所述订单信息包括货物信息和配送信息；
基于订单信息，建立不同梯度级别的订单处理机制，按照梯度级别处理订单，对紧急任务订单安排人工单独处理；
基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益；
所述历史订单数据包括，历史订单中货物等待装载时间、货物装载时间和配送时间；
所述神经网络模型包括，采用前馈神经网络模型，模型中包含输入层、隐含层和输出层；
所述输入层包括，输入层节点对应货物等待装载时间T1i、货物装载时间T2i和配送时间T3i；
所述隐含层包括，隐含层中有多个节点，每个节点与输入层节点相连接，隐含层节点采用ReLU激活函数引入输入层和隐含层的非线性关系；
所述输出层包括，输出层的节点输出订单总处理时长；
输入历史订单数据，预测出当前类型的订单的处理时长，建立的前馈神经网络计算表达式为：
TP＝f(W2·f(W1·X+b1)+b2)+∈；
X＝T1i+T2i+T3i；
其中，TP是预测的订单处理总时长，X是历史订单数据中货物等待装载时间T1i、货物装载时间T2i和配送时间T3i之和，i为订单序号，f是ReLU激活函数，W1和b1是隐含层的权重和偏置项，W2和b2是输出层的权重和偏置项；∈是误差项；
所述货物信息包括，订单中所有类型货物的重量数据、所有类型货物的长宽高数据以及整个订单的货物装载时长；所述配送信息包括，单个订单的配送时长以及配送路径；
所述梯度级别包括，建立的订单处理顺序策略为：
获取当前订单剩余处理时间和订单总处理时间，订单总处理时间为货物等待装载时间、货物装载时间和配送时间，根据同类型订单的历史数据，从建立的前馈神经网络模型中预测得出当前订单的总处理时间；所述订单剩余处理时间包括，订单生成到货物送达的总时间，具体为：
TRP＝Tdl-TN；
其中TRP为订单剩余处理时间，Tdl为订单截止时间，TN为当前时间；
建立订单处理优先级参数：
PG＝TRP/TP；
根据优先级参数PG值划分订单的梯度级别。
2.如权利要求1所述的一种货物统筹管理的梯度分配方法，其特征在于：
所述梯度级别还包括，优先级参数PG值越小则订单处理的梯度级别越高；
划分PG值大于1的订单为正常时效订单，PG值小于1的订单为异常时效订单；
对正常时效的订单划分梯度级别，按照梯度级别处理订单；
当pg值大于1小于等于2时，为第一梯度级别；
当PG值大于1小于等于3时，为第二梯度级别；
当PG值大于3时，为第三梯度级别；
优先处理正常时效内第一梯度级别的订单；若第一梯度级别的订单在时效内全部处理完成，则处理第二梯度级别订单；并依次顺延，直至重新生成划分梯度级别新订单；
所述第一梯度级别包括，建立第一梯度级别订单的先后处理顺序，按照PG值对第一梯度的订单进行排序，PG值越小，在第一梯度级别的处理顺序越靠前；
在订单处理过程中，剩余处理时间不断减小，订单处理优先级参数也在不断变化，基于变小优先级参数，订单处理顺序梯度会自动进行提升，当订单处理参数超过当前参数梯度的范围时，将订单优先级进行梯度提升；
在获取订单信息时，可对订单任务标记紧急任务标签，对于标记有紧急任务标签的订单，由人工对订单进行单独处理，不再划分梯度顺序处理。
3.如权利要求2所述的一种货物统筹管理的梯度分配方法，其特征在于：
所述调度分配包括，对于订单的车辆调度策略为：货物工厂基于第一梯度级别的货物运输总数与PG值最小的订单的货运数量，预先向货运车辆中心进行发送车辆调度信息，车辆调度中心在接收到调度信息后，将货运车辆派遣至工厂装货地点进行装货；
当车辆调度中心的货运车辆运载能力大于第一梯度级别的运载需求，则顺延运载第二梯度级别的订单货物。
4.如权利要求3所述的一种货物统筹管理的梯度分配方法，其特征在于：
所述装载安排包括，在对空车进行装载时，优先对同一订单的货物进行装载规划，在单个货运车辆有剩余运力时，再对同一输运路径的和同一梯度级别的订单进行剩余运力装载规划；
建立货物体积与重量的优化函数模型，最大化单个车辆中货物的装载；
所述优化函数模型包括，建立目标函数：
其中，M为单个车辆中货物的装载数量；max M为最大化单个车辆中货物的装载数量；i为非负整数；xi为货物i被装载的数量；li，wi，hi分别为货物i的长、宽、高；∑ili≤Lmax,∑iwi≤Wmax,∑ihi≤Hmax；Wi为货物i的重量；Vmax和Wmax分别为车辆的容积和载重上限；Lmax、Wmax和Hmax分别为车辆的运载空间的长宽高上限；
按照建立订单处理的梯度级别处理订单。
5.一种采用如权利要求1-4任一所述的一种货物统筹管理的梯度分配方法的系统，其特征在于：所述系统包括，预测模块、数据采集模块、梯度分级模块、运载调度模块；
所述预测模块包括，收集历史订单数据，基于历史订单数据，建立神经网络模型预测当前不同类型订单的处理时长；
所述数据采集模块包括，获取当前的订单信息，所述订单信息包括货物信息和配送信息；
所述梯度分级模块包括，梯度处理单元和紧急处理单元；所述梯度处理单元基于订单信息，根据建立不同梯度级别的订单处理机制，按照梯度级别处理订单；所述紧急处理单元，用于对于标记有紧急任务标签的订单，由人工对订单进行单独处理；
所述运载调度模块包括，基于建立的梯度级别，对货运车辆进行调度分配和装载安排，对货运车辆和订单进行装载优化，提升运输管理效益。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410122162.6A CN117649164B (zh) | 2024-01-30 | 2024-01-30 | 一种货物统筹管理的梯度分配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410122162.6A CN117649164B (zh) | 2024-01-30 | 2024-01-30 | 一种货物统筹管理的梯度分配方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117649164A CN117649164A (zh) | 2024-03-05 |
| CN117649164B true CN117649164B (zh) | 2024-04-16 |
Family
ID=90043738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410122162.6A Active CN117649164B (zh) | 2024-01-30 | 2024-01-30 | 一种货物统筹管理的梯度分配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117649164B (zh) |
Citations (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985694A (zh) * | 2018-07-17 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于确定配送中心地址的方法和装置 |
| CN109165895A (zh) * | 2018-08-08 | 2019-01-08 | 北京三快在线科技有限公司 | 一种基于配送业务的定价方法及装置 |
| CN109284866A (zh) * | 2018-09-06 | 2019-01-29 | 安吉汽车物流股份有限公司 | 商品订单预测方法及装置、存储介质、终端 |
| CN109376942A (zh) * | 2018-11-12 | 2019-02-22 | 达疆网络科技(上海)有限公司 | 订单处理方法、存储介质和装置 |
| CN109583819A (zh) * | 2018-12-18 | 2019-04-05 | 拉扎斯网络科技（上海）有限公司 | 订单调度方法、订单调度装置、存储介质和电子设备 |
| CN109685276A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 订单处理方法、装置、电子设备及计算机可读存储介质 |
| CN109711782A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 配送资源调度方法、装置、电子设备及计算机存储介质 |
| CN109993367A (zh) * | 2019-04-04 | 2019-07-09 | 拉扎斯网络科技（上海）有限公司 | 配送时长的估计方法、估计装置、存储介质和电子设备 |
| CN110110932A (zh) * | 2019-05-09 | 2019-08-09 | 上汽安吉物流股份有限公司 | 订单预测方法和装置、物流系统及计算机可读介质 |
| CN110503225A (zh) * | 2018-05-17 | 2019-11-26 | 株式会社日立制作所 | 一种订单派单配送方法 |
| CN110689177A (zh) * | 2019-09-17 | 2020-01-14 | 北京三快在线科技有限公司 | 订单准备时间的预测方法和装置，电子设备及存储介质 |
| CN110704407A (zh) * | 2019-09-04 | 2020-01-17 | 苏宁云计算有限公司 | 一种数据去重的方法和系统 |
| CN110728432A (zh) * | 2019-09-19 | 2020-01-24 | 杭州飞步科技有限公司 | 一种运力调度方法和装置、电子设备、存储介质 |
| CN110766280A (zh) * | 2019-09-20 | 2020-02-07 | 南京领行科技股份有限公司 | 一种车辆调度方法、目标订单预测模型的生成方法和装置 |
| CN110874700A (zh) * | 2018-09-03 | 2020-03-10 | 菜鸟智能物流控股有限公司 | 物流订单匹配方法、装置以及电子设备 |
| CN110992119A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种对风险订单进行排序的方法和系统 |
| CN111027957A (zh) * | 2019-11-22 | 2020-04-17 | 南京领行科技股份有限公司 | 一种订单处理方法、装置、电子设备及可读存储介质 |
| CN111105284A (zh) * | 2018-10-29 | 2020-05-05 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法、装置、m层订单处理模型、电子设备及储存介质 |
| CN111105120A (zh) * | 2018-10-29 | 2020-05-05 | 北京嘀嘀无限科技发展有限公司 | 一种工单处理方法及装置 |
| CN111258747A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种服务效率控制方法及装置 |
| CN111415026A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 无人设备调度装置、系统和方法 |
| CN111429061A (zh) * | 2020-03-20 | 2020-07-17 | 上海明略人工智能(集团)有限公司 | 订单分配方法和装置 |
| CN111445191A (zh) * | 2020-03-30 | 2020-07-24 | 拉扎斯网络科技（上海）有限公司 | 一种配送难度的预估方法、装置和存储介质 |
| CN111476588A (zh) * | 2019-01-24 | 2020-07-31 | 北京嘀嘀无限科技发展有限公司 | 订单需求预测方法、装置、电子设备及可读存储介质 |
| CN111738409A (zh) * | 2020-05-14 | 2020-10-02 | 华为技术有限公司 | 一种资源调度的方法及其相关设备 |
| CN111754170A (zh) * | 2020-06-09 | 2020-10-09 | 广州赛特智能科技有限公司 | 一种自动化配送系统和方法 |
| CN111784084A (zh) * | 2020-08-17 | 2020-10-16 | 北京市城市规划设计研究院 | 基于梯度提升决策树的出行生成预测方法、系统及装置 |
| CN111937052A (zh) * | 2018-04-10 | 2020-11-13 | 北京嘀嘀无限科技发展有限公司 | 用于车辆调度的系统和方法 |
| CN112491566A (zh) * | 2020-11-13 | 2021-03-12 | 北京融讯科创技术有限公司 | 资源管理方法、资源管理系统及计算机可读存储介质 |
| CN113159561A (zh) * | 2021-04-15 | 2021-07-23 | 深圳依时货拉拉科技有限公司 | 一种货运调度方法、计算机可读存储介质及计算机设备 |
| CN113344317A (zh) * | 2021-04-09 | 2021-09-03 | 东莞理工学院 | 一种基于双深度时序差分神经网络的紧密协作型供应链任务调度方法 |
| CN113763695A (zh) * | 2021-09-07 | 2021-12-07 | 北京航迹科技有限公司 | 一种自动驾驶车辆的调度方法和系统 |
| 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 |
| CN116128397A (zh) * | 2022-12-12 | 2023-05-16 | 安徽运通达物流科技有限公司 | 一种运单的分配管理方法、系统及装置 |
| CN116205547A (zh) * | 2022-12-26 | 2023-06-02 | 北京航天智造科技发展有限公司 | 一种交易订单配送管理方法 |
| CN117114556A (zh) * | 2023-09-07 | 2023-11-24 | 天津路歌物流科技有限公司 | 一种提高运力调度效率的管理方法、系统及装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9154436B2 (en) * | 2013-03-14 | 2015-10-06 | Viasat Inc. | Delaycast queue prioritization |
| US9741011B2 (en) * | 2013-12-12 | 2017-08-22 | Main Grade Assets, Llc | System for improving efficiencies of on-demand delivery services |
| US20190080285A1 (en) * | 2017-09-13 | 2019-03-14 | Walmart Apollo, Llc | Systems and methods for dynamic delivery |
| US11126956B2 (en) * | 2018-05-15 | 2021-09-21 | Nike, Inc. | Order fulfillment |
| US20200175465A1 (en) * | 2018-11-30 | 2020-06-04 | Neogrid Informátican S/A | Distributed Shipment Prioritization Computing System |
| US20200175461A1 (en) * | 2018-12-03 | 2020-06-04 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Method and system for two-echelon inventory allocation |
| US20210090003A1 (en) * | 2019-09-19 | 2021-03-25 | Coupang, Corp. | Systems and methods for outbound forecasting based on postal code mapping |
| US20210201213A1 (en) * | 2020-01-01 | 2021-07-01 | Rockspoon, Inc. | Reservation and waitlist management using precision table turn-time analysis |
| JP2023516281A (ja) * | 2020-02-11 | 2023-04-19 | ガルシア－ブロッサ，マーティン | 食事体験の調整された提供 |
| US20210248695A1 (en) * | 2020-02-11 | 2021-08-12 | Martin Garcia-Brosa | Coordinated delivery of dining experiences |
-
2024
- 2024-01-30 CN CN202410122162.6A patent/CN117649164B/zh active Active
Patent Citations (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111937052A (zh) * | 2018-04-10 | 2020-11-13 | 北京嘀嘀无限科技发展有限公司 | 用于车辆调度的系统和方法 |
| CN110503225A (zh) * | 2018-05-17 | 2019-11-26 | 株式会社日立制作所 | 一种订单派单配送方法 |
| CN108985694A (zh) * | 2018-07-17 | 2018-12-11 | 北京百度网讯科技有限公司 | 用于确定配送中心地址的方法和装置 |
| CN109165895A (zh) * | 2018-08-08 | 2019-01-08 | 北京三快在线科技有限公司 | 一种基于配送业务的定价方法及装置 |
| CN110874700A (zh) * | 2018-09-03 | 2020-03-10 | 菜鸟智能物流控股有限公司 | 物流订单匹配方法、装置以及电子设备 |
| CN109284866A (zh) * | 2018-09-06 | 2019-01-29 | 安吉汽车物流股份有限公司 | 商品订单预测方法及装置、存储介质、终端 |
| CN111105284A (zh) * | 2018-10-29 | 2020-05-05 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法、装置、m层订单处理模型、电子设备及储存介质 |
| CN111105120A (zh) * | 2018-10-29 | 2020-05-05 | 北京嘀嘀无限科技发展有限公司 | 一种工单处理方法及装置 |
| CN109376942A (zh) * | 2018-11-12 | 2019-02-22 | 达疆网络科技(上海)有限公司 | 订单处理方法、存储介质和装置 |
| CN111258747A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种服务效率控制方法及装置 |
| CN109583819A (zh) * | 2018-12-18 | 2019-04-05 | 拉扎斯网络科技（上海）有限公司 | 订单调度方法、订单调度装置、存储介质和电子设备 |
| CN109685276A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 订单处理方法、装置、电子设备及计算机可读存储介质 |
| CN109711782A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技（上海）有限公司 | 配送资源调度方法、装置、电子设备及计算机存储介质 |
| CN111415026A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 无人设备调度装置、系统和方法 |
| CN111476588A (zh) * | 2019-01-24 | 2020-07-31 | 北京嘀嘀无限科技发展有限公司 | 订单需求预测方法、装置、电子设备及可读存储介质 |
| CN110992119A (zh) * | 2019-02-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种对风险订单进行排序的方法和系统 |
| CN109993367A (zh) * | 2019-04-04 | 2019-07-09 | 拉扎斯网络科技（上海）有限公司 | 配送时长的估计方法、估计装置、存储介质和电子设备 |
| CN110110932A (zh) * | 2019-05-09 | 2019-08-09 | 上汽安吉物流股份有限公司 | 订单预测方法和装置、物流系统及计算机可读介质 |
| CN110704407A (zh) * | 2019-09-04 | 2020-01-17 | 苏宁云计算有限公司 | 一种数据去重的方法和系统 |
| CN110689177A (zh) * | 2019-09-17 | 2020-01-14 | 北京三快在线科技有限公司 | 订单准备时间的预测方法和装置，电子设备及存储介质 |
| CN110728432A (zh) * | 2019-09-19 | 2020-01-24 | 杭州飞步科技有限公司 | 一种运力调度方法和装置、电子设备、存储介质 |
| CN110766280A (zh) * | 2019-09-20 | 2020-02-07 | 南京领行科技股份有限公司 | 一种车辆调度方法、目标订单预测模型的生成方法和装置 |
| CN111027957A (zh) * | 2019-11-22 | 2020-04-17 | 南京领行科技股份有限公司 | 一种订单处理方法、装置、电子设备及可读存储介质 |
| CN111429061A (zh) * | 2020-03-20 | 2020-07-17 | 上海明略人工智能(集团)有限公司 | 订单分配方法和装置 |
| CN111445191A (zh) * | 2020-03-30 | 2020-07-24 | 拉扎斯网络科技（上海）有限公司 | 一种配送难度的预估方法、装置和存储介质 |
| CN111738409A (zh) * | 2020-05-14 | 2020-10-02 | 华为技术有限公司 | 一种资源调度的方法及其相关设备 |
| CN111754170A (zh) * | 2020-06-09 | 2020-10-09 | 广州赛特智能科技有限公司 | 一种自动化配送系统和方法 |
| CN111784084A (zh) * | 2020-08-17 | 2020-10-16 | 北京市城市规划设计研究院 | 基于梯度提升决策树的出行生成预测方法、系统及装置 |
| CN112491566A (zh) * | 2020-11-13 | 2021-03-12 | 北京融讯科创技术有限公司 | 资源管理方法、资源管理系统及计算机可读存储介质 |
| CN113344317A (zh) * | 2021-04-09 | 2021-09-03 | 东莞理工学院 | 一种基于双深度时序差分神经网络的紧密协作型供应链任务调度方法 |
| CN113159561A (zh) * | 2021-04-15 | 2021-07-23 | 深圳依时货拉拉科技有限公司 | 一种货运调度方法、计算机可读存储介质及计算机设备 |
| CN113763695A (zh) * | 2021-09-07 | 2021-12-07 | 北京航迹科技有限公司 | 一种自动驾驶车辆的调度方法和系统 |
| 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 |
| CN116128397A (zh) * | 2022-12-12 | 2023-05-16 | 安徽运通达物流科技有限公司 | 一种运单的分配管理方法、系统及装置 |
| CN116205547A (zh) * | 2022-12-26 | 2023-06-02 | 北京航天智造科技发展有限公司 | 一种交易订单配送管理方法 |
| CN117114556A (zh) * | 2023-09-07 | 2023-11-24 | 天津路歌物流科技有限公司 | 一种提高运力调度效率的管理方法、系统及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117649164A (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jin et al. | Storage yard management in maritime container terminals | |
| CN109255481B (zh) | 一种分布式库存调度系统及改进方法 | |
| CN111768149A (zh) | 一种快递物流网络规划优化方法及系统 | |
| CN102598034A (zh) | 为多个需求组提供不同服务质量的有效库存管理 | |
| WO2007081107A1 (en) | Method for optimal multi-vehicle dispatch and system for the same | |
| CN112529491B (zh) | 一种库存管理方法及装置 | |
| CN110705805A (zh) | 货物的装配方法及装置、存储介质、电子装置 | |
| KR101053200B1 (ko) | 컨테이너 자원의 최적화 관리 시스템 및 방법 | |
| CN113592282A (zh) | 一种物品分配方法和装置 | |
| CN110751411A (zh) | 一种面向云制造任务的制造资源匹配方法 | |
| KR20210083661A (ko) | 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템 및 방법 | |
| CN115271187A (zh) | 物流中转站关键指标的预测方法、装置、设备及存储介质 | |
| Chargui et al. | A novel robust exact decomposition algorithm for berth and quay crane allocation and scheduling problem considering uncertainty and energy efficiency | |
| CN117649164B (zh) | 一种货物统筹管理的梯度分配方法及系统 | |
| Neumann et al. | Resource-constrained project scheduling with time windows: Recent developments and new applications | |
| CN117709836A (zh) | 一种数字化物流供应链的管理系统 | |
| CN113128924B (zh) | 货物调度方法、装置和计算机可读存储介质 | |
| CN115564359B (zh) | 汽车售后备件的库存预测方法、设备和存储介质 | |
| Riaventin et al. | Scheduling appointments of truck arrivals at container terminals | |
| He | Improved genetic algorithm in multi-objective cargo logistics loading and distribution | |
| CN117273288A (zh) | 物资的调拨方法、计算机设备及计算机可读存储介质 | |
| US11615497B2 (en) | Managing optimization of a network flow | |
| CN115829431A (zh) | 基于优化分支限界法的电力物资配送调配方法 | |
| Olteanu et al. | A genetic algorithm for solving the quay crane scheduling and allocation problem | |
| CN111598511A (zh) | 运输货物的车线规划方法、装置、设备及存储介质 |
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 |