CN117829713B - 一种基于混合整数线性规划的成品油智慧运输方法 - Google Patents

一种基于混合整数线性规划的成品油智慧运输方法 Download PDF

Info

Publication number
CN117829713B
CN117829713B CN202410245131.XA CN202410245131A CN117829713B CN 117829713 B CN117829713 B CN 117829713B CN 202410245131 A CN202410245131 A CN 202410245131A CN 117829713 B CN117829713 B CN 117829713B
Authority
CN
China
Prior art keywords
node
oil
transportation
cost
truck
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
Application number
CN202410245131.XA
Other languages
English (en)
Other versions
CN117829713A (zh
Inventor
陈军
李孝祯
陈景辉
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.)
SHENZHEN JOINT TECHNOLOGY CO LTD
Original Assignee
SHENZHEN JOINT 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 SHENZHEN JOINT TECHNOLOGY CO LTD filed Critical SHENZHEN JOINT TECHNOLOGY CO LTD
Priority to CN202410245131.XA priority Critical patent/CN117829713B/zh
Publication of CN117829713A publication Critical patent/CN117829713A/zh
Application granted granted Critical
Publication of CN117829713B publication Critical patent/CN117829713B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于混合整数线性规划的成品油智慧运输方法及装置，涉及路径规划技术领域；获取目标储油库的管理区域内对应的无向路网图；根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径，从而提高运输效率，减少运输时间和成本使资源得到更加合理的利用，避免资源的浪费。

Description

一种基于混合整数线性规划的成品油智慧运输方法
技术领域
本发明属于路径规划技术领域，具体涉及一种基于混合整数线性规划的成品油智慧运输方法。
背景技术
混合整数线性规划（Mixed Integer Linear Programming，MILP）是整数线性规划的一种形式，它结合了整数规划和线性规划的特点。在整数线性规划问题中，所有的决策变量要求取整数值，而在混合整数线性规划问题中，部分决策变量可以取实数值，而其他决策变量要求取整数值。这种问题的应用非常广泛，例如在生产计划、资源分配、路径选择等领域都有应用。
在成品油运输过程中，运输路线的规划是一个关键问题，通过合理地规划运输路线，可以提高运输效率、减少运输时间和成本，同时还能确保油品的安全和及时送达。然而现有的成品油在运输过程中没有合理的路线规划，运输过程中可能存在大量的延误和不必要的绕行，导致运输成本提高、效率低下。
发明内容
本发明的目的就在于解决运输过程中可能存在大量的延误和不必要的绕行，导致运输效率低下的问题，而提出一种基于混合整数线性规划的成品油智慧运输方法。
在本发明实施提出一种基于混合整数线性规划的成品油智慧运输方法，所述方法包括:
获取目标储油库的管理区域内对应的无向路网图；所述无向路网图中的网状节点由储油库位置和加油站位置确定；所述无向路网图中的路线由运油车可行驶路线确定；
根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；所述预设混合整数线性规划模型由所述无向路网图确定；
针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；所述惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径。
可选的，根据每一加油站的需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径包括：
根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点；所述关键节点为油罐车在行驶过程中必须经过的节点；
在所述无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中;所述目标关键节点为该油罐车行驶过程中的下一关键节点；所述邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
可选的，根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点包括：
获取所述无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
根据所述加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
重复上述过程，直到所有加油站都可以满足所有需求。
可选的，确定目标关键节点是否在当前节点的邻接矩阵中还包括：
若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
可选的，针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本包括：
通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，为从m节点到n节点的路径，/>为油罐车到n节点的规定时间，/>为油罐车运输时的当前时间，/>为油罐车已经行驶的总时间，/>为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
在本发明实施的第二方面，提出一种基于混合整数线性规划的成品油智慧运输装置，所述装置包括无向路网图模块、运输路径确定模块、惩罚成本模块和最佳运输路径确定模块:
所述无向路网图模块，用于获取目标储油库的管理区域内对应的无向路网图；所述无向路网图中的网状节点由储油库位置和加油站位置确定；所述无向路网图中的路线由运油车可行驶路线确定；
所述运输路径确定模块，用于根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；所述预设混合整数线性规划模型由所述无向路网图确定；
所述惩罚成本模块，用于针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；所述惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
所述最佳运输路径确定模块，用于根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径。
可选的，所述运输路径确定模块包括关键节点确定模块、邻接矩阵确定模块、路线更新模块、路线结束模块和路线规划确定模块：
所述关键节点确定模块，用于根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点；所述关键节点为油罐车在行驶过程中必须经过的节点；
所述邻接矩阵确定模块，用于在所述无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中;所述目标关键节点为该油罐车行驶过程中的下一关键节点；所述邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
所述路线更新模块，用于若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
所述路线结束模块，用于若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
所述路线规划确定模块，用于若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
可选的，所述关键节点确定模块包括加油站优先序列确定模块、车辆最大负载确定模块、关键节点列表生成模块和加油站需求满足模块：
所述加油站优先序列确定模块，用于获取所述无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
所述车辆最大负载确定模块，用于根据所述加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
所述关键节点列表生成模块，用于将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
所述加油站需求满足模块，用于重复上述过程，直到所有加油站都可以满足所有需求。
可选的，所述邻接矩阵确定模块包括关键节点查找模块、节点加入模块、途径确定模块：
所述关键节点查找模块，用于若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
所述节点加入模块，用于若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
所述途径确定模块，用于若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
可选的，所述最佳运输路径确定模块：通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，为从m节点到n节点的路径，/>为油罐车到n节点的规定时间，/>为油罐车运输时的当前时间，/>为油罐车已经行驶的总时间，/>为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
本发明的有益效果：
本发明提出了一种基于混合整数线性规划的成品油智慧运输方法，通过获取目标储油库的管理区域内对应的无向路网图；根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；预设混合整数线性规划模型由无向路网图确定；针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径。通过使用无向路网图和混合整数线性规划模型，可以找到从储油库到加油站的最短或最优路径，从而提高运输效率，减少运输时间和成本使资源得到更加合理的利用，避免资源的浪费，通过考虑每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本，可以计算出每条运输路径的惩罚成本，从而选择惩罚成本较低的运输路径，降低总成本。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例1提供了一种基于混合整数线性规划的成品油智慧运输方法的流程图；
图2为本发明实施例6提供了另一种基于混合整数线性规划的成品油智慧运输装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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作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。
本发明实施例1提供了一种基于混合整数线性规划的成品油智慧运输方法。参见图1，图1为本发明实施例1提供的一种基于混合整数线性规划的成品油智慧运输方法的流程图。该方法包括以下步骤:
S101，获取目标储油库的管理区域内对应的无向路网图。
S102，根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径。
S103，针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本。
S104，根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径。
其中，无向路网图中的网状节点由储油库位置和加油站位置确定；无向路网图中的路线由运油车可行驶路线确定；预设混合整数线性规划模型由无向路网图确定；惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
基于本发明实施例提供的一种基于混合整数线性规划的成品油智慧运输方法，通过使用无向路网图和混合整数线性规划模型，可以找到从储油库到加油站的最短或最优路径，从而提高运输效率，减少运输时间和成本使资源得到更加合理的利用，避免资源的浪费，通过考虑每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本，可以计算出每条运输路径的惩罚成本，从而选择惩罚成本较低的运输路径，降低总成本。
一种实现方式中，获取目标储油库的管理区域内对应的无向路网图，有助于优化运油车行驶路线，提高运输效率，减少运输时间和成本，确保油品供应的稳定性和及时性，提升整个储油和运输系统的运作效能。
一种实现方式中，根据加油站的油量需求和优先级初始化混合整数线性规划模型，能够为每一运油车规划出多条运输路径，确保在满足需求的同时，合理分配资源，提高运输效率，降低成本，并确保优先级高的加油站得到优先服务。
一种实现方式中，获取每一运输路径对应的惩罚成本，能够更全面地评估运输方案的代价，从而更好地权衡不同方案之间的优劣。通过该方案可以更精确地控制运输过程中的成本，降低不必要的浪费，提高整体经济效益。
在实施例2中，步骤S102，具体包括如下步骤：
步骤一：根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点。
步骤二：在无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中。
步骤三：若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
步骤四：若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
步骤五：若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
关键节点为油罐车在行驶过程中必须经过的节点；目标关键节点为该油罐车行驶过程中的下一关键节点；邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
一种实现方式中，通过油罐车辆分配和关键节点定义，能够确保油罐车按照预定的路线和顺序进行运输，提高运输的计划性和效率。
一种实现方式中，利用无向路网图标记关键节点，并提取邻接节点矩阵，可以更准确地确定油罐车的行驶路线，避免绕行和浪费，降低运输成本。
一种实现方式中，通过判断目标关键节点是否在邻接矩阵中，能够灵活地调整运输路线，适应实际情况的变化，提高路线的适应性和可靠性。
在实施例3中，实施例2中的步骤一具体包括如下步骤：
步骤11，获取无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
步骤12，根据加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
步骤13，将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
步骤14，重复上述步骤11、步骤12、步骤13，直到所有加油站都可以满足所有需求。
一种实现方式中，获取各个加油站节点的需求并根据优先级排序，能够确保优先满足高优先级的加油站需求，提高运输效率，并确保油品供应的稳定性和及时性。
一种实现方式中，根据优先序列累加每个加油站节点的需求，可以更合理地分配运油车辆的负载，避免车辆资源的浪费，并确保油品供应的及时性和稳定性
一种实现方式中，将同一运油车辆分配给多个加油站节点，可以更有效地利用车辆资源，提高运输效率，降低运输成本，同时，关键节点列表的生成能够更好地管理运输过程，确保运输路线的准确性和可靠性。
在实施例4中，实施例2中的步骤二具体包括如下步骤：
步骤21，若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
步骤22，若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
步骤23，若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
一种实现方式中，通过A*算法查找邻接矩阵中是否存在关键节点，能够扩大搜索范围，提高找到可行路线的可能性，避免陷入局部最优解。
一种实现方式中，若关键节点存在，则将其加入运输路线并更新当前节点，能够更加灵活地调整运输路线，提高路线的适应性和可靠性。
一种实现方式中，若关键节点不存在，则通过再次查找和预设次数的限制，能够避免无效的搜索和计算，提高算法的效率和准确性，同时，确定不可行路线能够为后续的路线规划提供有价值的参考和经验。
在实施例5中，步骤S104包括：
通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，为从m节点到n节点的路径，/>为油罐车到n节点的规定时间，/>为油罐车运输时的当前时间，/>为油罐车已经行驶的总时间，/>为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
一种实现方式中，通过综合考虑运输过程中的各种成本和因素，如惩罚成本、车辆折旧费、维修保养费、人工费用、罚款成本、运输成本等，能够更全面地评估运输方案的代价，从而更好地权衡不同方案之间的优劣。
基于相同的发明构思本发明实施例6还提供了一种基于混合整数线性规划的成品油智慧运输装置。参见图2，图2为本发明实施例6提供的一种基于混合整数线性规划的成品油智慧运输装置的结构示意图，包括：
无向路网图模块，用于获取目标储油库的管理区域内对应的无向路网图；无向路网图中的网状节点由储油库位置和加油站位置确定；无向路网图中的路线由运油车可行驶路线确定；
运输路径确定模块，用于根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；预设混合整数线性规划模型由无向路网图确定；
惩罚成本模块，用于针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
最佳运输路径确定模块，用于根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径。
在实施例7中，运输路径确定模块包括：
关键节点确定模块，用于根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点；关键节点为油罐车在行驶过程中必须经过的节点；
邻接矩阵确定模块，用于在无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中;目标关键节点为该油罐车行驶过程中的下一关键节点；邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
路线更新模块，用于若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
路线结束模块，用于若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
路线规划确定模块，用于若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
在实施例8中，关键节点确定模块包括：
加油站优先序列确定模块，用于获取无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
车辆最大负载确定模块，用于根据加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
关键节点列表生成模块，用于将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
加油站需求满足模块，用于重复上述过程，直到所有加油站都可以满足所有需求。
在实施例9中，邻接矩阵确定模块包括：
关键节点查找模块，用于若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
节点加入模块，用于若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
途径确定模块，用于若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
在实施例10中，最佳运输路径确定模块：
通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，为从m节点到n节点的路径，/>为油罐车到n节点的规定时间，/>为油罐车运输时的当前时间，/>为油罐车已经行驶的总时间，/>为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
基于本发明实施例提供的一种基于混合整数线性规划的成品油智慧运输装置，通过使用无向路网图和混合整数线性规划模型，可以找到从储油库到加油站的最短或最优路径，从而提高运输效率，减少运输时间和成本使资源得到更加合理的利用，避免资源的浪费，通过考虑每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本，可以计算出每条运输路径的惩罚成本，从而选择惩罚成本较低的运输路径，降低总成本。
以上对本发明的一个实施例进行了详细说明，但内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (8)

1.一种基于混合整数线性规划的成品油智慧运输方法，其特征在于，所述方法包括:
获取目标储油库的管理区域内对应的无向路网图；所述无向路网图中的网状节点由储油库位置和加油站位置确定；所述无向路网图中的路线由运油车可行驶路线确定；
根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；所述预设混合整数线性规划模型由所述无向路网图确定；
针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；所述惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径；
针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本包括：
通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，dmn为从m节点到n节点的路径，tn为油罐车到n节点的规定时间，tx为油罐车运输时的当前时间，t0为油罐车已经行驶的总时间，为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
2.根据权利要求1所述的一种基于混合整数线性规划的成品油智慧运输方法，其特征在于，根据每一加油站的需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径包括：
根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点；所述关键节点为油罐车在行驶过程中必须经过的节点；
在所述无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中；所述目标关键节点为该油罐车行驶过程中的下一关键节点；所述邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
3.根据权利要求2所述的一种基于混合整数线性规划的成品油智慧运输方法，其特征在于，根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点包括：
获取所述无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
根据所述加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
重复上述过程，直到所有加油站都满足所有需求。
4.根据权利要求2所述的一种基于混合整数线性规划的成品油智慧运输方法，其特征在于，确定目标关键节点是否在当前节点的邻接矩阵中还包括：
若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
5.一种基于混合整数线性规划的成品油智慧运输装置，其特征在于，所述装置包括无向路网图模块、运输路径确定模块、惩罚成本模块和最佳运输路径确定模块:
所述无向路网图模块，用于获取目标储油库的管理区域内对应的无向路网图；所述无向路网图中的网状节点由储油库位置和加油站位置确定；所述无向路网图中的路线由运油车可行驶路线确定；
所述运输路径确定模块，用于根据每一加油站的油量需求和优先级对预设混合整数线性规划模型进行初始化得到每一运油车对应的多条运输路径；所述预设混合整数线性规划模型由所述无向路网图确定；
所述惩罚成本模块，用于针对每一运油车对应的每条运输路径，获取该运输路径对应的惩罚成本；所述惩罚成本为每辆运油车的固定成本、运输过程中的车辆成本以及每个加油站产生的罚款成本的组合；
所述最佳运输路径确定模块，用于根据每条运输路径对应的惩罚成本确定每一运油车对应的最佳运输路径；
所述最佳运输路径确定模块：
通过公式得到惩罚成本；
其中，H为该运输路径对应的惩罚成本，G为该运输路径中运油车的车辆折旧费、维修保养费和人工费用，K为加油站节点产生的罚款成本，P为运输过程中的运输成本，dmn为从m节点到n节点的路径，tn为油罐车到n节点的规定时间，tx为油罐车运输时的当前时间，t0为油罐车已经行驶的总时间，为油罐车在m节点和m-1节点的平均行驶速度，/>为油罐车在m节点和n节点的平均行驶速度。
6.根据权利要求5所述的一种基于混合整数线性规划的成品油智慧运输装置，其特征在于，所述运输路径确定模块包括关键节点确定模块、邻接矩阵确定模块、路线更新模块、路线结束模块和路线规划确定模块：
所述关键节点确定模块，用于根据每一加油站的油量需求进行油罐车辆分配，并为每辆油罐车定义关键节点；所述关键节点为油罐车在行驶过程中必须经过的节点；
所述邻接矩阵确定模块，用于在所述无向路网图中标记该运输车辆的关键节点，提取油罐车当前所在节点的邻接节点矩阵，并确定目标关键节点是否在当前节点的邻接矩阵中；所述目标关键节点为该油罐车行驶过程中的下一关键节点；所述邻接节点矩阵为与当前所在节点直接连接的节点形成的矩阵；
所述路线更新模块，用于若该目标关键节点在当前节点的邻接矩阵中，则选择该目标关键节点加入运输路线，更新当前油罐车所在的节点；
所述路线结束模块，用于若更新后油罐车所在的节点为最后一个关键节点，则结束该油罐车在此路线规划过程，并判断所有油罐车是否已完成路线规划；
所述路线规划确定模块，用于若存在油罐车未完成路线规划，则重复上述步骤，直到每一油罐车都完成路线规划。
7.根据权利要求6所述的一种基于混合整数线性规划的成品油智慧运输装置，其特征在于，所述关键节点确定模块包括加油站优先序列确定模块、车辆最大负载确定模块、关键节点列表生成模块和加油站需求满足模块：
所述加油站优先序列确定模块，用于获取所述无向路网图中各个加油站节点的需求，并根据加油站的优先级对各个加油站节点按从大到小进行排序得到加油站优先序列；
所述车辆最大负载确定模块，用于根据所述加油站优先序列，从第一优先级的加油站节点开始，依次累加每个加油站节点的需求，直到满足不超过运油车辆最大负载的需求；
所述关键节点列表生成模块，用于将同一运油车辆分配给多个加油站节点，并为该运油车辆生成关键节点列表；
所述加油站需求满足模块，用于重复上述过程，直到所有加油站都满足所有需求。
8.根据权利要求6所述的一种基于混合整数线性规划的成品油智慧运输装置，其特征在于，所述邻接矩阵确定模块包括关键节点查找模块、节点加入模块、途径确定模块：
所述关键节点查找模块，用于若该目标关键节点不在当前节点的邻接矩阵中，则以当前节点邻接节点矩阵中每个节点为起始点，通过A*算法查找下一节点对应的邻接矩阵中是否存在关键节点；
所述节点加入模块，用于若关键节点存在，则以该节点为下一节点加入该运输路线中，然后更新其当前所在的节点；
所述途径确定模块，用于若关键节点不存在，则再次以当前节点邻接节点矩阵中每个节点为起始点通过A*算法进行节点查找，若查找次数超过预设次数，且没有满足条件的节点，则确定该节点所对应的途径为不可行路线。
CN202410245131.XA 2024-03-05 2024-03-05 一种基于混合整数线性规划的成品油智慧运输方法 Active CN117829713B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410245131.XA CN117829713B (zh) 2024-03-05 2024-03-05 一种基于混合整数线性规划的成品油智慧运输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410245131.XA CN117829713B (zh) 2024-03-05 2024-03-05 一种基于混合整数线性规划的成品油智慧运输方法

Publications (2)

Publication Number Publication Date
CN117829713A CN117829713A (zh) 2024-04-05
CN117829713B true CN117829713B (zh) 2024-05-10

Family

ID=90515758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410245131.XA Active CN117829713B (zh) 2024-03-05 2024-03-05 一种基于混合整数线性规划的成品油智慧运输方法

Country Status (1)

Country Link
CN (1) CN117829713B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN115409388A (zh) * 2022-09-02 2022-11-29 北京化工大学 多车型定制公交运营优化方法
CN115965172A (zh) * 2023-03-16 2023-04-14 中国石油大学(华东) 一种成品油二次配送车辆的路径优化算法、系统、设备
CN117291327A (zh) * 2023-11-24 2023-12-26 广东车卫士信息科技有限公司 车辆的加油站推荐方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022021119A1 (zh) * 2020-07-29 2022-02-03 浙江大学 一种集装箱码头间全自主水上运输调度方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN115409388A (zh) * 2022-09-02 2022-11-29 北京化工大学 多车型定制公交运营优化方法
CN115965172A (zh) * 2023-03-16 2023-04-14 中国石油大学(华东) 一种成品油二次配送车辆的路径优化算法、系统、设备
CN117291327A (zh) * 2023-11-24 2023-12-26 广东车卫士信息科技有限公司 车辆的加油站推荐方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于遗传算法的成品油二次配送车辆路径问题研究;李珍萍;胡娩霞;吴凌云;;数学的实践与认识;20180508(09);第191-200页 *

Also Published As

Publication number Publication date
CN117829713A (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN106156898B (zh) 一种基于MoCD算法的商品配送路径规划方法
CN101344399B (zh) 多任务导航中最优路径选择方法
CN112270135A (zh) 一种物流发运调度智能配送方法、装置、设备及存储介质
CN107145971A (zh) 一种动态调整的快递配送优化方法
CN101159048A (zh) 油品配送槽车调度系统及其方法
CN112036756B (zh) 一种双负载多agv调度方法
CN113379102B (zh) 一种多网干线运输优化方法、计算机设备及存储介质
CN107220731A (zh) 一种物流配送路径规划方法
CN110909952B (zh) 一种带移动配送站的城市两级配送及调度方法
CN109063899A (zh) 车辆运输规划方法及装置、电子设备及可读存储介质
CN105404941A (zh) 一种物流运输方式和路径智能优化的方法及系统
CN105046356B (zh) 一种电动汽车续航里程优化装置及方法
CN107833002A (zh) 基于协同多目标算法的多级低碳物流配送网络规划方法
CN112686458A (zh) 一种多车型车队配送货过程的优化调度方法
CN114462693B (zh) 一种基于车辆无人机协同的配送路线优化方法
CN110490381B (zh) 基于混合整数规划的公交主干线规划方法
Nambiar et al. A multi-agent vehicle routing system for garbage collection
CN112232579A (zh) 一种基于蚁群算法的电力物资调配方法
CN112150060A (zh) 一种基于蚁群算法的应急医疗物资配送优化方法
CN117829713B (zh) 一种基于混合整数线性规划的成品油智慧运输方法
CN110895749A (zh) 一种用于应急物流的定位-路径规划方法
CN112862162A (zh) 一种考虑阶梯运价补贴的车辆调度方法
CN112001646A (zh) 一种物料调度方法、装置、存储介质及电子设备
CN106251025A (zh) 一种电力物资配送路线推荐系统和方法
CN114692960A (zh) 油耗与最佳路径协同的车辆路径规划方法及系统

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