DE102023206212A1

DE102023206212A1 - Verfahren und hybrides Transportermanagementsystem

Info

Publication number: DE102023206212A1
Application number: DE102023206212.7A
Authority: DE
Inventors: Alexander Roth; Mladjan Radic
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2023-06-30
Filing date: 2023-06-30
Publication date: 2024-05-23

Abstract

Die Erfindung betrifft ein zur globalen Optimierung von Routen einer Transporterflotte umfassend:ein Digitalrechner (2) mit einer Menge von virtuellen Transportern(a∈A)sowie einer Anzahl von anzufahrenden virtuellen Anfahrtsorten(v∈V)durch die Transporter(a∈A).

Description

Die Erfindung betrifft ein Verfahren und ein hybrides Transportermanagementsystem zur globalen Optimierung von Routen einer Transporterflotte.
Sowohl aufgrund zunehmender Spezialisierung als auch aufgrund der Globalisierung sind Unternehmen insbesondere bei Produktionsprozessen auf eine ausreichende und pünktliche Belieferung mit Zulieferteilen angewiesen, um den Produktionsprozeß im gewünschten Maß aufrechtzuerhalten. Dabei geben die Unternehmen Bedarfsanforderungen an die Zulieferer ab, die dann in Abstimmung mit Speditionen abgewickelt werden. Als Problem treten dabei in zunehmendem Maße die steigenden Transportkosten und die mangelnde Versorgungssicherheit und ein Informationsdefizit auf. Für die Transportkosten sind im Wesentlichen drei Faktoren entscheidend, nämlich unnötige Standzeiten, ineffiziente Beladevarianten und lange Transportwege.
Eine Transporterflotte umfasst dabei im Wesentlichen eine gemeinsam gesteuerte Gruppe von Verkehrsmitteln, die ständig oder zeitlich begrenzt, wirtschaftlich oder andersartig priorisiert, von einer gemeinsamen Zentrale koordiniert wird.
In den meisten Branchen gibt es zudem eine komplexe Logistik, z. B. Lieferungen und Abholungen bei Kunden, die ein Optimierungspotenzial bieten. Die Logistik innerhalb eines Industriekomplexes oder Lagers hat ebenfalls häufige Lieferungen und Abholungen.
Es gibt im Hinblick auf solche logistischen Probleme eine Vielzahl von Optimierungsansätzen.
Autonome oder zentral geplante Shuttle- oder Lkw-Flotten bieten zudem ein großes Optimierungspotenzial, indem eine bessere Streckenführung gefunden werden kann. Das dabei auftretende mathematische Problem, kann als „Problem des multiplen Handlungsreisenden" bezeichnet werden. Das Problem mehrerer Handlungsreisender (MTSP) ist eine Verallgemeinerung des Travelling Salesman Problems (TSP), bei dem mehr als ein Verkäufer erlaubt ist.
Die DE 102018204205 A1 offenbart ein System und Verfahren zur Zustellung von Waren von einem Startpunkt zu einem Zielpunkt mittels Drohnen, die a) eine für autonomes Fliegen eingerichtete Flugkontrolleinheit aufweist, b) mindestens einen als Elektromotor ausgebildeten Flugmotor hat, c) einen Akkumulator aufweist, der den Flugmotor mit Spannung versorgt, d) eine programmierbare Steuereinheit hat, und e) an ihrer Unterseite eine Kupplung für eine elektrische und vorzugsweise auch mechanische Verbindung aufweist, mit einer Steuerzentrale, die in drahtloser Verbindung mit der Steuereinheit der Drohne ist, mit einem Mobilitätsnetzwerk bestehend aus einer Flotte von Fahrzeugen, insbesondere Straßenfahrzeugen, wobei jedes Fahrzeug einen Drohnenträger aufweist, der eine mit der Kupplung zusammenwirkende Gegenkupplung hat, mit einer digitalen Mobilitätsplattform, die mit der Flotte von Fahrzeugen in drahtloser Verbindung ist, über deren Fahrpläne, Drohnenträger, aktuelle Standorte der Fahrzeuge informiert ist und mit der Steuerzentrale in Verbindung ist.
Die DE 19646954 B4 offenbart ein Verfahren zum Steuern einer Flotte, bestehend aus einer Gruppe von Fahrzeugen, die von einer gemeinsamen Zentrale koordiniert wird, und eine Vielzahl von Anwendern über eine Datenverbindung mit der Zentrale verbunden sind, wobei die Zentrale über ein oder mehrere Funkverbindungen mit jeweils dem zu koordinierenden Fahrzeug verbunden ist, und zur Standortbestimmung des Fahrzeuges die GPS-Positionssignale von mehreren Navigationssatelliten verwendet werden, wobei aufgrund einer bekannten Anwender-Auftragsliste und bekannten Anwender-Fahrzeugen für die Fahrzeuge eingehende Aufträge in eine Auftragsliste in der Zentrale mit ihrer Ausführungszeit eingestellt werden, daß auf der Basis der Auftragsinformation „Startort“ nach „Zielort“ die voraussichtliche Anfahrdauer ermittelt wird, wobei aus der Ausführungszeit abzüglich der Anfahrdauer und einer Korrekturzeit die Meldezeit des Fahrzeugs im Startort errechnet wird und in eine Überwachungsliste eingestellt wird, und wobei in der Zentrale die Meldezeiten überwacht werden und wobei der Fahrauftrag zeitnah an ein Anwender-Fahrzeug übertragen wird, welches nach anwenderseitigen Filtern ausgewählt wird.
Es ist daher eine Aufgabe ein allgemeingültiges Verfahren zur Optimierung von Routen einer Transporterflotte anzugeben. Ferner ist es eine Aufgabe ein hybrides Transportermanagementsystem anzugeben.
Die Aufgabe wird gelöst durch ein Verfahren zur globalen Optimierung von Routen einer Transporterflotte mit den Merkmalen des Anspruchs 1 und ein Transportermanagementsystem mit den Merkmalen des Anspruchs 11.
In den Unteransprüchen sind weitere vorteilhafte Maßnahmen aufgelistet, die beliebig geeignet miteinander kombiniert werden können, um weitere Vorteile zu erzielen.
Die Aufgabe wird gelöst durch ein Verfahren zur globalen Optimierung von Routen einer Transporterflotte umfassend der Schritte:

- Bereitstellen eines Digitalrechners,
- Virtuelles Bereitstellen einer Menge von Transportern auf dem Digitalrechner,
- Virtuelles Bereitstellen auf dem Digitalrechner einer Anzahl von anzufahrenden Anfahrtsorten durch die Transporter,
- Generieren einer Kostenmatrix mit Kostenmatrixelementen durch den Digitalrechner, welche die Kosten zwischen einem ersten Anfahrtsort und einem zweiten Anfahrtsort bezüglich einem Transporter angibt,
- Generieren einer Energiefunktion durch den Digitalrechner auf Basis der Kostenmatrix mit den Kostenmatrixelementen unter Verwendung nachfolgender binärer Variablen: $b_{v, i}^{a} = {\begin{matrix} 1, w e n n T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots 1 | V |} \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
für alle Transporter $a \in A$
und für alle Anfahrtsorte $v \in V$
wobei die Energiefunktion unter folgenden Nebenbedingungen generiert wird:
- ◯ nur genau ein Transporter befindet sich jeweils zu genau einem Zeitpunkt an genau einem Anfahrtsort,
- ◯ alle vorgegebenen Anfahrtsorte werden von einem Transporter genau einmal während der Zeitpunkte angefahren,
- Bereitstellen eines adiabatischen Quantensystems, wobei das Quantensystem mit einer entsprechenden Energielandschaft assoziiert ist, wobei das Quantensystem mit dem Digitalrechner gekoppelt wird,
- Generieren eines anfänglichen Anfangszustands für das Quantensystem anhand der Energiefunktion durch den Digitalrechner sowie Initialisieren der Energielandschaft anhand des Anfangszustands durch den Digitalrechner,
- Ändern des Anfangszustands in einen energetischen Grundzustand durch das adiabatische Quantensystem unter Verwendung der Energiefunktion, wobei der energetische Grundzustand ein Minimum der Energiefunktion kodiert,
- Messen des energetischen Grundzustands nach adiabatischer Änderung durch den Digitalrechner,
- Encodieren der Messung durch den Digitalrechner,
- Zuweisen einer kostenoptimierten Route für jeden Transporter durch den Digitalrechner anhand der Encodierung.

Dabei wird die Anzahl von anzufahrenden Anfahrtsorten durch $v, v' \in V$
und die Anzahl der Transporter durch $a \in A$
gegeben.
Die Kostenmatrixelemente sind durch $d_{v, v'}^{a} \forall a \in A, v, v' \in V,$
welche die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich einem Transporter $a \in A$
angeben, gegeben.
Der Anfangszustand des Quantencomputers entspricht typischerweise einem lösbaren Quantensystem in dem die Qubits im Grundzustand initialisiert werden. Dieser Anfangszustand wird dann in die Matrix der Problemstellung überführt, wodurch die Qubits idealerweise ebenfalls in den Grundzustand der Problemstellung gebracht werden.
Die Matrix wird im adiabatischen Quantencomputer in eine Kopplungsstärke der Qubits untereinander übersetzt.
Erfindungsgemäß wurde erkannt, dass es für eine optimale Routenbestimmung für jeden Transporter notwendig ist, alle Transporter bzw. dessen Route global zusammen zu optimieren, anstatt jeden einzelnen.
Eine Kostenoptimierung hinsichtlich der Routen aller Transporter zusammen war (und ist) bislang aufgrund der Vielzahl an Variablen (Menge an Routen als auch Transporter) auf einem Digitalrechner nicht möglich; vielmehr wurde hierbei Fachwissen eingesetzt.
Erfindungsgemäß wird das Problem derart approximiert, dass es durch eine maximal binäre Energiefunktion beschreibbar ist. Dies bedeutet, dass die Energiefunktion als ein Quadratic Unconstrained Binary Optimization Funktion mit binären Variablen vorliegt, so dass ein entsprechender Start mit verschränkten, gekoppelten Qubits ermöglicht wird.
Adiabatische Quantencomputer sind in der erlaubten Berechnung stark eingeschränkt.
Erfindungsgemäß muss somit eine hinreichend genaue (als auch sinnvolle) Approximation für das Quantensystem, beispielsweise für einen Quantenannealer gefunden werden, so dass eine adiabatische Optimierung ermöglicht wird und welche die technische Aufgabe hinreichend genau beschreibt.
Dies wird mittels des erfindungsgemäßen Verfahrens nun gelöst.
Durch das erfindungsgemäße Verfahren kann das „Multi-Agenten-Verkäuferproblem“ nur mit den erlaubten Werkzeugen, nämlich einer binären maximal quadratischen Modellierung gelöst werden, die auf adiabatischen Quantencomputern verfügbar sind.
Durch das erfindungsgemäße Verfahren wird quasi ein globales Minimum des „Multi-Agenten-Verkäuferproblems“ gefunden, und zwar unabhängig von der Anzahl der Transporter und Routen.
Erfindungsgemäß wird eine Energiefunktion durch den Digitalrechner auf Basis der Kostenmatrix mit den Kostenmatrixelementen $d_{v, v'}^{a} a \in A, v, v' \in V$
unter Verwendung nachfolgender binärer Variablen: $b_{v, i}^{a} = {\begin{matrix} 1, T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots 1 | V |} \forall a \in A, v \in V \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
generiert. Dabei wird die Energiefunktion unter nachfolgenden Nebenbedingungen generiert. Zum einen darf nur genau ein Transporter sich jeweils zu genau einem Zeitpunkt an genau einem Anfahrtsort befinden. Dies bedeutet, dass sich nicht zwei Transporter an demselben Zeitpunkt an demselben Ort befinden dürfen. Zum anderen dürfen alle vorgegebenen Anfahrtsorte während einer Fahrt, d.h. während den zur Verfügung stehenden Zeitpunkten, von einem Transporter genau einmal angefahren werden.
Die Nebenbedingungen können als Strafterme der Energiefunktion hinzugefügt werden.
Anschließend wird anhand der Energiefunktion und der Strafterme ein Anfangszustand generiert, welche quasi als Startfunktion dient. Dies bedeutet, dass die Qubits im Quantenannealer entsprechend dem Anfangszustand gekoppelt werden und das adiabatische Quantensystem diese in den energetischen Grundzustand versetzt.
Der Anfangszustand des Quantencomputers entspricht typischerweise einem lösbaren Quantensystem in dem die Qubits im Grundzustand initialisiert werden. Dieser Anfangszustand wird dann in die Matrix der Problemstellung überführt, wodurch die Qubits idealerweise ebenfalls in den Grundzustand der Problemstellung gebracht werden.
Die Matrix wird im adiabatischen Quantencomputer in eine Kopplungsstärke der Qubits untereinander übersetzt.
Durch das Auslesen und Rückübersetzen der ausgelesenen Energiewerte mittels des Digitalrechners kann die optimale Route für jeden Transporter hinsichtlich der Kosten gefunden werden.
Durch das erfindungsgemäße Verfahren kann eine Optimierung im Hinblick auf die Kosten, d.h. beispielsweise Energie (z.B. Treibstoff) oder CO2-Verbrauch oder Zeit, die benötigt wird, um den Transport zu rationalisieren oder eine Kombination hiervon gefunden werden und damit die Schaffung einer nachhaltigeren und effizienteren Logistik.
In einer weiteren Ausbildung sind die Nebenbedingungen gegeben durch: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter $a \in A$
jeweils zu genau einem Zeitpunkt i ∈ {1,..., |V|} an genau einem Anfahrtsort $v \in V$
befindet, und $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1,_{\forall v \in V}$
wodurch alle vorgegebenen Anfahrtsorte $v \in V$
während den Zeitpunkten i ∈ {1,..., |V|}, von einem Transporter $a \in A$
genau einmal angefahren werden,
mit
$a \in A$
gleich der Menge von Transportern,
$v \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Die Nebenbedingungen können als Strafterme zu der Energiefunktion hinzugefügt werden, wodurch eine maximal quadratische Energielandschaft modelliert wird, anhand derer, die Qubits im Quantenannealer gekoppelt werden können.
Ferner wird die Energiefunktion H gegeben durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit
$a \in A$
gleich der Menge von Transportern, $v, v' \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet und Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V .$
Durch diese Ausbildung kann ein Quantenannealer, d.h. ein adiabatisches Quantensystem verwendet werden um die optimale, d.h. kostenminimale Route zu finden.
In weiterer Ausbildung wird als zusätzliche Startortnebenbedingung ein vorgegebener Startort $v_{0} \in V$
für einen Transporter $a \in A$
gegeben.
Dabei kann die Startortnebenbedingung gegeben werden durch: $b_{v_{0},1}^{a} = 1$
mit $a \in A$
und v₀ ∈ V für den Startzeitpunkt 1.
Diese Startortnebenbedingung kann als Strafterm ebenfalls der Energiefunktion hinzugefügt werden. Dadurch liegt eine Quadratic Unconstrained Binary Optimization Funktion mit binären Variablen vor, so dass ein entsprechendes Koppeln der Qubits ermöglicht wird.
Dabei gibt die Startortnebenbedingung den Startort für einen Transporter an.
Ferner kann als zusätzliche Zielortnebenbedingung ein vorgegebener Zielort $v_{0} \in V$
für einen Transporter $a \in A$
angegeben sein.
Diese Zielortnebenbedingung $v_{0} \in V$
kann gegeben werden durch: $b_{v_{0}, | V |}^{a} = 1$
$mit a \in A$
und v₀ ∈ V für den Zielzeitpunkt |V|.
Diese Zielortnebenbedingung kann als Strafterm ebenfalls der Energiefunktion hinzugefügt werden. Dadurch liegt eine Quadratic Unconstrained Binary Optimization Funktion mit binären Variablen vor, so dass ein entsprechendes Koppeln der Qubits ermöglicht wird.
Dabei gibt die Zielortnebenbedingung den letzten Anfahrtsort für einen Transporter an.
In weiterer Ausbildung wird als zusätzliche Anzahlnebenbedingung eine vorgegebene maximale anzufahrende Anzahl von Anfahrtsorten m_a ∈ N für einen Transporter $a \in A$
gegeben durch: $\sum_{v \in V} \sum_{i \in {1, \dots, | V |}} b_{v, i}^{a} \leq m_{a}$
mit $b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Dadurch fährt ein Transporter einen Anfahrtsort während der Zeitpunkte, d.h. während einer Route, nicht doppelt an.
Ferner müssen in Bezug auf die Kostenmatrix die Kostenmatrixelemente $d_{v, v'}^{a} \forall a \in A, v, v' \in V,$

welche die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich einem Transporter $a \in A$
angeben, nicht gleich den Kostenmatrixelementen $d_{v', v}^{a} \forall a \in A, v, v' \in V,$
welche die Kosten zwischen dem zweiten Anfahrtsort v' und dem ersten Anfahrtsort v angeben, sein. Dies bedeutet, dass beispielsweise ein vollbeladener Transporter beispielsweise mehr Energie, hier Benzin, bei einer Fahrt von Hamburg nach München verbraucht, als beispielsweise bei einer Leerfahrt von München nach Hamburg.
Dies bedeutet, dass die Kostenmatrixelemente $d_{v', v}^{a} \forall a \in A, v, v' \in V$
nicht symmetrisch sein müssen, wenn eine Diskrepanz zwischen dem Kostenmatrixelement $d_{v', v}^{a} \forall a \in A, v, v' \in V$
und dem Kostenmatrixelement $d_{v, v'}^{a} \forall a \in A, v, v' \in V$
besteht. Ferner können die Kosten für den Stillstand $d_{v', v}^{a} \forall a \in A, v, v' \in V$
auch so gesetzt werden, dass die Kosten (beispielsweise Benzinkosten) für den Aufenthalt an einem Transporterstützpunkt (Abstellplatz/Firmensitz) gleich 0 sind, während die Kosten für das Stehenbleiben an jedem anderen Ort hoch sind.
Weiter wird die Aufgabe gelöst durch ein hybrides Transportermanagementsystem zur globalen Optimierung von Routen einer Transporterflotte umfassend: ein Digitalrechner mit einer Menge von virtuellen Transportern, sowie einer Anzahl von anzufahrenden virtuellen Anfahrtsorten durch die Transporter und wobei der Digitalrechner dazu ausgebildet ist, eine Kostenmatrix mit Kostenmatrixelementen, welche die Kosten zwischen einem ersten Anfahrtsort und einem zweiten Anfahrtsort bezüglich einem Transporter angibt, zu generieren als auch eine Energiefunktion auf Basis der Kostenmatrix mit den Kostenmatrixelementen unter Verwendung nachfolgender binärer Variablen: $\underset{\forall a \in A, v \in V}{b_{v, i}^{a} = {\begin{matrix} 1, w e n n T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots, | V |} \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}}$
unter folgenden Nebenbedingungen zu generieren:

◯ nur genau ein Transporter befindet sich jeweils zu genau einem Zeitpunkt an genau einem Anfahrtsort,
◯ alle vorgegebenen Anfahrtsorte werden von einem Transporter genau einmal während der Zeitpunkte angefahren,

Dabei können die Vorteile und die vorteilhaften Ausgestaltungen auf das Verfahren übertragen werden. Insbesondere kann auf dem hybriden Transportermanagementsystem das erfindungsgemäße Verfahren ausgeführt werden.
Dabei können die Menge von virtuellen Transportern/Anfahrtsorten auf einer Speichereinheit im Digitalrechner gespeichert sein.
Ferner können die Transporter als Fahrzeuge, beispielsweise als Lkws, Schiffe, Flugzeuge oder Drohnen ausgebildet sein. Auch Züge können in Frage kommen obwohl diese aufgrund der Schienenbindung weiteren Einschränkungen unterliegen.
In weiterer Ausbildung ist das Kostenmatrixelement $d_{v, v'}^{a} \forall a \in A, v, v' \in V,$
welches die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich einem Transporter $a \in A$
angibt ungleich den Kostenmatrixelement $d_{v', v}^{a} \forall a \in A, v, v' \in V,$
welches die Kosten zwischen dem zweiten Anfahrtsort v' und dem ersten Anfahrtsort v angibt. Alternativ können diese auch identisch sein zur Reduktion verschiedener Kostenmatrixelemente.
Ferner sind die Nebenbedingungen gegeben durch: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter jeweils zu genau einem Zeitpunkt an genau einem Anfahrtsort befindet
als auch durch $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1, \forall v \in V$
mit
$a \in A$
gleich der Menge von Transportern,
$v \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Ferner ist die Energiefunktion H gegeben durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V | - 1}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit
$a \in A$
gleich der Menge von Transportern,
$v, v' \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet und Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V .$
Weitere Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Darin zeigen schematisch:

1: das Verfahren schematisch,
2: eine weitere Ausbildung des Verfahrens schematisch,
3: eine Visualisierung der Kosten zwischen verschiedenen Anfahrtsorten.

1 zeigt das Verfahren zur globalen Optimierung von Routen einer Transporterflotte in einer ersten Ausbildung schematisch. Dieses weist einen Digitalrechner 2 , beispielsweise in Form eines herkömmlichen Rechners/Computers auf. Dabei weist der Computer herkömmliche Computerelemente wie Speicher, CPU, Grafikkarte, Monitor, Tastatur etc auf.
In einem ersten Schritt S1 wird eine Menge von virtuellen Transportern $a \in A$
auf dem Digitalrechner 2, beispielsweise in der Speichereinheit gespeichert bzw. bereitgestellt. Transporter können insbesondere LKWs oder Schiffe oder Drohnen sein.
Ferner wird auf dem Digitalrechner 2 eine Anzahl von anzufahrenden Anfahrtsorten $v \in V$
durch die Transporter $a \in A$
virtuell bereitgestellt.
Anschließend wird in einem zweiten Schritt S2 eine Kostenmatrix mit Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in a \in A, v, v' \in V,$
welche die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich eines Transporters $a \in A$
angibt, durch den Digitalrechner 2 generiert. Dabei können Kostenmatrixelemente $d_{v', v}^{a} \forall a \in A, v, v' \in V,$
welche die Kosten zwischen dem ersten Anfahrtsort v und dem zweiten Anfahrtsort v' und dem ersten Anfahrtsort v angeben symmetrisch sein oder unsymmetrisch, wenn eine Diskrepanz zwischen dem Kostenmatrixelement $d_{v', v}^{a} \forall a \in A, v, v' \in V$
und dem Kostenmatrixelement $d_{v, v'}^{a} \forall a \in A, v, v' \in V$
besteht.
Dies bedeutet, dass beispielsweise ein vollbeladener Transporter beispielsweise mehr Energie, hier Benzin, bei einer Fahrt von Hamburg nach München verbraucht, als beispielsweise bei einer Leerfahrt von München nach Hamburg.
Dabei können die Kosten als Energie in Form von Benzin /Sprit (beispielsweise Benzinkosten) oder Stromkosten bei einem E-Fahrzeug sein oder CO2-Verbrauch oder Zeit, die benötigt wird oder als eine Kombination hiervon ausgebildet sein.
Anschließend wird in einem dritten Schritt S3 durch den Digitalrechner 2 eine maximal quadratische Energiefunktion H auf Basis der Kostenmatrix mit den Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V$
unter Verwendung nachfolgender binärer Variablen generiert: $b_{v, i}^{a} = {\begin{matrix} 1, w e n n T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots, | V |} \forall a \in A, v, v' \in V \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
Dabei wird die Energiefunktion H gegeben durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V | - 1}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit
$a \in A$
gleich der Menge von Transportern,
$v, v' \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet und Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V .$
Durch Verwendung von binären Variablen wird somit ein QUBO (Quadratisch Unconstrained Binary Optimization) Modell ausgebildet, welches das Problem hinreichend approximiert und welches auf dem Quantencomputer lösbar ist.
Ferner wird die Energiefunktion H unter folgenden Nebenbedingungen durch den Digitalrechner 2 generiert: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter $a \in A$
jeweils zu genau einem Zeitpunkt i ∈ {1,..., |V|} an genau einem Anfahrtsort $v \in V$
befindet als auch durch $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1, \forall v \in V$
wodurch alle vorgegebenen Anfahrtsorte $v \in V$
v während vorgegebener Zeitpunkte i ∈ {1,..., |V|) von einem Transporter $a \in A$
genau einmal angefahren werden
mit
$a \in A$
gleich der Menge von Transportern,
$v \in V$
v gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Die Nebenbedingungen können der Energiefunktion H als Strafterm hinzugefügt werden, zur Erhaltung der maximal quadratischen Ausbildung.
Ferner kann in einem vierten Schritt S4 ein adiabatisches Quantensystem in Form eines Quantenannealers 3 bereitgestellt werden, wobei der Quantenannealer 3 mit einer entsprechenden Energielandschaft assoziiert ist, wobei der Quantenannealer 3 mit dem Digitalrechner 2 zum Initialisieren der Qubits und zum Auslesen der Qubits gekoppelt ist.
Anschließend wird in einem fünften Schritt S5 ein anfänglicher Anfangszustand für den Quantenannealer 3 durch den Digitalrechner 2 generiert und damit die Energielandschaft des Quantenannealers 3 initialisiert. Der Anfangszustand des Quantencomputers entspricht typischerweise einem lösbaren Quantensystem in dem die Qubits im Grundzustand initialisiert werden. Dieser Anfangszustand wird dann in die Matrix der Problemstellung überführt, wodurch die Qubits idealerweise ebenfalls in den Grundzustand der Problemstellung gebracht werden.
Die Matrix wird im adiabatischen Quantencomputer in eine Kopplungsstärke der Qubits untereinander übersetzt.
In einem sechsten Schritt S6 ändert der Quantenannealer 3 den Anfangszustand in einen energetischen Grundzustand, wobei der energetische Grundzustand ein Minimum der Energiefunktion H unter den Nebenbedingungen kodiert.
In einem siebten Schritt S7 wird der erzielte energetische Grundzustand nach adiabatischer Änderung durch den Digitalrechner 2 gemessen und encodiert.
Anschließend kann in einem achten Schritt S8 der Digitalrechner 2 anhand der Encodierung jedem Transporter $a \in A$
eine kostenoptimierte Route zuweisen.
Durch ein solches erfindungsgemäßes Verfahren ist eine Kostenoptimierung hinsichtlich der Routen aller Transporter $a \in A$
sowie aller Anfahrtsorte $v \in V$
zusammen möglich. Dies war aufgrund der Vielzahl an Variablen bisher mit herkömmlichen Rechnern / Mitteln nicht möglich; vielmehr wurde hierzu Fachwissen eingesetzt.
2 zeigt eine weitere Ausgestaltung eines erfindungsgemäßen Verfahrens. Dieses weist den Digitalrechner 2 auf.
In dem ersten Schritt A1 wird die Menge von virtuellen Transportern, $a \in A$
auf dem Digitalrechner 2, und die Anzahl von anzufahrenden Anfahrtsorten $v \in V$
durch die Transporter $a \in A$
virtuell bereitgestellt.
Anschließend wird in einem zweiten Schritt A2 die Kostenmatrix mit Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in a \in A, v, v' \in V,$
welche die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich eines Transporters $a \in A$
angibt, durch den Digitalrechner 2 generiert.
Anschließend wird in dem dritten Schritt A3 durch den Digitalrechner 2 eine maximal quadratische Energiefunktion H auf Basis der Kostenmatrix mit den Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V$
unter Verwendung nachfolgender binärer Variablen generiert: $b_{v, i}^{a} = {\begin{matrix} 1, w e n n T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots, | V |} \forall a \in A, v \in V \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
Dabei ist die Energiefunktion H gegeben durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V | - 1}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit
$a \in A$
gleich der Menge von Transportern,
$v, v' \in V$
gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet und Kostenmatrixelementen $d_{v, v'}^{a} \forall a \in A, v, v' \in V .$
Ferner wird die Energiefunktion H unter folgenden Nebenbedingungen durch den Digitalrechner 2 generiert: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter $a \in A$
jeweils zu genau einem Zeitpunkt i ∈ {1,..., |V|} an genau einem Anfahrtsort $v \in V$
befindet
als auch durch $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1, \forall v \in V$
wodurch alle vorgegebenen Anfahrtsorte $v \in V$
während vorgegebener Zeitpunkte i ∈ {1,..., |V|}, von einem Transporter $a \in A$
genau einmal angefahren werden, mit
$a \in A$
gleich der Menge von Transportern,
$v \in V$
v gleich der Anzahl von anzufahrenden Anfahrtsorten,
$b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Ferner wird die Energiefunktion H unter folgenden Nebenbedingungen durch den Digitalrechner 2 generiert. Dabei wird als zusätzliche Startortnebenbedingung ein vorgegebener Startort $v_{0} \in V$
für einen Transporter $a \in A$
angegeben durch $b_{v_{0},1}^{a} = 1$
mit $a \in A$
und v₀ ∈ V für den Startzeitpunkt 1.
Als eine weitere zusätzliche Zielortnebenbedingung wird ein vorgegebener Zielort $v_{0} \in V$
für einen Transporter $a \in A$
angegeben, durch: $b_{v_{0}, | V |}^{a} = 1$
$m i t a \in A$
und v₀ E V für den Zielzeitpunkt |V|.
Als eine weitere zusätzliche Anzahlnebenbedingung wird eine vorgegebene maximale anzufahrende Anzahl von Anfahrtsorten m_a ∈ N für einen Transporter $a \in A$
angegeben durch: $\sum_{v \in V} \sum_{i \in {1, \dots, | V |}} b_{v, i}^{a} \leq m_{a}$
mit $b_{v, i}^{a}$
die binären Variablen und i ∈ {1,..., |V|} als Zeitpunkte, an dem sich der Transporter $a \in A$
an einem Anfahrtsort $v \in V$
befindet.
Die Nebenbedingungen können der Energiefunktion H ebenfalls als Strafterm hinzugefügt werden, zur Erhaltung der maximal quadratischen Ausbildung der Energiefunktion H.
Dabei können alle Nebenbedingungen oder nur einzelne der Energiefunktion H als Strafterm hinzugefügt werden.
Ferner kann in einem vierten Schritt A4 ein adiabatisches Quantensystem in Form des Quantenannealers 3 bereitgestellt werden.
Anschließend wird in einem fünften Schritt A5 ein anfänglicher Anfangszustand anhand der Energiefunktion H und der Strafterme durch den Digitalrechner 2 generiert und damit die Energielandschaft des Quantenannealers 3 initialisiert. Der Anfangszustand des Quantencomputers entspricht typischerweise einem lösbaren Quantensystem in dem die Qubits im Grundzustand initialisiert werden. Dieser Anfangszustand wird dann in die Matrix der Problemstellung überführt, wodurch die Qubits idealerweise ebenfalls in den Grundzustand der Problemstellung gebracht werden.
Die Matrix wird im adiabatischen Quantencomputer in eine Kopplungsstärke der Qubits untereinander übersetzt.
In einem sechsten Schritt A6 ändert der Quantenannealer 3 den Anfangszustand in einen energetischen Grundzustand, wobei der energetische Grundzustand ein Minimum der Energiefunktion H unter den Nebenbedingungen kodiert.
In einem siebten Schritt A7 wird der erzielte energetische Grundzustand nach adiabatischer Änderung durch den Digitalrechner 2 gemessen und encodiert.
Anschließend kann in einem achten Schritt A8 der Digitalrechner 2 anhand der Encodierung jedem Transporter $a \in A$
eine kostenoptimierte Route zuweisen.
3 zeigt schematisch mehrere Zielanfahrtsorte $v_{1}, v_{2}, v_{3}, v_{4} \in V$
sowie die Kosten $d_{v, v'}^{a} \forall a \in a \in A, v, v' \in V$
zwischen den ZielAnfahrtsorten $v_{0}, v_{1}, v_{2}, v_{3} \in V,$
welche die Kosten zwischen einem ersten Anfahrtsort v und einem zweiten Anfahrtsort v' bezüglich eines Transporters $a \in A$
angeben.
Dabei betragen die Kosten $d_{v 0, v_{1}}^{a}$
zwischen den Zielanfahrtsorten v₀, v₁ gleich K2; die Kosten $d_{v 0, v_{2}}^{a}$
zwischen den ZielAnfahrtsorten v₀, v₂ gleich K3, die Kosten $d_{v 0, v_{3}}^{a}$
zwischen den ZielAnfahrtsorten v₀, v₃ gleich K1, die Kosten $d_{v 1, v_{2}}^{a}$
zwischen den ZielAnfahrtsorten v₀, v₃ gleich K5; die Kosten $d_{v 2, v_{3}}^{a}$
zwischen den ZielAnfahrtsorten v₂, v₃ gleich K6 und die Kosten $d_{v 1, v_{3}}^{a}$
zwischen den ZielAnfahrtsorten v₁, v₃ gleich K4. Dabei können die Kosten beispielsweise die Zeit oder die Energie in Form von Benzin oder Strom sein.
Durch das erfindungsgemäße Verfahren und das erfindungsgemäße hybride Transportermanagementsystem 1 kann durch den Digitalrechner 2 und den Quantenannealer 3 eine Optimierung im Hinblick auf die Kosten, d.h. beispielsweise Energie (z.B. Treibstoff) oder CO2-Verbrauch oder Zeit, die benötigt wird, um den Transport zu rationalisieren oder eine Kombination hiervon gefunden werden und damit die Schaffung einer nachhaltigeren und effizienteren Logistik.
Bezugszeichenliste

1: Transportermanagementsystem
2: Digitalrechner
3: Quantenannealer
K1...K6: Kosten
: Transporter
: Anfahrtsorte
: Kostenmatrixelemente
: binäre Variablen
H: Energiefunktion
i ∈ {1,..., |V|}: als Zeitpunkten

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102018204205 A1 [0007]
DE 19646954 B4 [0008]

Claims

Verfahren zur globalen Optimierung von Routen einer Transporterflotte umfassend der Schritte: - Bereitstellen eines Digitalrechners (2), - Virtuelles Bereitstellen einer Menge von Transportern, $(a \in A)$
auf dem Digitalrechner (2), - Virtuelles Bereitstellen auf dem Digitalrechner (2) einer Anzahl von anzufahrenden Anfahrtsorten $v \in V$
durch die Transporter $(a \in A),$
- Generieren einer Kostenmatrix mit Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V)$

durch den Digitalrechner (2), welche die Kosten zwischen einem ersten Anfahrtsort (v) und einem zweiten Anfahrtsort (v') bezüglich eines Transporters $(a \in A)$
angibt, - Generieren einer Energiefunktion (H) durch den Digitalrechner (2) auf Basis der Kostenmatrix mit den Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V)$

unter Verwendung nachfolgender binärer Variablen: $b_{v, i}^{a} = {\begin{matrix} 1, T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots, | V |} \forall a \in A, v \in V \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
wobei die Energiefunktion (H) unter folgenden Nebenbedingungen generiert wird: ◯ nur genau ein Transporter $(a \in A)$
befindet sich jeweils zu genau einem Zeitpunkt (i ∈ {1,..., |V|}) an genau einem Anfahrtsort (v ∈ V), ◯ alle vorgegebenen Anfahrtsorte (v ∈ V) werden von einem Transporter $(a \in A)$
während der Zeitpunkte (i ∈ {1,..., |V|}) genau einmal angefahren, - Bereitstellen eines adiabatischen Quantensystems, wobei das Quantensystem mit einer entsprechenden Energielandschaft assoziiert ist, wobei das Quantensystem mit dem Digitalrechner (2) gekoppelt wird, - Generieren eines anfänglichen Anfangszustands für das Quantensystem anhand der Energiefunktion (H) durch den Digitalrechner (2) sowie Initialisieren der Energielandschaft anhand des Anfangszustands durch den Digitalrechner (2), - Ändern des Anfangszustands in einen energetischen Grundzustand durch das adiabatische Quantensystem unter Verwendung der Energiefunktion (H), wobei der energetische Grundzustand ein Minimum der Energiefunktion (H) unter den Nebenbedingungen kodiert, - Messen des energetischen Grundzustands nach adiabatischer Änderung durch den Digitalrechner (2), - Encodieren der Messung durch den Digitalrechner (2), - Zuweisen einer kostenoptimierten Route für jeden Transporter $(a \in A)$
durch den Digitalrechner (2) anhand der Encodierung.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Nebenbedingungen als Strafterm der Energiefunktion (H) hinzugefügt werden.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Nebenbedingungen gegeben sind durch: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter $(a \in A)$
jeweils zu genau einem Zeitpunkt (i ∈ {1,..., |V|}) an genau einem Anfahrtsort $(v \in V)$
befindet als auch durch $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1,_{\forall v \in V}$
wodurch alle vorgegebenen Anfahrtsorte $(v \in V)$
während vorgegebener Zeitpunkte (i ∈ {1,..., |V|}) von einem Transporter $(a \in A)$
genau einmal angefahren werden mit $(a \in A)$
gleich der Menge von Transportern, $(v \in V)$
gleich der Anzahl von anzufahrenden Anfahrtsorten, $(b_{v, i}^{a})$
die binären Variablen und (i ∈ {1,..., |V|}) als Zeitpunkte, an dem sich der Transporter $(a \in A)$
an einem Anfahrtsort $(v \in V)$
befindet.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Energiefunktion (H) gegeben wird durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V | - 1}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit $(a \in A)$
gleich der Menge von Transportern, $(v, v' \in V)$
gleich der Anzahl von anzufahrenden Anfahrtsorten, $(b_{v, i}^{a})$
die binären Variablen und (i ∈ {1,..., |V|}) als Zeitpunkte, an dem sich der Transporter $(a \in A)$
an einem Anfahrtsort $(v \in V)$
befindet und Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V) .$
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als zusätzliche Startortnebenbedingung ein vorgegebener Startort $(v_{0} \in V)$
für einen Transporter $(a \in A)$
angegeben wird.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Startortnebenbedingung gegeben wird durch: $b_{v_{0},1}^{a} = 1$
mit $a \in A$
und v₀ ∈ V.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als zusätzliche Zielortnebenbedingung ein vorgegebener Zielort $(v_{0} \in V)$
für einen Transporter $(a \in A)$
angegeben wird.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die Zielortnebenbedingung gegeben wird durch: $b_{v_{0}, | V |}^{a} = 1$
mit $a \in A$
und v₀ ∈ V.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als zusätzliche Anzahlnebenbedingung eine vorgegebene maximale anzufahrende Anzahl von Anfahrtsorten (m_a ∈ N) für einen Transporter $(a \in A)$
gegeben wird durch: $\sum_{v \in V} \sum_{i \in {1, \dots, | V |}} b_{v, i}^{a} \leq m_{a}$
mit $(b_{v, i}^{a})$
die binären Variablen und (i ∈ {1,..., |V|}) als Zeitpunkte, an dem sich der Transporter $(a \in A)$
an einem Anfahrtsort $(v \in V)$
befindet.
Verfahren nach einem der vorhergehenden Ansprüche 5 bis 9, dadurch gekennzeichnet, dass die als Startortnebenbedingung und/oder die Zielortnebenbedingung und/oder die Anzahlnebenbedingung ausgebildeten Nebenbedingung der Energiefunktion als Strafterm hinzugefügt werden zur Ausbildung eines QUBO (Quadratisch Unconstrained Binary Optimization) Modells.
Hybrides Transportermanagementsystem (1) zur globalen Optimierung von Routen einer Transporterflotte umfassend: ein Digitalrechner (2) mit einer Menge von virtuellen Transportern $(a \in A)$
sowie einer Anzahl von anzufahrenden virtuellen Anfahrtsorten $(v \in V)$
durch die Transporter $(a \in A),$
dadurch gekennzeichnet, dass der Digitalrechner (2) dazu ausgebildet ist, eine Kostenmatrix mit Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V),$
welche die Kosten zwischen einem ersten Anfahrtsort (v) und einem zweiten Anfahrtsort (v') bezüglich einem Transporter $(a \in A)$

angibt, zu generieren als auch dazu ausgebildet ist, eine Energiefunktion (H) auf Basis der Kostenmatrix mit den Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V)$
unter Verwendung nachfolgender binärer Variablen: $b_{v, i}^{a} = {\begin{matrix} 1, w e n n T r a n s p o r t e r a a m Anfahrtsort v z u m Z e i t p u n k t i \in {1, \dots, | V |} \\ 0, w e n n k e i n T r a n s p o r t s t a t t f i n d e t \end{matrix}$
$\forall a \in A a \in A$
und v ∈ V unter folgenden Nebenbedingungen zu generieren: ◯ nur genau ein Transporter $(a \in A)$
befindet sich jeweils zu genau einem Zeitpunkt (i ∈ {1,..., |V|}) an genau einem Anfahrtsort $(v \in V),$
◯ alle vorgegebenen Anfahrtsorte $(v \in V)$
werden von einem Transporter $(a \in A)$
genau einmal während der Zeitpunkte (i ∈ {1, ..., |V|}) angefahren, ferner aufweisend ein adiabatisches Quantensystem, wobei das Quantensystem mit einer entsprechenden Energielandschaft assoziiert ist, wobei das Quantensystem mit dem Digitalrechner (2) gekoppelt ist, und wobei der Digitalrechner (2) zum Generieren eines anfänglichen Anfangszustands für das Quantensystem anhand der Energiefunktion (H) ausgebildet ist sowie zum Initialisieren der Energielandschaft anhand des Anfangszustands, und wobei das adiabatische Quantensystem dazu ausgebildet ist, ein Ändern des Anfangszustands in einen energetischen Grundzustand unter Verwendung der Energiefunktion (H) zu bewerkstelligen, wobei der energetische Grundzustand ein Minimum der Energiefunktion (H) unter den Nebenbedingungen kodiert, und wobei der Digitalrechner (2) dazu ausgebildet ist, ein Messen des energetischen Grundzustands nach adiabatischer Änderung und ein Encodieren der Messung zu bewerkstelligen sowie jeden Transporter $(a \in A)$
eine kostenoptimierte Route anhand der Encodierung zuzuweisen.
Hybrides Transportermanagementsystem (1) nach Anspruch 11, dadurch gekennzeichnet, dass die Transporter $(a \in A)$
als Fahrzeuge, Schiffe, Flugzeuge oder Drohnen ausgebildet sind.
Hybrides Transportermanagementsystem (1) nach einem der vorhergehenden Ansprüche 11 oder 12, dadurch gekennzeichnet, dass das Kostenmatrixelement $(d_{v, v'}^{a} \forall a \in A, v, v' \in V),$
welches die Kosten zwischen einem ersten Anfahrtsort (v) und einem zweiten Anfahrtsort (v') bezüglich einem Transporter $(a \in A)$
angibt, ungleich den Kostenmatrixelement $(d_{v', v}^{a} \forall a \in A, v, v' \in V),$
welches die Kosten zwischen dem zweiten Anfahrtsort (v') und dem ersten Anfahrtsort (v) angibt, ist.
Hybrides Transportermanagementsystem (1) nach einem der vorhergehenden Ansprüche 11 bis 13, dadurch gekennzeichnet, dass die Nebenbedingungen gegeben sind durch: $\sum_{v \in V} b_{v, i}^{a} = 1 \forall a \in A, i \in {1, \dots, | V |}$
wodurch sich genau ein Transporter $(a \in A)$
jeweils zu genau einem Zeitpunkt (i ∈ {1,..., |V|}) an genau einem Anfahrtsort $(v \in V)$
befindet als auch durch $\sum_{i \in {1, \dots, | V |}} \sum_{a \in A} b_{v, i}^{a} = 1,_{\forall v \in V}$
mit $(a \in A)$
gleich der Menge von Transportern, $(v \in V)$
gleich der Anzahl von anzufahrenden Anfahrtsorten, $(b_{v, i}^{a})$
die binären Variablen und (i ∈ {1,..., |V|}) als Zeitpunkte, an dem sich der Transporter $(a \in A)$
an einem Anfahrtsort $(v \in V)$
befindet.
Hybrides Transportermanagementsystem (1) nach einem der vorhergehenden Ansprüche 11 oder 14, dadurch gekennzeichnet, dass die Energiefunktion (H) gegeben ist durch: $H = \sum_{v, v' \in V} \sum_{i \in {1, \dots, | V | - 1}} \sum_{a \in A} b_{v, i}^{a} d_{v, v'}^{a} b_{v', i + 1}^{a}$
mit $(a \in A)$
gleich der Menge von Transportern, $(v, v' \in V)$
gleich der Anzahl von anzufahrenden Anfahrtsorten, $(b_{v, i}^{a})$
die binären Variablen und (i ∈ {1,..., |V|}) als Zeitpunkte, an dem sich der Transporter $(a \in A)$
an einem Anfahrtsort $(v \in V)$
befindet und Kostenmatrixelementen $(d_{v, v'}^{a} \forall a \in A, v, v' \in V) .$