JPH07234997A - 配車計画立案方法及び配車計画立案システム - Google Patents

配車計画立案方法及び配車計画立案システム

Info

Publication number
JPH07234997A
JPH07234997A JP14599394A JP14599394A JPH07234997A JP H07234997 A JPH07234997 A JP H07234997A JP 14599394 A JP14599394 A JP 14599394A JP 14599394 A JP14599394 A JP 14599394A JP H07234997 A JPH07234997 A JP H07234997A
Authority
JP
Japan
Prior art keywords
vehicle allocation
plan
delivery
vehicle
parent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP14599394A
Other languages
English (en)
Inventor
Haruki Inoue
春樹 井上
Mayumi Mizutani
真由美 水谷
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.)
Hitachi Engineering Co Ltd
Original Assignee
Hitachi Engineering 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 Hitachi Engineering Co Ltd filed Critical Hitachi Engineering Co Ltd
Priority to JP14599394A priority Critical patent/JPH07234997A/ja
Publication of JPH07234997A publication Critical patent/JPH07234997A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Time Recorders, Dirve Recorders, Access Control (AREA)
  • Feedback Control In General (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 【目的】受注オーダー予測情報に基づいて最小コストで
の配車を実現する配車計画方法と配車計画システムを提
供する。また、多数の車や店、数万点に及ぶ配送物品、
変動する道路状況等を観察し、短時間でコストが最小と
なる最適配車／配送計画の立案システムを提供する。 【構成】配送、実績、統計データの入力を行う入力装置
３と、配車計画に必要なデータを受信し短時間でコスト
が最小となる最適配車計画を立案する配車計画処理装置
と、前記入力情報と配車計画に要する基本情報と配車計
画結果を少なくとも記憶する記憶装置６と、配車計画の
結果を表示する出力装置３で構成される。配車計画処理
装置はセルプロセッサ５を含み、遺伝的ニューロ処理に
より最適の配車計画案を選出する。 【効果】物流の分野における適正な配車計画が可能とな
り、配車コストの低減が図れる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は流通分野における様々な
計画立案、設計、制御における最適案を提供する手段及
び方法に関し、特に、順列組合せの数が膨大な配車計画
の問題を簡易な構成で極めて高速に解決する配車計画立
案システムび配車計画立案方法に関する。
【０００２】
【従来の技術】近年の流通業界をとりまく状況は極めて
厳しく、物流のコストを最小にすることが至上の課題と
なっている。この様な状況の中での物流計画システム
は、単に計画立案者の負担低減やノウハウ伝承と言った
消極的目的のみでなく、入荷〜出荷〜物流を通じてのコ
スト最小を実現できるものが不可欠となっている。すな
わち、物流計画システムに対しては次のようなニーズが
ある。 （１）物流ロスコストを削減する。 （２）日々の計画変更へ迅速に対応する。 （３）予め日々の正確な輸送計画を知る。 （４）納期遅延／誤出荷をなくす。 （５）作業指示や実績収集のための工数を減らす。
【０００３】一方、製造の効率向上、ＳＩＳ（戦略的情
報システム）の実現等を目的として、オペレーションズ
リサーチ、ＡＩ（人工知能）、ＧＡ（遺伝的アルゴリズ
ム）等を応用した計画システムの開発が進んでいる。こ
れらの方法は、それぞれ得意とする分野があり、問題に
応じた最も的確な手段を用いることが、最小の投資で最
大の効果を得ることになるのは言うまでもない。
【０００４】
【発明が解決しようとする課題】しかしながら、流通の
分野においては、計画システムとして充分なものが開発
されていない。従来の物流計画システムの開発を阻害す
る要因としては、次のような問題が挙げられる。 （１）厳密なニーズ（オーダー）と輸送能力の把握がで
きていない。 （２）急なオーダーの変更や取消しが多い。 （３）道路事情の変動が大きい。 （４）手書きのために、正確なドキュメントができな
い。
【０００５】本発明の目的は、流通業界における物流コ
ストを最小にするために、受注オーダー予測情報に基づ
いて最小コストでの配車を実現する配車計画方法と配車
計画システムを提供することにある。
【０００６】本発明の他の目的は、数百台のトラック、
数百ヶ所の店、数万点に及ぶ配送物品、大きく変動する
道路状況等を観察し、短時間でコストが最小となる最適
配車／配送計画の立案方法と配車計画システムを提供す
ることにある。
【０００７】
【課題を解決するための手段】本発明の特徴は、配送、
実績、統計データの入力を行う入力装置と、配車計画に
必要なデータを受信し短時間でコストが最小となる最適
配車計画を立案する最適計画立案装置と、前記入力情報
と配車計画に要する基本情報と配車計画結果を少なくと
も記憶する記憶装置と、配車計画の結果を表示する出力
装置で構成される配車計画立案システム及び配車計画立
案方法にある。最適配車計画立案システムは遺伝的ニュ
ーロ処理装置を含み、この遺伝的ニューロ処理装置によ
り以下のような処理により、最適の配車計画案を選出す
る。第一世代の親配車計画を所定数だけ生成する初期計
画生成ステップと、該複数の親配車計画案に対応してそ
の目的関数値を演算する演算ステップと、前記複数の親
配車計画案を前記目的関数値の下降順あるいは上昇順に
並べる計画並べ替えステップと、前記親配車計画案を所
定数だけ選択する親配車計画選択ステップと、該選択さ
れた前記親配車計画案に対して任意の２個の要素を入れ
替えて子配車計画を生成する子配車計画生成ステップ
と、前記親配車計画と生成された前記子配車計画に対し
て、前記演算ステップおよび前記配車計画並べ替えステ
ップを起動し、所定数分だけの配車計画を新たな親配車
計画として選択する世代交代ステップと、第二世代から
予め定められた世代数まで、前記親配車計画選択ステッ
プ、前記子配車計画生成ステップおよび前記世代交代ス
テップを繰り返し起動させ、選択された複数の配車計画
の中から前記目的関数の値に基づいて１つの配車計画を
配車計画案として選出する最適配車計画選出ステップか
らなる。
【０００８】
【作用】本発明によれば、「物流におけるコスト」を常
に定量的に把握することができ、原価最小の物流を支援
する。ここで、「物流におけるコスト」とは、労働時
間、輸送手段の稼働率、納期遵守率、仕掛在庫量、突発
事象への対応等に要する必要コスト及び無駄コストの和
を示す。本発明の配車計画システムは、十分良い「可能
解」を出発点とし、種々の制約条件を守りながらベスト
の解を探索していくので、コスト最小へ近づくことがで
きる。
【０００９】また、多目的配車計画の立案、すなわち種
々の目的を十分満足しながら、受注状況に応じた時々刻
々変化する配車計画の目的項目の最適化が可能である。
【００１０】これには、ニューロ、ＧＡ、ＡＩの優れた
機能を取り込むことにより、組合せの爆発問題を短時間
で解法できる。すなわち、本発明を実現するために、
１，０００ＭＩＰＳ以上の処理性を有する、ＧＡ（遺伝
的アルゴリズム）とニューラルネットワークを応用し
た、超並列スーパーコンピュータを用いるのがよい。
【００１１】本発明によれば、運用や設備が変更になっ
ても配車計画論理の変更は少なく、容易に追従できる。
また、計画論理は、「あらゆる組合せ」を探索するのと
等価であり、「並列処理コンピュータ」の増強で、所望
の高速化が得られる。すなわち、情報処理やコンピュー
タの進展に同期して高性能化できる。
【００１２】
【実施例】以下本発明の一実施例を説明する。図１は、
本発明の配車計画システムの構成を示すものである。配
車計画処理装置１は、入力装置３に接続され入力情報を
取り込む入力装置制御ユニット８と、出力装置２に接続
され出力情報を出力する出力装置制御ユニット７と、定
数あるいは変数を記憶する共有メモリー６と、装置全体
を制御するセルプロセッサ超並列制御ユニット４と、前
記共有メモリー６及びセルプロセッサ超並列制御ユニッ
ト４に接続され、同一時間でそれぞれの処理を実行でき
る複数のセルプロセッサ５とにより構成される。本例で
はセルプロセッサ５は６４個となっているが、要求され
る処理性に応じて増減が可能である。プロセッサが１個
の逐次実行型のコンピュ−タであってもよいのは言うま
でもない。
【００１３】図２は、前記セルプロセッサ５の詳細構成
例を示したものである。セルプロセッサ５は、整数演
算、実数演算等の処理を行う主演算装置（ＣＰＵ）９
と、該当セルプロセッサ内のみで使用するローカル記憶
装置１０と、他のセルプロセッサとの処理の同期を図る
並列処理スケジューラ１１と、前記共有メモリー６、セ
ルプロセッサ超並列制御ユニット４との情報の送受信及
び処理タイミングの同期を図るチャネル制御装置１２
と、前記主演算装置９とローカル記憶装置１０と並列処
理スケジューラ１１とチャネル制御装置１２を結合する
バス機構１３により構成されている。
【００１４】次に、図３に配車計画処理装置１の処理の
概要を示す。この装置は、遺伝的ニュ−ロコンピュ−タ
によって構成され、最適化処理Ａとプロセッサ割当て制
御処理Ｂとを世代数繰り返すように動作する。最適化処
理Ａは、各前記セルプロセッサ毎に与えられた計画案を
予め定められた操作により変更した場合の目的関数差分
値を予見演算し、変更後の配車計画が優れている場合
は、配車計画を変更し、最適配車計画候補案としそうで
ない場合は与えられた配車計画を最適配車計画候補案と
する。最適化処理Ａは、複数で、かつ同一時刻で並列的
に処理される。プロセッサ割当て制御処理Ｂは、前記定
められた複数の最適配車計画候補案の目的関数値に従っ
て、次回（次世代）の各々のセルプロセッサの処理すべ
き配車計画案を割当てる。ここで世代数は、配車計画対
象数をｎ、セルプロセッサの数をＰｎとするとｎ2／Ｐ
ｎである。従って、セルプロセッサの数を配車計画対象
数ｎとすると、世代数は、ｎ2／ｎ＝ｎとなる。
【００１５】具体的な処理フローを図４に示す。与えら
れている運用／設備上の条件として（１）輸送単位は
（店×便）でのコンテナとすること（以下ロット（ｉ）
とする）。（２）１台のトラックへの積載は最大容量以
内かつ最大重量以内とすること。（３）各ロットの納期
は厳守すること。従って地域により配送可能量が変わ
る。目的項目はコスト最小（トラック台数最小）、納期
余裕最大等が考えられる。
【００１６】処理Ｃで配車可能トラックを（コスト／ｍ
3）の昇順に並び替える。処理Ｄで、遺伝的ニュ−ロに
よる最小コストの月間配車計画を立案する。処理Ｂで
は、地域数くり返し、処理Ａでは１ヵ月分くり返す。処
理Ｅで立案した配車計画を出力する。
【００１７】処理Ｃの内容は次のとおりである。 （１） トラック（ｔ）の容積コストパフォーマンス指
標ＣＰtを計算する。 ＣＰt＝（トラックｔの手配コスト）／（容積）／（ｄ
ａｙ） ＝（ｋ￥/ｍ3）／ｄａｙ。 （２） 次にＣＰtの小さい順に並べかえる。
【００１８】次に処理Ｄの内容を説明する。配車計画に
おける染色体は該当地区に含まれるロット（ｉ）を要素
とする、Ｘ＝（（１）（２）（３）…（ｉ））で定義で
きる。このＸの場合は図９の様に要素（ｉ）を並びの順
にトラックに割り付けていく。このとき容積オーバーと
なるロットで次のトラックに移行する。図９中の斜線部
分は無効スペースとなるのでこの部分が少ない程トラッ
ク台数が減少する。ニューロ／ＧＡにてＸを変異させて
いくとトラック台数すなわちコスト最小の配車計画が短
時間で得られる。本発明の動作の詳細を示すため、図５
以下を参照して説明する。図５は、いわゆる「巡回セー
ルスマン問題」を計画題例としたもので、前記入力装置
３を介して与えられた問題が、設定された状態を示して
いる（このような状態は、例えば、表示装置２に表示さ
せる構成にしておけば良い）。
【００１９】さて問題は、地点「０：●」を出発し、地
点「１」から「１０」までを１回だけ訪問して、最地点
「●」に戻る経路のうちで、例えば、距離が最も短くな
るものを決定する問題である。
【００２０】ここでは、目的関数を距離の総和とし、最
適化の目的は距離を最も短くすることとしたが、目的関
数は、全箇所を訪問するのに要する所要時間の総和であ
っても、自動車等の訪問に使用する手段が消費するエネ
ルギーの総和であってもよいことは言うまでもない。
【００２１】さて、設定された訪問順をベクトルＸで表
現すると、 Ｘ＝（１，２，３，４，５，６，７，８，９，１０） となる。また、各地点の間の距離は、予め定まっている
ものとする。ここでは、共有メモリー６の中に、地点ｆ
から地点ｔ（ｆ，ｔは、０から１０の数）までの距離マ
トリックスＤ（ｆ，ｔ）（図５参照）が格納されてい
る。
【００２２】図１１は、セルプロセッサの処理フロ−を
説明したものである。まず、ステップ１０において、逆
位操作結果を予見する。
【００２３】計画立案の基本コンセプトは、与えられた
計画Ｘの要素の並びを少し変化させてみることである。
ここでは、これを「摂動」と称している。遺伝子操作の
逆位に対応する。
【００２４】すなわち、例えばベクトルＸを構成する要
素のｊ＝３番目と、Ｋ＝８番目の範囲に含まれる要素の
並びを逆転させるわけである。この時ｊとｋは、 ｊ＜ｋおよび１≦ｊ、ｋ≦１０ なる条件を満足し、かつ、各々上記範囲内で一様分布す
る乱数である。
【００２５】この操作により新たな配車計画Ｙは、 Ｙ＝（１，２，８，７，６，５，４，３，９，１０） となる。
【００２６】次に、ある計画Ａの目的関数をＦ（Ａ）と
すると、ここでは合計距離であるから、以下での計算の
都合上、地点「●」を「１１」とすると、 Ｆ（Ｘ）＝ΣＤm-m+1（Σは、ｍ＝１から１０までの総和をとる） ＝Ｄ1-2＋Ｄ2-3＋Ｄ3-4＋Ｄ4-5＋Ｄ5-6＋Ｄ6-7＋Ｄ7-8＋Ｄ8-9 ＋Ｄ9-10＋Ｄ10-11 ＝１７＋２３＋２７＋４１＋３４＋４５＋４３＋１２＋２２＋２４ ＝２８８ となり、同様に、 Ｆ（Ｙ）＝Ｄ1-2＋Ｄ2-8＋Ｄ8-7＋Ｄ7-6＋Ｄ6-5＋Ｄ5-4＋Ｄ4-3＋Ｄ3-1 ＋Ｄ9-10＋Ｄ10-11 ＝１７＋４５＋４３＋４５＋３４＋４１＋２７＋２７＋２２＋２４ ＝３２５ となる。
【００２７】図６をみてもＹの方が直感的に長いことが
わかる。ここでＸとＹの目的関数差分値△Ｆｘｙを、 △Ｆｘｙ＝Ｆ（Ｙ）−Ｆ（Ｘ） と定義すると、 △Ｆｘｙ＝３２５−２８８ ＝３７ となる。
【００２８】次に、図１１のステップ２０〜３０につい
て説明する。ここでは、ステップ１０で得られた解が最
適解に近いか否かを判断する。図７は、本発明において
見出した目的関数値の推移の有する特有な性質を示した
ものである。図７の（ａ）は、横軸に立案回数ｉ毎に定
まる計画順ベクトルＸ（ｉ）、縦軸に、その目的関数値
を定義したものである。計画順ベクトルの並びを、少し
ずつ変化させ、その時の目的関数値を比較しながら適正
に、最適解に近い計画順ベクトルに置き換えて行く。こ
の場合図に示すように、例えば、Ｘ（ｉ）の様な極点
（本実施例では、極小点）になる場合でも、次のベクト
ルに移行し、十分な回数の立案を行った後に、最適解ベ
クトルＸｏｐに達することが分かる。
【００２９】従って、この様に毎回新しい計画Ｘｉ＋１
を作成し、その目的関数値Ｆ（Ｘｉ＋１）を演算し、前
回の計画Ｘｉの目的関数値Ｆ（Ｘｉ）と比較して、より
小さい、あるいは、大きなものを最適計画候補としてい
く処理を行えば良いのであるが、この方法であると、計
画対象数であるｎが大きくなった場合に、新しい配車計
画を作成し、目的関数値を計算するのに膨大な時間を要
することになる。そこで、本発明では、この様な課題を
解決するために、立案毎に新しい配車計画を作成するこ
とを不要とする性質を計画問題の有する性質から見出し
た。図７の（ｂ）は、横軸に計画順ベクトルＸｉをと
り、縦軸に、その目的関数Ｆ（Ｘｉ）のＸｉに対する微
分値△Ｆ（Ｘｉ）をとって表現したものである。
【００３０】すなわち、 △Ｆ（Ｘｉ）＝ｄＦ（Ｘｉ）／ｄＸｉ＝Ｆ（Ｘｉ＋１）
−Ｆ（Ｘｉ） である。
【００３１】これは、立案回数毎の目的関数差分値を表
わしており、新しい計画「Ｘｉ＋１」の目的関数値が前
回の計画における目的関数値より小さくなる場合には、
負となり、そうでない場合は、ゼロ、または正となる。
【００３２】その推移は、図に示される通り、Ｆ（Ｘ
ｉ）と対応するが、波形はゼロを中心とした、減衰振動
（すなわち、振幅が小さくなりながら周期も変化してい
く波形）に類似した波形になる。
【００３３】厳密な実験によると、一般的な計画問題に
おいては、問題の内容に関わらず、この様な形となり、
Ｘｉを時刻と考えた場合の振幅の減衰度合は、 例えば、Ｃ／ｌｏｇ（ｉ＋２）（本実施例では、Ｃ＝１
００） の相似形になることがわかった。
【００３４】これは△Ｆが正になった場合、つまり、新
しい計画の目的関数値が前回の計画より悪くなった時で
も（すなわち、最小化問題の場合には増加した場合：最
小化問題の場合には減少した場合）、Ｃ／ｌｏｇ（ｉ＋
２）より小さな場合には、新しい計画を最適解候補に置
き換えていくことにより、十分大きなｉに対応する順ベ
クトルＸｉでは、必ず最適解に達することを示してい
る。
【００３５】この性質は、最適化の処理性能の向上に極
めて大きな貢献を行う。何故ならば、立案の繰り返し毎
に、新しい計画を全て作成し、該新計画に対する目的関
数値を演算する必要がなく、単に、少し計画を変化させ
（すなわち要素並びの一部を変化させ）、かかる変化さ
せた部分のみについて、検討すればよいわけである。こ
れにより、最適化の対象である数ｎに依存せずに、目的
関数値がどのように推移するかの検討が可能となり、配
車計画問題の解決を高速に実現できる。
【００３６】このことを、以下具体例を参照して説明す
る。最適化の第１の工夫は、△Ｆｘｙの演算方法にあ
る。図３に示す例においては、 Ｆ（Ｘ）＝Σ（Ｄｍｘ） （Σは、ｍｘ＝１から１０ま
での総和を表し、文字Ｘは、計画Ｘに関することを表
す）、 Ｆ（Ｙ）＝Σ（Ｄｍｙ） （Σは、ｍｙ＝１から１０ま
での総和を表し、文字Ｙは、計画Ｙに関することを表
す）、 の全てを計算したが、最適化のためには（距離の総和を
最小にするためには）、多くの冗長な処理を含んでい
る。何故ならば、最適化を行うのに必要なのは、目的関
数値ではなく、目的関数差分値であるからである。
【００３７】図６において、本発明による操作を行った
場合、ある２点の評価に可逆性（順番が変わっても、あ
る２点間の関係が不変、例えば、（１）→（２）でも
（２）→（１）でも距離は同じであること等をいう）が
ある場合には、高々２ヶ所の変更が行われているだけで
あり、しかもこれは最適化対象数ｎに依存していない。
【００３８】図６で説明すると、ＸからＹを生成する場
合に変更されたのは、ＸのＤ2-3とＤ8-9を取り除いた点
と、Ｄ2-8とＤ3-9が加わった点のみである。これを数式
で表すと、 △Ｆｘｙ＝Ｆ（Ｙ）−Ｆ（Ｘ）（Ｄ1-2＋Ｄ2-8＋Ｄ8-7
＋Ｄ7-6＋Ｄ6-5＋Ｄ4-3＋Ｄ3-9＋Ｄ9-10 ＋Ｄ10-11）
−（Ｄ1-2＋Ｄ2-3＋Ｄ3-4＋Ｄ4-5＋Ｄ5-6＋Ｄ7-8 ＋Ｄ
9-10＋Ｄ10-11） ここで本問題では、任意の地点ｊ，ｋに対して Ｄj-k＝Ｄk-j が成立するので △Ｆｘｙ＝（Ｄ2-8＋Ｄ3-9）−（Ｄ2-3＋Ｄ8-9） となる。操作ポインターｊ，ｋを用いて一般化すると、 △Ｆｘｙ＝（Ｄ（ｊ−１） ｋ＋Ｄｊ （ｋ＋１））−（Ｄ（ｊ−１） ｊ＋ Ｄｋ−（ｋ＋１））…（式１） となり、最適化対象数ｎに依存せず、３回の加算、減算
を行うのみでよいことがわかる。
【００３９】今まで順ベクトルの並びの変更すなわち、
主として、数学的順列問題について述べてきたが、同様
な考え方で、数学的組み合わせ問題も解決することが可
能である。図８は、記憶手段３内の、予め格納されてい
る定数例を示したものである。 テーブルｊとｋはそれ
ぞれ世代ｉ＝１からｉ＝ｎ2まで次のような性質を有す
る整数値がセットされている。ｐｒはセルプロセッサ番
号である。 （１）Ｊ（ｉ、ｐｒ）＜ｋ（ｉ、ｐｒ）（以下、ｉは立
案回数） （２）１≦Ｊ（ｉ、ｐｒ）、Ｋ（ｉ、ｐｒ）≦ｎ （３）上記（２）レンジ内で一様分布する。
【００４０】式１を、再度、書き直すと、 △Ｆ（ｉ）＝（Ｄ（Ｊ（ｉ）−1）→Ｋ（ｉ）＋ＤＪ（ｉ）→（Ｋ（ｉ）＋1）） −（Ｄ（Ｊ（ｉ）−1）→ｊ（ｉ）＋ＤＫ（ｉ）→（Ｋ（ｉ）＋1）） ………………………（式２） ここで、本実施例での値 Ｊ（ｉ）＝３ Ｋ（ｉ）＝８ を（式２）に代入すると、 △Ｆ（ｉ）＝（Ｄ2-8＋Ｄ3-9）−（Ｄ2-3＋Ｄ8-9） ＝（４５＋２７）−（２３＋１２） ＝７２−３５ ＝３７ ＝Ｆ（Ｙ）−Ｆ（Ｘ） となり、ｎに依存せずに、目的関数差分値が求まること
が分かる。
【００４１】また、図８に示されるＣは、目的関数差分
値△Ｆｘｙと比較するための定数であり、ｉ＝１からｎ
2まで、例えば、次のような値が、記憶手段が備えるテ
ーブル上に設定されている。ｉは世代である。 Ｃ（ｉ）＝Ｃ1・ａ（ｉ）／ｌｏｇ（ｉ＋２） 但し、ｌｏｇは、自然対数、ａ（ｉ）は、「０．０」か
ら「１．０」に分布する一様乱数である。すなわち、世
代ｉの増加により、分布するレンジが小さくなるような
値であればよい。Ｃ1は△Ｆにより容易に定めることが
できる。Ｃ1＝１００とした場合のＣ（ｉ）の分布エリ
アの推移を図８に示す。斜線内にＣ（ｉ）は存在するこ
とになる。
【００４２】以上が、図１１のステップ２０〜３０の処
理である。次に、図６の問題を本発明にかかる手段を使
用して解決する場合、最適化の対象となる対象数ｎを変
えると共に、初期状態Ｘを変えて実験し、最適解に到達
した回数の度数分布を作成したところ、ｎ＝５００まで
において、全てｎ3回以下で、最適解に達した。これは
少なくともｎ3回の検討を行なえば最適解が得られるこ
とを示していることにほかならない。
【００４３】以上までの説明は、処理プロセッサ−が１
個の逐次処理型のコンピュ−タ−を用いた場合の最適計
画立案について述べたものであり、本発明におけるセル
プロセッサ５の動作についてのみ行なったものである。
【００４４】本発明は、更に前記ｎ3回を要する処理性
を更に以下の方法で高速化する。図１２は、前記説明に
おいての計算案ａ：＝（１ ２ ３ ４ ５ ６ ７
８）をセルプロセッサ１での世代＝１での最適解候補と
して、ａ：が次の世代＝２にて、セルプロセッサ１、
２、３の３個のプロセッサで変異を受けた状態を示して
いる。ａ：からの変異として、逆位を行ない移行できる
集合は８都市から２都市を選ぶ組合せ、すなわち、Ｃ2
の組合せ数の要素を有する。従って、この中から最適解
に近い候補を選択する確率は、与えるセルプロセッサの
数の分だけ増大することがわかる。すなわち、十分多く
のセルプロセッサを具備することにより確実に最適解に
近づく速度が画期的に早くなる訳である。この場合、ど
の計画候補をどのセルプロセッサに割り当てるかは、優
性遺伝的法則の応用で解決できることを以下の説明で明
らかにする。
【００４５】図１０は、セルプロセッサ超並列制御ユニ
ット（以下プロセッサ割当制御と称す）４の処理手段を
示したものである。本例では、巡回セ−ルスマン問題の
巡回ル−ト最短、すなわち巡回距離を最小とする計画立
案等の場合を示している。
【００４６】ステップＢ１０においては、目的関数値の
評価グレ−ド及び、最大／最小を定めるためのバイアス
あるいはウィンドゥを定めている。ここではバイアス
（ＢＳ）は、複数の計画案の中で最大の目的関数値＋１
としている。ステップＢ２０では、適応性ｙ（ｉ）（ｉ
はセルプロセッサ番号）を ｙ（ｉ）＝ＢＳ−×（ｉ，２） として求め（×（ｉ，２）はセルプロセッサｉでの計画
案の目的関数値）、次に全てのセルプロセッサでの計画
案の目的関数値の総和Σを と求めている。
【００４７】次にステップＢ３０は、各々の計画案の目
的関数値の総和に対する比率を計算し、セルプロセッサ
の数に比例して、計画案（個体）を各々のセルプロセッ
サに割り当てる。本例ではａｇｎは、セルプロセッサ
１、２に割付けられるが、目的関数値の比率が低いｆｇ
ｎ，ｈｇｎ，ｉｇｎはセルプロセッサに割付けられず淘
汰されている。以上の処理は、目的関数値が所望の値に
近い計画案が優先的に次世代に伝承されてゆくことを実
行するものである。
【００４８】図１３は、以上の処理の世代毎の推移を示
したものである。本例では１０個のセルプロセッサに、
世代＝１にて各々ａからｊまでの計画案（個体）が割付
けられている。ここでａklは世代＝ｋの計画案であり、
世代１から世代ｋ＋１までに１というプロセッサ系列を
経由してきたことを示す。１は文字列であり、例えば１
＝１１２２７７は、セルプロセッサ１→１→２→２→７
→７の順で処理されてきたことを示している。
【００４９】図１４は、図１３のうち初期計画案ａ：を
祖先とするａ属の世代による増殖状況を示したものであ
る。世代＝７で子孫は６案であるから各々の子孫からル
−ツをたどることにより下記の様に６通りの最適化推移
があったことがわかる。 Ａ１＝（ａ7 1112211←ａ6 111221←ａ5 11121←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） Ａ２＝（ａ7 1112211←ａ6 111221←ａ5 11121←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） Ａ３＝（ａ7 112233←ａ6 111223←ａ5 11122←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） Ａ４＝（ａ7 112234←ａ6 111223←ａ5 11122←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） Ａ５＝（ａ7 112235←ａ6 111223←ａ5 11122←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） Ａ６＝（ａ7 112236←ａ6 111223←ａ5 11122←ａ4 1112←
ａ3 111←ａ2 11←ａ2 1） 各々の計画案の更新推移は明らかに、前記最適解に到る
経路を確実にたどっている。更に、複数の異なる計画案
が、それぞれに割当てられたセルプロセッサにより変
異、評価、増殖され、世代毎に、評価値が所望値に近い
ものが最適解候補として残ってゆく。従って、従来のニ
ュ−ラルネットあるいはシミュレ−テッドアニ−リング
に比べ、はるかに高速に最適解に収束する。
【００５０】図４の処理Ｄの詳細を図１５〜図１８に示
す。まず、ステップ１０で、１つの配車案を採用する。
計画における染色体（計画表現）は、該当地域に含まれ
る店／便のロット（ｉ）を要素とする、 Ｘ＝（（１），（２），（３），（４）……，（１０
０）） にて定義できる。このＸの場合は、図９のように要素
（店便ロット）並びの順に、トラックに割り付けてい
く。この時、容積オーバーとなるロットで、次のトラッ
クに移行する。図９中の斜線部分は無効スペースとなる
ので、この部分が少ない程、トラック台数が減少する。
すなわちコストが最小となる。
【００５１】ステップ３０において次の式にて評価を行
う。
【００５２】コスト最小（ＣＳ）＝輸送荷物／トラック
最大積載量×１００（％） ステップ１０でＸを変異させながらトラック台数最小、
すなわちコスト最小の計画を探索するようにしてコスト
最小の計画が短時間で得られる。
【００５３】次に、本発明の適用例として、月間配車計
画システムの例を説明する。この月間配車計画立案シス
テムは、受注オーダー予測情報に基づいた最小コストで
の配車計画を該当月の前月に立案し、輸送業者への配車
の適正化を図ることを目的とする。
【００５４】（１）入力情報としては、店毎の月間受注
オーダー予想データ：過去の受注実積、景気動向、売筋
情報等から、原則としてホストコンピューターで図１５
に示すような予想データを作成し、前月に入力する。グ
レードは便名に対応する。すなわち、 １便＝店着 ６：００ ２便＝店着 ９：００ ３便＝店着 １４：００ 配送の最小単位は（店）×（グレード）と考える。すな
わち同一コンテナ（台車）として輸送可能な物品の場
合、例えば（土浦）の（２便）の１１月２日のロット
は、図に破線で囲った様になる。
【００５５】（２）配車（手配）可能トラック種品／台
数情報 図１６に示すような情報を作成し、入力する。なお、地
域とは、図１７の様に運送会社〜物流センターのロケー
ション等より定まる地域ＮＯのことである。
【００５６】特に指定の無い場合は全域配送可能として
処理する。同一能力のトラックであっても担当地域によ
り実輸送能力は大きく変動する。また、コストとは、１
日当りの支払いコストである。手配可否とは、〇印のあ
る月／日が手配可を示す。
【００５７】以上のデータに基づいて、月間を通じて、
輸送コストが最小となるトラックの台数と種別を定める
ものとする。ここで、これを実現するためには、通常の
方法によれば、極めて大きな組合せ数の爆発問題を解か
ねばならない。
【００５８】すなわち、 （トラックの台数）＝ＮＴ＝２４７（台） （配送対象店数） ＝ＮS＝７３５（店）
（便数） ＝ＮS＝３（便）としたとき、
各々の検討順組合せは、階乗にな
るので、総組合数Ｎ ｔｏｔａｌは、 Ｎ ｔｏｔａｌ＝（ＮＴ）！×（ＮＳ）！×（NB)!×（１ケ月の日数） ＝（２４７！）×（７３５！）×（３！）×（３０） ＞＞＞１０247×１０×735６×３０ ≒１０1000 １つの組合せを１（ＮＳ）で計算可能な現在最速のスー
パーコンピューターを用いても１０994（秒）≒１０982
（年）を要してしまうので、従来の方法では、現実的に
は解法できない問題となってしまう。
【００５９】本発明の方法によれば、上記問題を数分に
て解法可能である。まず、与えられている運用／設備上
の条件を整理すると、 （１）輸送単位は、（店×便）での混載コンテナ（ｏｒ
コルコン）とする。（以下これをロットと称す） （２）１台のトラックへの積載は、最大容積以内かつ最
大重量以内とする。 （３）各ロットの納期は厳守する。すなわちグレードに
従った時刻までに配送を完了しなければならない。従っ
て、物流センターから遠い地域程早期出発せねばなら
ず、従って配送可能量は減少する。
【００６０】以下、具体例にて説明する。例えば、店
ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇに対するロットの諸元が、
図１８のとおりであるとすると、前記Ａ運送のトラック
１へはａ，ｂ，ｃ，ｇの様な積載が可能である。すなわ
ち容積Ｙは、 Ｙ＝｛（ａの容積）＋（ｂの容積）＋（ｃの容積）＋（ｇの容積）｝×（積載 実行率） ＝（８．３＋１３．０＋４．５＋２．５）×（０．９８） ≒２７．７（ｍ3）＜（トラック１の最大積載容積＝３０．０（ｍ3）） を満足せねばならない。そのため、店ｅについては、地
域の要件は合致するが、ａ→ｂ→ｃ→ｅ→ｇという検討
順では、他のトラックへ積載しなければならないことに
なる。
【００６１】また、便と地域による制約も、積載能力に
大きな影響を与える（図１９）。この様に、前述の条件
に加え、配送地域のロケーション等を考慮して定めた配
送可能店数以内という条件を守らねばならない。これを
実現するために図４の処理Ｃにおいて、図９に示すよう
なトラックｉの容積コストパフォーマンス指標ＣＰｉを
計算する。 ＣＰｉ＝（トラックｉの手配コスト）／（容積）／（ｄ
ａｙ）＝（ｋ￥／ｍ3）／（ｄａｙ） 次にＣＰｉの小さい順、すなわち昇順に並べ換える。
【００６２】このようにして、全てのロット（店毎の
荷）のトラックに積載する順番を試行し、与えられた条
件内で、最小のトラック台数（＝最小のコスト）になる
ような配車計画を立案する。
【００６３】図２０は、従来のマニュアルまたは簡単な
論理を用いた場合（ａ）と、本発明の方法による場合
（ｂ）の、月間計画の比較例を示すものである。（ａ）
に示す従来方式の場合、納期、店毎のコンテナサイズ等
の強い制約と、配送対象店数の多さ（＞５００店）によ
り、マニュアル等では積載率に大きなバラつきが生じて
しまう。上記例では２０台のトラックを要している。
【００６４】これに対し、前記のニューロ／ＧＡを応用
した場合、図２０（ｂ）の様に手配トラック台数全体の
減少、及び単価の高い自社トラック台数の減少が期待で
きる。上記例では１６台のトラックでよく、４台が不要
となっており、コストを大幅に節減できる。
【００６５】本発明は、日程配車／配送計画立案システ
ムとしても用いることができる。基本的には、「月間配
車計画」と同様な考え方であるが異なる点は、 （１）トラック台数／種類は手配済で、原則としてキャ
ンセルできない。 （２）オーダー量／店等が変動する。 （３）道路状況（工事中、事故等）が変動する。 等、動的変動要素が数多く含まれ制約条件も厳しくな
る。従って計画の目的は、単に配車費用が低減すること
のみでなく、「納期遵守率」を十分良い水準に保持する
こと、変動要素を均一化し、各トラックの作業負荷を平
準化する、という多目的計画となる。
【００６６】図２１に上記方法で得られた配車計画の一
例を示す。上記（１）の制約があるため、トラック台数
は不変であるが各車の負荷を均一化できることがわか
る。
【００６７】以上述べた実施例は、コスト最小の観点の
みで配車計画の評価を行なうものである。評価の観点と
して、コスト最小のほかに、移動時間や積載負荷の大小
の観点も付加して評価してもよい。このような複数の観
点で配車計画を評価する実施例を図２２以下で説明す
る。
【００６８】図２２において、ステップ１３０では、個
体ａｌに対する店の並び Ｓｄ ａｌ＝（，，，，………(40)） に対し、例えばとを交換するような突然変異を施
す。 Ｓ”ｄ ａｌ＝（，，，，………(40)） 次にステップ１４０では、Ｓ”ｄ ａｌに対する配車配
送計画を作成する（詳細は図２３に示す）。
【００６９】ステップ１５０では、目的関数を最大（最
小）とする最適の配車計画／配送計画を演算により求め
る。目的関数が総作業時間を最小にするものである場
合、総作業時間 Ｔ ｔｏｔａｌを演算により求める。 ｔｓｖｉはトラックｓｖｉの作業時間である。
【００７０】また、目的関数がトラック台数最小を求め
るものであるときは、ＮT＝（使用するトラック台数）
を求める。 また、目的関
数が、残業時間最小を求めるものであるときは、 を求める。（ｒは残業時間）ステップ１６０では、評価
値に従って個体を並び換え次世代の選択優先度を定め
る。
【００７１】以下同様な処理を個体数例えば２５６例繰
返し（ステップ１２０）、さらに所定世代数例えば２０
例繰り返す（ステップ１１０）。
【００７２】最後に、最も評価値の良い個体すなわち配
車計画、配送計画を出力する（ステップ７０）。
【００７３】次に図２３により、上記ステップ１４０の
詳細を説明する。まず、ステップ４３０では、該当トラ
ックの位置から該当の店までの移動時間と店の滞在時間
を加えて時刻を算出する。目的関数がトラック台数最小
である場合は、納期を守る範囲で最小のトラック台数と
なるように割付ける。
【００７４】ステップ４４０では、検討過程で最も早く
終了する案を記憶する。
【００７５】以上の処理をトラック台数ｌ（例えば
４），繰返し（ステップ４２０），さらに店ベクトル要
素数ｋ（例えば４０）繰り返す。
【００７６】次に、図２２，図２３の処理に関して具体
例で説明する。
【００７７】まず、図２４に配送対象となる商品の情報
の例を示す。この情報は、配送容積／重量を定めるため
に使用する。
【００７８】図２５に配車可能な車両情報の一例を示
し、図２６に、トラック〜店配送可否マトリックスの一
例を示す。これは、トラックＳｖと店Ｓｄ毎の配送可否
データを示すものである。配送不可の場合は＊、可の場
合は、該トラックが該店に配送する場合の時間（分）が
示されている。この時間は、店毎に設定されている属性
以外で、トラックと店により定まる値である。例えば不
慣れな場合は５（分）、慣れている場合は１（分）等が
考えられる。最適計画処理において、上記時間は、店で
の作業時間として考慮される。
【００７９】図２７に、配送指示情報（ロット情報）の
一例を示す。この情報は受注及び各物流拠点の在庫量推
移にもとづいて、配送ロットとして作成される。
【００８０】図２８は、店舗マスターの一部を示す。こ
れは、イメージ地図上で設定された店舗情報の一覧であ
る。
【００８１】以上のデータを用いて計画が立案される。
【００８２】（Ａ）：ある店（ｉ）＝（店名、配送量、
納期etc.）とすると、計画対象店集合Ｓｄは、Ｓｄ＝
（(1)，(2)，……(1000)）で定義できる。本例では、該
当日に、1000店の配送が必要であることを示している。 （Ｂ）：運用可能な車両（ｊ）＝（運転者、容積、重
量、カレンダー、稼働パターン、単価etc.）とすると計
画対象車両集合Ｓｖは、Ｓｖ＝（(1)，(2)，……(10
0)）で定義できる。ここでは、容積に対する輸送費単価
が昇順になるように並べ換えられている。 （Ｃ）：ＡＬＫ＝（ａ1，ａ2,……ａ1000）をディスパ
ッチ対象店集合の要素 （ｉ）より成る、ベクトル集合とし、順が一様にランダ
ムになるような初期個体を２５６個生成する。 （例）ＡＬ1＝（(1)，(2)，……，(1000)） ＡＬ2＝（(3)，(100)，……，(1)） ＡＬ256＝（(1000)，(999)，……，(111)） （Ｄ）：（例）総作業時間を最小とする場合 ＡＬＫの要素ａ1，ａ2……を下記基準で、Ｓｖに含まれ
るトラック（１），（２）……に積載し、イメージ地図
上で該当店まで走行、積降しをさせる。この時、容積、
重量が範囲内かつ納期内容の条件を全てcheckし、最も
早く作業が終了するトラックに割り当てる。
【００８３】図２９に配車・配送ガントチャートの作成
過程の例を示す。これは、トラックＳｖ（１〜４）毎の
時間推移に対する移動、及び店Ｓｄ（１〜４０）での作
業を一括表示するものである。移動は、図２９下図に示
す如く、イメージ地図上の実距離／交通状況（曜日／時
間毎）等を参照した実時間に近似した値を反映するもの
とする。トラックＳｖ毎に予め設定されたカレンダー、
及び稼働パターン（休止、昼食等）を考慮する。このよ
うにして各個体につき各々を評価しつつ、最も目的を満
足する案を決定する。
【００８４】図３０は、以上のようにして得られた、配
車・配送ガントチャートの一例である。
【００８５】ところで、計画立案の目的は、状況によっ
て大きく変化する。従って、例えば、「コスト最小」の
計画が常にベストとは限らない。これらの案をいくつか
の状況で戦略的に評価する必要がある。
【００８６】図３０に示すような割当てを各個体（案）
に対して行なっていくと、図３１に示すように前述の条
件を満足する案が多数立案されてくる。この中から所望
の案を選びだしてゆく評価は表１のようにして行なわれ
る。
【００８７】
【表１】
【００８８】本発明の実施例によれば、このように、複
数の観点から、最適の配車計画、配送計画を選定するこ
とができる。
【００８９】
【発明の効果】以上述べたように、本発明によれば、物
流の分野における適正な配車計画が可能となる。これに
より、以下のような効果がある。 （１）配車コストの低減。 （２）クレームへの対応／追跡を迅速に行うことが可能
となる。 （３）輸送全体状況を的確に知ることができ、迅速な戦
略的対応が可能となる。 （４）配送遅延や誤配送が減少する。
【図面の簡単な説明】
【図１】本発明の配車計画システムの一実施例の構成を
示す図である。
【図２】図１のセルプロセッサの詳細構成例を示した図
である。
【図３】図１の配車計画処理装置の処理の概要を示す図
である。
【図４】図１のセルプロセッサの処理フローの概要を示
す図である。
【図５】本発明の処理装置の動作を示すため、「巡回セ
ールスマン問題」を計画題例として示す図である。
【図６】図５の計画題例について本発明による操作を行
った場合の状態変化を示す図である。
【図７】本発明の操作による計画順ベクトルＸｉと目的
関数値の推移の有する特有な性質を示した図である。
【図８】記憶手段内に予め格納されている定数例を示し
た図である。
【図９】図４の処理Ｄにおけるロットとトラックの関係
を説明する図である。
【図１０】セルプロセッサ超並列制御ユニット処理手段
を示した図である。
【図１１】セルプロセッサの処理フロ−を説明した図で
ある。
【図１２】図１１の説明においての計算案ａ：をセルプ
ロセッサ１での世代＝１での最適解候補として、ａ：が
次の世代＝２にて、セルプロセッサ１、２、３の３個の
プロセッサで変異を受けた状態を示した図である。
【図１３】目的関数値が所望の値に近い計画案が優先的
に次世代に伝承されてゆく処理の世代毎の推移を示した
図である。
【図１４】図１３の処理のうち初期計画案ａ：を祖先と
するａ属の世代による増殖状況を示した図である。
【図１５】過去の受注実積、景気動向、売筋情報等から
得られる予想データを示した図である。
【図１６】配車（手配）可能トラック種品／台数情報の
一例を示す図である。
【図１７】図１６の地域についての説明図である。
【図１８】運送のトラックへ積載が可能なロットの諸元
の例を示す図である。
【図１９】便と地域による制約と積載能力の関係を示す
図である。
【図２０】従来のマニュアルまたは簡単な論理を用いた
場合（ａ）と、本発明の方法による場合（ｂ）の、月間
計画の比較例を示す図である。
【図２１】本発明の配車計画の一例として、トラック台
数は不変で、各車の負荷を均一化した場合の配車計画例
を示す図である。
【図２２】本発明の配車計画処理装置の他の実施例の処
理フロ−を説明した図である。
【図２３】図２２の処理フロ−の要部詳細を示す図であ
る。
【図２４】商品情報の一例を示す図である。
【図２５】車両情報の一例を示す図である。
【図２６】トラック〜店配送可否マトリックスの一例を
示す図である。
【図２７】配送指令情報の一例を示す図である。
【図２８】店舗マスターの一例を示す図である。
【図２９】作成過程の、配車・配送ガントチャートの一
例を示す図である。
【図３０】完成した配車・配送ガントチャートの一例を
示す図である。
【図３１】本発明の他の実施例による配車・配送計画の
一例を示す図である。
【符号の説明】
１…配車計画処理装置、２…出力装置、３…入力装置、
４…セルプロセッサ超並列制御ユニット、５…セルプロ
セッサ、６…共有メモリー、７…出力装置制御ユニッ
ト、８…入力装置制御ユニット
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 // Ｇ０７Ｃ 5/00 Ｚ

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】入力装置と、配車・配送計画対象において
    最小化または最大化を図る項目を表す目的関数を作成
    し、該目的関数の値を最小化または最大化する配車・配
    送計画を立案する遺伝的ニューロ処理装置と、前記立案
    された配車・配送計画結果を出力する出力装置とを具備
    する配車計画立案システムを用いて、配車・配送計画を
    立案する配車計画立案方法であって、 前記、遺伝的ニューロ処理装置により、 第一世代の親配車・配送計画を所定数だけ生成する初期
    計画生成ステップと、 該複数の親配車・配送計画案に対応してその目的関数値
    を演算する演算ステップと、 前記複数の親配車・配送計画案を前記目的関数値の下降
    順あるいは上昇順に並べる計画並べ替えステップと、 前記親配車・配送計画案を所定数だけ選択する親配車・
    配送計画選択ステップと、 該選択された前記親配車・配送計画案に対して任意の２
    個の要素を入れ替えて子配車・配送計画を生成する子配
    車・配送計画生成ステップと、 前記子配車・配送計画に対して、前記演算ステップおよ
    び前記配車・配送計画並べ替えステップを実行し、前記
    所定数分だけの配車・配送計画を新たな親配車・配送計
    画として選択する世代交代ステップと、 第二世代から予め定められた世代数まで、前記親配車・
    配送計画選択ステップ、前記子配車・配送計画生成ステ
    ップおよび前記世代交代ステップを繰り返し起動させ、
    前記目的関数の値に基づいて選択された複数の配車・配
    送計画の中から、１つの配車・配送計画を配車・配送計
    画案として選出する最適配車・配送計画選出ステップを
    処理する、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  2. 【請求項２】入力装置と、配車・配送計画対象において
    最小化または最大化を図る項目を表す目的関数を作成
    し、該目的関数の値を最小化または最大化する配車・配
    送計画を立案する遺伝的ニューロ処理装置と、前記立案
    された配車・配送計画結果を出力する出力装置とを具備
    する配車計画立案システムを用いて、配車・配送計画を
    立案する配車計画立案方法であって、 前記目的関数として、配車・配送計画対象における、異
    なる観点に基づいた最小化または最大化を図る項目を表
    す複数の目的関数を作成し、 前記、遺伝的ニューロ処理装置により、前記各目的関数
    について、 第一世代の親配車・配送計画を所定数だけ生成する初期
    計画生成ステップと、 該複数の親配車・配送計画案に対応してその目的関数値
    を演算する演算ステップと、 前記複数の親配車・配送計画案を前記目的関数値の下降
    順あるいは上昇順に並べる計画並べ替えステップと、 前記親配車・配送計画案を所定数だけ選択する親配車・
    配送計画選択ステップと、 該選択された前記親配車・配送計画案に対して任意の２
    個の要素を入れ替えて子配車・配送計画を生成する子配
    車・配送計画生成ステップと、 前記子配車・配送計画に対して、前記演算ステップおよ
    び前記配車・配送計画並べ替えステップを実行し、前記
    所定数分だけの配車・配送計画を新たな親配車・配送計
    画として選択する世代交代ステップと、 第二世代から予め定められた世代数まで、前記親配車・
    配送計画選択ステップ、前記子配車・配送計画生成ステ
    ップおよび前記世代交代ステップを繰り返し起動させ、
    前記目的関数の値に基づいて選択された複数の配車・配
    送計画の中から１つの最適な配車・配送計画案を選出す
    る最適配車・配送計画案選出ステップを処理し、 前記各目的関数毎に選出された最適な配車・配送計画案
    の中から、１つの最適な配車・配送計画を最適配車・配
    送計画として選出する、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  3. 【請求項３】複数の要素で表現された配車計画と、該配
    車計画の解決に必要な変数の値を入力する入力装置と、
    前記配車計画対象において最小化または最大化を図る項
    目を表す目的関数を作成し該目的関数の値を最小化また
    は最大化する配車計画を立案する遺伝的ニューロ処理装
    置と、前記立案された配車計画結果を出力する出力装置
    とを具備する配車計画立案システムを用いて、配車計画
    を立案する配車計画立案方法であって、前記、遺伝的ニ
    ューロ処理装置により、 第一世代の親配車計画を所定数だけ生成する初期計画生
    成ステップと、 該複数の親配車計画案に対応してその目的関数値を演算
    する演算ステップと、 前記複数の親配車計画案を前記目的関数値の下降順ある
    いは上昇順に並べる計画並べ替えステップと、 前記複数の親配車計画案が与えられ前記目的関数値にし
    たがって各親配車計画案の選択番号が割り当てられてい
    るとき、世代の繰り返し毎に予め定められている所定数
    個の定数が指し示す番号を前記選択番号として前記親配
    車計画案を所定数だけ選択する親配車計画選択ステップ
    と、 該選択された前記親配車計画案に対して任意の２個の要
    素を入れ替えて子配車計画を生成する子配車計画生成ス
    テップと、 前記親配車計画と生成された前記子配車計画に対して、
    前記演算ステップおよび前記配車計画並べ替えステップ
    を起動し、並べ替えられた前記配車計画のうち並び替え
    順に従って前記所定数分だけの配車計画を新たな親配車
    計画として選択する世代交代ステップと、 第二世代から予め定められた世代数まで、前記親配車計
    画選択ステップ、前記子配車計画生成ステップおよび前
    記世代交代ステップを繰り返し起動させ、前記目的関数
    の値に基づいて選択された複数の配車計画の中から１つ
    の配車計画を配車計画案として選出する最適配車計画選
    出ステップを処理する、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  4. 【請求項４】請求項３において、前記親配車計画から所
    定の操作により新たに配車計画を生成し、この２つの配
    車計画の目的関数値の差分を計算し、予め世代毎に定め
    られた変数の値を比較し、前記目的関数値の差分が前記
    予め定められた変数の値より小さいとき、前記親配車計
    画を前記新たな配車計画に置き換え最適配車計画とす
    る、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  5. 【請求項５】請求項３において、前記配車計画における
    前記要素が、所定の地域に含まれる配送先と車の便のロ
    ットからなり、 前記目的関数が車の容積コストパフォーマンス指標を含
    む、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  6. 【請求項６】請求項４において、前記配車計画における
    前記要素が、所定の地域に含まれる配送先と車の便のロ
    ットからなり、 前記目的関数が車の作業負荷の変動値を指標として含
    む、 ことを特徴とする遺伝的ニューロ処理装置を用いた配車
    計画立案方法。
  7. 【請求項７】複数の要素で表現された配車計画と、該配
    車計画の解決に必要な変数の値を入力する入力装置と、
    前記配車計画対象において、最小化または最大化を図る
    項目を表す目的関数を作成し、作成された目的関数の値
    を最小化または最大化する配車計画を立案する遺伝的ニ
    ューロ処理装置と、前記立案された配車計画結果を出力
    する出力装置を具備し、前記遺伝的ニューロ処理装置
    は、 第一世代の親配車計画を所定数だけ生成する初期計画生
    成手段と、該複数の親配車計画案に対応して、その目的
    関数の値を計算する演算手段と、前記複数の親配車計画
    案を前記目的関数値の下降順あるいは上昇順に並べる計
    画並べ替え手段と、前記複数の親配車計画案が与えら
    れ、前記目的関数値にしたがって各親配車計画案の選択
    番号が割り当てられているとき、世代の繰り返し毎に予
    め定められている所定数個の定数が指し示す番号を前記
    選択番号として前記親配車計画案を所定数だけ選択する
    親配車計画手段と、選択された前記親配車計画案に対し
    て、任意の２個の要素を入れ替え、子配車計画を生成す
    る子配車計画生成手段と、前記親配車計画と生成された
    前記子配車計画に対して、前記演算手段および前記配車
    計画並べ替え手段を起動させる制御手段と、並べ替えさ
    れた前記配車計画のうち並び替え順に従って前記所定数
    分だけの配車計画を新たな親配車計画として選択する世
    代交代手段と、第二世代から予め定められた世代数ま
    で、前記親配車計画選択手段、前記子配車計画生成手
    段、前記制御手段および前記世代交代手段を繰り返し起
    動させ、前記目的関数の値に基づいて新たな配車計画を
    選び出す最適配車計画選出手段とを備えることを特徴と
    する、遺伝的ニューロ処理装置を用いた配車計画立案シ
    ステム。
  8. 【請求項８】請求項７において、前記遺伝的ニューロ処
    理装置は、与えられた配車計画に対して、複数の親配車
    計画案を記憶する記憶装置と、前記親配車計画から所定
    の操作により新たに配車計画を生成し、この２つの配車
    計画の目的関数値の差分を計算し、予め世代毎に定めら
    れた変数の値を比較し、前記目的関数値の差分が前記予
    め定められた変数の値より小さいとき、前記親配車計画
    を前記新たな配車計画に置き換え最適配車計画とする動
    作を前記複数の親配車計画案に対して同時に行う複数個
    のセルプロセッサと、該複数の複数個のセルプロセッサ
    により生成した最適配車計画の目的関数値が所定値に近
    い順位に対応した次世代の処理プロセッサを割り当てる
    セルプロセッサ超並列制御ユニットと、前記入力装置に
    立案結果あるいは変数値を出力する出力装置制御ユニッ
    トとを備えることを特徴とする、遺伝的ニューロ処理装
    置を用いた配車計画立案システム。
  9. 【請求項９】請求項８において、前記遺伝的ニューロ処
    理装置は、各前記セルプロセッサ毎に与えられた計画案
    を予め定められた操作により変更した場合の目的関数差
    分値を予見演算し、変更後の配車計画が優れている場合
    は、配車計画を変更し最適配車計画候補案とし、そうで
    ない場合は与えられた配車計画を最適配車計画候補案と
    する最適化処理と、前記定められた複数の最適配車計画
    候補案の目的関数値に従って、次回（次世代）の各々の
    セルプロセッサの処理すべき配車計画案を割当てるプロ
    セッサ割当て制御処理とを世代数繰り返すように構成さ
    れていることを特徴とする、遺伝的ニューロ処理装置を
    用いた配車計画立案システム。
JP14599394A 1993-12-27 1994-06-28 配車計画立案方法及び配車計画立案システム Pending JPH07234997A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP14599394A JPH07234997A (ja) 1993-12-27 1994-06-28 配車計画立案方法及び配車計画立案システム

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP5-331305 1993-12-27
JP33130593 1993-12-27
JP14599394A JPH07234997A (ja) 1993-12-27 1994-06-28 配車計画立案方法及び配車計画立案システム

Publications (1)

Publication Number Publication Date
JPH07234997A true JPH07234997A (ja) 1995-09-05

Family

ID=26476954

Family Applications (1)

Application Number Title Priority Date Filing Date
JP14599394A Pending JPH07234997A (ja) 1993-12-27 1994-06-28 配車計画立案方法及び配車計画立案システム

Country Status (1)

Country Link
JP (1) JPH07234997A (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999060543A1 (fr) * 1998-05-15 1999-11-25 Suntory Limited Systeme d'attribution de vehicules et dispositif d'attribution de vehicules
JP2000357295A (ja) * 1999-06-16 2000-12-26 Mitsubishi Electric Corp 車両運行管理システム
JP2001188984A (ja) * 1999-12-28 2001-07-10 Hitachi Software Eng Co Ltd 最適配送計画立案方法およびシステム
US6311124B1 (en) 1999-09-02 2001-10-30 Fijitsu Limited Device, method and system for selecting emergency vehicles
JP2003223536A (ja) * 2001-11-21 2003-08-08 Asahi Tsushin Kk 班別作業仕分け方法および班別作業仕分けプログラム
JP2003262535A (ja) * 2002-12-25 2003-09-19 Toshiba Corp 福祉支援システム
JP2005122679A (ja) * 2003-09-25 2005-05-12 Jfe Steel Kk 車両運行計画作成方法及び装置並びにプログラム
JP2006048410A (ja) * 2004-08-05 2006-02-16 Nissan Motor Co Ltd 配車計画作成装置、送迎サービス支援装置及びこれを用いた送迎支援システム、並びに送迎支援システムを実現するための送迎支援プログラム
JP2006079478A (ja) * 2004-09-10 2006-03-23 Yoshiaki Mizutani 配送経路作成装置
JP2011096261A (ja) * 2010-11-01 2011-05-12 Yoshiaki Mizutani 配送所属決定装置、決定方法、及び、プログラム
JP2015507300A (ja) * 2012-02-08 2015-03-05 アスペン テクノロジー インコーポレイテッド 調整可能なトレードオフ係数を用いて非干渉性の閉ループステップ試験を行う装置および方法
JP2020038501A (ja) * 2018-09-04 2020-03-12 株式会社 聖亘トランスネットワーク 情報処理装置、プログラムおよびシステム
WO2023053287A1 (ja) * 2021-09-29 2023-04-06 日本電信電話株式会社 配送計画装置、配送計画方法、及びプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05135070A (ja) * 1991-11-12 1993-06-01 Kao Corp 配送スケジユーリング装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05135070A (ja) * 1991-11-12 1993-06-01 Kao Corp 配送スケジユーリング装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999060543A1 (fr) * 1998-05-15 1999-11-25 Suntory Limited Systeme d'attribution de vehicules et dispositif d'attribution de vehicules
US6374178B2 (en) 1998-05-15 2002-04-16 Suntory Limited Transportation arrangement system and transportation arrangement apparatus
JP2000357295A (ja) * 1999-06-16 2000-12-26 Mitsubishi Electric Corp 車両運行管理システム
US6311124B1 (en) 1999-09-02 2001-10-30 Fijitsu Limited Device, method and system for selecting emergency vehicles
JP2001188984A (ja) * 1999-12-28 2001-07-10 Hitachi Software Eng Co Ltd 最適配送計画立案方法およびシステム
JP2003223536A (ja) * 2001-11-21 2003-08-08 Asahi Tsushin Kk 班別作業仕分け方法および班別作業仕分けプログラム
JP2003262535A (ja) * 2002-12-25 2003-09-19 Toshiba Corp 福祉支援システム
JP2005122679A (ja) * 2003-09-25 2005-05-12 Jfe Steel Kk 車両運行計画作成方法及び装置並びにプログラム
JP2006048410A (ja) * 2004-08-05 2006-02-16 Nissan Motor Co Ltd 配車計画作成装置、送迎サービス支援装置及びこれを用いた送迎支援システム、並びに送迎支援システムを実現するための送迎支援プログラム
JP2006079478A (ja) * 2004-09-10 2006-03-23 Yoshiaki Mizutani 配送経路作成装置
JP4721678B2 (ja) * 2004-09-10 2011-07-13 良明 水谷 配送経路作成装置及びプログラム
JP2011096261A (ja) * 2010-11-01 2011-05-12 Yoshiaki Mizutani 配送所属決定装置、決定方法、及び、プログラム
JP2015507300A (ja) * 2012-02-08 2015-03-05 アスペン テクノロジー インコーポレイテッド 調整可能なトレードオフ係数を用いて非干渉性の閉ループステップ試験を行う装置および方法
JP2020038501A (ja) * 2018-09-04 2020-03-12 株式会社 聖亘トランスネットワーク 情報処理装置、プログラムおよびシステム
WO2023053287A1 (ja) * 2021-09-29 2023-04-06 日本電信電話株式会社 配送計画装置、配送計画方法、及びプログラム

Similar Documents

Publication Publication Date Title
Matusiak et al. Utilizing individual picker skills to improve order batching in a warehouse
Zhen et al. Multi-depot multi-trip vehicle routing problem with time windows and release dates
Blazewicz et al. Handbook on scheduling
Guo et al. Green transportation scheduling with pickup time and transport mode selections using a novel multi-objective memetic optimization approach
US20220156693A1 (en) Computerized system and method for developing optimized cargo transportation solutions
US10474953B2 (en) Systems and methods for multi-objective optimizations with decision variable perturbations
US10387813B2 (en) Data analysis for optimizations of scheduling with multiple location variables
Novaes et al. A continuous approach to the design of physical distribution systems
Dkhil et al. Multi-objective optimization of the integrated problem of location assignment and straddle carrier scheduling in maritime container terminal at import
JPH07234997A (ja) 配車計画立案方法及び配車計画立案システム
Ma et al. An iterative approach for distribution chain design in agile virtual environment
Liang et al. An estimation distribution algorithm for wave-picking warehouse management
Chmielewski et al. Optimizing the door assignment in LTL-terminals
Ganji et al. A new coordinating model for green supply chain and batch delivery scheduling with satisfaction customers
Kamsopa et al. Hybrid genetic algorithm for multi-period vehicle routing problem with mixed pickup and delivery with time window, heterogeneous fleet, duration time and rest area
Bhunia et al. An inventory model of two-warehouse system with variable demand dependent on instantaneous displayed stock and marketing decisions via hybrid RCGA
Ouyang et al. Community logistics and dynamic community partitioning: A new approach for solving e-commerce last mile delivery
Weise et al. Solving real-world vehicle routing problems with evolutionary algorithms
Powell Designing lookahead policies for sequential decision problems in transportation and logistics
Chen et al. Solving a 3-dimensional vehicle routing problem with delivery options in city logistics using fast-neighborhood based crowding differential evolution algorithm
Matusiak et al. Data-Driven warehouse optimization: deploying skills of order pickers
Cai et al. An efficient multi-objective evolutionary algorithm for a practical dynamic pickup and delivery problem
Guastaroba et al. Integrated vehicle routing problems: A survey
Huamán et al. Multiphase model based on K-means and ant colony optimization to solve the capacitated vehicle routing problem with time windows
JP2022002995A (ja) 情報処理システムおよび情報処理方法