CN104504459B - 物流运输优化方法及*** - Google Patents
物流运输优化方法及*** Download PDFInfo
- Publication number
- CN104504459B CN104504459B CN201410747762.8A CN201410747762A CN104504459B CN 104504459 B CN104504459 B CN 104504459B CN 201410747762 A CN201410747762 A CN 201410747762A CN 104504459 B CN104504459 B CN 104504459B
- Authority
- CN
- China
- Prior art keywords
- route
- represent
- supplier
- vehicle
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000002360 preparation method Methods 0.000 description 13
- 238000007599 discharging Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供一种物流运输优化方法及***,属于物流技术领域。其中所述的物流运输优化方法包括:设置获取路线计划、车辆调度和道口计划的数据需求;以总运输里程最短的为限定目标,输入约束条件;获得路线计划、车辆调度和道口计划三者的数据后输出。本发明提供了配套的算法以及约束条件,以及多种突发状况的解决方案。通过本发明,能够更加便捷、节约地完成物流运输过程。
Description
技术领域
本发明属于物流技术领域。
背景技术
汽车零部件集货中心入厂物流运输问题主要包括三个主要运输决策问题。
第一个决策问题是路线计划,路线计划的制定需要同时考虑车辆和道口资源,根据供应商地理位置、当日供货量以及需求拆分限制的相关信息,在满足集货中心提出的集货时间以及道口作业时间窗下,实现用尽可能少的车辆、行驶尽可能短的路程,来完成零部件的配送。最终帮助决策者确定每天使用的车型、线路以及取货时间段之间的对应关系。
第二个决策问题是车辆调度,由于车辆数有限、某些车辆需要多次运输才能满足集货需求,因此需要进行车辆调度。支撑车辆调度的信息主要有线路出发时间段与预计到达时间、可用车辆类型和数量、车辆工班时间窗与车辆最大车程数以及卸车效率。基于以上信息进行车辆分配,使得总运输使用车辆数尽量少,帮助决策者确定车辆、线路与卸车时间段之间的对应关系。
第三个问题是道口计划,根据道口空间与处理能力,要在集货中心规定的道口约束下完成卸货,需要进行道口作业计划。道口计划利用线路出发时间段与预计到达时间信息以及可用道口数量、道口工班时间窗与卸车效率信息实现在满足总运输车辆数尽量少的前提下提高道口的均衡使用效率,帮助决策者确定道口、线路与卸车时间段之前的对应关系。
物流过程和汽车零部件类似的货物很多,具体并不限定。在实际运作中,以上问题相互间交错,相当复杂,很难给出简便的处理方案。
发明内容
本发明的目的,是提供一种物流运输优化方法,以及对应的***,利用本发明,能够更加便捷、节约地完成物流运输过程。
本发明提供一种物流运输优化方法,具体包括:
设置获取路线计划、车辆调度和道口计划的数据需求;
以总运输里程最短的为限定目标,输入约束条件;
获得路线计划、车辆调度和道口计划三者的数据后输出;
其中,前述的限定目标,按照如下的目标函数做安排,
其中,前述的约束条件是,
表示每个供应商至少被一个路线访问一次;
表示所有路线都由配送中心出发;
表示进入每个供应商的路线一定会从该供应商离开;
表示所有路线都会回到配送中心。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示路线k上,如果车辆在供应商i装货后前往供应商j,则车辆在供应商i开始装货时间加上在供应商i的装载时间再加上由供应商i到供应商j的行驶时间必然要小于车辆在供应商j处的开始装货时间;
表示路线k上,车辆在供应商i开始装货时间要大于等于供应商i最早允许开始装货时间,小于等于供应商i最晚允许开始装货时间;
表示路线k上,车辆在配送中心出发时间要大于等于配送中心最早工作时间,小于等于配送中心最晚允许卸货时间。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示任意供应商的供货量只能被拆分到经过该供应商的路线上,且该供应商的总供应量要大于等于该路线分配的供应量,其中vik表示第k个路线在第i个供应商的取货量;Di是该i供应商的全部供应量;表示第k个线路是否要经过供应商i;
表示每一个供应商的供应量需要被完全运载。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示线路k上,车辆装载的总供应量应小于等于该路线对应车辆的装载能力,其中Capp是p型号车的最大载货量,p是车型;y是和x类似的决策变量,表示路线与车辆的对应关系;
表示每一辆车都必须从虚拟路线任务开始运行;
表示每一条路线都必须有且只有一辆车运营;
表示每一条路线都存在作业车辆的流量守恒;
表示每一辆车都必须以虚拟路线任务为运行终止;
表示每一辆车最多只能运营R个轮次。
进一步,对应着前述的目标函数,还设置有如下约束条件,
表示如路线k在路线q之前被车辆p运营,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示每一道口都必须从虚拟路线任务开始卸货;
表示每一条路线都必须有且只有一道口卸货;
表示每一条路线都存在卸货道口的流量守恒;
表示每一道口都必须以虚拟路线任务为所有卸货任务终止;
表示如路线k在路线q之前被道口o卸货,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
约束x,y,z均为0,1变量;
约束w,v均为正数。
进一步,所述的方法中,在发生运输条件发生改变时,具有如下操作流程,
采集运输条件发生改变的数据信息;
判定是否能够通过载货余量,增加单个车辆的载货量来解决前述的运输条件;
在判定通过的情况下,获得所需要增加的载货量;
启用前述的目标函数和约束条件,在不改变道口计划的前提下,将前述的需要增加的载货量及对应供应商信息,利用各车辆的载货余量重新进行计算,获得仅使用载货余量的情况下,各车辆的路线计划、车辆调度计划;
将前述步骤所获得的各车辆对应的路线计划、车辆调度计划,作为原来计划改变量,增设到原路线计划和车辆调度计划中。
本发明还提供一种物流运输优化***,所对应的算法规则如前所述,该***包括:
路线计划模块,它是用来获取及输出取货行进路线的模块结构;
车辆调度模块,它是用来配置前述路线计划模块所规划路线下,各对应车辆的模块结构;
道口计划模块,它是用来安排前述路线计划模块、车辆调度模块所规划路线及车辆的条件下,返回配送中心时对应卸货道口的模块结构;
算法模块,它是用以通过前述算法规则,获得前述路线计划模块、车辆调度模块和道口计划模块所对应规划数据的模块结构。
进一步,所述的路线计划模块,还包括用来规划各个供应商所对应访问顺序的访问顺序规划单元,用来规划各个供应商处访问时间范围的访问时间规划单元,以及规划在各个供应商处需取的货物总量的取货量规划单元。
进一步,所述的车辆调度模块,还包括作业顺序配置单元和车型配置单元,其中的作业顺序配置单元是用来配合着前述的路线计划模块中的访问顺序规划单元,来安排特定车辆访问对应供应商顺序的功能结构,其中的车型配置单元,是用来结合着前述的路线计划模块,对应着具体的路线来安排具体车型的功能结构。
进一步,所述的道口计划模块,还包括卸货道口分配单元和卸货时间分配单元,其中前述的卸货道口分配单元是用以向返回配送中心的车辆配置卸货道口的功能结构,其中的卸货时间分配单元,是用以向返回配送中心的车辆在配置卸货道口的情况下,安排卸货时间的功能结构。
进一步,所述的***中还设置有预备车规划模块,它是用于启动预备车辆的模块结构,包括预备车辆数据采集单元,它用于记录预备车辆的车型、位置、数量和启用状态,以及预备车辆调度单元,它用以按着载货总量和线路距离,在满足最小线路距离和的条件下,安排车辆调度状况。
进一步,所述的***中还设置有预装体积改变计划模块,它用以实现如下操作,
采集运输条件发生改变的数据信息;
判定是否能够通过增加载货量来解决前述的运输条件问题;
在判定通过的情况下,获得所需要增加的载货量;
启用前述的目标函数和约束条件,在不改变道口规划的前提下,将前述的需要增加的载货量及对应供应商信息,利用各车辆的载货余量重新进行计算,获得仅使用载货余量的情况下,各车辆的路线计划、车辆调度规划;
将前述步骤所获得的各车辆对应的路线计划、车辆调度规划,作为原来规划改变量,增设到原路线计划和车辆规划中。
附图说明
图1是本发明所述***的结构示意图,为一种实施例。
图2是本发明所述***的结构示意图,为另一种实施例。
图3是本发明所述***的结构示意图,为另一种实施例。
具体实施方式
本发明中所描述的物流优化运输方法,主要包括如下步骤:
设置获取路线计划、车辆调度和道口计划的数据需求;
以总运输里程最短的为限定目标,输入约束条件;
获得路线计划、车辆调度和道口计划三者的数据后输出;
其中,前述的限定目标,按照如下的目标函数(见式(1))做安排,
其中,前述的约束条件是,
表示每个供应商至少被一个路线访问一次;
表示所有路线都由配送中心出发;
表示进入每个供应商的路线一定会从该供应商离开;
表示所有路线都会回到配送中心。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示路线k上,如果车辆在供应商i装货后前往供应商j,则车辆在供应商i开始装货时间加上在供应商i的装载时间再加上由供应商i到供应商j的行驶时间必然要小于车辆在供应商j处的开始装货时间;
表示路线k上,车辆在供应商i开始装货时间要大于等于供应商i最早允许开始装货时间,小于等于供应商i最晚允许开始装货时间;
表示路线k上,车辆在配送中心出发时间要大于等于配送中心最早工作时间,小于等于配送中心最晚允许卸货时间。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示任意供应商的供货量只能被拆分到经过该供应商的路线上,且该供应商的总供应量要大于等于该路线分配的供应量,其中vik代表第k个路线在第i个供应商的取货量;Di是该i供应商的全部供应量;表示第k个线路是否要经过供应商i;
表示每一个供应商的供应量需要被完全运载。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示线路k上,车辆装载的总供应量应小于等于该路线对应车辆的装载能力,其中Capp是p型号车的最大载货量,p是车型;y是和x类似的决策变量,表示路线与车辆的对应关系;
表示每一辆车都必须从虚拟路线任务开始运行;
表示每一条路线都必须有且只有一辆车运营;
表示每一条路线都存在作业车辆的流量守恒;
表示每一辆车都必须以虚拟路线任务为运行终止;
表示每一辆车最多只能运营R个轮次。
进一步,对应着前述的目标函数,还设置有如下约束条件,
表示如路线k在路线q之前被车辆p运营,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
表示每一道口都必须从虚拟路线任务开始卸货;
表示每一条路线都必须有且只有一道口卸货;
表示每一条路线都存在卸货道口的流量守恒;
表示每一道口都必须以虚拟路线任务为所有卸货任务终止;
表示如路线k在路线q之前被道口o卸货,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和。
进一步,对应着前述的目标函数,还设置有如下约束条件中至少其一,
约束x,y,z均为0,1变量;
约束w,v均为正数。
前面的约束条件,综合下来可以分出如下几类:
第一类约束,路线上的约束
<1>每条路线都从配送中心出发,前述的式(3)表示这一内容;
<2>每条路线都最终回到配送中心,前述的式(5)表示这一内容;
<3>每个供应商的供应量都必须被运走,前述的式(2)(9)(10)表示这一内容;
<4>路线中不能出现闭回路,前述的式(4)(6)表示这一个内容;
<5>每条路线的装载量不能大于本路线所选车型的载货能力,前述的式(11)表示这一内容;
<6>每条路线访问各供应商时间应该在其上班时间,前述的式(7)表示这一内容;
<7>每条路线的运输时间应该选在运输企业工作时间内,前述的式(8)表示这一内容;
第二类约束,车辆作业路线上的约束
<1>每条路线都必须被分配给一辆车,前述的式(13)表示这一内容;
<2>每辆车作业的路线存在先后顺序,前述的式(12)(14)(15)(17)表示这一内容;
<3>每辆车最多运行路线条数限制,前述的通过式(16)实现;
第三类约束,道口作业计划上的约束
<1>每条路线都必须分配一个卸货道口,前述的式(19)表示这一内容;
<2>每个道口对作业路线存在先后顺序,前述的式(18)(20)(21)(22)表示这一内容。
第四类约束,综合约束条件
<1>前述的式(23)(24)表示这一内容。
进一步,对前述算法及约束条件中的内容,说明如下:
[1]集合
V={0,…,n+1} | 节点集合 |
A={(i,j)|i,j∈V} | 弧集合 |
N=V\{0,n+1} | 供应商集合 |
Δ+(i) | 供应商i节点的前向弧集合 |
Δ-(i) | 供应商i节点的后向弧集合 |
K′={0,1,…,m,m+1} | 包含虚拟路线的路线集合 |
K=K′\{0,m+1} | 路线集合 |
P={1,…,l} | 车辆集合 |
O={1,…,u} | 卸货道口集合 |
[2]参数
[3]变量
下面通过具体的实施例,对本发明做进一步说明:
一、设置零件物流的需求计划
注:下述“货物体积”的单位均为0.0001m3
表1零件物流需求计划
编号 | 货物体积 | 长(m) | 宽(m) | 高(m) | 所属供应商 |
L1 | 764940 | 2.2 | 5.7 | 6.1 | C1 |
L2 | 1675350 | 5.1 | 7.3 | 4.5 | C1 |
L3 | 1185600 | 5.7 | 4 | 5.2 | C2 |
L4 | 80500 | 7 | 4.6 | 2.5 | C2 |
L5 | 571320 | 1.8 | 6.9 | 4.6 | C2 |
L6 | 2881920 | 7.9 | 6.4 | 5.7 | C2 |
L7 | 913920 | 3.2 | 5.1 | 5.6 | C2 |
L8 | 2754000 | 5.4 | 7.5 | 6.8 | C2 |
… | … | … | … | … | … |
… | … | … | … | … | … |
表2供应商信息
表3车队车辆信息
表4道口信息表
二、需求计划的决策目标
进行所有零件的物流车辆行驶的总里程最短,前述式(1)的目标函数,表示这一内容。
三、决策的约束要求
前面的式(2)-(24),分别表示与前述目标函数相对应的各类约束条件。
四、决策过程
将各已知的数据信息载入到前述的约束条件和目标函数中;
比对符合前述目标函数和约束条件的总里程数值;
获得最小的总里程数值;
在该最小总里程数值的前提下,采集所对应的路线计划、车辆调度和道口计划信息,该信息即是本发明所需获得的规划数据。
五、决策结果
1)排出一组路线,每组路线确定访问供应商节点的先后顺序和在各供应商的装载量,如表1所示。供应商节点的先后访问顺序由模型中变量xijk反应出,其中xijk=1表示路线k中供应商i在供应商j之前被访问,若xijk=0则反之。在各供应商的装载量由模型中变量vik反应出,vik表示路线k在供应商i的装载量。
表5路线计划
2)排出每一辆车作业路线的顺序,和各作业路线的开始作业时间,如下表所示:
表6车辆作业计划
3)排出每一个卸货道口作业路线的顺序,和各作业路线的开始作业时间,如下表所示:
表7道口作业计划
结合着图1所示,本发明还描述了一种物流优化运输***100,它包括:
(1)路线计划模块300,它是用来获取及输出取货行进路线的模块结构。
进一步,前述的路线规划模块300还包括访问顺序规划单元310、访问时间规划单元320、取货量规划单元330。
其中的访问顺序规划单元310,它是用来规划各个供应商所对应访问顺序的功能结构。依据所规定的访问顺序,来分别对全部的供应商进行完整访问。
其中的访问时间规划单元320,用以规划在各个供应商的位置处进行访问的时间范围。这是因为不同的供应商会有不同的工作时间,访问的时间范围需要符合各个供应商的工作时间要求。
其中的取货量规划单元330,用以规划在各个供应商处,所需要取的货物总量。需要结合着各个供应商对应的取货总量,来判定需要安排的车型、车辆的数目,以及路线计划等。
(2)车辆调度模块400,它是用来调度前述路线计划模块300所规划路线对应的运营车辆的模块结构。
进一步,前述的车辆调度模块400还包括作业顺序配置单元410和车型配置单元420。
其中的作业顺序配置单元410,它是用来配合着前述的路线计划模块300中的访问顺序规划单元310,来安排特定车辆访问对应供应商顺序的功能结构。利用该功能结构,能够精确到具体的车辆对具体供应商的访问顺序。
其中的车型配置单元420,它是用来结合着前述的路线计划模块300,对应着具体的路线来安排具体车型。在本发明中不同的车型具有不同的载货量。合理的车型安排,能够节约路线里程总量。
(3)道口计划模块500,它是用来安排前述路线计划模块300、车辆调度模块400所安排车辆按预设线路返回配送中心时,所配套卸货道口的模块结构。
进一步,前述的道口计划模块500还包括卸货道口分配单元510和卸货时间分配单元520。
其中前述的卸货道口分配单元510,它是用以向返回配送中心的车辆配置卸货道口的功能结构。在没有卸货道口的情况下,载货车辆即使返回也无法卸货。
前述的卸货时间分配单元520,它是用以向返回配送中心的车辆在配置卸货道口的情况下,安排卸货时间的功能结构。每一辆载货车辆都有着严格的卸货时间要求,只有在满足该时间要求的情况下,才能够为后面的车辆安排合适的卸货道口。
(4)算法模块200,它是用以通过预设的前述算法规则,获得前述路线计划模块300、车辆调度模块400和道口计划模块500所对应规划数据的模块结构。
这儿所述的算法规则,对应着前面所述的目标函数和约束条件。在使用中采集已知的数据信息,将其载入到前述的约束条件和目标函数中。比对符合前述目标函数和约束条件的总里程数值。在获得最小的总里程数值的情况下,采集所对应的路线计划、车辆调度和道口计划信息,将这些数据分别推送到前述的路线计划模块300、车辆调度模块400和道口计划模块500中。利用这些规划信息,就可以完成本发明所描述的汽车零部件入厂物流的优化过程了。
进一步,参图2所示,在前述的***100中还设置有预备车规划模块600,它是用于启动预备车辆的模块结构。所述的预备车辆,是用以在特殊条件下提供备用运输量的车辆。作为举例,车辆在运输过程中可能会出现抛锚、路线阻塞等现象,或者供应商的货物总量出现计算误差,等等。
在本发明中,前述的预备车规划模块600包括如下两个部分:
(1)预备车辆数据采集单元610,用于记录预备车辆的车型、位置、数量和启用状态。
其中前述的启用状态,指的是对应的预备车辆能够在多长时间内进入到运输的启动状态,即开启车辆进入到预设路线开始营运。
(2)预备车辆调度单元620,它用以按着载货总量和线路距离,在满足最小线路距离和的条件下,安排车辆配置状况的功能结构。所述的最小线路距离和,通过前述的目标函数和约束条件获得配置结果。
进一步,参图3所示,前述的***100中还设置有预装体积改变计划模块700,用以在采集到运输条件出现变化的情况下,调整车辆载货体积及营运规划。
能够进行预装体积改变的原因在于:为了避免车辆超载或者出现特殊情况,所安排的车辆运载能力,通常是通过载货体积进行表达的。在多数情况下,作为举例而非限定,只取满载条件下的特定比例,作为有效的载货体积,比如满载条件下的85%。按这种比例条件,在出现特殊情况的情况下,剩余的15%的载货量,称为载货余量,仍然能够作为有效的载货量启用。
所述的预装体积改变计划模块700,它对应的操作方法是:
采集运输条件发生改变的数据信息;
判定是否能够通过载货余量,增加单个车辆的载货量来解决前述的运输条件;
在判定通过的情况下,获得所需要增加的载货量;
启用前述的目标函数和约束条件,在不改变道口规划的前提下,将前述的需要增加的载货量及对应供应商信息,利用各车辆的载货余量重新进行计算,获得仅使用载货余量的情况下,各车辆的路线计划、车辆调度规划;
将前述步骤所获得的各车辆对应的路线计划、车辆调度规划,作为原来规划改变量,增设到原路线计划和车辆调度规划中。
其中,拿前面的载货余量比例进行说明。每辆车按15%的载货余量进行计算,在利用前述的目标函数和约束条件进行计算时,只需将原有的一辆车的满载货量乘以15%,再把需要的载货数量和需要访问的供应商信息等作为约束条件,通过目标函数与约束条件重新计算改变量的规划信息就可以了。然后将获得的新规划信息与原有的规划信息进行叠加,就能够满足在条件改变的情况下,满足新的物流需求了。
以上是对本发明的描述而非限制,基于本发明思想的其它实施例,亦均在本发明的保护范围之中。
Claims (7)
1.一种物流运输优化方法,其特征在于:
设置获取路线计划、车辆调度和道口计划的数据需求;
以总运输里程最短的为限定目标,输入约束条件;
获得路线计划、车辆调度和道口计划三者的数据后输出,并根据该数
据完成物流运输过程;
在发生运输条件发生改变时,具有如下操作流程,
采集运输条件发生改变的数据信息,
判定是否能够通过增加载货量来解决运输条件问题,
在判定通过的情况下,获得所需要增加的载货量,
启用目标函数和约束条件,在不改变道口规划的前提下,将前述的需要增加的载货量及对应供应商信息,利用各车辆的载货余量重新进行计算,获得仅使用载货余量的情况下,各车辆的路线计划、车辆调度规划,
将所获得的各车辆对应的路线计划、车辆调度规划,作为原来规划改变量,增设到原路线计划和车辆规划中;
其中,前述的限定目标,按照如下的目标函数做安排,
(1)
其中,前述的约束条件是,
(2)
表示每个供应商至少被一个路线访问一次,
(3)
表示所有路线都由配送中心出发,
(4)
表示进入每个供应商的路线一定会从该供应商离开,
(5)
表示所有路线都会回到配送中心,
其中,xijk为变量,如果弧(i,j)∈A被选为路线k∈K,则为1,否则为0,
Cij代表两节点间里程,
A={(i,j)|i,j∈V},代表弧集合,而V={0,…,n+1},代表节点集合,
N=V\{0,n+1},代表供应商集合,
Δ+(i),代表供应商i节点的前向弧集合,
Δ-(n+1),代表供应商(n+1)节点的后向弧集合,
K=K′\{0,m+1},代表路线集合,而K′={0,1,…,m,m+1},代表包含虚拟路线的路线集合,
其中,前面m为安排的运输路线总数,n为所需取货的供应商总数。
2.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件中至少其一,
(6)
表示路线k上,如果车辆在供应商i装货后前往供应商j,则车辆在供应商i开始装货时间加上在供应商i的装载时间再加上由供应商i到供应商j的行驶时间必然要小于车辆在供应商j处的开始装货时间,
(7)
表示路线k上,车辆在供应商i开始装货时间要大于等于供应商i最早允许开始装货时间,小于等于供应商i最晚允许开始装货时间,
(8)
表示路线k上,车辆在配送中心出发时间要大于等于配送中心最早工作时间,小于等于配送中心最晚允许卸货时间,
其中,对应着前述的参数,
wik是变量,路线计划中,路线k∈K中安排车辆到达供应商i∈N的时间,i=0为路线k∈K的出发时间,i=n+1为路线k∈K的结束时间,
Si代表每个节点的装货时间,其中i∈V,S0=Sn+1=0,
Tij代表两节点间运行时间,
xijk为变量,如果弧(i,j)∈A被选为路线k∈K,则为1,否则为0,
Ei代表供应商i∈N最早允许开始装货时间,i∈{0,n+1}为配送中心最早允许发车时间,
Li代表供应商i∈N最晚允许开始装货时间,i∈{0,n+1}为配送中心最晚允许车辆到达时间。
3.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件中至少其一,
(9)
表示任意供应商的供货量只能被拆分到经过该供应商的路线上,且该供应商的总供应量要大于等于该路线分配的供应量,其中,vik代表第k个路线在第i个供应商的取货量,Di代表该i供应商的全部供应量,表示第k个线路是否要经过供应商i,
(10)
表示每一个供应商的供应量需要被完全运载。
4.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件中至少其一,
(11)
表示线路k上,车辆装载的总供应量应小于等于该路线对应车辆的装载能力,其中Capp是p型号车的最大载货量,p是车型,y是和x类似的决策变量,表示路线与车辆的对应关系,
(12)
表示任意一运输车辆p∈P的工作状态都是从0状态(初始状态)开始,一定会执行路线集合K′中的一个,
(13)
表示每一条路线都必须有且只有一辆车运营,
(14)
表示每一条路线都存在作业车辆的流量守恒,
(15)
表示每一辆车都必须以虚拟路线任务为运行终止,
(16)
表示每一辆车最多只能运营R个轮次,
其中,对应着前述的参数,
vik为变量,路线k,k∈K从供应商i,i∈N的取货量,
ykqp为变量,车辆p∈P运营路线q∈K之后运营路线k∈K,为1,否则为0,
P={1,…,l},代表车辆集合,
K′={0,1,…,m,m+1},表示包含虚拟路线的路线集合,
K=K′\{0,m+1},表示路线集合,
R,代表单车最大轮次数,
Di,表示每个节点的装货量i∈V,D0=Dn+1=0,
Capp,表示车辆p,p∈P的载货能力。
5.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件,
(17)
表示如路线k在路线q之前被车辆p运营,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和,
其中,对应着前述的参数,
wik是变量,供应商i∈N为路线k∈K的开始服务时间,i=0为路线k∈K的出发时间,i=n+1为路线k∈K的结束时间,
ykqp为变量,车辆p∈P运营路线q∈K之后运营路线k∈K,为1,否则为0,
K′={0,1,…,m,m+1},表示包含虚拟路线的路线集合,
P={1,…,l},代表车辆集合,
Un,代表车辆集合。
6.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件中至少其一,
(18)
表示每一道口都必须从虚拟路线任务开始卸货,
(19)
表示每一条路线都必须有且只有一道口卸货,
(20)
表示每一条路线都存在卸货道口的流量守恒,
(21)
表示每一道口都必须以虚拟路线任务为所有卸货任务终止,
(22)
表示如路线k在路线q之前被道口o卸货,路线q的开始运营时间要大于等于路线k的结束运营时间与卸货时间之和,
其中,对应着前述的参数,
zkqo是变量,道口o∈O卸载路线k∈K之后卸载路线q∈K为1,否则为0,
O={1,…,u},代表卸货道口集合,
K′={0,1,…,m,m+1},表示包含虚拟路线的路线集合,
K=K′\{0,m+1},表示路线集合,
Un是参数,表示卸货所需时间。
7.根据权利要求1所述的一种物流运输优化方法,其特征在于:对应着前述的目标函数,还设置有如下约束条件中至少其一,
(23)
约束x,y,z均为0,1变量,
(24)
其中,对应着前述的参数,
xijk为变量,如果弧(i,j)∈A被选为路线k∈K,则为1,否则为0
ykqp为变量,车辆p∈P运营路线q∈K之后运营路线k∈K,为1,否则为0,
zkqo是变量,道口o∈O卸载路线k∈K之后卸载路线q∈K为1,否则为0,
wik是变量,供应商i∈N被路线k∈K的开始服务时间,i=0为路线k∈K的出发时间,i=n+1为路线k∈K的结束时间,
vik为变量,路线k,k∈K从供应商i,i∈N的取货量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410747762.8A CN104504459B (zh) | 2014-12-08 | 2014-12-08 | 物流运输优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410747762.8A CN104504459B (zh) | 2014-12-08 | 2014-12-08 | 物流运输优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504459A CN104504459A (zh) | 2015-04-08 |
CN104504459B true CN104504459B (zh) | 2016-08-24 |
Family
ID=52945854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410747762.8A Active CN104504459B (zh) | 2014-12-08 | 2014-12-08 | 物流运输优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504459B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205556A (zh) * | 2015-09-18 | 2015-12-30 | 浪潮软件股份有限公司 | 一种基于均衡任务分配的配送优化算法 |
CN106156961B (zh) * | 2016-09-30 | 2020-06-09 | 杭州数梦工场科技有限公司 | 一种车辆调度方法和装置 |
CN107578199B (zh) * | 2017-08-21 | 2021-02-26 | 南京航空航天大学 | 一种求解二维装载约束物流车辆调度问题的方法 |
CN107545395A (zh) * | 2017-10-09 | 2018-01-05 | 重庆长安民生物流股份有限公司 | 将零部件运输至主机厂的物流运输方法 |
CN108364105A (zh) * | 2018-02-26 | 2018-08-03 | 镇江宝华物流股份有限公司 | 一种物流配送线路的目标优化方法 |
CN108898334B (zh) * | 2018-05-29 | 2022-03-25 | 广州亿程交通信息集团有限公司 | 基于车联网的运输结算*** |
CN110659853A (zh) * | 2018-06-29 | 2020-01-07 | 天津宝钢钢材配送有限公司 | 基于深度学习的多用户配送物流优化方法 |
CN109190835B (zh) * | 2018-09-13 | 2021-08-03 | 西安建筑科技大学 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
CN110009275A (zh) * | 2019-03-19 | 2019-07-12 | 深圳市宏大供应链服务有限公司 | 基于地理位置的物流配送路径规划方法和*** |
CN110070669A (zh) * | 2019-04-29 | 2019-07-30 | 东莞市糖酒集团美宜佳便利店有限公司 | 一种贩卖机出货方法 |
CN111461598B (zh) * | 2020-03-30 | 2021-08-03 | 惠州市华达通气体制造股份有限公司 | 货物运输方法及装置 |
CN111768052B (zh) * | 2020-07-07 | 2022-07-22 | 上海约拿计算机信息科技有限公司 | 基于算法模型的整车厂进场物流路线自动规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741052A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 车辆配载及路径优化*** |
US20090327011A1 (en) * | 2008-06-30 | 2009-12-31 | Autonomous Solutions, Inc. | Vehicle dispatching method and system |
CN101782986A (zh) * | 2009-07-21 | 2010-07-21 | 上海海事大学 | 一种基于免疫算法的物流配送分区均衡优化方法 |
-
2014
- 2014-12-08 CN CN201410747762.8A patent/CN104504459B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1741052A (zh) * | 2005-09-22 | 2006-03-01 | 上海交通大学 | 车辆配载及路径优化*** |
US20090327011A1 (en) * | 2008-06-30 | 2009-12-31 | Autonomous Solutions, Inc. | Vehicle dispatching method and system |
CN101782986A (zh) * | 2009-07-21 | 2010-07-21 | 上海海事大学 | 一种基于免疫算法的物流配送分区均衡优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104504459A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504459B (zh) | 物流运输优化方法及*** | |
Meisel et al. | Integrated production and intermodal transportation planning in large scale production–distribution-networks | |
Wieberneit | Service network design for freight transportation: a review | |
CN101799981B (zh) | 多模式公共交通区域调度控制方法 | |
CN102542395B (zh) | 一种应急物资调度***及计算方法 | |
CN109726863A (zh) | 一种多目标优化的物流方法和*** | |
US20130159208A1 (en) | Shipper-oriented logistics base optimization system | |
CN106997494A (zh) | 物流配送规划方法、物流配送方法及其装置 | |
Lin et al. | An integral constrained generalized hub-and-spoke network design problem | |
Kang et al. | Development of a maritime transportation planning support system for car carriers based on genetic algorithm | |
CN107392531B (zh) | 一种城市轨道交通车辆基地检修物流仿真***及方法 | |
Prokudin et al. | Application of information technologies for the optimization of itinerary when delivering cargo by automobile transport | |
Wolfinger et al. | A matheuristic for a multimodal long haul routing problem | |
CN111967828A (zh) | 一种面向全程物流的公铁联运产品协同优化方法 | |
CN104463379A (zh) | 一种带时变需求的关联物流运输优化调度方法 | |
Lin | The integrated secondary route network design model in the hierarchical hub-and-spoke network for dual express services | |
Furtado et al. | Simulation of a Physical Internet—Based transportation network | |
Taran et al. | Structural optimization of multimodal routes for cargo delivery | |
Campbell | Strategic network design for motor carriers | |
Liatsos et al. | Fuel Emission Reduction by The Capacitated Hybrid Truck Platooning | |
CN108197879A (zh) | 一种多模式客货共运方法及*** | |
He et al. | Parcel delivery by collaborative use of truck fleets and bus-transit vehicles | |
Stopka | Modelling distribution routes in city logistics by applying operations research methods | |
Liatsos | Hybrid Truck Platooning Network Design | |
Dotoli et al. | A technique for the optimal management of containers' drayage at intermodal terminals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160415 Address after: 200433 room 69, building 100, No. 106, Handan Road, Shanghai, Yangpu District Applicant after: I56CHINA TECHNOLOGIES CORPORATION Address before: 200433 room 69, building 100, No. 106, Handan Road, Shanghai, Yangpu District Applicant before: I56CHINA TECHNOLOGIES CORPORATION Applicant before: Shanghai Jiao Tong University |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |