CN109214608B - 一种车辆调度优化方法 - Google Patents

一种车辆调度优化方法 Download PDF

Info

Publication number
CN109214608B
CN109214608B CN201811353674.4A CN201811353674A CN109214608B CN 109214608 B CN109214608 B CN 109214608B CN 201811353674 A CN201811353674 A CN 201811353674A CN 109214608 B CN109214608 B CN 109214608B
Authority
CN
China
Prior art keywords
vehicle
vehicles
distribution center
constraint
distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811353674.4A
Other languages
English (en)
Other versions
CN109214608A (zh
Inventor
田艳梅
蒲皓
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.)
Chengdu Infoex Technology Co ltd
Original Assignee
Chengdu Infoex Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Infoex Technology Co ltd filed Critical Chengdu Infoex Technology Co ltd
Priority to CN201811353674.4A priority Critical patent/CN109214608B/zh
Publication of CN109214608A publication Critical patent/CN109214608A/zh
Application granted granted Critical
Publication of CN109214608B publication Critical patent/CN109214608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0835Relationships between shipper or supplier and carriers
    • G06Q10/08355Routing methods

Landscapes

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

Abstract

本发明公开了一种车辆调度优化方法,包括以下步骤:S1:获取车辆信息、配送中心信息和目的地信息,并生成约束条件;S2:根据约束条件将空载车辆分配至配送中心;所述约束条件为时间约束、车辆约束和需求约束、距离约束中的一种或多种的组合;S3:对分配的车辆进行配送线路设计。本发明一种车辆调度优化方法,通过先分配车辆,再进行线路规划的方式进行配送中心和目的地的车辆行驶规划,有效的降低了饲料企业的物流成本,提高了经济效益,同时利用算法优化饲料配送车辆调度问题,即在一定约束条件下:对车辆进行合理的调度,使运输费用最小,用户等到时间最优使得成本函数最优。

Description

一种车辆调度优化方法
技术领域
本发明涉及计算机技术领域,具体涉及一种车辆调度优化方法。
背景技术
近几年来,随着我国社会经济的高速发展,人们的生活水平提高,对农副产品的需求量不断增加,使得养殖业得到了快速发展,与其紧密相连的饲料产业也蓬勃发展,知名的品牌饲料企业不断涌现。饲料企业作为畜牧业的重要组成部分,从饲料物流过程来看,包括生产饲料的原料由下往上和饲料成品由上往下的物流过程,也是一个由分散到集中和由集中到分散的物流过程。由于饲料自身的特殊性品种多,运输饲料配送的需求量大,大部分饲料不耐储存,养殖场卸货点分散、运输条件差以及到货时间弹性强,使得物流成本在全部成本中占有较大的比重,车辆调度问题是影响饲料企业物流成本的重要部分,现有的车辆调度技术已经无法满足降低饲料企业的物流成本,提高经济效益的要求。
发明内容
本发明所要解决的技术问题是由于饲料自身的特殊性品种多,运输饲料配送的需求量大,大部分饲料不耐储存,养殖场卸货点分散、运输条件差以及到货时间弹性强,使得物流成本在全部成本中占有较大的比重,车辆调度问题是影响饲料企业物流成本的重要部分,现有的车辆调度技术已经无法满足降低饲料企业的物流成本,提高经济效益的要求,目的在于提供一种车辆调度优化方法,解决上述问题。
本发明通过下述技术方案实现:
一种车辆调度优化方法,包括以下步骤:S1:获取车辆信息、配送中心信息和目的地信息,并生成约束条件;S2:根据约束条件将空载车辆分配至配送中心;所述约束条件为时间约束、车辆约束和需求约束、距离约束中的一种或多种的组合;S3:对分配的车辆进行配送线路设计。
现有技术中,由于饲料自身的特殊性品种多,运输饲料配送的需求量大,大部分饲料不耐储存,养殖场卸货点分散、运输条件差以及到货时间弹性强,使得物流成本在全部成本中占有较大的比重,车辆调度问题是影响饲料企业物流成本的重要部分,现有的车辆调度技术已经无法满足降低饲料企业的物流成本,提高经济效益的要求。
本发明应用时,先获取车辆信息、配送中心信息和目的地信息,并生成约束条件;这里所说的约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合,时间约束一般为货物送达时间、装卸货时间、空载时间等,车辆约束为车辆的类型、车辆的数量、车辆的载重等,需求约束为每个目的地所需饲料数量、种类等,距离约束为车辆的空车行驶距离、车辆总路程等;然后根据约束条件将空载车辆分配至配送中心,再然后对对分配的车辆进行配送线路设计,由于本发明针对的具体对象不同,所以选择的约束条件也与现有技术不同,虽然根据约束进行线路规划属于一种现有技术,但是本发明针对配送中心到各个目的地这种配送模式做出了创造性的贡献,对具体的约束条件进行限制,并且通过先分配车辆,再进行线路规划的方式进行配送中心和目的地的车辆行驶规划,有效的降低了饲料企业的物流成本,提高了经济效益,同时利用算法优化饲料配送车辆调度问题,即在一定约束条件下:对车辆进行合理的调度,使运输费用最小,用户等到时间最优使得成本函数最优。在车辆类型载重运费配送路径已经确定的条件下,结合运输货物和目的地卸货点的配送特点,考虑在时间约束的情况下,当目的地卸货点的需求量信息随时间发生变化时,对现有的配送线路进行实时调整优化,以降低配送成本,建立相应的配送车辆实时调度优化模型。
进一步的,步骤S2包括以下子步骤:S21:对所有车辆进行编号;S22:根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆;S23:将闲置车辆安排至配送中心。
本发明应用时,为了将闲置车辆匹配到配送中心,首先对所有车辆进行编号,然后根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆,一般来说每个配送中心需求的车辆不止一辆,所以需要均衡考虑配送中心的需求量和闲置车辆到配送中心的距离,再将闲置车辆安排至配送中心,这样既可以减少车辆的路程,也可以满足配送中心的需求,实现降低物流成本的目的。
进一步的,步骤S22包括以下子步骤:根据下式得出配送中心对应的闲置车辆:
Figure BDA0001865527170000021
Figure BDA0001865527170000022
式中,q为车辆数量,λ为调整系数,Gi为第i个配送中心需要配送的饲料数量,θ为装载每吨饲料所需要的时间,
Figure BDA0001865527170000023
为第j辆车到i个配送点的配送距离。
本发明应用时,可以通过上式将配送中心的需求量和闲置车辆到配送中心的距离整合起来,对i个分量进行优化排序,选取前k辆车安排到i各个配送中心,从中通过Argmin函数进行挑选,达到分配车辆的目的。
进一步的,步骤S23包括以下子步骤:根据下式得出约束条件,并根据约束条件将闲置车辆安排至配送中心:
Figure BDA0001865527170000024
式中,约束条件为P,
Figure BDA0001865527170000025
为第j辆车到i个配送点的配送距离,Tj为第j辆车闲置的时间,α为距离参数,β为时间参数。
本发明应用时,在此处可加上车辆空闲时间Tj去控制,尽量让车辆的空闲时间少一些,以提高车辆的利用率。
进一步的,步骤S23包括以下子步骤:分配至配送中心的闲置车辆满足下式:
Figure BDA0001865527170000031
式中,
Figure BDA0001865527170000032
表示第j辆车的载重量;
Figure BDA0001865527170000033
表示第i个配送中心需要配送一种饲料的量。
本发明应用时,根据配送中心的一种饲料的配送要求进行车辆安排,同时考虑到每辆车距离配送中心的路线长短不同,因此到达时间不同不会造成拥堵问题,从而提高装货效率。
进一步的,步骤S3包括以下子步骤:S31:随机产生路线,对每条路线进行车辆的搭配;S32:对路线进行基于遗传算法的优化迭代直至达到收敛标准;S33:随机选择路线,根据每个配送中心的实际需求和车辆情况分配车辆;S34:对总路线进行分割并得出目标函数,应用遗传算法进行迭代至最优解。
本发明应用时,为了对路线进行合理分配,先随机产生路线,对每条路线进行车辆的搭配,然后对路线进行基于遗传算法的优化迭代直至达到收敛标准,再然后随机选择路线,根据每个配送中心的实际需求和车辆情况分配车辆,再然后对总路线进行分割并得出目标函数,应用遗传算法进行迭代至最优解,这样结合上文的车辆分配的过程就可以选择出最优的车辆,并配置最优的运输路线,从而达到降低物流成本的目的。
进一步的,步骤S34包括以下子步骤:S341:根据运输车辆需要到的站点进行所需路径分析;S342:对所有路径进行最优解,选择最佳路径进行配送。
本发明应用时,先根据运输车辆需要到的站点进行所需路径分析,车辆的行驶路径可以分为多个节点进行分析,然后对所有路径进行最优解,选择最佳路径进行配送,从而达到降低物流成本的目的。
进一步的,步骤S342包括以下子步骤:得出总路线的长度;将车辆分配至总路径中相邻的多个目的地;对每个目的地的需求进行核算使得分配车辆满足目的地需求;进行行驶成本核算并选出最优路径;所述行驶成本包括车辆总路程、目的地等待时间和/或车辆空载路程。
本发明应用时,为了达到更好的经济效果,需要对成本进行核算,因为不同的车辆的行驶载货成本都不尽相同,所以在考虑成本的基础上,进行路径优化可以有效的降低运行成本。
进一步的,所述目的为养殖场。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明一种车辆调度优化方法,通过先分配车辆,再进行线路规划的方式进行配送中心和目的地的车辆行驶规划,有效的降低了饲料企业的物流成本,提高了经济效益,同时利用算法优化饲料配送车辆调度问题,即在一定约束条件下:对车辆进行合理的调度,使运输费用最小,用户等到时间最优使得成本函数最优。在车辆类型载重运费配送路径已经确定的条件下,结合运输货物和目的地卸货点的配送特点,考虑在时间约束的情况下,当目的地卸货点的需求量信息随时间发生变化时,对现有的配送线路进行实时调整优化,以降低配送成本,建立相应的配送车辆实时调度优化模型。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
本发明一种车辆调度优化方法,包括以下步骤:S1:获取车辆信息、配送中心信息和目的地信息,并生成约束条件;S2:根据约束条件将空载车辆分配至配送中心;所述约束条件为时间约束、车辆约束和需求约束、距离约束中的一种或多种的组合;S3:对分配的车辆进行配送线路设计。
本实施例实施时,先获取车辆信息、配送中心信息和目的地信息,并生成约束条件;这里所说的约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合,时间约束一般为货物送达时间、装卸货时间、空载时间等,车辆约束为车辆的类型、车辆的数量、车辆的载重等,需求约束为每个目的地所需饲料数量、种类等,距离约束为车辆的空车行驶距离、车辆总路程等;然后根据约束条件将空载车辆分配至配送中心,再然后对对分配的车辆进行配送线路设计,由于本发明针对的具体对象不同,所以选择的约束条件也与现有技术不同,虽然根据约束进行线路规划属于一种现有技术,但是本发明针对配送中心到各个目的地这种配送模式做出了创造性的贡献,对具体的约束条件进行限制,并且通过先分配车辆,再进行线路规划的方式进行配送中心和目的地的车辆行驶规划,有效的降低了饲料企业的物流成本,提高了经济效益,同时利用算法优化饲料配送车辆调度问题,即在一定约束条件下:对车辆进行合理的调度,使运输费用最小,用户等到时间最优使得成本函数最优。在车辆类型载重运费配送路径已经确定的条件下,结合运输货物和目的地卸货点的配送特点,考虑在时间约束的情况下,当目的地卸货点的需求量信息随时间发生变化时,对现有的配送线路进行实时调整优化,以降低配送成本,建立相应的配送车辆实时调度优化模型。
实施例2
本实施例在实施例1的基础上,步骤S2包括以下子步骤:S21:对所有车辆进行编号;S22:根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆;S23:将闲置车辆安排至配送中心。
本实施例实施时,为了将闲置车辆匹配到配送中心,首先对所有车辆进行编号,然后根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆,一般来说每个配送中心需求的车辆不止一辆,所以需要均衡考虑配送中心的需求量和闲置车辆到配送中心的距离,再将闲置车辆安排至配送中心,这样既可以减少车辆的路程,也可以满足配送中心的需求,实现降低物流成本的目的。
实施例3
本实施例在实施例2的基础上,步骤S22包括以下子步骤:根据下式得出配送中心对应的闲置车辆:
Figure BDA0001865527170000051
式中,q为车辆数量,λ为调整系数,Gi为第i个配送中心需要配送的饲料数量,θ为装载每吨饲料所需要的时间,
Figure BDA0001865527170000052
为第j辆车到i个配送点的配送距离。
本实施例实施时,可以通过上式将配送中心的需求量和闲置车辆到配送中心的距离整合起来,对i个分量进行优化排序,选取前k辆车安排到i各个配送中心,从中通过Argmin函数进行挑选,达到分配车辆的目的。
实施例4
本实施例在实施例2的基础上,步骤S23包括以下子步骤:根据下式得出约束条件,并根据约束条件将闲置车辆安排至配送中心:
Figure BDA0001865527170000053
式中,约束条件为P,
Figure BDA0001865527170000054
为第j辆车到i个配送点的配送距离,Tj为第j辆车闲置的时间,α为距离参数,β为时间参数。
本实施例实施时,在此处可加上车辆空闲时间Tj去控制,尽量让车辆的空闲时间少一些,以提高车辆的利用率。
实施例5
本实施例在实施例2的基础上,步骤S23包括以下子步骤:分配至配送中心的闲置车辆满足下式:
Figure BDA0001865527170000055
式中,
Figure BDA0001865527170000056
表示第j辆车的载重量;
Figure BDA0001865527170000057
表示第i个配送中心需要配送一种饲料的量。
本实施例实施时,根据配送中心的一种饲料的配送要求进行车辆安排,同时考虑到每辆车距离配送中心的路线长短不同,因此到达时间不同不会造成拥堵问题,从而提高装货效率。
实施例6
本实施例在实施例1的基础上,步骤S3包括以下子步骤:S31:随机产生路线,对每条路线进行车辆的搭配;S32:对路线进行基于遗传算法的优化迭代直至达到收敛标准;S33:随机选择路线,根据每个配送中心的实际需求和车辆情况分配车辆;S34:对总路线进行分割并得出目标函数,应用遗传算法进行迭代至最优解。
本实施例实施时,为了对路线进行合理分配,先随机产生路线,对每条路线进行车辆的搭配,然后对路线进行基于遗传算法的优化迭代直至达到收敛标准,再然后随机选择路线,根据每个配送中心的实际需求和车辆情况分配车辆,再然后对总路线进行分割并得出目标函数,应用遗传算法进行迭代至最优解,这样结合上文的车辆分配的过程就可以选择出最优的车辆,并配置最优的运输路线,从而达到降低物流成本的目的。
实施例7
本实施例在实施例6的基础上,步骤S34包括以下子步骤:S341:根据运输车辆需要到的站点进行所需路径分析;S342:对所有路径进行最优解,选择最佳路径进行配送。
本实施例实施时,先根据运输车辆需要到的站点进行所需路径分析,车辆的行驶路径可以分为多个节点进行分析,然后对所有路径进行最优解,选择最佳路径进行配送,从而达到降低物流成本的目的。
实施例8
本实施例在实施例7的基础上,步骤S342包括以下子步骤:得出总路线的长度;将车辆分配至总路径中相邻的多个目的地;对每个目的地的需求进行核算使得分配车辆满足目的地需求;进行行驶成本核算并选出最优路径;所述行驶成本包括车辆总路程、目的地等待时间和/或车辆空载路程。
本实施例实施时,为了达到更好的经济效果,需要对成本进行核算,因为不同的车辆的行驶载货成本都不尽相同,所以在考虑成本的基础上,进行路径优化可以有效的降低运行成本。
实施例9
本实施例在实施例1~8的基础上,假设每辆车的编号{1,2,....,q}到m个配送中心的距离向量S则为m维向量的向量,现在对第i个配送中心进行车辆的安排次配送中心的需求量分别是表示第i个配送中心需要的第一种饲料。
假设矩阵D表示各个点之间的距离,路线为R,其元素为站点代号0表示配送中心,目的地个数为m,计算路线总长
Figure BDA0001865527170000061
(Ri-1表示路径的第i-1个点),车辆CL带有第L辆车的车辆信息Ck分别表示车辆编号,车辆运载量,车辆实际运载量,运输成本,车辆状态(元/公里)K∈{1,2,3,4,5},在给定路径选一些相邻配送点使得一下条件成立:
车辆一共有q辆,将车辆L分配给总路径中相邻的Xl个目的地XL<=M,,起始目的地用0<=FL<=M表示且FL-1+XL<=M其中M为配送的总目的地养的数量,FL-1前L-1辆车所配送的目的地数量:D为距离矩阵,则DIJ表示第i个点到第j个点之间的最佳路径距离,Gi表示第i个目的地的需求。
Figure BDA0001865527170000071
(每辆车满足分配目的地需求)
其中
Figure BDA0001865527170000072
表示第L辆车的最大运载量,f表第j辆车从路径上的第f个点开始配送,XL为第L车辆所经过目的地的数量
Figure BDA0001865527170000073
(所有分配车辆满足总需求)
第l辆车所走的路程(附带空车返回的路程)
Figure BDA0001865527170000074
第l辆车所走的路程(不附带空车返回的路程)
总路程(附带空车返回的路程):
Figure BDA0001865527170000075
总路程(不附带空车返回的路程)
第l辆车的运输成本:
Figure BDA0001865527170000076
第i个目的地等待时间的计算
第l车的价格
Figure BDA0001865527170000077
总成本
Figure BDA0001865527170000078
C表示第L辆车的单价
第i个目的地等待时间的计算
首先确定该目的地被分配到了那辆车的配送路线,在该条路线中到达该目的地所经过的站点
假设站点i被分配到了第L车的路线中期间经过了站点
Figure BDA0001865527170000081
站点
设向量Ji携带第i个运送中心的所属路线上一次经过的所有点,和该所在线路的位置。
则该目的地需要等待的时间为
Figure BDA0001865527170000082
那么所有站点的等待时间为:
Figure BDA0001865527170000083
其中S表示平均车速,作用将每个站点需求量转换为停留时间
汽车的空载衡量:
用车辆路线,空载运输历程
Figure BDA0001865527170000084
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种车辆调度优化方法,其特征在于,包括以下步骤:
S1:获取车辆信息、配送中心信息和目的地信息,并生成约束条件;
S2:根据约束条件将空载车辆分配至配送中心;所述约束条件为时间约束、车辆约束、需求约束和距离约束中的一种或多种的组合;
S3:对分配的车辆进行配送线路设计;
步骤S2包括以下子步骤:
S21:对所有车辆进行编号;
S22:根据每个配送中心总需求量和所有闲置车辆到配送中心的平均距离得出每个配送中心对应的闲置车辆;
S23:将闲置车辆安排至配送中心;
步骤S22包括以下子步骤:
根据下式得出配送中心对应的闲置车辆:
Figure FDA0003296905120000011
式中,q为车辆数量,λ为调整系数,Gi为第i个配送中心需要配送的饲料数量,θ为装载每吨饲料所需要的时间,
Figure FDA0003296905120000017
为第j辆车到i个配送点的配送距离。
2.根据权利要求1所述的一种车辆调度优化方法,其特征在于,步骤S23包括以下子步骤:
根据下式得出约束条件,并根据约束条件将闲置车辆安排至配送中心:
Figure FDA0003296905120000012
式中,约束条件为P,
Figure FDA0003296905120000013
为第j辆车到i个配送点的配送距离,Tj为第j辆车闲置的时间,α为距离参数,β为时间参数。
3.根据权利要求1所述的一种车辆调度优化方法,其特征在于,步骤S23包括以下子步骤:
分配至配送中心的闲置车辆满足下式:
Figure FDA0003296905120000014
式中,
Figure FDA0003296905120000015
表示第j辆车的载重量;
Figure FDA0003296905120000016
表示第i个配送中心需要配送一种饲料的量。
4.根据权利要求1所述的一种车辆调度优化方法,其特征在于,步骤S3包括以下子步骤:
S31:随机产生路线,对每条路线进行车辆的搭配;
S32:对路线进行基于遗传算法的优化迭代直至达到收敛标准;
S33:随机选择路线,根据每个配送中心的实际需求和车辆情况分配车辆;
S34:对总路线进行分割并得出目标函数,应用遗传算法进行迭代至最优解。
5.根据权利要求4所述的一种车辆调度优化方法,其特征在于,步骤S34包括以下子步骤:
S341:根据运输车辆需要到的站点进行所需路径分析;
S342:对所有路径进行最优解,选择最佳路径进行配送。
6.根据权利要求5所述的一种车辆调度优化方法,其特征在于,步骤S342包括以下子步骤:
得出总路线的长度;
将车辆分配至总路径中相邻的多个目的地;
对每个目的地的需求进行核算使得分配车辆满足目的地需求;
进行行驶成本核算并选出最优路径;所述行驶成本包括车辆总路程、目的地等待时间和/或车辆空载路程。
7.根据权利要求1~6中任意一项所述的一种车辆调度优化方法,其特征在于,所述目的地 为养殖场。
CN201811353674.4A 2018-11-14 2018-11-14 一种车辆调度优化方法 Active CN109214608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811353674.4A CN109214608B (zh) 2018-11-14 2018-11-14 一种车辆调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811353674.4A CN109214608B (zh) 2018-11-14 2018-11-14 一种车辆调度优化方法

Publications (2)

Publication Number Publication Date
CN109214608A CN109214608A (zh) 2019-01-15
CN109214608B true CN109214608B (zh) 2022-01-25

Family

ID=64996578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811353674.4A Active CN109214608B (zh) 2018-11-14 2018-11-14 一种车辆调度优化方法

Country Status (1)

Country Link
CN (1) CN109214608B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961233A (zh) * 2019-03-28 2019-07-02 上海中通吉网络技术有限公司 一种物流调度方法及装置
JP2020173658A (ja) * 2019-04-11 2020-10-22 ソフトバンクグループ株式会社 配達システム、管理サーバ、プログラム、及び管理方法
CN110414730A (zh) * 2019-07-22 2019-11-05 北京三快在线科技有限公司 一种确定物流配送策略的方法及装置
CN113044454B (zh) * 2019-12-27 2022-12-20 北京极智嘉科技股份有限公司 控制搬运设备取货的方法及相关装置
CN111160813A (zh) * 2020-02-28 2020-05-15 成都英孚克斯科技有限公司 一种用于饲料运输的车辆调配***及方法
CN112016746B (zh) * 2020-08-26 2021-12-17 广东电网有限责任公司广州供电局 发电车调度方法、装置、计算机设备和存储介质
CN112184124A (zh) * 2020-10-16 2021-01-05 中冶赛迪上海工程技术有限公司 一种物料管理方法
CN113762855B (zh) * 2020-11-20 2023-12-05 北京京东振世信息技术有限公司 一种资源配置方法和装置
CN112418676B (zh) * 2020-11-24 2024-05-14 北京骑胜科技有限公司 一种车辆投放的方法、装置、可读存储介质和电子设备
CN114721343B (zh) * 2022-04-29 2023-05-23 佛山市广牧兴饲料有限公司 一种饲料生产控制方法及***
CN118134226B (zh) * 2024-05-10 2024-07-09 鱼快创领智能科技(南京)有限公司 一种货车运力调配方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803136A (zh) * 2017-01-24 2017-06-06 苏州工业职业技术学院 一种基于混合遗传算法的生鲜配送实时优化方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100913837B1 (ko) * 2006-01-10 2009-08-26 주식회사 엘지화학 다수의 차량에 대한 최적 배차 방법 및 이를 위한 시스템
US20080077464A1 (en) * 2006-09-22 2008-03-27 Sap Ag Vehicle scheduling and routing with trailers
CN104700251B (zh) * 2015-03-16 2018-02-02 华南师范大学 一种车辆调度问题的改进最大‑最小蚁群优化方法及***

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106803136A (zh) * 2017-01-24 2017-06-06 苏州工业职业技术学院 一种基于混合遗传算法的生鲜配送实时优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"物流配送中心车辆调度模型与遗传算法设计";陈火根,丁红钢,程耀东;《浙江大学学报(工学版)》;20030930;第37卷(第5期);第512-516页 *
"配送中心车辆调度模型及遗传算法设计";马东彦;《物流科技》;20081231(第5期);第79-82页 *

Also Published As

Publication number Publication date
CN109214608A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109214608B (zh) 一种车辆调度优化方法
CN109034468B (zh) 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法
CN106803136A (zh) 一种基于混合遗传算法的生鲜配送实时优化方法
CN112183812B (zh) 一种计及短时低成本的成品卷烟物流车辆调度方法
CN109299810A (zh) 一种货运车辆配载方法
CN113233068B (zh) 货物拣选方法、装置、计算机设备及存储介质
CN105069523A (zh) 一种有时间限制的配送车辆调度方法
CN107145971A (zh) 一种动态调整的快递配送优化方法
CN113011644A (zh) 基于蚁群优化算法的智慧城市动态冷链物流调度方法
CN112085271B (zh) 一种基于众包模式的传统产业集群集货路径优化方法
Zhen et al. Branch-price-and-cut for trucks and drones cooperative delivery
CN109816246A (zh) 基于gis和智能算法的物流调度***
CN110288281A (zh) 一种进出口货品管理***
CN109359771A (zh) 一种基于大数据的干线运输车货匹配算法
CN112183938A (zh) 一种物流调度方法及装置
CN109685260A (zh) 一种物流配送方法及其***
CN108470226A (zh) 一种物流***收益最大化方法
CN113743868A (zh) 一种物流货物管理装置
Hu et al. Research on the slot allocation of container liner under E-commerce environment
CN114925995A (zh) 基于单亲遗传算法的公路干线车货匹配和路径规划方法
CN115187169A (zh) 基于协同路径规划的物流配送***及方法
CN115471153A (zh) 一种新农村智慧物流管理***
CN110516842A (zh) 一种大型钢卷物流的两阶段协调及优化配载方法
CN108453046A (zh) 一种智能存取货***及智能存取货方法
CN112801310B (zh) 一种基于c-w节约算法的车辆路径优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant