CN109389239A - 一种随机路径摧毁重建方法、***、设备 - Google Patents

一种随机路径摧毁重建方法、***、设备 Download PDF

Info

Publication number
CN109389239A
CN109389239A CN201710691352.XA CN201710691352A CN109389239A CN 109389239 A CN109389239 A CN 109389239A CN 201710691352 A CN201710691352 A CN 201710691352A CN 109389239 A CN109389239 A CN 109389239A
Authority
CN
China
Prior art keywords
major path
compared
route
epicycle
reconstructing
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
CN201710691352.XA
Other languages
English (en)
Inventor
高磊
王宇
刘志欣
杨志伟
喻东武
胡奉平
孔晨
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.)
SF Technology Co Ltd
SF Tech Co Ltd
Original Assignee
SF 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 SF Technology Co Ltd filed Critical SF Technology Co Ltd
Priority to CN201710691352.XA priority Critical patent/CN109389239A/zh
Publication of CN109389239A publication Critical patent/CN109389239A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—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
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种随机路径摧毁重建方法、***、设备。该随机路径摧毁重建方法，包括：S1、获取包裹的属性信息；S2、根据包裹属性信息建立与其相对应的多维向量；S3、将多维向量输入贪婪算法，得到初始路线集合；S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。运用大规模邻域搜索算法，对输入的快递包裹进行实时求解，实现包裹配送的路径规划，减少路径规划的用车数量，以达到高装载率。

Description

一种随机路径摧毁重建方法、***、设备
技术领域
本发明涉及路径规划，尤其涉及一种随机路径摧毁重建方法、***、设备。
背景技术
随着经济的发展以及人们网上购物习惯的形成，快递行业得到了迅猛的发展，快递企业越来越多，产生的快件量也逐年增加。一方面，快件量的增加导致快递企业的配送成本逐步增高，另一方面，随着各个快递企业的物流配送车辆的增多，极大地增加城市交通的负担。因此，对传统快递配送模式的改进和创新，减少快递企业物流成本、缓解城市交通拥挤有着非常重要的作用。
大规模邻域搜索算法是解决路径的优化的方法之一。在大规模邻域搜索算法中，通常使用的是shaw removal/worst removal/random removal这三种摧毁策略。但是该上述三种摧毁因子在路径规划的实际问题中并不能解决用车量多的问题。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种随机路径摧毁重建方法、***、设备。
根据本发明的一个方面，提供了一种随机路径摧毁重建方法，包括：
S1、获取包裹的属性信息；
S2、根据包裹属性信息建立与其相对应的多维向量；
S3、将多维向量输入贪婪算法，得到初始路线集合；
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。
进一步的，包裹的属性信息包括地址流向、时间窗。
进一步的，与包裹属性信息相对应的多维向量包括地址流向、时间窗向量。
进一步的，将多维向量输入贪婪算法，得到初始路线集合，包括：
将多维向量输入下述公式，计算fx1值，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将多维向量输入贪婪算法，计算fx1'值；
计算△1＝f'x1-fx1，当△1最小时，得到初始路线集合。
α、β分别是cost函数的可调参数，dij表示距离，Xijk表示是否有这个点…α、β、d、k、K、S、i、j、A中很多是可调参数。
进一步的，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，包括：
S41、对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合；
S42、将本轮较优集合输入模拟退火算法，得到本轮的极优路线集合；
S43、步骤S42迭代多次，得较优路线集合。
迭代多少次取决于算法设定的时间，比如计算5分钟或者5000轮停止计算。
进一步的，对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合，包括：
随机选取一条或者多条初始路线，将其初始路线的包裹进行全部移除；
将被移除的包裹随机***到其他路线中，得到本轮较优集合。
进一步的，对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合，包括：
随机选取一条或者多条初始路线；
按下述公式计算初始路线的fx2，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将选取的初始路线的包裹进行随机的移除；
将被移除的包裹随机***到其他路线中，计算每种***位置对应的fx2'；
计算△2＝f'x2-fx2，当△2最小时，fx2'对应的***位置为最优的***位置，得到本轮较优集合。
进一步的，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
进一步的，对摧毁重建的策略进行自适应选择，得到较优路线集合的所对应的摧毁重建策略，包括：
将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分；
上述步骤迭代多次，对每轮所对应摧毁重建策略得分进行统计；
统计每种摧毁重建策略的得分，根据得分，得到较优路线集合所对应的摧毁重建策略。
进一步的，将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分，包括：
本轮较优路线优于上轮极优路线，本轮所对应摧毁重建策略得分；或，
本轮较优路线从未出现过，本轮所对应摧毁重建策略得分；或，
本轮较优路线为模拟退火算法可接受的路线，本轮所对应摧毁重建策略得分。
进一步的，目标函数如下：
最优路线输入目标函数，满足fx值最小。
根据本发明的另一个方面，提供了一种随机路径摧毁重建***，包括：
获取多个包裹的属性信息的采集单元；
根据包裹属性信息建立与其相对应的多维向量的多维向量建立单元；
将多维向量输入贪婪算法，得到初始路线集合的初始路线集合建立单元；
对初始路线集合进行路线的摧毁重建处理，得到较优路线集合的摧毁重建单元；
将较优路线集合输入目标函数，得到符合目标函数要求的极优路线的极优路线获取单元。
进一步的，摧毁重建单元对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
该***为基于上述任一随机路径摧毁重建方法的***，故包裹的属性信息、多维向量的建立、将多维向量输入贪婪算法，得到初始路线集合、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合、对最优路线集合进行目标函数计算，得到最优路线，对摧毁重建策略的选取等步骤如随机路径摧毁重建方法部分所述。
根据本发明的另一个方面，提供了一种随机路径摧毁重建设备，包括存储有计算机程序的计算机可读介质,所述程序被运行用于执行：
S1、获取包裹的属性信息；
S2、根据包裹属性信息建立与其相对应的多维向量；
S3、将多维向量输入贪婪算法，得到初始路线集合；
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。
进一步的，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
该设备为基于上述任一随机路径摧毁重建方法的设备，故包裹的属性信息、多维向量的建立、将多维向量输入贪婪算法，得到初始路线集合、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合、对最优路线集合进行目标函数计算，得到最优路线，对摧毁重建策略的选取等步骤如随机路径摧毁重建方法部分所述。
与现有技术相比，本发明具有以下有益效果：
1、本发明示例的随机路径摧毁重建方法，根据包裹属性信息建立与其相对应的多维向量；将多维向量输入贪婪算法，得到初始路线集合；对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；将最优路线集合输入目标函数，得到最优路线。运用大规模邻域搜索算法，对输入的快递包裹进行实时求解，实现包裹配送的路径规划，减少路径规划的用车数量，以达到高装载率。
2、本发明示例的随机路径摧毁重建***，通过采集单元获取多个包裹的属性信息；通过多维向量建立单元根据包裹属性信息建立与其相对应的多维向量；通过初始路线集合建立单元将多维向量输入贪婪算法，得到初始路线集合；通过摧毁重建单元对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；通过极优路线获取单元，将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。通过各单元协同作用，实现包裹配送的路径规划，减少路径规划的用车数量，提高车辆装载率。
3、本发明示例的随机路径摧毁重建设备，存储、被运行用于执行下述程序：运用大规模邻域搜索算法，对输入的快递包裹进行实时求解，实现包裹配送的路径规划，减少路径规划的用车数量，以达到高装载率，有效减少快递企业物流成本、缓解城市交通拥挤。
附图说明
图1为本发明的实施例一随机路径摧毁重建方法的示例性流程图。
具体实施方式
为了更好的了解本发明的技术方案，下面结合具体实施例对本发明作进一步说明。
实施例一：
本实施例提供了一种随机路径摧毁重建方法，包括：
S1、获取包裹的属性信息，该属性信息为地址流向、时间窗，其中，地址流向为包裹的起始、终止地址，时间窗为客户寄件时间和要求送达时间；
S2、根据包裹属性信息建立与其相对应的多维向量，该多维向量为地址流向、时间窗；
S3、将多维向量输入贪婪算法，得到初始路线集合，
具体包括：
将多维向量输入下述公式，计算fx1值，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将多维向量输入贪婪算法，计算fx1'值；
计算△1＝f'x1-fx1，当△1最小时，得到初始路线集合。
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合,还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。包裹的摧毁策略常用的有三种：shaw/random/worst removal/route removal，包裹的重建策略有：regret-2/regret-4/greedy insertion。本实施例采用4×3共计12种随机组合方式进行摧毁重建。
S41、对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合；
S411、随机选取一条或者多条初始路线，将其路线的包裹进行随机的shawremoval/worst removal/random removal/route removal，将其初始路线的包裹进行全部移除；
S412、将被移除的包裹随机以greedy/regret的方式***到其他路线中，得到当前路线集合。而由于removal和insertion有多种选择方式，且每次removal和insertion的路线位置和包裹信息都是随机的，因此需要大量实验来调整策略以得到最优。
进一步，具体为：
随机选取一条或者多条初始路线；
按下述公式计算初始路线的fx2，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将选取的初始路线的包裹进行随机的移除；
将被移除的包裹随机***到其他路线中，计算每种***位置对应的fx2'；
计算△2＝f'x2-fx2，当△2最小时，fx2'对应的***位置为最优的***位置，得到本轮较优集合。
具体步骤为：
(1)P＝{p1,p2,...,pm}为当前包裹的集合，↑表示包裹收件的节点处，↓表示包裹派件的节点处。N＝{n1,n2,...,ni}为包含起始点在内的所有配送节点信息。假设当前计算得到的路径集合R＝{r1,r2,...,rn}，随机选取其中一条路径其中rk路线的包裹信息如下表一。
表一：rk的路线举例
(2)将rk整条路线从当前路线集合R中移除，记录该条路线rk涉及到的包裹及其行为集合为V＝{p1↑,p2↑,p4↑,p5↑,p1↓,p2↓,p4↓,p5↓}。接着，将V全部***到即将被移除路线的包裹全部***到其他路线中。将包裹***其他路线采取随机***的方法，找到函数值最优的***位置(目标函数值的设定通常为成本大小)，以此达到减少用车的目的。
该部分伪代码如下：
1 Function randomRouteRemoval(s∈{solutions},q∈N)
2 while q>0do
3 route:r＝a randomly selected route from s
4 remove all the requests D in r
5 put the requests D in unassigned pool
6 q＝q-1
7 end while。
S42、将本轮较优集合输入模拟退火算法，得到本轮的极优路线集合。
具体为将新路线集合输入模拟退火算法，以一定概率来接受一个比当前解要差的路线，达到全局最优路线，即为本轮最优路线。
在模拟退火中，温度的变化是初始高温≥温度缓慢下降≥终止在低温。温度的高低决定接受新解的可能性大小，以防止陷入局部最优解的困境。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。
初始高温来保证接受较差解的概率为50％，温度在模型迭代过程中逐渐下降，在一定条件满足后(如5000轮迭代后)，温度会降低到一定值，这个时候使得接受较差解的概率为零，达到全局收敛，从而获取本轮迭代的极优路线。
S43、步骤S42迭代多次，得较优路线集合。
对摧毁重建的策略进行自适应选择，得到较优路线集合的所对应的摧毁重建策略，包括：
将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分；
上述步骤迭代多次，对每轮所对应摧毁重建策略得分进行统计；
统计每种摧毁重建策略的得分，根据得分，得到较优路线集合所对应的摧毁重建策略。
其中，将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分，包括：
本轮较优路线优于上轮极优路线，本轮所对应摧毁重建策略得分；或，
本轮较优路线从未出现过，本轮所对应摧毁重建策略得分；或，
本轮较优路线为模拟退火算法可接受的路线，本轮所对应摧毁重建策略得分。
本实施例同时利用自适应算法，将得到的路线集对应的资源耗费大小，相应的调整每种策略的得分，综合大量实验数据，最终得到最优策略。
如，在自适应算法中，将本轮较优路线(当前解)与上轮极优路线(极优解)比较以获取(按如下三种等级打分)，在经过一定的迭代次数后(如100轮)，统计每种策略获得解的得分，根据得分评判出最优策略。
三种等级打分标准：
本轮较优路线(当前解)优于上轮极优路线(极优解)(得分1，如10分)；
本轮较优路线(当前解)从未出现(得分1，如8分)；
根据模拟退火接受的差解(得分1，如5分)。
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线，
其中，目标函数如下：
最优路线输入目标函数，满足fx值最小。
本实施例的随机路径摧毁重建***，包括：
获取多个包裹的属性信息的采集单元；
根据包裹属性信息建立与其相对应的多维向量的多维向量建立单元；
将多维向量输入贪婪算法，得到初始路线集合的初始路线集合建立单元；
对初始路线集合进行路线的摧毁重建处理，得到较优路线集合的摧毁重建单元；
将较优路线集合输入目标函数，得到符合目标函数要求的极优路线的极优路线获取单元。
摧毁重建单元对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
该***为基于上述任一随机路径摧毁重建方法的***，故包裹的属性信息、多维向量的建立、将多维向量输入贪婪算法，得到初始路线集合、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合、对最优路线集合进行目标函数计算，得到最优路线，对摧毁重建策略的选取等步骤如随机路径摧毁重建方法部分所述。
本实施例的随机路径摧毁重建设备，包括存储有计算机程序的计算机可读介质,所述程序被运行用于执行：
S1、获取包裹的属性信息；
S2、根据包裹属性信息建立与其相对应的多维向量；
S3、将多维向量输入贪婪算法，得到初始路线集合；
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。
对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
该设备为基于上述任一随机路径摧毁重建方法的设备，故包裹的属性信息、多维向量的建立、将多维向量输入贪婪算法，得到初始路线集合、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合、对最优路线集合进行目标函数计算，得到最优路线，对摧毁重建策略的选取等步骤如随机路径摧毁重建方法部分所述。
该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行。
实施例二：
本实施例与实施例一相同的特征不再赘述，本实施例与实施例一不同的特征在于：
本实施例的随机路径摧毁重建方法中，
S41、对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合；
S411、随机选取一条初始路线，将其路线的包裹进行随机的shawremoval/worstremoval/random removal/route removal，将其初始路线的包裹进行全部移除；
S412、将被移除的包裹随机以greedy/regret的方式***到其他路线中，得到当前路线集合。而由于removal和insertion有多种选择方式，且每次removal和insertion的路线位置和包裹信息都是随机的，因此需要大量实验来调整策略以得到最优。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。

Claims (15)

1.一种随机路径摧毁重建方法，其特征是，包括：
S1、获取包裹的属性信息；
S2、根据包裹属性信息建立与其相对应的多维向量；
S3、将多维向量输入贪婪算法，得到初始路线集合；
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。
2.根据权利要求1所述的随机路径摧毁重建方法，其特征是，包裹的属性信息包括地址流向、时间窗。
3.根据权利要求2所述的随机路径摧毁重建方法，其特征是，与包裹属性信息相对应的多维向量包括地址流向、时间窗向量。
4.根据权利要求1所述的随机路径摧毁重建方法，其特征是，将多维向量输入贪婪算法，得到初始路线集合，包括：
将多维向量输入下述公式，计算fx1值，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将多维向量输入贪婪算法，计算fx1'值；
计算△1＝f'x1-fx1，当△1最小时，得到初始路线集合。
5.根据权利要求1所述的随机路径摧毁重建方法，其特征是，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，包括：
S41、对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合；
S42、将本轮较优集合输入模拟退火算法，得到本轮的极优路线集合；
S43、步骤S42迭代多次，得较优路线集合。
6.根据权利要求5所述的随机路径摧毁重建方法，其特征是，对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合，包括：
随机选取一条或者多条初始路线，将其初始路线的包裹进行全部移除；
将被移除的包裹随机***到其他路线中，得到本轮较优集合。
7.根据权利要求6所述的随机路径摧毁重建方法，其特征是，对初始路线集合进行路线的摧毁重建处理，得到本轮较优集合，包括：
随机选取一条或者多条初始路线；
按下述公式计算初始路线的fx2，
其中，为快件送达该点的距离，
为快递送达该点所消耗的时长；
将选取的初始路线的包裹进行随机的移除；
将被移除的包裹随机***到其他路线中，计算每种***位置对应的fx2'；
计算△2＝f'x2-fx2，当△2最小时，fx2'对应的***位置为最优的***位置，得到本轮较优集合。
8.根据权利要求1所述的随机路径摧毁重建方法，其特征是，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
9.根据权利要求8所述的随机路径摧毁重建方法，其特征是，对摧毁重建的策略进行自适应选择，得到较优路线集合的所对应的摧毁重建策略，包括：
将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分；
上述步骤迭代多次，对每轮所对应摧毁重建策略得分进行统计；
统计每种摧毁重建策略的得分，根据得分，得到较优路线集合所对应的摧毁重建策略。
10.根据权利要求9所述的随机路径摧毁重建方法，其特征是，将本轮较优路线与上轮极优路线对比，得出本轮所对应摧毁重建策略得分，包括：
本轮较优路线优于上轮极优路线，本轮所对应摧毁重建策略得分；或，
本轮较优路线从未出现过，本轮所对应摧毁重建策略得分；或，
本轮较优路线为模拟退火算法可接受的路线，本轮所对应摧毁重建策略得分。
11.根据权利要求1所述的随机路径摧毁重建方法，其特征是，
目标函数如下：
最优路线输入目标函数，满足fx值最小。
12.一种随机路径摧毁重建***，其特征是，包括：
获取多个包裹的属性信息的采集单元；
根据包裹属性信息建立与其相对应的多维向量的多维向量建立单元；
将多维向量输入贪婪算法，得到初始路线集合的初始路线集合建立单元；
对初始路线集合进行路线的摧毁重建处理，得到较优路线集合的摧毁重建单元；
将较优路线集合输入目标函数，得到符合目标函数要求的极优路线的极优路线获取单元。
13.根据权利要求12所述的随机路径摧毁重建***，其特征是，摧毁重建单元对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
14.一种随机路径摧毁重建设备，其特征是，包括存储有计算机程序的计算机可读介质,所述程序被运行用于执行：
S1、获取包裹的属性信息；
S2、根据包裹属性信息建立与其相对应的多维向量；
S3、将多维向量输入贪婪算法，得到初始路线集合；
S4、对初始路线集合进行路线的摧毁重建处理，得到较优路线集合；
S5、将较优路线集合输入目标函数，得到符合目标函数要求的极优路线。
15.根据权利要求14随机路径摧毁重建设备，其特征是，对初始路线集合进行路线的摧毁重建处理，得到较优路线集合，还包括：对摧毁重建的策略进行自适应选择，得到较优路线集合所对应的摧毁重建策略。
CN201710691352.XA 2017-08-14 2017-08-14 一种随机路径摧毁重建方法、***、设备 Pending CN109389239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710691352.XA CN109389239A (zh) 2017-08-14 2017-08-14 一种随机路径摧毁重建方法、***、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710691352.XA CN109389239A (zh) 2017-08-14 2017-08-14 一种随机路径摧毁重建方法、***、设备

Publications (1)

Publication Number Publication Date
CN109389239A true CN109389239A (zh) 2019-02-26

Family

ID=65416816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710691352.XA Pending CN109389239A (zh) 2017-08-14 2017-08-14 一种随机路径摧毁重建方法、***、设备

Country Status (1)

Country Link
CN (1) CN109389239A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816279A (zh) * 2019-03-22 2019-05-28 武汉大学 一种货运车辆智能动态调度方法
CN111950950A (zh) * 2019-05-17 2020-11-17 北京京东尚科信息技术有限公司 订单配送路径的规划方法、装置、计算机介质及电子设备
CN112288347A (zh) * 2020-02-21 2021-01-29 北京京东振世信息技术有限公司 冷链配送的路线确定方法、装置、服务器及存储介质
CN112749822A (zh) * 2019-10-30 2021-05-04 北京京东振世信息技术有限公司 一种生成路线的方法和装置
CN112949887A (zh) * 2019-12-11 2021-06-11 顺丰科技有限公司 派件路径的规划方法、装置、设备及计算机可读存储介质
WO2021135208A1 (zh) * 2019-12-31 2021-07-08 苏宁云计算有限公司 考虑订单聚合度的配送路径规划方法与***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866384A (zh) * 2010-06-18 2010-10-20 杭州电子科技大学 一种基于车辆路径规划的改进人工鱼群优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866384A (zh) * 2010-06-18 2010-10-20 杭州电子科技大学 一种基于车辆路径规划的改进人工鱼群优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张梦颖: "不确定因素下路径规划问题研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
苗国强等: "基于自适应大规模邻域搜索算法的带时间窗的车辆路径问题", 《物流技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816279A (zh) * 2019-03-22 2019-05-28 武汉大学 一种货运车辆智能动态调度方法
CN111950950A (zh) * 2019-05-17 2020-11-17 北京京东尚科信息技术有限公司 订单配送路径的规划方法、装置、计算机介质及电子设备
CN112749822A (zh) * 2019-10-30 2021-05-04 北京京东振世信息技术有限公司 一种生成路线的方法和装置
CN112749822B (zh) * 2019-10-30 2024-05-17 北京京东振世信息技术有限公司 一种生成路线的方法和装置
CN112949887A (zh) * 2019-12-11 2021-06-11 顺丰科技有限公司 派件路径的规划方法、装置、设备及计算机可读存储介质
CN112949887B (zh) * 2019-12-11 2023-11-28 顺丰科技有限公司 派件路径的规划方法、装置、设备及计算机可读存储介质
WO2021135208A1 (zh) * 2019-12-31 2021-07-08 苏宁云计算有限公司 考虑订单聚合度的配送路径规划方法与***
CN112288347A (zh) * 2020-02-21 2021-01-29 北京京东振世信息技术有限公司 冷链配送的路线确定方法、装置、服务器及存储介质
CN112288347B (zh) * 2020-02-21 2024-06-21 北京京东振世信息技术有限公司 冷链配送的路线确定方法、装置、服务器及存储介质

Similar Documents

Publication Publication Date Title
CN109389239A (zh) 一种随机路径摧毁重建方法、***、设备
Arnold et al. Efficiently solving very large-scale routing problems
Van Anholt et al. An inventory-routing problem with pickups and deliveries arising in the replenishment of automated teller machines
Bortfeldt et al. A tree search procedure for the container pre-marshalling problem
Defryn et al. A fast two-level variable neighborhood search for the clustered vehicle routing problem
Mester et al. Active-guided evolution strategies for large-scale capacitated vehicle routing problems
Battarra et al. Exact algorithms for the clustered vehicle routing problem
Petersen et al. The double travelling salesman problem with multiple stacks–formulation and heuristic solution approaches
Kirchler et al. A granular tabu search algorithm for the dial-a-ride problem
CN107194656A (zh) 一种基于标准箱订单的配送路径的规划方法及装置
Ceschia et al. Local search techniques for a routing-packing problem
CN107194513A (zh) 一种解决全渠道物流配送问题的优化方法
Dikas et al. Solving the bus evacuation problem and its variants
CN104966352B (zh) 一种合理利用钞箱存取款的方法和装置
Averbakh et al. Cooperative covering problems on networks
CN110196775A (zh) 一种计算任务处理方法、装置、设备以及可读存储介质
Bakas et al. A flexible transportation service for the optimization of a fixed-route public transport network
Massen et al. Pheromone-based heuristic column generation for vehicle routing problems with black box feasibility
CN106651453A (zh) 面向网络平台的自动推广方法、***和计算设备
CN110210922A (zh) 信息展示资源分配方法、装置、计算机设备及存储介质
Mardones et al. A metaheuristic for the double traveling salesman problem with partial last‐in‐first‐out loading constraints
Bruni et al. The multi-vehicle profitable pick up and delivery routing problem with uncertain travel times
CN109598443B (zh) 用于动态环境下车辆的任务规划方法和机器可读存储介质
Baklagis et al. The team orienteering pick-up and delivery problem with time windows and its applications in fleet sizing
Huang et al. Ant colony optimization for the single vehicle pickup and delivery problem with time window

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190226