CN109685241A - 多网点车辆资源分配方法、装置、设备及存储介质 - Google Patents
多网点车辆资源分配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109685241A CN109685241A CN201811298412.2A CN201811298412A CN109685241A CN 109685241 A CN109685241 A CN 109685241A CN 201811298412 A CN201811298412 A CN 201811298412A CN 109685241 A CN109685241 A CN 109685241A
- Authority
- CN
- China
- Prior art keywords
- site
- route
- information
- vehicle
- task
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000010845 search algorithm Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 230000032258 transport Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013468 resource allocation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- OFPXSFXSNFPTHF-UHFFFAOYSA-N oxaprozin Chemical compound O1C(CCC(=O)O)=NC(C=2C=CC=CC=2)=C1C1=CC=CC=C1 OFPXSFXSNFPTHF-UHFFFAOYSA-N 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (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)
Abstract
本申请公开了一种多网点车辆资源分配方法、装置、设备及存储介质。该多网点车辆资源分配方法,方法包括:获取资源信息,资源信息包括网点信息、车辆信息;根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。根据本申请实施例提供的技术方案,通过对多网点车辆资源进行电子化处理,能够解决手动分配多网点车辆资源所带来的低效和不能满足资源统筹安排的问题。
Description
技术领域
本公开一般涉及资源分配领域,尤其涉及多网点车辆资源分配方法、装置、设备及存储介质。
背景技术
随着物流行业的不断发展和扩大,物流领域用于运输的车辆和物流网点越来越庞大。物流车辆资源如何在车辆数量、运输需求、线路的统筹安排之间实现平衡是各大物流企业关注和研究的课题。
现有方法是将线路任务分配到相关网点,由每个网点独立安排需要的车辆资源,分配方法为人工分配。这样的分配方法在线路数量较多的时候效果较差。而且每个网点独立分配车辆资源,每辆车只会运输单一网点线路,无法统筹考虑车辆在多个网点之间的运输,效率较低。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种高效且能够统筹安排车辆资源的多网点车辆资源分配方法、装置、设备及存储介质。
第一方面,提供一种多网点车辆资源分配方法,方法包括:
获取资源信息,资源信息包括网点信息、车辆信息;
根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。
在一个或多个实施例中,
网点信息包括任意两个网点的车辆运行时长信息;
车辆信息包括车辆标识、可分配的车辆数量;
线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。
在一个或多个实施例中,根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解之前包括:
根据线路有效周期信息,配置对应资源分配时段的有效线路。
在一个或多个实施例中,根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解之前还包括:
初始化链表,一个链表包括一个车辆信息和至少一个线路任务信息。
在一个或多个实施例中,链表的表头为车辆标识,链表的主体为若干线路任务。
在一个或多个实施例中,约束条件包括:
线路任务衔接条件,线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间之间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。
在一个或多个实施例中,约束条件还包括:
绑定条件,绑定条件是指在一分配时间段一车辆标识与至少一线路任务存在绑定关系。
在一个或多个实施例中,约束条件还包括:
车辆数量条件,车辆数量条件是完成线路任务所使用的车辆数量;
车辆数量越少越满足约束条件。
第二方面,提供一种多网点车辆资源分配装置,装置包括:
获取单元,配置用于获取资源信息,资源信息包括网点信息、车辆信息;
求解单元,配置用于根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。
在一个或多个实施例中,
网点信息包括任意两个网点的车辆运行时长信息;
车辆信息包括车辆标识、可分配的车辆数量;
线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。
在一个或多个实施例中,求解单元包括:
配置单元,配置用于根据线路有效周期信息,配置对应资源分配时段的有效线路。
在一个或多个实施例中,求解单元还包括:
初始化单元,配置用于初始化链表,一个链表包括一个车辆信息和至少一个线路任务信息;
在一个或多个实施例中,链表的表头为车辆标识,链表的主体为若干线路任务。
在一个或多个实施例中,求解单元还包括:
约束条件单元,约束条件单元用于配置线路任务衔接条件,线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间之间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。
在一个或多个实施例中,约束条件单元还配置用于:
绑定条件,绑定条件是指在一分配时间段一车辆标识与至少一线路任务存在绑定关系。
在一个或多个实施例中,约束条件单元还配置用于:
车辆数量条件,车辆数量条件是指完成线路任务所使用的车辆数量;
车辆数量越少越满足约束条件。
第三方面,提供一种设备,设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行本申请各实施例所提供的多网点车辆资源分配方法。
第四方面,提供一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现本申请各实施例所提供的多网点车辆资源分配方法。
根据本申请实施例提供的技术方案,通过对多网点车辆资源进行电子化处理,能够解决手动分配多网点车辆资源所带来的低效和不能满足资源统筹安排的问题。进一步的,根据本申请的某些实施例,通过设置线路有效周期信息,还能解决物流业务中需要指定车辆完成若干指定线路任务的问题,获得满足特殊业务需求的效果。此外,根据本申请某些实施例,通过设置不同的约束条件,还能满足各种资源分配要求,获得灵活分配资源的效果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了根据本申请实施例的多网点车辆资源分配方法的示例性流程图;
图2示出了根据本申请实施例的网点分布的示例性示意图;
图3示出了根据本申请实施例的链表的示例性示意图;
图4示出了根据本申请另一实施例的多网点车辆资源分配方法的示例性流程图;
图5示出了根据本申请实施例的多网点车辆资源分配装置的示例性结构框图;
图6示出了根据本申请实施例的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
下面结合图1至图3,说明本申请的多网点车辆资源分配方法。其中,图1示出了根据本申请实施例的多网点车辆资源分配方法的示例性流程图。图2示出了根据本申请实施例的网点分布的示例性示意图;图3示出了根据本申请实施例的链表的示例性示意图;
如图1所示,一种多网点车辆资源分配方法,方法包括:
步骤S10:获取资源信息,资源信息包括网点信息、线路任务信息;
步骤S20:根据资源信息和链表,通过禁忌搜索算法获取满足约束条件的最优解。
在步骤S10,根据网点的分布,获取网点信息、车辆信息在内的资源信息。其中,网点信息包括任意两个网点之间的车辆运行时长信息,该车辆运行时长可根据两个网点的距离和平均车辆运行速度来确定。车辆信息包括车辆标识、可分配的车辆数量。该车辆标识具有唯一性,以此区分车辆。车辆标识可采用任意形式这里不做限定,为了说明的便利本申请以车辆1、车辆2、车辆3来标识车辆。
在步骤S20,基于步骤S10获取的资源信息和需要完成的线路任务信息,通过禁忌搜索算法计算最优解。
禁忌搜索算法是一种亚启发式随机搜索算法,从一个初始可行解出发,选择一系列的特定搜索方向(移动)作为试探,选择实现让特定的目标函数值变化最多的移动。并从各搜索结果中选择满足约束条件的最优解。
该线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。线路任务信息就是车辆需要完成的运输任务。线路任务需要车辆在某时刻从一网点运输到另一网点,且车辆在跑当前线路任务时,不可以跑其他线路任务。
线路标识具有唯一性,能够唯一标识任意两个网点线路,以此区分不同线路。如图2所示的实施例包括11个网点,并标出7条线路。需要说明的是,11个网点可以包括更多的线路,图2仅给出部分线路。其中,线路1用于标识网点1到网点2的线路,线路2用于标识网点2到网点5的线路,依次类推。线路标识可采用任意形式这里不做限定,为了说明的便利本申请以线路1、线路2、线路3来标识线路。
物流领域,通常计算指定规划周期的多网点车辆资源分配,该指定规划周期可为一周,计算一周7天的车辆资源的分配,且每周的车辆资源的分配相同。一周的车辆资源的分配通过计算每天的车辆资源实现,即资源分配时段为一天。例如,以周一至周日的顺序,通过禁忌搜索算法计算一天最优解。需要说明的是,因某些物流企业业务的特点,每天可有效利用的线路将不同。如在图2中,并不是任意两点的线路都是有效的,以一周为周期,一周内每天的有效线路不同,且每周的有效线路的配置相同。例如,周一,线路2不可用;周二,线路4不可用等等。因此,为了设置每天的可有效利用的线路,通过线路有效周期信息,配置对应资源分配时段的有效线路。例如,在周一,在所有线路中删除线路2的其余线路,作为可有效利用的线路;而在周二,在所有线路中删除线路4的其余线路,作为可有效利用的线路等等。
需要说明的是,该指定规划周期不固定,可以为一周,也可以为一个月,或者其他时间段。线路有效规划周期信息表现形式可以为字符串,如12367或1|2|3|4|5|6|7或1/2/7/8等,当线路3对应的线路有效规划周期信息的取值为12367时,说明线路3在周一、周二、周三、周六和周日有效。线路有效规划周期信息也可以为bitmap,长度表示总时间跨度,对应bit位为0表示该线路无效,为1表示该线路有效,当线路4的线路有效周期信息的取值为0000011表示该线路任务在第6天和第7天有效;当线路5的线路有效规划周期信息的取值为1111111表示该线路任务在第1天至第7天都有有效。
如何将线路任务分配给车辆,直接影响了最终所需要车辆的数量以及运输效率。
本申请采用链表结构,体现车辆与线路任务之间的关系。一个链表包括一个车辆信息和至少一个线路任务信息。
在物流领域,常以一天为时间单位分配网点的车辆资源。一辆车一天可以跑多个线路任务,采用链表结构来实现多网点车辆资源的分配。一个链表包括一个车辆信息和至少一个线路任务信息。如图3所示,链表的表头为车辆标识,链表的主体为若干线路任务。图中给出链表的例子,链表1的表头为车辆1,链表的主体包括线路任务1、线路任务2和线路任务3。其表示车辆1在一天中需要跑线路任务1、线路任务2和线路任务3。车辆2在一天中需要跑线路任务4、线路任务5、线路任务6和线路任务7。其各对应网点线路的分布可参考图2。
接着,请参考图4,示出了根据本申请另一实施例的多网点车辆资源分配方法的示例性流程图。
步骤S101,初始化链表。初始链表可根据经验指定初始链表,或者将前一天的计算结果作为第二天的初始链表。
步骤S102,根据线路有效周期信息,配置对应资源分配时段的有效线路。此处N可以为7,或者其他任意数值。根据实际情况设定。
步骤S103,通过禁忌搜索算法获取满足约束条件的最优解。
约束条件包括线路任务衔接条件,线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。例如,搜索的一链表包括线路任务1、线路任务2、线路任务3,分别对应线路1、线路2、线路3。如图2中所示,其中,线路任务1的到达网点即为线路任务2的出发网点,此时线路任务1和线路任务2显然满足线路任务衔接条件。再看,线路任务2和线路任务3,线路任务2的到达网点为网点5,而线路任务3的出发网点为网点9。此时,需要计算线路任务2的到达时间与线路任务3的出发时间的时间差,是否大于或等于网点5与网点9之间的车辆运行时长。如果该时间差大于或等于网点5与网点9之间的车辆运行时长,说明线路任务2和线路任务3满足线路任务衔接条件,否则不满足线路任务衔接条件不能作为最优解。
另外,在物流领域存在某些路段的运行委托第三方运输的情况,针对此类业务需要,将存在车辆与线路任务绑定的要求。因此,约束条件中除了满足线路任务衔接条件外还需要符合绑定条件,该绑定条件是指在一分配时间段一车辆标识与至少一线路任务存在绑定关系。例如车辆1在一周的分配时间段与线路任务1有绑定关系,即车辆1的每天的线路任务中必须包含线路任务1,其他车辆不能分配线路任务1。或者,该绑定条件可以为一个车辆绑定多个线路任务。例如车辆2在周一至周五与线路任务2和线路任务3有绑定关系,即车辆2的周一至周五的线路任务中必须包含线路任务2和线路任务3,,其他车辆在周一至周五不能分配线路任务2和线路任务3。该绑定条件可根据实际物流业务需求设定,这里不再赘述各种绑定条件。
此外,约束条件还包括:
车辆数量条件,车辆数量条件是完成线路任务所使用的车辆数量;
车辆数量越少越满足约束条件。
经禁忌搜索后,满足线路任务衔接条件的搜索结果为多个时,通过车辆数量条件来选择最优解。将使用的车辆数量最少的搜索结果作为最优解。
同理经禁忌搜索后,满足线路任务衔接条件和绑定条件的搜索结果为多个时,通过车辆数量条件来选择最优解。将使用的车辆数量最少的搜索结果作为最优解。
步骤S104,判断是分配至第N天。例如是否分配完一周的车辆资源,若分配至第N天,则执行步骤S105,输出结果;未分配完,则执行步骤S101,进行链表的初始化,可将前一天的搜索结果作为第二天的初始链表。
清参考图5,示出了根据本申请实施例的多网点车辆资源分配装置的示例性结构框图。如图所示,一种多网点车辆资源分配装置200包括:
获取单元210,配置用于获取资源信息,资源信息包括网点信息、车辆信息;
求解单元220,配置用于根据资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。
在一些实施例中,
网点信息包括任意两个网点的车辆运行时长信息;
车辆信息包括车辆标识、可分配的车辆数量;
线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。
在一些实施例中,求解单元220包括:
配置单元221,配置用于根据线路有效周期信息,配置对应资源分配时段的有效线路。
在一些实施例中,求解单元221还包括:
初始化单元222,配置用于初始化链表,一个链表包括一个车辆信息和至少一个线路任务信息;
在一些实施例中,
链表的表头为车辆标识,链表的主体为若干线路任务。
在一些实施例中,求解单元220还包括:
约束条件单元223,约束条件单元用于配置线路任务衔接条件,线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间之间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。
在一些实施例中,约束条件单元223还配置用于:
绑定条件,绑定条件是指特定车辆仅负责运输至少一特定线路任务。
在一些实施例中,约束条件单元223还配置用于:
车辆数量条件,车辆数量条件是指完成线路任务所使用的车辆数量;
车辆数量越少越满足约束条件。
图6示出了根据本申请实施例提供的一种设备的结构示意图。
如图6所示,作为另一方面,本申请还提供了一种设备400,包括一个或多个中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有***400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施例,上文参考图1描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于多网点车辆资源分配方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为又一方面,本申请还提供了一种计算机可读存储介质,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描述于本申请的多网点车辆资源分配方法。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的***来实现,或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,各所述单元可以是设置在计算机或移动智能设备中的软件程序,也可以是单独配置的硬件装置。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
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)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种多网点车辆资源分配方法,其特征在于,所述方法包括:
获取资源信息,所述资源信息包括网点信息、车辆信息;
根据所述资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。
2.根据权利要求1的所述多网点车辆资源分配方法,其特征在于,
所述网点信息包括任意两个网点之间的车辆运行时长信息;
所述车辆信息包括车辆标识、可分配的车辆数量;
所述线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。
3.根据权利要求2的所述多网点车辆资源分配方法,其特征在于,所述根据所述资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解之前包括:
根据所述线路有效周期信息,配置对应资源分配时段的有效线路。
4.根据权利要求1或3的所述多网点车辆资源分配方法,其特征在于,所述根据所述资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解之前还包括:
初始化链表,一个链表包括一个车辆信息和至少一个所述线路任务信息。
5.根据权利要求4的所述多网点车辆资源分配方法,其特征在于,
所述链表的表头为所述车辆标识,所述链表的主体为若干所述线路任务。
6.根据权利要求1的所述多网点车辆资源分配方法,其特征在于,所述约束条件包括:
线路任务衔接条件,所述线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间之间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。
7.根据权利要求6的所述多网点车辆资源分配方法,其特征在于,所述约束条件还包括:
绑定条件,绑定条件,所述绑定条件是指在一分配时间段一车辆标识与至少一线路任务存在绑定关系。
8.根据权利要求6或7的所述多网点车辆资源分配方法,其特征在于,所述约束条件还包括:
车辆数量条件,所述车辆数量条件是完成线路任务所使用的车辆数量;
所述车辆数量越少越满足约束条件。
9.一种多网点车辆资源分配装置,其特征在于,所述装置包括:
获取单元,配置用于获取资源信息,所述资源信息包括网点信息、车辆信息;
求解单元,配置用于根据所述资源信息和线路任务信息,通过禁忌搜索算法获取满足约束条件的最优解。
10.根据权利要求9的所述多网点车辆资源分配装置,其特征在于,
所述网点信息包括任意两个网点的车辆运行时长信息;
所述车辆信息包括车辆标识、可分配的车辆数量;
所述线路任务信息包括线路标识、出发网点信息、出发时间信息、到达网点信息、到达时间信息和线路有效周期信息。
11.根据权利要求9的所述多网点车辆资源分配装置,其特征在于,所述求解单元包括:
配置单元,配置用于根据所述线路有效周期信息,配置对应资源分配时段的有效线路。
12.根据权利要求9或11的所述多网点车辆资源分配装置,其特征在于,所述求解单元还包括:
初始化单元,配置用于初始化链表,一个链表包括一个所述车辆信息和至少一个所述线路任务信息。
13.根据权利要求12的所述多网点车辆资源分配装置,其特征在于,
所述链表的表头为所述车辆标识,所述链表的主体为若干所述线路任务。
14.根据权利要求9的所述多网点车辆资源分配装置,其特征在于,所述求解单元还包括:
约束条件单元,所述约束条件单元用于配置线路任务衔接条件,所述线路任务衔接条件是指在一个链表中前一个线路任务的到达时间与下一个线路任务的出发时间之间的时间差,应大于或等于前一个线路任务到达网点与下一个线路任务出发网点之间的车辆运行时长。
15.根据权利要求14的所述多网点车辆资源分配装置,其特征在于,所述约束条件单元还配置用于:
绑定条件,所述绑定条件是指在一分配时间段一车辆标识与至少一线路任务存在绑定关系。
16.根据权利要求14或15的所述多网点车辆资源分配装置,其特征在于,所述约束条件单元还配置用于:
车辆数量条件,所述车辆数量条件是指完成线路任务所使用的车辆数量;
所述车辆数量越少越满足约束条件。
17.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-8中任一项所述多网点车辆资源分配方法。
18.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述多网点车辆资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298412.2A CN109685241A (zh) | 2018-11-01 | 2018-11-01 | 多网点车辆资源分配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298412.2A CN109685241A (zh) | 2018-11-01 | 2018-11-01 | 多网点车辆资源分配方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685241A true CN109685241A (zh) | 2019-04-26 |
Family
ID=66185279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811298412.2A Pending CN109685241A (zh) | 2018-11-01 | 2018-11-01 | 多网点车辆资源分配方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685241A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930091A (zh) * | 2019-11-05 | 2020-03-27 | 哈尔滨工业大学(威海) | 基于邻域搜索模拟退火算法的快递末端网点优化整合方法 |
CN112183808A (zh) * | 2019-07-02 | 2021-01-05 | 湖南大学 | 一种多汽车产品组合研发资源分配的优化方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108616565A (zh) * | 2018-03-13 | 2018-10-02 | 北京邮电大学 | 一种车辆数据通信方法及*** |
-
2018
- 2018-11-01 CN CN201811298412.2A patent/CN109685241A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108616565A (zh) * | 2018-03-13 | 2018-10-02 | 北京邮电大学 | 一种车辆数据通信方法及*** |
Non-Patent Citations (2)
Title |
---|
乔秀明等: "带时间窗的动态车辆调度算法", 《智能计算机与应用》 * |
刘丹霞: "基于互联网的同城配送车货匹配模式及路径优化研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183808A (zh) * | 2019-07-02 | 2021-01-05 | 湖南大学 | 一种多汽车产品组合研发资源分配的优化方法及*** |
CN110930091A (zh) * | 2019-11-05 | 2020-03-27 | 哈尔滨工业大学(威海) | 基于邻域搜索模拟退火算法的快递末端网点优化整合方法 |
CN110930091B (zh) * | 2019-11-05 | 2023-08-18 | 哈尔滨工业大学(威海) | 基于邻域搜索模拟退火算法的快递末端网点优化整合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Deep Q-learning for same-day delivery with vehicles and drones | |
Chen et al. | Using the Crowd of Taxis to Last Mile Delivery in E-Commerce: a methodological research | |
Heilig et al. | port-IO: an integrative mobile cloud platform for real-time inter-terminal truck routing optimization | |
Mensendiek et al. | Scheduling identical parallel machines with fixed delivery dates to minimize total tardiness | |
Mancini et al. | Bundle generation for last-mile delivery with occasional drivers | |
CN109272267A (zh) | 一种配送路径规划方法、装置及设备、存储介质 | |
Shao et al. | Synchronizing e-commerce city logistics with sliding time windows | |
CN109428904A (zh) | 业务对象的发布、获取方法、装置及*** | |
Xue et al. | Optimization of rider scheduling for a food delivery service in O2O business | |
Nananukul | Clustering model and algorithm for production inventory and distribution problem | |
Wang et al. | Simultaneous optimization of schedule coordination and cargo allocation for liner container shipping networks | |
Mahmoudi et al. | A cumulative service state representation for the pickup and delivery problem with transfers | |
Bräysy et al. | Chapter 12: Software tools and emerging technologies for vehicle routing and intermodal transportation | |
Fernández et al. | Bike3S: A tool for bike sharing systems simulation | |
Şahin et al. | A branch and price algorithm for the heterogeneous fleet multi-depot multi-trip vehicle routing problem with time windows | |
CN109685241A (zh) | 多网点车辆资源分配方法、装置、设备及存储介质 | |
Berghman et al. | Practical solutions for a dock assignment problem with trailer transportation | |
Emde et al. | Scheduling direct deliveries with time windows to minimise truck fleet size and customer waiting times | |
Wang et al. | The mobile production vehicle routing problem: Using 3D printing in last mile distribution | |
Zhang et al. | Optimizing single-depot vehicle scheduling problem: fixed-interval model and algorithm | |
Müller et al. | Decision support and data visualization for liner shipping fleet repositioning | |
Cheung et al. | A labeling method for dynamic driver-task assignment with uncertain task durations | |
Molina et al. | An optimization approach for designing routes in metrological control services: a case study | |
Montero et al. | Digitalizing infrastructure: Active management for smarter networks | |
CN109614386A (zh) | 数据处理方法、装置、服务器及计算机可读存储介质 |
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: 20190426 |