CN109816246A - 基于gis和智能算法的物流调度*** - Google Patents
基于gis和智能算法的物流调度*** Download PDFInfo
- Publication number
- CN109816246A CN109816246A CN201910077409.6A CN201910077409A CN109816246A CN 109816246 A CN109816246 A CN 109816246A CN 201910077409 A CN201910077409 A CN 201910077409A CN 109816246 A CN109816246 A CN 109816246A
- Authority
- CN
- China
- Prior art keywords
- path
- gis
- node
- cargo
- entrucking
- 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
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 7
- 210000002569 neuron Anatomy 0.000 claims abstract description 4
- 230000017105 transposition Effects 0.000 claims abstract description 4
- 238000000151 deposition Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 5
- 206010006895 Cachexia Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000016318 wasting Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明基于GIS和智能算法的物流调度***，包括具有拓扑结构的GIS平台及货物装配和运输分配体系；拓扑结构为基于BP神经元的多层前向神经网络结构，其可进行物流车辆配送最优路径选择，具体方法为：进行邻接矩阵的生成：设定一有向连通图；各个节点间根据GIS平台拓扑结构计算之间的路径；进行条件约束的设定；进行最优路径的计算：神经网络趋于稳定后，形成一换位阵，包含0和1两个单位，其中1代表经过的节点，1代表经过的节点为最优的解；形成最终物流车辆配送最优路径的确定；将路径下发至物流车辆。
Description
技术领域
本发明涉及智能科技控制技术，特别涉及物流智能调度，具体的，其展示一种基于GIS和智能算法的物流调度***。
背景技术
随着社会经济的发展，物流运输也随之不断发展，物流是指物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。
现阶段的物流包括物流管理，物流管理具体为根据物质资料实体流动的规律，应用管理的基本原理和科学方法，对物流活动进行计划、组织、指挥、协调、控制和监督，使各项物流活动实现最佳的协调与配合；
现阶段的物流管理一般通过人工利用电脑***进行：
具体为，根据货物于仓储中的库存及车辆空闲情况，进行车辆分配，在车辆运输过程中根据GPS跟踪车辆输送路径。
现阶段的物流管理方式，车辆分配和车辆跟踪基本为人工进行分配方式，工作人员劳动强度大，且物流分配效率低，无法实现货物的高效配送。
因此，有必要提供一种基于GIS和智能算法的物流调度***来解决上述问题。
发明内容
本发明的目的是提供一种基于GIS和智能算法的物流调度***。
技术方案如下：
一种基于GIS和智能算法的物流调度***，包括具有拓扑结构的GIS平台及货物装配和运输分配体系；
拓扑结构为基于BP神经元的多层前向神经网络结构，其可进行物流车辆配送最优路径选择，具体方法为：
S1）进行邻接矩阵的生成：
S1-1）设定一有向连通图G= ( N，L，D) ( N × N) ；
其中N 表示为神经网络的节点数，既物流节点，L 表示的是神经网络的边数；
S1-2）各个节点间根据GIS平台拓扑结构计算之间的路径：
存在两个节点之间有着相关的数量，相应矩阵元素的值作为路径的运时长度；
S2）进行条件约束的设定：增加一个能量项使邻接矩阵的收敛趋于稳态；
S3）进行最优路径的计算：神经网络趋于稳定后，形成一换位阵，包含0 和1 两个单位，其中1 代表经过的节点，1 代表经过的节点为最优的解；
S4）形成最终物流车辆配送最优路径的确定：确定物流车辆配送时，最短的距离、最小的运费、以及最短的时间的配送路径；
S5）将路径下发至物流车辆。
进一步的，步骤S1-2）中两个节点间不存在路径，则相应矩阵元素的值为∞。
进一步的，步骤S2）中，增加一个能量项使邻接矩阵的收敛趋于稳态为根据权重项进行直接约束。
进一步的，运输分配体系包括货物装载和运输，具体分配方法为：
K1）读出发送节点和配送到的节点的所有需配送货物，根据物流车辆配送最优路径选择进行最佳配送路径选择；
K2）对所有需配送货物进行排序，后进行货物装车；
K3）进行满载判别：根据物流车辆所能承载的重量及容积、以及装车后货物的重量及体积进行对比，直接判别是否满载；
K4）满载后，记录终点编号，同时于派车数量上加一；
K5）继续装载，直至货物装车完成，同时记录派车总量；
K6）进行货物配送指令的下达。
进一步的，步骤K2）中，排序为根据货物重量从小到大排列、或根据货物体积从到大小进行排序。
进一步的，步骤K2）中，货物装车为跟据遗传算法进行最优装车路径确定后，通过AGV、穿梭车、及液压叉车等设备进行货物输送及装车。
与现有技术相比，本发明通过智能化的内部装车最优路径确定及货物自动装车控制，结合进行物流车辆配送最优路径选择，实现物流货物的高速高效配送，减少对人力资源的占用同时减少物流车辆的资源浪费。
具体实施方式
实施例：
本实施例展示一种基于GIS和智能算法的物流调度***，包括具有拓扑结构的GIS平台及货物装配和运输分配体系；
拓扑结构为基于BP神经元的多层前向神经网络结构，其可进行物流车辆配送最优路径选择，具体方法为：
S1）进行邻接矩阵的生成：
S1-1）设定一有向连通图G= ( N，L，D) ( N × N) ；
其中N 表示为神经网络的节点数，既物流节点，L 表示的是神经网络的边数；
S1-2）各个节点间根据GIS平台拓扑结构计算之间的路径：
存在两个节点之间有着相关的数量，相应矩阵元素的值作为路径的运时长度；
S2）进行条件约束的设定：增加一个能量项使邻接矩阵的收敛趋于稳态；
S3）进行最优路径的计算：神经网络趋于稳定后，形成一换位阵，包含0 和1 两个单位，其中1 代表经过的节点，1 代表经过的节点为最优的解；
S4）形成最终物流车辆配送最优路径的确定：确定物流车辆配送时，最短的距离、最小的运费、以及最短的时间的配送路径；
S5）将路径下发至物流车辆。
步骤S1-2）中两个节点间不存在路径，则相应矩阵元素的值为∞。
步骤S2）中，增加一个能量项使邻接矩阵的收敛趋于稳态为根据权重项进行直接约束。
运输分配体系包括货物装载和运输，具体分配方法为：
K1）读出发送节点和配送到的节点的所有需配送货物，根据物流车辆配送最优路径选择进行最佳配送路径选择；
K2）对所有需配送货物进行排序，后进行货物装车；
K3）进行满载判别：根据物流车辆所能承载的重量及容积、以及装车后货物的重量及体积进行对比，直接判别是否满载；
K4）满载后，记录终点编号，同时于派车数量上加一；
K5）继续装载，直至货物装车完成，同时记录派车总量；
K6）进行货物配送指令的下达。
步骤K2）中，排序为根据货物重量从小到大排列、或根据货物体积从到大小进行排序。
步骤K2）中，货物装车为跟据遗传算法进行最优装车路径确定后，通过AGV、穿梭车、及液压叉车等设备进行货物输送及装车。
与现有技术相比，本发明通过智能化的内部装车最优路径确定及货物自动装车控制，结合进行物流车辆配送最优路径选择，实现物流货物的高速高效配送，减少对人力资源的占用同时减少物流车辆的资源浪费。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (6)
1.一种基于GIS和智能算法的物流调度***，其特征在于：
包括具有拓扑结构的GIS平台及货物装配和运输分配体系；
拓扑结构为基于BP神经元的多层前向神经网络结构，其可进行物流车辆配送最优路径选择，具体方法为：
S1)进行邻接矩阵的生成：
S1-1)设定一有向连通图G＝(N，L，D)(N×N)；
其中N表示为神经网络的节点数，既物流节点，L表示的是神经网络的边数；
S1-2)各个节点间根据GIS平台拓扑结构计算之间的路径：
存在两个节点之间有着相关的数量，相应矩阵元素的值作为路径的运时长度；
S2)进行条件约束的设定：增加一个能量项使邻接矩阵的收敛趋于稳态；
S3)进行最优路径的计算：神经网络趋于稳定后，形成一换位阵，包含0和1两个单位，其中1代表经过的节点，1代表经过的节点为最优的解；
S4)形成最终物流车辆配送最优路径的确定：确定物流车辆配送时，最短的距离、最小的运费、以及最短的时间的配送路径；
S5)将路径下发至物流车辆。
2.根据权利要求1所述的一种基于GIS和智能算法的物流调度***，其特征在于：步骤S1-2)中两个节点间不存在路径，则相应矩阵元素的值为∞。
3.根据权利要求1所述的一种基于GIS和智能算法的物流调度***，其特征在于：步骤S2)中，增加一个能量项使邻接矩阵的收敛趋于稳态为根据权重项进行直接约束。
4.根据权利要求1-3任意一项所述的一种基于GIS和智能算法的物流调度***，其特征在于：运输分配体系包括货物装载和运输，具体分配方法为：
K1)读出发送节点和配送到的节点的所有需配送货物，根据物流车辆配送最优路径选择进行最佳配送路径选择；
K2)对所有需配送货物进行排序，后进行货物装车；
K3)进行满载判别：根据物流车辆所能承载的重量及容积、以及装车后货物的重量及体积进行对比，直接判别是否满载；
K4)满载后，记录终点编号，同时于派车数量上加一；
K5)继续装载，直至货物装车完成，同时记录派车总量；
K6)进行货物配送指令的下达。
5.根据权利要求4所述的一种基于GIS和智能算法的物流调度***，其特征在于：步骤K2)中，排序为根据货物重量从小到大排列、或根据货物体积从到大小进行排序。
6.根据权利要求5所述的一种基于GIS和智能算法的物流调度***，其特征在于：步骤K2)中，货物装车为跟据遗传算法进行最优装车路径确定后，通过AGV、穿梭车、及液压叉车等设备进行货物输送及装车。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910077409.6A CN109816246A (zh) | 2019-01-28 | 2019-01-28 | 基于gis和智能算法的物流调度*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910077409.6A CN109816246A (zh) | 2019-01-28 | 2019-01-28 | 基于gis和智能算法的物流调度*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109816246A true CN109816246A (zh) | 2019-05-28 |
Family
ID=66605386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910077409.6A Pending CN109816246A (zh) | 2019-01-28 | 2019-01-28 | 基于gis和智能算法的物流调度*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816246A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110146102A (zh) * | 2019-06-04 | 2019-08-20 | 南方科技大学 | 路径规划方法、装置、设备和存储介质 |
| CN110471287A (zh) * | 2019-08-27 | 2019-11-19 | 合肥工业大学 | 一种多有轨穿梭小车的实时调度方法及*** |
| CN110490503A (zh) * | 2019-05-30 | 2019-11-22 | 湖南城市学院 | 一种基于海量数据的物流配送车辆优化调度方法 |
| CN111027911A (zh) * | 2019-12-13 | 2020-04-17 | 江苏佳利达国际物流股份有限公司 | 一种自动化物流仓储运输调度*** |
| CN111667103A (zh) * | 2020-05-25 | 2020-09-15 | 上海东普信息科技有限公司 | 基于目的地的物流调度的方法、装置、设备和存储介质 |
| CN112850220A (zh) * | 2021-01-20 | 2021-05-28 | 平高集团有限公司 | 一种面向电气产品运输的非标件混合自动配车装车方法 |
| CN113780956A (zh) * | 2021-09-18 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 物流运费生成方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673382A (zh) * | 2009-10-21 | 2010-03-17 | 北京交通大学 | 一种农资连锁经营物流配送配载组合优化方法 |
| CN103544589A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种基于云平台物流智能送货方法及*** |
| DE102015003381B3 (de) * | 2015-03-17 | 2016-07-21 | Karlsruher Institut für Technologie | Verfahren zur Steuerung eines Materialflusssystems |
| CN108122048A (zh) * | 2017-11-23 | 2018-06-05 | 浙江专线宝网阔物联科技有限公司 | 一种运输路径调度方法及其*** |
-
2019
- 2019-01-28 CN CN201910077409.6A patent/CN109816246A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673382A (zh) * | 2009-10-21 | 2010-03-17 | 北京交通大学 | 一种农资连锁经营物流配送配载组合优化方法 |
| CN103544589A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种基于云平台物流智能送货方法及*** |
| DE102015003381B3 (de) * | 2015-03-17 | 2016-07-21 | Karlsruher Institut für Technologie | Verfahren zur Steuerung eines Materialflusssystems |
| CN108122048A (zh) * | 2017-11-23 | 2018-06-05 | 浙江专线宝网阔物联科技有限公司 | 一种运输路径调度方法及其*** |
Non-Patent Citations (2)
| Title |
|---|
| 李惠珠等: "基于GIS的物流配送车辆调度实现与应用", 《长春师范学院学报》 * |
| 黄由衡等: "铁路快递物品目的地市内配送派单的优化算法", 《铁道学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490503A (zh) * | 2019-05-30 | 2019-11-22 | 湖南城市学院 | 一种基于海量数据的物流配送车辆优化调度方法 |
| CN110146102A (zh) * | 2019-06-04 | 2019-08-20 | 南方科技大学 | 路径规划方法、装置、设备和存储介质 |
| CN110471287A (zh) * | 2019-08-27 | 2019-11-19 | 合肥工业大学 | 一种多有轨穿梭小车的实时调度方法及*** |
| CN111027911A (zh) * | 2019-12-13 | 2020-04-17 | 江苏佳利达国际物流股份有限公司 | 一种自动化物流仓储运输调度*** |
| CN111027911B (zh) * | 2019-12-13 | 2021-02-26 | 江苏佳利达国际物流股份有限公司 | 一种自动化物流仓储运输调度*** |
| CN111667103A (zh) * | 2020-05-25 | 2020-09-15 | 上海东普信息科技有限公司 | 基于目的地的物流调度的方法、装置、设备和存储介质 |
| CN111667103B (zh) * | 2020-05-25 | 2023-08-29 | 上海东普信息科技有限公司 | 基于目的地的物流调度的方法、装置、设备和存储介质 |
| CN112850220A (zh) * | 2021-01-20 | 2021-05-28 | 平高集团有限公司 | 一种面向电气产品运输的非标件混合自动配车装车方法 |
| CN113780956A (zh) * | 2021-09-18 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 物流运费生成方法、装置、设备及存储介质 |
| CN113780956B (zh) * | 2021-09-18 | 2024-02-13 | 中国平安人寿保险股份有限公司 | 物流运费生成方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816246A (zh) | 基于gis和智能算法的物流调度*** | |
| CN111328404B (zh) | 仓库和供应链协调器 | |
| Sadjadi et al. | A new mathematical modeling and a genetic algorithm search for milk run problem (an auto industry supply chain case study) | |
| Dondo et al. | The multi-echelon vehicle routing problem with cross docking in supply chain management | |
| Kilic et al. | Classification and modeling for in-plant milk-run distribution systems | |
| CN101585453B (zh) | 集装箱码头出口箱堆场自动分配方法 | |
| CN114862226B (zh) | 一种仓储物流智能调度及装卸货管理方法及*** | |
| CN107272686A (zh) | 物流信息的处理方法、装置及物流仓储*** | |
| CN109784547A (zh) | 一种码头岸桥与场桥协同优化调度方法 | |
| Fathi et al. | A novel memetic ant colony optimization-based heuristic algorithm for solving the assembly line part feeding problem | |
| CN112001064A (zh) | 一种集装箱码头间全自主水上运输调度方法及*** | |
| CN112801483B (zh) | 基于静态半成套策略的混流装配线物料配送方法和*** | |
| CN109214608A (zh) | 一种车辆调度优化方法 | |
| Ambrosino et al. | Modeling and solving the train load planning problem in seaport container terminals | |
| CN111768052A (zh) | 基于算法模型的整车厂进场物流路线自动规划方法 | |
| Hu et al. | Improved Benders decomposition for stochastic yard template planning in container terminals | |
| Dulebenets | A new simulation model for a comprehensive evaluation of yard truck deployment strategies at marine container terminals | |
| Zhong et al. | Real-time multi-resource jointed scheduling of container terminals with uncertainties using a reinforcement learning approach | |
| CN115783573A (zh) | 智能仓储整箱拣选***及其控制方法 | |
| CN115660551A (zh) | 一种电网计量物资无人值守仓库多agv调度优化方法及*** | |
| CN115393003A (zh) | 基于相似度的面向多拣选台订单分批及拣选排序方法及*** | |
| CN115099617A (zh) | 烟草工业品物流调度方法 | |
| Abdurahim et al. | DETERMINATION OF THE MAIN CRITERIA WHEN SELECTING CARGO TRANSPORTATION | |
| Resti et al. | Mathematical model for vehicle routing and scheduling with forward and reverse logistics | |
| CN109872023A (zh) | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |
|
| RJ01 | Rejection of invention patent application after publication |