CN110276499A - 一种垃圾清运路线优化计算方法 - Google Patents
一种垃圾清运路线优化计算方法 Download PDFInfo
- Publication number
- CN110276499A CN110276499A CN201910571034.9A CN201910571034A CN110276499A CN 110276499 A CN110276499 A CN 110276499A CN 201910571034 A CN201910571034 A CN 201910571034A CN 110276499 A CN110276499 A CN 110276499A
- Authority
- CN
- China
- Prior art keywords
- individual
- population
- recombination
- point
- genetic
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 230000006798 recombination Effects 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000005215 recombination Methods 0.000 claims abstract description 20
- 230000035772 mutation Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 6
- 239000010813 municipal solid waste Substances 0.000 claims description 35
- 108090000623 proteins and genes Proteins 0.000 claims description 18
- 238000013480 data collection Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000000740 bleeding effect Effects 0.000 claims description 5
- 230000004083 survival effect Effects 0.000 claims description 4
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 3
- 108700039964 Duplicate Genes Proteins 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 101100291433 Arabidopsis thaliana MMD1 gene Proteins 0.000 claims description 2
- 101150060453 LIA1 gene Proteins 0.000 claims description 2
- 201000001085 Miyoshi muscular dystrophy 1 Diseases 0.000 claims description 2
- 208000009376 Miyoshi myopathy Diseases 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 238000005303 weighing Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000032258 transport Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000010791 domestic waste Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 101000911390 Homo sapiens Coagulation factor VIII Proteins 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 102000057593 human F8 Human genes 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
- 229940047431 recombinate Drugs 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material 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
- G06Q10/08—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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明属于垃圾清运路径计算技术领域，涉及一种垃圾清运路线优化计算方法，基于多种群遗传算法对垃圾清运路径进行优化计算，工艺过程包括数据采集、数据预处理、创建初始种群、计算适应度、选择个体、基因重组、基因变异、强化重组、移民算子和输出结果共十个步骤，主要包含数据采集、数据预处理、创建初始种群、计算适应度、选择个体、基因重组、基因变异、强化重组移民算子和输出结果十个部分，以单次出车为单位，根据路况搜索条件得到的距离矩阵，计算出最快、最短的路径，只需要修改配置参数，就能够快速的计算得到结果；具有精度高，调节方式灵活，只需一次开发，能快速计算出结果，具有非常实用的现实意义和实用价值。
Description
技术领域：
本发明属于垃圾清运路径计算技术领域，涉及一种垃圾清运路线优化计算方法，基于多种群遗传算法对垃圾清运路径进行优化计算。
背景技术：
垃圾清运是指垃圾的收集和运输，包括社区生活垃圾清运、建筑垃圾清运、渣土清运，需要对公司、企业、工厂、商场、酒店、建筑工地、学校、娱乐场所、培训中心等场所进行垃圾清运。城市生活垃圾清运***包括垃圾的收集、运输和转运三个部分，在这其中收集和运输是每个***共有的，而转运则视垃圾产生源至垃圾处理场的运输距离及收集车辆性状而设置。城市生活垃圾清运***的协调有序运行是城市的市容环境、卫生安全以及城市的可持续发展的基础保障，目前垃圾清运过程存在秩序混乱的问题，清运路线的选择完全依靠司机的主观想法，然而城市交通的路况影响与制约着清运的效率，尤其在收运点比较多且有变动的情况下，人工规划清运路线的准确性进一步下降，影响了清运成本的控制。
中国专利201811578610.4公开的一种收运车实时自动规划作业***，其特征在于，包括：数据采集模块，实时接收垃圾箱上设置的满溢传感器、报警模块发送的数据信息以及接收垃圾箱上设置的第一定位模块和收运车上设置的第二定位模块发送的定位信息；数据分析模块，预先根据所述数据信息和定位信息对某个时间段和区域段内垃圾箱内垃圾的增量规律进行数据分析，并根据数据分析结果对实时监控的垃圾桶垃圾增量速度进行预估，并形成垃圾箱收运顺序及路线的预估结果；数据处理模块，根据预估结果和所述定位信息为垃圾箱在报警模块报警前完成收运车的匹配和实时调度；其基于人工智能和大数据计算的收运车实时自动规划作业***，通过大数据实时计算收运车辆负责的所有垃圾箱中的垃圾量，达到一定吨位收运车的运量时自动规划最优收运路线；中国专利201820887814.5公开的一种基于物联网的垃圾收运***，包括：摄像监控装置、卫星定位模块、称重装置、数据传输模块和主控CPU模块，称重装置包括：称重传感器和AD滤波采集电路，摄像监控装置的输出端、卫星定位模块的输出端、AD滤波采集电路的输出端均与主控CPU模块的输入端电气连接，AD滤波采集电路的输入端与称重传感器的输出端电气连接，数据传输模与主控CPU模块双向电气连接；其能够对垃圾收运过程实时监控和记录，获得每个垃圾收运点的实际收运垃圾量、收运时间、收运位置等收运信息，并将收运信息传送至云平台，形成大数据管理，实现环卫车远程监控调度和垃圾称重***设备状态监控；上述专利产品的清运路线规划收到吨位和平台的限制，现有技术中清运路线仍以人工经验和主观判断为主，垃圾清运路线的规划精度有很大的提升空间。因此研发一种垃圾清运路线优化计算方法，计算出最快、最短、最顺的垃圾清运路线，具有很高的社会意义及实用价值。
发明内容：
本发明的目的在于克服现有技术存在的缺点，研发设计一种垃圾清运路线优化计算方法，根据路况迅速分析和判断，提供最省时、最省路、最通畅的清运路线。
为了实现上述目的，本发明涉及的垃圾清运路线优化计算方法的工艺过程包括数据采集、数据预处理、创建初始种群、计算适应度、选择个体、基因重组、基因变异、强化重组、移民算子和输出结果共十个步骤：
(1)数据采集：数据采集源包括垃圾坐标数据集、两点间最短道路距离矩阵；
垃圾坐标数据集由垃圾清运中心业务***提供，基于车辆清运计划的实时调整性，垃圾坐标数据集为当天车辆清运任务的坐标集，坐标包括经纬度数值；
手动测量或采用开放的GIS(地理信息***)平台接口计算垃圾坐标数据集所有两点间最短道路距离矩阵，采用GIS平台接口计算时，能够生成两点间最短道路距离矩阵的筛选条件，包括最短实际距离、最短到达时间、不收高速路费、道路不限高，手动计算包括基于地图数据测算、或基于经纬度计算地球表面最短距离；
(2)数据预处理：包括生成距离矩阵和坐标数据集编码；
生成的距离矩阵为描述两点间的实际道路距离映射关系的偏对角矩阵，根据距离矩阵能够快速获得任意两点间实际道路距离，便于计算；
坐标数据集编码，对垃圾坐标数据集进行随机排序，得到初始对照关系表，并始终按照初始对照关系表进行关联；
初始对照关系表
| 收集点 | 编码 | ID |
| A | MMD | 0 |
| B | MMD1 | 1 |
| C | KL | 2 |
| D | XM | 3 |
| E | CJL | 4 |
| F | XYY | 5 |
| G | MYY | 6 |
| H | HTL | 7 |
| ... | ... | ... |
(3)创建初始种群：收集点为N个，则个体的基因数为N，采用随机方式生成初始种群，每个个体的产生通过ID的随机排序得到，每个种群包含M个个体，则单个种群矩阵大小为M×N，创建W个初始种群，多种群的矩阵大小为M×N×W；
(4)计算适应度：根据公式：
计算适应度，其中，FitnV为适应度函数，个体的适应度表该个体编码序列在清运业务上的满足程度，Len为综合收运距离，i为采集点遍历因子；
(5)选择个体：种群繁衍过程中所有的个体都要参与到优胜劣汰的过程中，通过设置选择率S_rate进行个体集合选择，选择率为0.7-0.9，选择算法采用随机遍历取样法，适应度FitnV越大，被选择的概率越大，筛选出来的个体为S_chrome；
(6)基因重组：将相邻的两个个体的随机抽取的基因互换，发生重复的基因被随机指定替换，产生新的个体，使得重组后的基因仍为ID的全量向量，重组概率R_rate为0.3-0.7，以避免陷入局部极值点；
(7)基因变异：随机选出一段的基因片段进行重新排序，单个个体的基因序列发生微调，其中控制筛选基因片段的大小取决于变异概率M_rate，变异概率为0.01-0.1，以加速变异产生过程；
(8)强化重组：为增加寻优力度，对个体进行交叉重组，根据前后产生的个体FitnV确定本轮的胜出个体；
(9)移民算子：每个种群迭代一个周期后，彼此共享优质个体，替换各个种群的劣质个体，每个种群的S_rate、R_rate和M_rate通过区间随机取数的方式得到，确保各个种群的搜索力度和搜索范围，当各个种群中的优质个体收敛到极值时，迭代结束；
(10)输出结果：优质个体诞生后，通过步骤(2)产生的对照表对基因的排列顺序进行反编码，得到实际的垃圾收运点名称，进而得到最佳的收运路线方案。
本发明与现有技术相比，主要包含数据采集、数据预处理、创建初始种群、计算适应度、选择个体、基因重组、基因变异、强化重组移民算子和输出结果十个部分，以单次出车为单位，根据路况搜索条件得到的距离矩阵，计算出最快、最短的路径，只需要修改配置参数，就能够快速的计算得到结果；具有精度高，调节方式灵活，只需一次开发，能快速计算出结果，具有非常实用的现实意义和实用价值。
附图说明：
图1为本发明的工艺流程框图。
图2为本发明实施例1涉及的流程图。
具体实施方式：
下面通过实施例并结合附图对本发明作进一步说明。
实施例1：
本实施例涉及的垃圾清运路线优化计算方法，根据图1所示的流程图，包括3个部分：输入数据1、核心算法2和输出数据3：
所述输入数据1为垃圾清运线路优化计算方法的前置数据模块，作为计算方法的数据输入，包括模型垃圾采集点坐标集载入1-1，筛选条件1-2和距离矩阵载入1-3；
所述的垃圾采集点坐标集载入1-1包括采集点名称、坐标经纬度，采集点名称为实际垃圾点名称，坐标经纬度为GPS坐标；
表1垃圾采集点坐标数据
| 采集点名称 | 采集点编码 | 坐标经纬度 |
| 垃圾采集点1 | n1 | 160.324323,32.456434 |
| 垃圾采集点2 | n2 | 160.324324,32.456435 |
| 垃圾采集点3 | n3 | 160.324325,32.456436 |
| … | … | … |
所述的筛选条件1-2为对任意两个垃圾站点组合，形成N×N斜矩阵，并对组合的坐标点进行编码，如下形式：
表2坐标规范化
| n1 | n2 | n3 | … | |
| n1 | - | N12 | N13 | N1… |
| n2 | - | - | N23 | N2… |
| n3 | - | - | - | N3… |
| … | - | - | - | - |
所述距离矩阵载入1-3，采用通用计算方式得到两点间最短距离，包括直线距离和道路距离，通用的计算方式包括调用开放GIS平台提供的API(应用程序编程接口)、根据经纬度计算地球表面最短距离和手动测算；
所述的核心算法2为多种群遗传算法，包括创建初始种群2-1、种群适应度2-2、选择个体2-3、基因重组2-4、基因变异2-5、强化重组2-6和移民算子2-7：
所述创建初始种群2-1的目的在于随机获取初始种群，垃圾收集点为N个，个体的基因数为N，采用随机方式生成，每个个体的产生是通过对N个收集点的随机排序得到，种群包含M个个体，单个种群矩阵大小为M×N，创建W个初始种群，多种群的矩阵大小为M×N×W；
所述计算适应度2-2为判断一个个体相对优劣的计算过程，公式如下：
其中，FitnV为个体适应度函数，个体的适应度表该个体编码序列在清运业务上的满足程度，Len为相邻两点的收运距离，i为采集点遍历因子，Len的计算过程为：个体N_i为一个可行收运方案，其基因的排序组合为n1->n9->n7->n2->n5，该方案需要车辆的行驶距离Len＝N19+N97+N72+N25，所述适应度Fitn为Len的倒数，即Fitn越小，个体的适应度越高，反之Fitn越大，个体的适应度越低；
所述选择个体2-3为从种群中筛选出一部分个体都要参与到优胜劣汰的过程中，所述优胜劣汰为通过设置选择率S_rate(0.7-0.9)，采用通用的随机遍历取样法、锦标赛法或轮盘赌法进行选择，即适应度FitnV越大，被选择的概率越大，筛选出来的个体为S_chrome；
所述基因重组2-4指将随机挑选两个个体并对随机基因片段互换，发生重复的基因被指定替换，产生新的个体，使得重组后的基因仍为ID的全量向量，重组概率R_rate为0.3-0.7，所述基因替换流程如下，M1个体与M2个体被随机抽取到，并随机进行基因重组，重组基因段为3-4的位置，
重组前：
M1：n1->n3->|n4->n2|->n5
M2：n5->n4->|n2->n3|->n1
重组后，出现基因重复的情况：
M1：n1->n3->|n2->n3|->n5
M2：n5->n4->|n4->n2|->n1
重组修订，按需更换重复的基因，保证个体正确：
M1：n1->n3->|n2->n4|->n5
M2：n5->n4->|n3->n2|->n1；
所述基因变异2-5指随机选出一段的基因片段进行重新随机排序，即单个个体的基因序列发生微调，其中控制筛选基因片段的大小取决于变异概率M_rate，变异概率为0.01-0.1，
变异前：
M1：n1->|n3->n2->n4|->n5
变异后：
M1：n1->|n4->n3->n2|->n5；
所述强化重组2-6为避免陷入局部极值点，对个体再次进行交叉重组，步骤同基因重组2-4；
所述移民算子2-7为保持种群间协作寻优，每迭代一个周期后，根据种群的默认顺序，依次共享优质个体，并替换各种群的劣质个体，如下为3个种群的移民流程：
移民前：
W1：M11(优质)-M13-M15-M12-M17-M19-M18-M14(劣质)
W2：M21(优质)-M27-M23-M22-M25-M28-M24-M26(劣质)
W3：M34(优质)-M31-M36-M38-M32-M37-M35-M34(劣质)
移民后：
W1：M11(优质)-M13-M15-M12-M17-M19-M18-M34(优质)
W2：M21(优质)-M27-M23-M22-M25-M28-M24-M11(优质)
W3：M34(优质)-M31-M36-M38-M32-M37-M35-M21(优质)
当各个种群中的优质个体收敛到极值时，迭代结束；
所述输出数据3，在所述核心算法2过程迭代一定次数或优质个体诞生后，其基因的排列顺序通过所述坐标集载入1-1产生的对照表进行反编码，得到实际的垃圾收运点名称，进而得到优质的收运路线方案。
Claims (1)
1.一种垃圾清运路线优化计算方法，其特征在于工艺过程包括数据采集、数据预处理、创建初始种群、计算适应度、选择个体、基因重组、基因变异、强化重组、移民算子和输出结果共十个步骤：
(1)数据采集：数据采集源包括垃圾坐标数据集、两点间最短道路距离矩阵；
垃圾坐标数据集由垃圾清运中心业务***提供，基于车辆清运计划的实时调整性，垃圾坐标数据集为当天车辆清运任务的坐标集，坐标包括经纬度数值；
手动测量或采用开放的GIS平台接口计算垃圾坐标数据集所有两点间最短道路距离矩阵，采用GIS平台接口计算时，能够生成两点间最短道路距离矩阵的筛选条件，包括最短实际距离、最短到达时间、不收高速路费、道路不限高，手动计算包括基于地图数据测算、或基于经纬度计算地球表面最短距离；
(2)数据预处理：包括生成距离矩阵和坐标数据集编码；
生成的距离矩阵为描述两点间的实际道路距离映射关系的偏对角矩阵，根据距离矩阵能够快速获得任意两点间实际道路距离，便于计算；
坐标数据集编码，对垃圾坐标数据集进行随机排序，得到初始对照关系表，并始终按照初始对照关系表进行关联；
初始对照关系表
(3)创建初始种群：收集点为N个，则个体的基因数为N，采用随机方式生成初始种群，每个个体的产生通过ID的随机排序得到，每个种群包含M个个体，则单个种群矩阵大小为M×N，创建W个初始种群，多种群的矩阵大小为M×N×W；
(4)计算适应度：根据公式：
计算适应度，其中，FitnV为适应度函数，个体的适应度表该个体编码序列在清运业务上的满足程度，Len为综合收运距离，i为采集点遍历因子；
(5)选择个体：种群繁衍过程中所有的个体都要参与到优胜劣汰的过程中，通过设置选择率S_rate进行个体集合选择，选择率为0.7-0.9，选择算法采用随机遍历取样法，适应度FitnV越大，被选择的概率越大，筛选出来的个体为S_chrome；
(6)基因重组：将相邻的两个个体的随机抽取的基因互换，发生重复的基因被随机指定替换，产生新的个体，使得重组后的基因仍为ID的全量向量，重组概率R_rate为0.3-0.7，以避免陷入局部极值点；
(7)基因变异：随机选出一段的基因片段进行重新排序，单个个体的基因序列发生微调，其中控制筛选基因片段的大小取决于变异概率M_rate，变异概率为0.01-0.1，以加速变异产生过程；
(8)强化重组：为增加寻优力度，对个体进行交叉重组，根据前后产生的个体FitnV确定本轮的胜出个体；
(9)移民算子：每个种群迭代一个周期后，彼此共享优质个体，替换各个种群的劣质个体，每个种群的S_rate、R_rate和M_rate通过区间随机取数的方式得到，确保各个种群的搜索力度和搜索范围，当各个种群中的优质个体收敛到极值时，迭代结束；
(10)输出结果：优质个体诞生后，通过步骤(2)产生的对照表对基因的排列顺序进行反编码，得到实际的垃圾收运点名称，进而得到最佳的收运路线方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910571034.9A CN110276499A (zh) | 2019-06-28 | 2019-06-28 | 一种垃圾清运路线优化计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910571034.9A CN110276499A (zh) | 2019-06-28 | 2019-06-28 | 一种垃圾清运路线优化计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110276499A true CN110276499A (zh) | 2019-09-24 |
Family
ID=67963630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910571034.9A Pending CN110276499A (zh) | 2019-06-28 | 2019-06-28 | 一种垃圾清运路线优化计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276499A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070309A (zh) * | 2020-09-10 | 2020-12-11 | 西南民族大学 | 一种智慧收奶平台 |
| CN113344262A (zh) * | 2021-05-28 | 2021-09-03 | 淮阴工学院 | 一种基于城市垃圾分类的智能清运***及方法 |
| CN113379228A (zh) * | 2021-06-08 | 2021-09-10 | 天津大学 | 一种垃圾清运车的调度优化方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324982A (zh) * | 2013-06-07 | 2013-09-25 | 银江股份有限公司 | 一种基于遗传算法的路径规划方法 |
| CN104615869A (zh) * | 2015-01-22 | 2015-05-13 | 广西大学 | 一种基于相似度排挤的多种群模拟退火混合遗传算法 |
| CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
| CN107220731A (zh) * | 2017-05-23 | 2017-09-29 | 南京邮电大学 | 一种物流配送路径规划方法 |
| CN107490959A (zh) * | 2017-08-11 | 2017-12-19 | 潘金文 | 一种有效的机器人路径规划*** |
| CN109685243A (zh) * | 2018-11-05 | 2019-04-26 | 南京航空航天大学 | 一种基于遗传算法的作业车间物流配送路径优化方法 |
-
2019
- 2019-06-28 CN CN201910571034.9A patent/CN110276499A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324982A (zh) * | 2013-06-07 | 2013-09-25 | 银江股份有限公司 | 一种基于遗传算法的路径规划方法 |
| CN104615869A (zh) * | 2015-01-22 | 2015-05-13 | 广西大学 | 一种基于相似度排挤的多种群模拟退火混合遗传算法 |
| CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
| CN107220731A (zh) * | 2017-05-23 | 2017-09-29 | 南京邮电大学 | 一种物流配送路径规划方法 |
| CN107490959A (zh) * | 2017-08-11 | 2017-12-19 | 潘金文 | 一种有效的机器人路径规划*** |
| CN109685243A (zh) * | 2018-11-05 | 2019-04-26 | 南京航空航天大学 | 一种基于遗传算法的作业车间物流配送路径优化方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070309A (zh) * | 2020-09-10 | 2020-12-11 | 西南民族大学 | 一种智慧收奶平台 |
| CN112070309B (zh) * | 2020-09-10 | 2021-03-30 | 西南民族大学 | 一种智慧收奶平台*** |
| CN113344262A (zh) * | 2021-05-28 | 2021-09-03 | 淮阴工学院 | 一种基于城市垃圾分类的智能清运***及方法 |
| CN113379228A (zh) * | 2021-06-08 | 2021-09-10 | 天津大学 | 一种垃圾清运车的调度优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen | Measuring the regional economic impacts of high-speed rail using a dynamic SCGE model: the case of China | |
| Wu et al. | Mapping building carbon emissions within local climate zones in Shanghai | |
| CN110276499A (zh) | 一种垃圾清运路线优化计算方法 | |
| Cho | Tourism forecasting and its relationship with leading economic indicators | |
| CN112434849B (zh) | 基于改进多目标算法的危险品运输路径动态规划方法 | |
| CN107330586A (zh) | 一种基于改进蚁群算法的公共自行车动态调度方法 | |
| CN109002934A (zh) | 一种货运网络新建物流节点相关重要指标预测方法 | |
| CN105184422A (zh) | 一种基于互联网词频的智慧旅游线路规划辅助方法 | |
| CN107506433A (zh) | 城市发展空间格局情景模拟*** | |
| CN109887284A (zh) | 一种智慧城市交通信号控制推荐方法、***及装置 | |
| CN109598430A (zh) | 配送范围生成方法、装置、电子设备和存储介质 | |
| CN109191845A (zh) | 一种公交车辆到站时间预测方法 | |
| CN113516319B (zh) | 基于人工智能和大数据的垃圾车路线优化方法及*** | |
| CN110889092A (zh) | 一种基于轨道交易数据的短时大型活动周边轨道站点客流量预测方法 | |
| CN108876487A (zh) | 一种基于大数据及智能决策机制的工业地块估计方法 | |
| CN111539764B (zh) | 基于次模函数的大数据多址选择方法 | |
| Axhausen et al. | Constructing Time‐Scaled Maps: Switzerland from 1950 to 2000 | |
| Jabbarzadeh et al. | A multi-objective model for location of transfer stations: case study in waste management system of Tehran | |
| Tamayo et al. | Loading/Unloading Space Location and Evaluation: An Approach through Real Data | |
| CN115689081A (zh) | 基于适应性协同机制的厨余垃圾收运路径动态优化方法 | |
| Rey-Blanco et al. | Improving hedonic housing price models by integrating optimal accessibility indices into regression and random forest analyses | |
| CN116662815B (zh) | 时间预测模型的训练方法以及相关设备 | |
| CN114626766B (zh) | 基于大数据的共享电动车调度方法、装置、设备及介质 | |
| CN102663562A (zh) | 一种基于克隆选择算法的土地资源评价因子级别划分方法 | |
| Zhou et al. | Refined taxi demand prediction with ST-Vec |
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: 20190924 |