CN112257978A - 智能化调度农产品资源的方法和装置 - Google Patents
智能化调度农产品资源的方法和装置 Download PDFInfo
- Publication number
- CN112257978A CN112257978A CN202010972411.2A CN202010972411A CN112257978A CN 112257978 A CN112257978 A CN 112257978A CN 202010972411 A CN202010972411 A CN 202010972411A CN 112257978 A CN112257978 A CN 112257978A
- Authority
- CN
- China
- Prior art keywords
- delivery destination
- agricultural
- agricultural product
- cost
- information
- 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 41
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 41
- 230000002354 daily effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智能化调度农产品资源的方法和装置,其中,所述方法包括:发货目的地信息获取步骤,获取发货目的地信息;农产品信息获取步骤,分别获取农产品在产地的采购价格S和在发货目的地的日度价格P,以及农产品从产地到发货目的地的发货量R;运输路线和运输成本计算步骤,根据产地的地址和发货目的地的位置信息计算出最优运输路线,从而获得产地到发货目的地的运输距离d以及运输费用F;损耗信息获取步骤,获取农产品在发货目的地的销售货损比LT;以及最优发货目的地计算步骤,基于发货目的地信息、采购价格S、日度价格P、发货量R、距离d、运输费用F和销售货损比LT,根据目标函数确定所述农产品的最优发货目的地。
Description
技术领域
本发明涉及大数据分析领域,具体地,涉及一种利用大数据智能 化调度农产品资源的方法和装置。
背景技术
在农产品流通的过程中,由于农产品存在易腐烂,易损坏,体积 大,生产地域分散等问题,并且分布在全国的各个大小批发市场费用 不尽相同,导致农产品行情同时受天气、季节等因素影响而波动较大。 在农产品上市后,如何合理调度农产品到市场的分配,如何调节产销 矛盾以提交经济效益和减少农产品损耗,是农产品流通中重要的一环。
现有技术中,已经提出了一些农产品资源调度的方法,然而存在 诸多缺陷。例如,已知一种农产品流通的价格指数的指导方法,其在 获得农产品的交易信息后,去除获得的农产品价格数据中的最高值和 最低值,并求取剩余数据的平均值。进一步的,设置上下限的阈值百 分比,并且清除阈值之外的数据,并且将经过上述处理后的价格数据 用来计算价格指数。
在上述价格指数的指导方法中,只考虑价格因素,而没有考虑到 例如物流、市场费用、货损等诸多影响价格变化的因素。并且在上述 价格指数的计算过程中,设置阈值以对数据进行过滤,然而实际应用 中,类似白菜这样的品类,即使价格波动较小也会造成百分比变化较 大,从而导致阈值过滤后的价格不能反映真实情况。此外,在该指导 方法中,需要人工设置直接影响价格指数的基期价格,而不合理的基 期价格会对结果产生较大的影响,然而该方法中缺少评估基期价格是 否合理的方法。
此外,还已知一种农产品市场价格的预警管理***,其在收集农 产品的价格数据后,利用采用时间、地域、农产品、风险监测线性回 归模型(logistic(逻辑回归)模型)和Apriori算法的大数据分析模型, 来预测农产品的价格并进行风险检测。
然而,在该预警管理***中,logistic模型只能预测农产品价格是 否涨跌,并不能预测农产品价格的涨跌幅。而且,由于农产品价格变 化具有周期性,单纯使用logistic模型预测的结果准确度也不高。
发明内容
为了解决上述技术问题,例如前文描述的现有技术中的数据处理 精度低、参数设置不合理、结果准确度低等技术问题,本发明提出了 一种基于农业大数据和机器学习来调度农产品资源的方法和装置,以 在综合考虑多种因素的前提下智能化地将农产品调度到最优发货目的 地(发货市场)。
根据本发明的智能化调度农产品资源的方法和装置能够综合多个 维度的数据,使用农业大数据和机器学习计算出决定发货目的地市场 的目标函数的最大值,以确定上市农产品的最优发货市场,并实现农 产品的智能化调度。因此,能够提高目标函数计算的准确性,使得计 算出的结果更加符合实际情况,从而优化农产品调度,调节产销矛盾, 减少农产品损耗,提高经济效益。
根据本发明的第一方面,提供一种智能化调度农产品资源的方法, 其特征在于,所述方法包括:
发货目的地信息获取步骤,获取发货目的地信息,所述发货目的 地信息包括所述发货目的地的位置信息和所述发货目的地的费用信 息;
农产品信息获取步骤,分别获取所述农产品在产地的采购价格S 和在所述发货目的地的日度价格P,以及所述农产品从所述产地到所述 发货目的地的发货量R;
运输路线和运输成本计算步骤,根据所述产地的地址和所述发货 目的地的所述位置信息计算出最优运输路线,从而获得所述产地到所 述发货目的地的运输距离d以及运输费用F;
损耗信息获取步骤,获取所述农产品在所述发货目的地的销售货 损比LT;以及
最优发货目的地计算步骤,基于所述发货目的地信息、所述采购 价格S、所述日度价格P、所述发货量R、所述距离d、所述运输费用 F和所述销售货损比LT,根据目标函数确定所述农产品的最优发货目 的地。
进一步地,在所述发货目的地信息获取步骤中,所述发货目的地 的所述费用信息包括所述农产品在所述发货目的地的每日费用M和所 述农产品在所述发货目的地的市场费用C。
进一步地,所述目标函数为:
在所述目标函数中,i表示所述农产品的所述产地,j表示所述发 货目的地,k表示所述农产品在所述发货目的地的销售日期,并且t表 示所述农产品的品类。
进一步地,在所述目标函数中,
进一步地,利用遗传算法计算出所述目标函数的极大值所对应的 所述发货目的地,作为最优发货目的地。
根据本发明的第二方面,提供了一种智能化调度农产品资源的装 置,其特征在于,所述装置包括:
发货目的地信息获取模块,该发货目的地信息获取模块用于获取 发货目的地信息,所述发货目的地信息包括所述发货目的地的位置信 息和所述发货目的地的费用信息;
农产品信息获取模块,该农产品信息获取模块用于分别获取所述 农产品在产地的采购价格S和在所述发货目的地的日度价格P,以及所 述农产品从所述产地到所述发货目的地的发货量R;
运输路线和运输成本计算模块,该运输路线和运输成本计算模块 用于根据所述产地的地址和所述发货目的地的所述位置信息计算出最 优运输路线,从而获得所述产地到所述发货目的地的运输距离d以及 运输费用F;
损耗信息获取模块,该损耗信息获取模块用于获取所述农产品在 所述发货目的地的销售货损比LT;以及
最优发货目的地计算模块,该最优发货目的地计算模块用于基于 所述发货目的地信息、所述采购价格S、所述日度价格P、所述发货量 R、所述距离d、所述运输费用F和所述销售货损比LT,根据目标函数 确定所述农产品的最优发货目的地。
进一步地,所述发货目的地的所述费用信息包括所述农产品在所 述发货目的地的每日费用M和所述农产品在所述发货目的地的市场费 用C。
进一步地,所述目标函数为:
在所述目标函数中,i表示所述农产品的所述产地,j表示所述发 货目的地,k表示所述农产品在所述发货目的地的销售日期,并且t表 示所述农产品的品类。
进一步地,在所述目标函数中,
进一步地,所述最优发货目的地计算模块利用遗传算法计算出所 述目标函数的极大值所对应的所述发货目的地,作为最优发货目的地。
根据本发明的第三方面,提供了一种智能化调度农产品资源的装 置,其特征在于,所述装置包括:一个或多个处理器;存储装置,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,使得所述一个或多个处理器实现第一方面中描述的所述方 法。
根据本发明的第四方面,提供了一种计算机可读介质,其特征在 于,其中,所述介质上存储有程序,该程序被执行用以实现如前文第 一方面中描述所述方法。
以下结合本发明的附图及优选实施方式对本发明的技术方案做进 一步详细地描述,本发明的有益效果将进一步明确。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明 的一部分,但其说明仅用于解释本发明,并不构成对本发明的不当限 定。
图1是根据本发明一优选实施例的智能化调度农产品资源的方法 的步骤的示意图。
图2是根据本发明一优选实施例的智能化调度农产品资源的装置 的示意性框图。
图3是根据本发明的智能化调度农产品资源的装置的计算机*** 的示意性框图。
具体实施方式
下面将结合本发明的具体实施例及相应的附图对本发明技术方案 进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分优 选实施例,而不是全部的实施例。基于本发明中的实施例,本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例, 都属于本发明保护的范围。
下面结合图1描述根据本发明的智能化调度农产品资源的方法的 各个步骤。
图1是根据本发明一优选实施例的智能化调度农产品资源的方法 的步骤的示意图。如图1所示,根据本发明的智能化调度农产品资源 的方法包括:发货目的地信息获取步骤S1、农产品信息获取步骤S2、 运输路线和运输成本计算步骤S3、损耗信息获取步骤S4和最优发货目 的地计算步骤S5。下文将详细描述本发明的智能化调度农产品资源的 方法的上述各个步骤。
S1:发货目的地信息获取步骤
获取发货目的地信息,其中,发货目的地即为发货市场,该发货 目的地信息包括发货目的地的位置信息和发货目的地的各种费用信 息,该各种费用信息包括(各品类的)农产品在发货目的地的每日费 用M、农产品在发货目的地的市场费用C(元/吨)。
需要指出的是,具体地,农产品在发货目的地的每日费用M包括 售卖的人工费用、包装费、卸车费、杂费等在市场进行售卖过程中产 生的费用,每日可能不同。市场费用C包括市场管理费、摊位费/车位 费等市场收取的固定费用。
S2:农产品信息获取步骤
分别获取农产品在产地的采购价格S和在发货目的地的日度价格 P以及农产品从产地到发货目的地的发货量R。
S3:运输路线和运输成本计算步骤
根据产地的地址和步骤S1中获取的发货目的地的位置信息,计算 出从产地到发货目的地的最优运输路线,从而获得产地到发货目的地 的运输距离d,并且基于该运输距离d,进一步计算并获取运输费用F (吨/元/km)。
S4:损耗信息获取步骤
获取农产品在发货目的地的销售货损比LT。
需要指出的是,上述步骤S1-S4的顺序不是固定的,而可以进行 改变,即,上述步骤S1至S4的顺序可以适当地进行改变,而不影响 本发明的实施。例如可以按照步骤S4、步骤S2、步骤S1、步骤S3的 顺序执行等。
并且本发明的上述步骤S1至S4仅为本发明的示例性实施例,并 且可以合并为例如一个步骤,例如,参数获取步骤。在该参数获取步 骤中,获取上述步骤S1至S4中描述的各个参数。
S5:最优发货目的地计算步骤
基于步骤S1中获取的发货目的地信息、步骤S2中获取的采购价 格S、日度价格P和发货量R、步骤S3中获取的运输距离d和运输费 用F以及步骤S4中获取的销售货损比LT,根据目标函数确定所述农 产品的最优发货目的地。该目标函数(即,表示收益的目标函数)为:
在上述目标函数中,i表示农产品的产地,j表示发货目的地,k 表示农产品在发货目的地的销售日期,并且t表示农产品的品类。
并且更加具体地,结合步骤S1-S4获得的各参数信息,Sit表示t 品类在i产地的采购成本;Mjtk表示t品类在j发货目的地(市场)第k 日的费用;Pjtk表示t品类在j市场的农产品在市场日度价格;Cjt表示 t品类在j市场的费用(元/吨);LT表示t品类第k日市场销售货损比; Rijt表示t品类从i产地向j市场的发货量;Fitj表示t品类从i产地到j 市场的运输费用;dij表示从i产地到j市场的运输距离。
基于以上对于各个参数的定义,在上述目标函数中,
由此,通过利用遗传算法(ga-VRPTW算法)计算上述目标函数 的最大值所对应的发货目的地,作为最优发货目的地,从而实现对农 产品的智能化调度。
利用上述根据本发明的智能化调度农产品资源的方法,解决了现 有技术中的数据处理精度低、参数设置不合理、结果准确度低等技术 问题。本发明的智能化调度农产品资源的方法能够综合多个维度的数 据,使用农业大数据和机器学习计算出决定发货目的地市场的目标函 数的最大值,从而确定上市农产品的最优发货市场,以实现农产品的 智能化调度。
根据本发明的上述智能化调度农产品资源的方法,综合多个维度 的参数的数据,提高了目标函数计算的准确性,使得计算出的结果更 加符合实际情况,从而优化农产品调度,调节产销矛盾,减少农产品 损耗,提高经济效益。
以上描述了根据本发明的智能化调度农产品资源的方法,本发明 的另一个实施例描述了一种智能化调度农产品资源的装置。下面将结 合图2描述根据本发明的智能化调度农产品资源的装置100。
图2是根据本发明一优选实施例的智能化调度农产品资源的装置 的示意性框图。如图2所示,根据本发明的智能化调度农产品资源的 装置100包括发货目的地信息获取模块110、农产品信息获取模块120、 运输路线和运输成本计算模块130、损耗信息获取模块140和最优发货 目的地计算模块150。下面将详细描述上述各个模块。
发货目的地信息获取模块110用于获取发货目的地信息,其中, 发货目的地即为发货市场,该发货目的地信息包括发货目的地的位置 信息和发货目的地的各种费用信息,该各种费用信息包括(各品类的) 农产品在发货目的地的每日费用M、农产品在发货目的地的市场费用C (元/吨)。
需要指出的是,具体地,农产品在发货目的地的每日费用M包括 售卖的人工费用、包装费、卸车费、杂费等在市场进行售卖过程中产 生的费用,每日可能不同。市场费用C包括市场管理费、摊位费/车位 费等市场收取的固定费用。
农产品信息获取模块120用于分别获取农产品在产地的采购价格 S和在发货目的地的日度价格P以及农产品从产地到发货目的地的发 货量R。
运输路线和运输成本计算模块130用于根据产地的地址和发货目 的地信息获取模块110获取的发货目的地的位置信息,计算出从产地 到发货目的地的最优运输路线,从而获得产地到发货目的地的运输距 离d,并且基于该运输距离d,进一步计算并获取运输费用F(吨/元/km)。
损耗信息获取模块140用于获取农产品在发货目的地的销售货损 比LT。
上述发货目的地信息获取模块110、农产品信息获取模块120、运 输路线和运输成本计算模块130和损耗信息获取模块140仅为本发明 的示例性实施例,并且可以合并为例如一个模块,例如,参数获取模 块。在该参数获取模块,获取前文描述的利用各个模块所获取的各个 参数。
最优发货目的地计算模块150用于基于发货目的地信息获取模块 110获取的发货目的地信息、农产品信息获取模块120获取的采购价格 S、日度价格P和发货量R、运输路线和运输成本计算模块130获取的 运输距离d和运输费用F以及损耗信息获取模块140获取的销售货损 比LT,根据目标函数确定所述农产品的最优发货目的地。该目标函数 (即,表示收益的目标函数)为:
在上述目标函数中,i表示农产品的产地,j表示发货目的地,k 表示农产品在发货目的地的销售日期,并且t表示农产品的品类。
并且更加具体地,结合上述各个模块110-140获得的各参数信息, Sit表示t品类在i产地的采购成本;Mjtk表示t品类在j发货目的地(市 场)第k日的费用;Pjtk表示t品类在j市场的农产品在市场日度价格; Cjt表示t品类在j市场的费用(元/吨);LT表示t品类第k日市场销 售货损比;Rijt表示t品类从i产地向j市场的发货量;Fitj表示t品类从 i产地到j市场的运输费用;dij表示从i产地到j市场的运输距离。
基于以上对于各个参数的定义,在上述目标函数中,
由此,最优发货目的地计算模块150通过利用遗传算法(ga-VRPTW算法)计算上述目标函数的最大值所对应的发货目的地, 作为最优发货目的地,从而实现对农产品的智能化调度。
利用上述根据本发明的智能化调度农产品资源的装置,解决了现 有技术中的数据处理精度低、参数设置不合理、结果准确度低等技术 问题。本发明的智能化调度农产品资源的装置能够综合多个维度的数 据,使用农业大数据和机器学习计算出决定发货目的地市场的目标函 数的最大值,从而确定上市农产品的最优发货市场,以实现农产品的 智能化调度。
根据本发明的上述智能化调度农产品资源的装置,综合多个维度 的参数的数据,提高了目标函数计算的准确性,使得计算出的结果更 加符合实际情况,从而优化农产品调度,调节产销矛盾,减少农产品 损耗,提高经济效益。
下面参考图3,其为适于用来实现本发明实施例的智能化调度农 产品资源的装置的计算机***的结构示意图。图3示出的智能化调度 农产品资源的装置仅仅是一个示例,不应对本发明实施例的功能和使 用范围带来任何限制。
如图3所示,计算机***300包括中央处理单元(CPU)301,其 可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308 加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作 和处理。在RAM 303中,还存储有***300操作所需的各种程序和数据。CPU 301、ROM302以及RAM 303通过总线304彼此相连。输入/ 输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306; 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303;包括硬盘等的存储部分308;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309。通信部分309经由诸如因 特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。 可拆卸介质311,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310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308。
特别地,根据本发明公开的实施例,上文参考流程图描述的步骤 可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种 计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该 计算机程序包含用于执行图1所示的方法的程序代码。在这样的实施 例中,该计算机程序可以通过通信部分309从网络上被下载和安装, 和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元 (CPU)301执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读 信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算 机可读存储介质例如可以是且不限于电、磁、光、电磁、红外线、或 半导体的***、装置或器件,或者任意以上的组合。计算机可读存储 介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连 接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储 器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便 携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以 是任何包含或存储程序的有形介质,该程序可以被指令执行***、装 置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信 号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中 承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形 式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算 机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可 读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行 ***、装置或者器件使用或者与其结合使用的程序。计算机可读介质 上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、 电线、光缆、RF等等,或者上述的任意合适的组合。
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、 装置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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的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。所描述的模块及其单元也可以设 置在处理器中,例如,可以描述为:一种处理器包括发货目的地信息 获取模块、农产品信息获取模块、运输路线和运输成本计算模块、损 耗信息获取模块和最优发货目的地计算模块。其中,这些模块的名称 在某种情况下并不构成对该模块及其单元本身的限定,例如,发货目 的地信息获取模块还可以被描述为“市场各类信息获取模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机 可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独 存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多 个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备 包括:
S1:发货目的地信息获取步骤
获取发货目的地信息,其中,发货目的地即为发货市场,该发货 目的地信息包括发货目的地的位置信息和发货目的地的各种费用信 息,该各种费用信息包括(各品类的)农产品在发货目的地的每日费 用M、农产品在发货目的地的市场费用C(元/吨)。
需要指出的是,具体地,农产品在发货目的地的每日费用M包括 售卖的人工费用、包装费、卸车费、杂费等在市场进行售卖过程中产 生的费用,每日可能不同。市场费用C包括市场管理费、摊位费/车位 费等市场收取的固定费用。
S2:农产品信息获取步骤
分别获取农产品在产地的采购价格S和在发货目的地的日度价格 P以及农产品从产地到发货目的地的发货量R。
S3:运输路线和运输成本计算步骤
根据产地的地址和步骤S1中获取的发货目的地的位置信息,计算 出从产地到发货目的地的最优运输路线,从而获得产地到发货目的地 的运输距离d,并且基于该运输距离d,进一步计算并获取运输费用F (吨/元/km)。
S4:损耗信息获取步骤
获取农产品在发货目的地的销售货损比LT。
需要指出的是,上述步骤S1-S4的顺序不是固定的,而可以进行 改变,即,上述步骤S1至S4的顺序可以适当地进行改变,而不影响 本发明的实施。例如可以按照步骤S4、步骤S2、步骤S1、步骤S4的 顺序执行等。
并且本发明的上述步骤S1至S4仅为本发明的示例性实施例,并 且可以合并为例如一个步骤,例如,参数获取步骤。在该参数获取步 骤中,获取上述步骤S1至S4中描述的各个参数。
S5:最优发货目的地计算步骤
基于步骤S1中获取的发货目的地信息、步骤S2中获取的采购价 格S、日度价格P和发货量R、步骤S3中获取的运输距离d和运输费 用F以及步骤S4中获取的销售货损比LT,根据目标函数确定所述农 产品的最优发货目的地。该目标函数(即,表示收益的目标函数)为:
在上述目标函数中,i表示农产品的产地,j表示发货目的地,k 表示农产品在发货目的地的销售日期,并且t表示农产品的品类。
并且更加具体地,结合步骤S1-S4获得的各参数信息,Sit表示t 品类在i产地的采购成本;Mjtk表示t品类在j发货目的地(市场)第k 日的费用;Pjtk表示t品类在j市场的农产品在市场日度价格;Cjt表示 t品类在j市场的费用(元/吨);LT表示t品类第k日市场销售货损比; Rijt表示t品类从i产地向j市场的发货量;Fitj表示t品类从i产地到j 市场的运输费用;dij表示从i产地到j市场的运输距离。
基于以上对于各个参数的定义,在上述目标函数中,
由此,通过利用遗传算法(ga-VRPTW算法)计算上述目标函数 的最大值所对应的发货目的地,作为最优发货目的地,从而实现对农 产品的智能化调度。
利用上述实现本发明的智能化调度农产品资源的方法和装置,解 决了现有技术中的数据处理精度低、参数设置不合理、结果准确度低 等技术问题。本发明的智能化调度农产品资源的方法和装置能够综合 多个维度的数据,使用农业大数据和机器学习计算出决定发货目的地 市场的目标函数的最大值,从而确定上市农产品的最优发货市场,以 实现农产品的智能化调度。
根据本发明的上述智能化调度农产品资源的方法和装置,综合多 个维度的参数的数据,提高了目标函数计算的准确性,使得计算出的 结果更加符合实际情况,从而优化农产品调度,调节产销矛盾,减少 农产品损耗,提高经济效益。
以上所述仅为本申请的实施例而已,并不用于限制本发明,对于 本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明 的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含 在本发明的权利要求范围之内。
Claims (12)
1.一种智能化调度农产品资源的方法,其特征在于,所述方法包括:
发货目的地信息获取步骤,获取发货目的地信息,所述发货目的地信息包括所述发货目的地的位置信息和所述发货目的地的费用信息;
农产品信息获取步骤,分别获取所述农产品在产地的采购价格S和在所述发货目的地的日度价格P,以及所述农产品从所述产地到所述发货目的地的发货量R;
运输路线和运输成本计算步骤,根据所述产地的地址和所述发货目的地的所述位置信息计算最优运输路线,从而获得所述产地到所述发货目的地的运输距离d以及运输费用F;
损耗信息获取步骤,获取所述农产品在所述发货目的地的销售货损比LT;以及
最优发货目的地计算步骤,基于所述发货目的地信息、所述采购价格S、所述日度价格P、所述发货量R、所述距离d、所述运输费用F和所述销售货损比LT,根据目标函数确定所述农产品的最优发货目的地。
2.如权利要求1所述的方法,其特征在于,其中,
在所述发货目的地信息获取步骤中,所述发货目的地的所述费用信息包括所述农产品在所述发货目的地的每日费用M和所述农产品在所述发货目的地的市场费用C。
5.如权利要求1至4的任意一项所述的方法,其特征在于,其中,
利用遗传算法计算出所述目标函数的极大值所对应的所述发货目的地,作为最优发货目的地。
6.一种智能化调度农产品资源的装置,其特征在于,所述装置包括:
发货目的地信息获取模块,该发货目的地信息获取模块用于获取发货目的地信息,所述发货目的地信息包括所述发货目的地的位置信息和所述发货目的地的费用信息;
农产品信息获取模块,该农产品信息获取模块用于分别获取所述农产品在产地的采购价格S和在所述发货目的地的日度价格P,以及所述农产品从所述产地到所述发货目的地的发货量R;
运输路线和运输成本计算模块,该运输路线和运输成本计算模块用于根据所述产地的地址和所述发货目的地的所述位置信息计算最优运输路线,从而获得所述产地到所述发货目的地的运输距离d以及运输费用F;
损耗信息获取模块,该损耗信息获取模块用于获取所述农产品在所述发货目的地的销售货损比LT;以及
最优发货目的地计算模块,该最优发货目的地计算模块用于基于所述发货目的地信息、所述采购价格S、所述日度价格P、所述发货量R、所述距离d、所述运输费用F和所述销售货损比LT,根据目标函数确定所述农产品的最优发货目的地。
7.如权利要求6所述的装置,其特征在于,其中,
所述发货目的地的所述费用信息包括所述农产品在所述发货目的地的每日费用M和所述农产品在所述发货目的地的市场费用C。
10.如权利要求6至9的任意一项所述的装置,其特征在于,其中,
所述最优发货目的地计算模块利用遗传算法计算出所述目标函数的极大值所对应的所述发货目的地,作为最优发货目的地。
11.一种智能化调度农产品资源的装置,其特征在于,所述装置包括:
一个或多个处理器;以及
存储装置,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,使得所述一个或多个处理器实现如权利要求1-5中的任意一项所述的方法。
12.一种计算机可读介质,其特征在于,其中,
所述介质上存储有程序,该程序被执行用以实现如权利要求1-5 中的任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972411.2A CN112257978A (zh) | 2020-09-16 | 2020-09-16 | 智能化调度农产品资源的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972411.2A CN112257978A (zh) | 2020-09-16 | 2020-09-16 | 智能化调度农产品资源的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112257978A true CN112257978A (zh) | 2021-01-22 |
Family
ID=74231707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010972411.2A Pending CN112257978A (zh) | 2020-09-16 | 2020-09-16 | 智能化调度农产品资源的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257978A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435961A (zh) * | 2021-06-07 | 2021-09-24 | 布瑞克农业大数据科技集团有限公司 | 农产品集购线上交易***、方法及其存储介质 |
CN114037383A (zh) * | 2021-11-12 | 2022-02-11 | 珠海格力电器股份有限公司 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587568A (zh) * | 2008-05-19 | 2009-11-25 | 北京中食新华科技有限公司 | 一种在农产品供应链物流***中使用的专家*** |
JP2012138000A (ja) * | 2010-12-27 | 2012-07-19 | Mayekawa Mfg Co Ltd | 食材輸送ネットワーク最適化方法 |
WO2013025653A2 (en) * | 2011-08-12 | 2013-02-21 | Mcalister Technologies, Llc | Comprehensive cost modeling of sustainably autogenous systems and processes for the production of energy, material resources and nutrient regimes |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合***与方法 |
CN108109006A (zh) * | 2017-12-20 | 2018-06-01 | 黑龙江省农业信息中心 | 农产品市场监控预警*** |
CN108537491A (zh) * | 2018-04-27 | 2018-09-14 | 河南农业大学 | 一种生鲜农产品配送路径优化方法、存储介质 |
-
2020
- 2020-09-16 CN CN202010972411.2A patent/CN112257978A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587568A (zh) * | 2008-05-19 | 2009-11-25 | 北京中食新华科技有限公司 | 一种在农产品供应链物流***中使用的专家*** |
JP2012138000A (ja) * | 2010-12-27 | 2012-07-19 | Mayekawa Mfg Co Ltd | 食材輸送ネットワーク最適化方法 |
WO2013025653A2 (en) * | 2011-08-12 | 2013-02-21 | Mcalister Technologies, Llc | Comprehensive cost modeling of sustainably autogenous systems and processes for the production of energy, material resources and nutrient regimes |
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合***与方法 |
CN108109006A (zh) * | 2017-12-20 | 2018-06-01 | 黑龙江省农业信息中心 | 农产品市场监控预警*** |
CN108537491A (zh) * | 2018-04-27 | 2018-09-14 | 河南农业大学 | 一种生鲜农产品配送路径优化方法、存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435961A (zh) * | 2021-06-07 | 2021-09-24 | 布瑞克农业大数据科技集团有限公司 | 农产品集购线上交易***、方法及其存储介质 |
CN114037383A (zh) * | 2021-11-12 | 2022-02-11 | 珠海格力电器股份有限公司 | 采购数据的确定方法及其装置、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boero et al. | Regional input–output tables and trade flows: an integrated and interregional non-survey approach | |
CN110689070B (zh) | 一种业务预测模型的训练方法及装置 | |
CN111402017A (zh) | 一种基于大数据的信用评分方法和*** | |
CN110400184B (zh) | 用于生成信息的方法和装置 | |
CN112184348B (zh) | 订单数据处理方法、装置、电子设备及介质 | |
CN112257978A (zh) | 智能化调度农产品资源的方法和装置 | |
CN105761000A (zh) | 交易数据处理及风险预警***和方法 | |
CN111325587A (zh) | 用于生成信息的方法和装置 | |
CN110335090A (zh) | 基于商品销量分布预测的补货方法及***、电子设备 | |
Jiang et al. | A scheme for determining vehicle routes based on Arc-based service network design | |
CN110363468B (zh) | 采购订单的确定方法、装置、服务器及可读存储介质 | |
CN116308477A (zh) | 一种大数据场景下的汽配易损件门店进货推荐方法 | |
CN114969040A (zh) | 一种数据展示方法、装置、电子设备及存储介质 | |
CN109949065B (zh) | 属性数据分析的方法和装置 | |
CN110503495A (zh) | 用于获取信息的方法及装置 | |
CN112099801A (zh) | 一种基于元数据驱动的Excel解析方法及*** | |
CN111242341A (zh) | 一种线路定价方法、装置、设备和存储介质 | |
CN115619340A (zh) | 基于智慧供应链的招标采购全业务管控方法、装置、设备、***和介质 | |
CN115063046A (zh) | 基于大数据分析的电网物资供应商数智驾驶舱*** | |
CN109360019A (zh) | 一种个人车辆价格评估方法 | |
CN114638503A (zh) | 一种资产风险压力测试方法、装置、设备及存储介质 | |
CN110033292A (zh) | 信息输出方法和装置 | |
JP2004272674A (ja) | 予測システム及び予測方法 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN111047354A (zh) | 一种分时定价的实现方法、装置、电子设备和存储介质 |
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 |