CN114493036A - 一种多车型的物流运输规划方法 - Google Patents

Abstract

本发明涉及物流运输规划的技术领域，公开了一种多车型的物流运输规划方法，包括：分析物流运输规划要素，构建多车型物流运输模型；根据多车型物流运输模型确定物流规划目标函数和约束条件；利用共轭梯度算法对物流规划目标函数进行优化求解，确定最优解；将求解得到的最优解作为多车型的物流运输策略。本发明所述方法通过基于物流运输成本、运输距离以及车辆的平均装载率构建多车型物流运输模型，利用共轭梯度算法对模型的目标函数进行优化求解，将求解得到的最优解作为多车型的物流运输规划策略，最终实现的物流运输规划策略保证了物流运输成本最小、运输距离最短以及车辆平均装载率最高。

Description

一种多车型的物流运输规划方法

技术领域

本发明涉及物流运输规划的技术领域，尤其涉及一种多车型的物流运输规划方法。

背景技术

车型车辆规划问题是指将货物从仓库点配送至各货物需求点时，如何选择各车型的车 辆组合问题。当前多车型车辆规划问题的研究多以单一车型为主，基于装载率优先进行车 辆规划，而基于装载率的车辆规划只包含车辆装载率约束，不考虑分区配送和车辆运输距 离，车辆规划时多集中于小车型的选择，导致整体物流运输费用增加。

鉴于此，本发明提出一种多车型的物流运输规划方法，通过分析物流运输规划要素构 建多车型物流运输模型，利用共轭梯度算法对模型的目标函数进行优化求解，将求解得到 的最优解作为多车型的物流运输策略，实现多车型的物流运输。

发明内容

本发明提供一种多车型的物流运输规划方法，目的在于(1)构建多车型物流运输模 型；(2)对模型的目标函数进行优化求解，将求解得到的最优解作为多车型的物流运输策 略，实现多车型的物流运输。

实现上述目的，本发明提供的一种多车型的物流运输规划方法，包括以下步骤：

S1：分析物流运输规划要素，构建多车型物流运输模型；

S2：根据多车型物流运输模型确定物流规划目标函数和约束条件；

S3：利用共轭梯度算法对物流规划目标函数进行优化求解，确定最优解；

S4：将求解得到的最优解作为多车型的物流运输策略。

作为本发明的进一步改进方法：

所述S1步骤中分析物流运输规划要素中的物流运输区域，包括：

将物流运输区域划分为仓库物流运输区域以及货物物流运输区域，其中仓库物流运输 区域为物流配送中心与仓库之间的运输区域，货物物流运输区域为物流配送中心与配送目 标之间的运输区域；

在本发明一个具体实施例中，每个城市具有3个仓库以及1个物流配送中心，货物由 仓库运输到物流配送中心，再经由物流配送中心配送到指定的货物配送目标点。

所述S1步骤中分析物流运输规划要素中的物流区域配送距离，包括：

计算货物物流运输区域内配送目标的配送距离：

其中：

m表示将货物物流运输区域划分为m个子区域；

cdev表示配送目标与物流配送中心距离的标准差；

stdev表示配送目标与物流配送中心在经纬度的标准差，其中stdev_x表示配送目标与物 流配送中心在经度的标准差，stdev_y表示配送目标与物流配送中心在纬度的标准差；

R表示货物物流运输区域的面积；

表示所有配送目标与物流配送中心距离的均值；

在本发明一个具体实施例中，所述距离的计算公式为欧式距离计算公式；

计算仓库物流运输区域内从仓库到物流配送中心的行驶距离D_h,i，其中D_h,i表示车辆从 第i个仓库行驶到物流配送中心的行驶距离，i＝1,2,3。

所述S1步骤中分析物流运输规划要素中的车辆规划参数，包括：

确定配送目标的数目为n，待配送货物总量为M，将货物物流运输区域划分为m个子区域，使得每个子区域的配送目标数目大于4，每个子区域地理中心的坐标集合为：

{(x₁,y₁),(x₂,y₂),(x₃,y₃),…,(x_i,y_i),…,(x_m,y_m)}

其中：

(x_i,y_i)表示划分的第i个子区域地理中心的坐标；

确定仓库中共有c种车型，每种车型的数量为{e₁,e₂,…,e_c}，最大装载量为 {w₁,w₂,…,w_c}，每公里油耗为{q₁,q₂,…,q_c}，其中e_c表示仓库中车型c的数量，w_c表示仓 库中车型c的最大装载量，q_c表示仓库中车型c的每公里油耗量。

所述S1步骤中构建多车型物流运输模型，包括：

设各车型所需的车辆数为{r₁,r₂,…,r_c}时，可以实现总量M的货物配送，且总运输成 本最小，则所构建的多车型物流运输模型为：

Cost＝Cost₁+Cost₂

其中：

r_i,j表示从第i个仓库调取车型j的车辆数，i＝1,2,3；在本发明一个具体实施例中，第 1个仓库的车型数以及车辆数多于第2个仓库，第2个仓库的车型数以及车辆数多于第3 个仓库；

s_j表示车型j的车辆的实际装载量；

q_j表示车型j的每公里油耗量；

g^*表示车辆的平均装载率。

所述S2步骤中确定物流规划目标函数和约束条件，包括：

确定多车型物流运输模型中物流规划目标函数：

其中：

s_j表示车型j的车辆的实际装载量；

w_j表示车型j的车辆的最大装载量；

表示使得物流运输规划方案中的车辆平均装载率g^*最大；

表示使得物流运输规划方案中的运输成本最 小；

确定目标函数的约束条件如下：

其中：

M为待配送货物总量。

所述S3步骤中利用共轭梯度算法对目标函数进行优化求解，包括：

利用共轭梯度算法对多车型物流运输模型进行参数优化，所述参数优化流程为：

1)生成U种车辆规划方案，所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量，计算目标函数F在不同车辆规划方案u的梯度g_u；初始化u＝0；在本发明一个具体实施例中，所生成的车辆规划方案均满足目标函数的约束条件，且u的值越大，所需 要的车辆类型数越多；

2)若||g_u||<∈，则停止参数优化，此时参数为最优的物流运输规划方案，其中∈表示 优化阈值；否则转4)；

3)取步长系数

参数因子d_u满足

其中T表示转置，F_u表示方案u下的运输成本以及车辆平均装载率；

4)计算步长系数：

根据上述两式确定算法的步长系数α；

6)则由方案u转向方案u+αd_u，并返回步骤3)。

所述S4步骤中将得到的最优求解结果作为多车型的物流运输策略，包括：

将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案，所述物流运输规 划方案包括各车型所需的车辆数以及各车型的货物装载量，实现多车型的物流运输规划。

相对于现有技术，本发明提出一种多车型的物流运输规划方法，该技术具有以下优势：

首先，本方案提出一种多车型物流运输模型，设各车型所需的车辆数为{r₁,r₂,…,r_c}时， 可以实现总量M的货物配送，且总运输成本最小，则所构建的多车型物流运输模型为：

Cost＝Cost₁+Cost₂

其中：r_i,j表示从第i个仓库调取车型j的车辆数，i＝1,2,3；q_j表示车型j的每公里油耗量； g^*表示车辆的平均装载率。根据所构建的多车型物流运输模型，确定多车型物流运输模型 中物流规划目标函数：

其中：s_j表示车型j的车辆的实际装载量；w_j表示车型j的车辆的最大装载量；

表 示使得物流运输规划方案中的车辆平均装载率g^*最大；

表示使得物流运输规划方案中的运输成本最小；确定目标函数的约束条件 如下：

其中：M为待配送货物总量。相较于传统方案，本方案所构建多车型物流模型综合考虑了 不同车型的数量以及装载率，通过对车型数量以及装载率进行优化控制，实现物流运输成 本最小的多车型物流运输规划。

同时，本方案提出一种多车型物流运输模型目标函数的求解方法，所述参数优化流程 为：1)生成U种车辆规划方案，所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量，计算目标函数F在不同车辆规划方案u的梯度g_u；初始化u＝0；所生成的车辆规划方案均满足目标函数的约束条件，且u的值越大，所需要的车辆类型数越多；2)若 ||g_u||<∈，则停止参数优化，此时参数为最优的物流运输规划方案，其中∈表示优化阈值； 否则转4)；3)取步长系数

参数因子d_u满足

其中T 表示转置，F_u表示方案u下的运输成本以及车辆平均装载率；4)计算步长系数：

根据上述两式确定算法的步长系数α；6)则由方案u转向方案u+αd_u，并返回步骤3)。 将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案，所述物流运输规划方 案包括各车型所需的车辆数以及各车型的货物装载量，实现多车型的物流运输规划。

附图说明

图1为本发明一实施例提供的一种多车型的物流运输规划方法的流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

S1：分析物流运输规划要素，构建多车型物流运输模型。

所述S1步骤中分析物流运输规划要素中的物流运输区域，包括：

将物流运输区域划分为仓库物流运输区域以及货物物流运输区域，其中仓库物流运输 区域为物流配送中心与仓库之间的运输区域，货物物流运输区域为物流配送中心与配送目 标之间的运输区域；

在本发明一个具体实施例中，每个城市具有3个仓库以及1个物流配送中心，货物由 仓库运输到物流配送中心，再经由物流配送中心配送到指定的货物配送目标点。

所述S1步骤中分析物流运输规划要素中的物流区域配送距离，包括：

计算货物物流运输区域内配送目标的配送距离：

其中：

m表示将货物物流运输区域划分为m个子区域；

cdev表示配送目标与物流配送中心距离的标准差；

stdev表示配送目标与物流配送中心在经纬度的标准差，其中stdev_x表示配送目标与物 流配送中心在经度的标准差，stdev_y表示配送目标与物流配送中心在纬度的标准差；

R表示货物物流运输区域的面积；

表示所有配送目标与物流配送中心距离的均值；

在本发明一个具体实施例中，所述距离的计算公式为欧式距离计算公式；

计算仓库物流运输区域内从仓库到物流配送中心的行驶距离D_h,i，其中D_h,i表示车辆从 第i个仓库行驶到物流配送中心的行驶距离，i＝1,2,3。

所述S1步骤中分析物流运输规划要素中的车辆规划参数，包括：

确定配送目标的数目为n，待配送货物总量为M，将货物物流运输区域划分为m个子区域，使得每个子区域的配送目标数目大于4，每个子区域地理中心的坐标集合为：

{(x₁,y₁),(x₂,y₂),(x₃,y₃),…,(x_i,y_i),…,(x_m,y_m)}

其中：

(x_i,y_i)表示划分的第i个子区域地理中心的坐标；

确定仓库中共有c种车型，每种车型的数量为{e₁,e₂,…,e_c}，最大装载量为 {w₁,w₂,…,w_c}，每公里油耗为{q₁,q₂,…,q_c}，其中e_c表示仓库中车型c的数量，w_c表示仓 库中车型c的最大装载量，q_c表示仓库中车型c的每公里油耗量。

所述S1步骤中构建多车型物流运输模型，包括：

设各车型所需的车辆数为{r₁,r₂,…,r_c}时，可以实现总量M的货物配送，且总运输成 本最小，则所构建的多车型物流运输模型为：

Cost＝Cost₁+Cost₂

其中：

r_i,j表示从第i个仓库调取车型j的车辆数，i＝1,2,3；在本发明一个具体实施例中，第 1个仓库的车型数以及车辆数多于第2个仓库，第2个仓库的车型数以及车辆数多于第3 个仓库；

s_j表示车型j的车辆的实际装载量；

q_j表示车型j的每公里油耗量；

g^*表示车辆的平均装载率。

S2：根据多车型物流运输模型确定物流规划目标函数和约束条件。

所述S2步骤中确定物流规划目标函数和约束条件，包括：

确定多车型物流运输模型中物流规划目标函数：

其中：

s_j表示车型j的车辆的实际装载量；

w_j表示车型j的车辆的最大装载量；

表示使得物流运输规划方案中的车辆平均装载率g^*最大；

表示使得物流运输规划方案中的运输成本最 小；

确定目标函数的约束条件如下：

其中：

M为待配送货物总量。

S3：利用共轭梯度算法对物流规划目标函数进行优化求解，确定最优解。

利用共轭梯度算法对多车型物流运输模型进行参数优化，所述参数优化流程为：

1)生成U种车辆规划方案，所述车辆规划方案包括各车型所需的车辆数以及各车型 的装载量，计算目标函数F在不同车辆规划方案u的梯度g_u；初始化u＝0；在本发明一个具体实施例中，所生成的车辆规划方案均满足目标函数的约束条件，且u的值越大，所需 要的车辆类型数越多；

2)若||g_u||<∈，则停止参数优化，此时参数为最优的物流运输规划方案，其中∈表示 优化阈值；否则转4)；

3)取步长系数

参数因子d_u满足

其中T表示转置，F_u表示方案u下的运输成本以及车辆平均装载率；

4)计算步长系数：

根据上述两式确定算法的步长系数α；

6)则由方案u转向方案u+αd_u，并返回步骤3)。

S4：将求解得到的最优解作为多车型的物流运输策略。

将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案，所述物流运输规 划方案包括各车型所需的车辆数以及各车型的货物装载量，实现多车型的物流运输规划。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本 文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括 一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的 其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、 物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可 借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者 是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡 献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储 介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机， 计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说 明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领 域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种多车型的物流运输规划方法，其特征在于，所述方法包括：

S1：分析物流运输规划要素，构建多车型物流运输模型；

S2：根据多车型物流运输模型确定物流规划目标函数和约束条件；

S3：利用共轭梯度算法对物流规划目标函数进行优化求解，确定最优解；

S4：将求解得到的最优解作为多车型的物流运输策略。

2.如权利要求1所述的一种多车型的物流运输规划方法，其特征在于，所述S1步骤中分析物流运输规划要素中的物流运输区域，包括：

将物流运输区域划分为仓库物流运输区域以及货物物流运输区域，其中仓库物流运输区域为物流配送中心与仓库之间的运输区域，货物物流运输区域为物流配送中心与配送目标之间的运输区域。

3.如权利要求2所述的一种多车型的物流运输规划方法，其特征在于，所述S1步骤中分析物流运输规划要素中的物流区域配送距离，包括：

计算货物物流运输区域内配送目标的配送距离：

其中：

m表示将货物物流运输区域划分为m个子区域；

cdev表示配送目标与物流配送中心距离的标准差；

stdev表示配送目标与物流配送中心在经纬度的标准差，其中stdev_x表示配送目标与物流配送中心在经度的标准差，stdev_y表示配送目标与物流配送中心在纬度的标准差；

R表示货物物流运输区域的面积；

表示所有配送目标与物流配送中心距离的均值；

计算仓库物流运输区域内从仓库到物流配送中心的行驶距离D_h，i，其中D_h，i表示车辆从第i个仓库行驶到物流配送中心的行驶距离，i＝1，2，3。

4.如权利要求1所述的一种多车型的物流运输规划方法，其特征在于，所述S1步骤中分析物流运输规划要素中的车辆规划参数，包括：

确定配送目标的数目为n，待配送货物总量为M，将货物物流运输区域划分为m个子区域，使得每个子区域的配送目标数目大于4，每个子区域地理中心的坐标集合为：

{(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，...，(x_i，y_i)，...，(x_m，y_m)}

其中：

(x_i，y_i)表示划分的第i个子区域地理中心的坐标；

确定仓库中共有c种车型，每种车型的数量为{e₁，e₂，...，e_c}，最大装载量为{w₁，w₂，...，w_c}，每公里油耗为{q₁，q₂，...，q_c}，其中e_c表示仓库中车型c的数量，w_c表示仓库中车型c的最大装载量，q_c表示仓库中车型c的每公里油耗量。

5.如权利要求1所述的一种多车型的物流运输规划方法，其特征在于，所述S1步骤中构建多车型物流运输模型，包括：

设各车型所需的车辆数为{r₁，r₂，...，r_c}时，可以实现总量M的货物配送，且总运输成本最小，则所构建的多车型物流运输模型为：

Cost＝Cost₁+Cost₂

其中：

r_i，j表示从第i个仓库调取车型j的车辆数，i＝1，2，3；

s_j表示车型j的车辆的实际装载量；

q_j表示车型j的每公里油耗量；

g^*表示车辆的平均装载率。

6.如权利要求1所述的一种多车型的物流运输规划方法，其特征在于，所述S2步骤中确定物流规划目标函数和约束条件，包括：

确定多车型物流运输模型中物流规划目标函数：

其中：

s_j表示车型j的车辆的实际装载量；

w_j表示车型j的车辆的最大装载量；

表示使得物流运输规划方案中的车辆平均装载率g^*最大；

表示使得物流运输规划方案中的运输成本最小；

确定目标函数的约束条件如下：

其中：

M为待配送货物总量。

7.如权利要求6所述的一种多车型的物流运输规划方法，其特征在于，所述S3步骤中利用共轭梯度算法对目标函数进行优化求解，包括：

利用共轭梯度算法对多车型物流运输模型进行参数优化，所述参数优化流程为：

1)生成U种车辆规划方案，所述车辆规划方案包括各车型所需的车辆数以及各车型的装载量，计算目标函数F在不同车辆规划方案u的梯度g_u；初始化u＝0；

2)若||g_u||＜∈，则停止参数优化，此时参数为最优的物流运输规划方案，其中∈表示优化阈值；否则转4)；

3)取步长系数

参数因子d_u满足

其中T表示转置，F_u表示方案u下的运输成本以及车辆平均装载率；

4)计算步长系数：

根据上述两式确定算法的步长系数α；

6)则由方案u转向方案u+αd_u，并返回步骤3)。

8.如权利要求7所述的一种多车型的物流运输规划方法，其特征在于，所述S4步骤中将得到的最优求解结果作为多车型的物流运输策略，包括：

将利用共轭算法求解得到的参数结果作为最优的物流运输规划方案，所述物流运输规划方案包括各车型所需的车辆数以及各车型的货物装载量。

Images