基于蚁群算法的整车物流调度方法及装置、存储介质、终端制造方法及图纸

一种基于蚁群算法的整车物流调度方法及装置、存储介质、终端，所述方法包括：获取整车物流数据，所述整车物流数据包括订单数据及运力数据；基于所述整车物流数据获取M个候选分配方案，其中，M≥1；将所述候选分配方案记为蚂蚁，将M只蚂蚁构成的集合记为蚁群，在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁，所述蚂蚁在预设目标集合上的投影记为对应于该蚂蚁的目标向量；当所述蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为最优调度方案。通过本发明专利技术提供的方案能够实现整车物流的自动化调度，且利于实现最优调度，从整体上降低货运车的动态调度成本。

【技术实现步骤摘要】
基于蚁群算法的整车物流调度方法及装置、存储介质、终端
本专利技术涉及汽车物流
，具体地涉及一种基于蚁群算法的整车物流调度方法及装置、存储介质、终端。
技术介绍
整车物流是指整车从主机厂、各配送站点、经销商运送到最终客户的一系列活动和过程，整车物流调度需要解决物流路径规划、配载和车辆调度等一系列问题。现有整车物流调度涉及的因素较为复杂，约束条件众多，目标多元且相互制约，其中包括主机厂及其仓库、物流公司及其中转库、承运商及其合约司机、经销商及其仓库等多个方面，归纳来讲是一个多目标优化问题。而大多数的物流公司根据人工经验来定制调度运输方案，配载过程多采用手工操作，配载方案完全取决于调度人员的自身经验。这样的整车物流调度方式存在考虑变量因素少、调度方案非最优、运力资源使用率不高、订单反应速度慢等诸多缺点，无法达到汽车厂商及客户的预期。
技术实现思路
本专利技术解决的技术问题是如何实现整车物流的自动化调度，以更合理、全面的调度逻辑从整体上降低货运车的动态调度成本。为解决上述技术问题，本专利技术实施例提供一种基于蚁群算法的整车物流调度方法，包括：获取整车物流数据，所述整车物流数据包括订单数据及运力数据；基于所述整车物流数据获取M个候选分配方案，其中，M≥1；将所述候选分配方案记为蚂蚁，将M只蚂蚁构成的集合记为蚁群，在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁，所述蚂蚁在预设目标集合上的投影记为对应于该蚂蚁的目标向量；当所述蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为最优调度方案。可选的，所述基于所述整车物流数据获取M个候选分配方案包括：循环迭代地随机匹配所述订单数据和运力数据，对于每次迭代，当订单分配完毕且匹配的运力最少时，或者，当运力分配完毕时，将已分配的订单和运力的匹配结果作为本次迭代获取的候选分配方案；基于预设约束条件筛选历次迭代获取的候选分配方案，以获取所述M个候选分配方案。可选的，所述循环迭代地随机匹配所述订单数据和运力数据包括：从所述运力数据中随机抽取一个运力并开始内迭代，所述内迭代的过程包括：遍历所述订单数据包括的订单，以从中筛选出与所述运力满足装载约束的所有订单；判断所述运力是否满载；当所述运力未满载时，清空所述运力的匹配结果并重新执行所述内迭代，直至本次内迭代的结果为所述运力满载时，判断所述订单数据包括的订单是否分配完毕；当所述订单数据包括的订单分配完毕，且所述运力数据包括的运力未分配完毕时，继续从所述运力数据中随机抽取一个运力并执行所述内迭代，直至所述运力数据包括的运力分配完毕或所述订单数据包括的订单分配完毕，以完成一次循环迭代。可选的，所述将已分配的订单和运力的匹配结果作为本次迭代获取的候选分配方案包括：比较本次循环迭代确定的运力的数量与上一次循环迭代确定的运力的数量；若本次循环迭代确定的运力的数量小于上一次循环迭代确定的运力的数量，将本次循环迭代确定的运力与订单的匹配结果作为本次迭代获取的候选分配方案。可选的，所述遍历所述订单数据包括的订单，以从中筛选出与所述运力满足装载约束的所有订单包括：从所述订单数据中随机抽取一个订单；判断所述运力和所述订单是否满足所述装载约束；当所述运力和所述订单不满足所述装载约束时，重新从所述订单数据中随机抽取一个订单，直至本次随机抽取的订单与所述运力满足所述装载约束时，判断所述订单数据包括的订单是否遍历完毕；当所述订单数据包括的订单未遍历完毕时，继续从所述订单数据中随机抽取一个订单并判断所述运力和本次随机抽取的订单是否满足所述装载约束，直至所述订单数据包括的订单全部遍历完毕。可选的，所述预设约束条件选自：配载约束；意向方向约束；可拼城市数量约束。可选的，所述蚁群中的每只蚂蚁均分配有初始化信息素矩阵和启发信息矩阵，所述初始化信息素矩阵和启发信息矩阵与目标一一对应，其中，对于每只蚂蚁，所述启发信息矩阵用于描述所述蚂蚁的订单与运力的初始匹配结果，所述初始化信息素矩阵用于描述所述蚂蚁的各订单在各运力之间的初始转移概率。可选的，对于每只蚂蚁，所述启发信息矩阵基于如下公式表示：B＝(buv)；其中，B为所述蚂蚁的启发信息矩阵，buv为所述启发信息矩阵中第u行第v列的元素，u为所述订单数据中的第u个订单，1≤u≤U，U为所述订单数据包括的总订单数，v为所述运力数据中的第v个运力，1≤v≤V，V为所述运力数据包括的总运力数，当buv＝1时表示在所述蚂蚁中第u个订单与第v个运力相匹配，当buv＝0时表示在所述蚂蚁中第u个订单与第v个运力不相匹配。可选的，对于每只蚂蚁，所述蚂蚁的初始化信息素矩阵A包括U×V个元素，其中，U为所述订单数据包括的总订单数，V为所述运力数据包括的总运力数，所述U×V个元素均以预设常数填充。可选的，所述在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁包括：在所述蚁群中各只蚂蚁转移期间，基于蚁群算法计算和更新所述蚁群中各只蚂蚁的状态转移矩阵和信息素矩阵，其中，对于每只蚂蚁，所述状态转移矩阵用于描述所述蚂蚁的订单和运力的最新匹配结果，所述信息素矩阵用于描述所述蚂蚁的各订单在运力之间的最新转移概率；对于每只蚂蚁，根据所述状态转移矩阵计算所述蚂蚁的目标向量；选取所述目标向量最大的蚂蚁。可选的，在所述蚁群中各只蚂蚁转移期间，更新所述蚁群中各只蚂蚁的状态转移矩阵和信息素矩阵的更新周期是以各只蚂蚁转移时的步长为单位的。可选的，在所述蚂蚁转移期间，对于每只蚂蚁，将更新后的信息素矩阵作为所述蚂蚁下一次转移时的初始化信息素矩阵。可选的，当选取出目标向量最大的蚂蚁时，将该蚂蚁的信息素矩阵作为所述蚁群中各只蚂蚁下一次转移时的初始化信息素矩阵。可选的，对于所述蚁群中的每只蚂蚁，所述蚂蚁是按照确定性概率或随机性概率进行转移的，其中，所述按照确定性概率进行转移是指按照所述蚂蚁的信息素矩阵指示的最大概率方向进行转移，所述按照随机性概率进行转移是指按照随机方向进行转移，所述信息素矩阵用于描述所述蚂蚁的各订单在运力之间的最新转移概率。可选的，所述蚂蚁按照确定性概率或随机性概率进行转移的过程包括：所述蚂蚁从预设区间内抽取一个随机数；当所述随机数小于预设阈值时，按照确定性概率进行转移；否则，按照随机性概率进行转移。可选的，所述预设终止条件包括：所述蚁群中各只蚂蚁的转移次数达到预设循环次数。可选的，所述整车物流数据是通过对原始数据进行预处理获得的，所述获取整车物流数据包括：获取所述原始数据；根据预设标准值范围筛查所述原始数据，以剔除所述原始数据中不符合对应的预设标准值范围的数据；根据筛查后的原始数据获取所述整车物流数据。可选的，对于每只蚂蚁，所述蚂蚁的目标向量的计算过程包括：分别计算所述蚂蚁在所述预设目标集合包括的每一个目标上的投影；对各个目标上的投影进行加权求和，以获取所述蚂蚁的目标向量，所述各个目标上的投影的权重是根据对对应目标的先验结果分配的。可选的，所述预设目标集合中的目标包括：最大化装载数量；最大化装载商品车紧急程度；最大化装载大、中型商品车数量。可选的，所述候选分配方案的数量M是根据所述订单数据确定的。为解决上述技术问题，本专利技术实施例还提供一种基于蚁群算法的整车物流调度装置，包括：获取模块，用于获本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的整车物流调度方法，其特征在于，包括：获取整车物流数据，所述整车物流数据包括订单数据及运力数据；基于所述整车物流数据获取M个候选分配方案，其中，M≥1；将所述候选分配方案记为蚂蚁，将M只蚂蚁构成的集合记为蚁群，在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁，所述蚂蚁在预设目标集合上的投影记为对应于该蚂蚁的目标向量；当所述蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为最优调度方案。

【技术特征摘要】
1.一种基于蚁群算法的整车物流调度方法，其特征在于，包括：获取整车物流数据，所述整车物流数据包括订单数据及运力数据；基于所述整车物流数据获取M个候选分配方案，其中，M≥1；将所述候选分配方案记为蚂蚁，将M只蚂蚁构成的集合记为蚁群，在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁，所述蚂蚁在预设目标集合上的投影记为对应于该蚂蚁的目标向量；当所述蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为最优调度方案。2.根据权利要求1所述的整车物流调度方法，其特征在于，所述基于所述整车物流数据获取M个候选分配方案包括：循环迭代地随机匹配所述订单数据和运力数据，对于每次迭代，当订单分配完毕且匹配的运力最少时，或者，当运力分配完毕时，将已分配的订单和运力的匹配结果作为本次迭代获取的候选分配方案；基于预设约束条件筛选历次迭代获取的候选分配方案，以获取所述M个候选分配方案。3.根据权利要求2所述的整车物流调度方法，其特征在于，所述循环迭代地随机匹配所述订单数据和运力数据包括：从所述运力数据中随机抽取一个运力并开始内迭代，所述内迭代的过程包括：遍历所述订单数据包括的订单，以从中筛选出与所述运力满足装载约束的所有订单；判断所述运力是否满载；当所述运力未满载时，清空所述运力的匹配结果并重新执行所述内迭代，直至本次内迭代的结果为所述运力满载时，判断所述订单数据包括的订单是否分配完毕；当所述订单数据包括的订单分配完毕，且所述运力数据包括的运力未分配完毕时，继续从所述运力数据中随机抽取一个运力并执行所述内迭代，直至所述运力数据包括的运力分配完毕或所述订单数据包括的订单分配完毕，以完成一次循环迭代。4.根据权利要求3所述的整车物流调度方法，其特征在于，所述将已分配的订单和运力的匹配结果作为本次迭代获取的候选分配方案包括：比较本次循环迭代确定的运力的数量与上一次循环迭代确定的运力的数量；若本次循环迭代确定的运力的数量小于上一次循环迭代确定的运力的数量，将本次循环迭代确定的运力与订单的匹配结果作为本次迭代获取的候选分配方案。5.根据权利要求3所述的整车物流调度方法，其特征在于，所述遍历所述订单数据包括的订单，以从中筛选出与所述运力满足装载约束的所有订单包括：从所述订单数据中随机抽取一个订单；判断所述运力和所述订单是否满足所述装载约束；当所述运力和所述订单不满足所述装载约束时，重新从所述订单数据中随机抽取一个订单，直至本次随机抽取的订单与所述运力满足所述装载约束时，判断所述订单数据包括的订单是否遍历完毕；当所述订单数据包括的订单未遍历完毕时，继续从所述订单数据中随机抽取一个订单并判断所述运力和本次随机抽取的订单是否满足所述装载约束，直至所述订单数据包括的订单全部遍历完毕。6.根据权利要求2所述的整车物流调度方法，其特征在于，所述预设约束条件选自：配载约束；意向方向约束；可拼城市数量约束。7.根据权利要求1所述的整车物流调度方法，其特征在于，所述蚁群中的每只蚂蚁均分配有初始化信息素矩阵和启发信息矩阵，所述初始化信息素矩阵和启发信息矩阵与目标一一对应，其中，对于每只蚂蚁，所述启发信息矩阵用于描述所述蚂蚁的订单与运力的初始匹配结果，所述初始化信息素矩阵用于描述所述蚂蚁的各订单在各运力之间的初始转移概率。8.根据权利要求7所述的整车物流调度方法，其特征在于，对于每只蚂蚁，所述启发信息矩阵基于如下公式表示：B＝(buv)；其中，B为所述蚂蚁的启发信息矩阵，buv为所述启发信息矩阵中第u行第v列的元素，u为所述订单数据中的第u个订单，1≤u≤U，U为所述订单数据包括的总订单数，v为所述运力数据中的第v个运力，1≤v≤V，V为所述运力数据包括的总运力数，当buv＝1时表示在所述蚂蚁中第u个订单与第v个运力相匹配，当buv＝0时表示在所述蚂蚁中第u个订单与第v个运力不相匹配。9.根据权利要求7所述的整车物流调度方法，其特征在于，对于每只蚂蚁，所述蚂蚁的初始化信息素矩阵A包括U×V个元素，其中，U为所述订单数据包括的总订单数，...

【专利技术属性】
技术研发人员：金忠孝，梁亮，
申请(专利权)人：安吉汽车物流股份有限公司，上海汽车集团股份有限公司，
类型：发明
国别省市：上海,31