多目标物流调度方法及装置、物流系统以及计算机可读介质制造方法及图纸

本发明专利技术涉及汽车物流技术领域，更具体的说，涉及多目标物流调度方法及装置、物流系统以及计算机可读介质。该方法包括：S1初始化订单分配策略，形成初始调度安排；S2对初始调度安排使用目标代价函数计算代价；S3使用全局优化算法对订单分配策略和调度安排进行更新；S4对更新后的调度安排使用目标代价函数计算代价，得到目标代价函数最优化的结果，如果不满足最优化要求，则继续进行步骤S3，如果满足要求，则进行步骤S5；S5对调度安排进行约束条件检验，如果通过检验，则该调度安排为最优结果，如果没有通过检验，则继续进行步骤S3。本发明专利技术所规划的路线达到了总路径长度最优，相对于目前物流实际调度安排，车辆数明显减少，装载率升高，节省了成本。

Multi-objective Logistics Scheduling Method and Device, Logistics System and Computer Readable Media

【技术实现步骤摘要】
多目标物流调度方法及装置、物流系统以及计算机可读介质
本专利技术涉及汽车物流
，更具体的说，涉及一种多目标物流调度方法及装置、物流系统以及计算机可读介质。
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。在物流运输中，车辆路径规划问题(VehicleRoutingProblem，VRP)占有举足轻重的位置，是物流成本的重要因素。根据问题的描述和约束，路径规划可以分为不同模型，如包含流量约束的VRP模型、包含时间窗约束的VRP模型等。汽车订单货物零部件入场物流场景具有多约束、多车场、多目标(供应商，仓库)、多车型、时间窗、三维装载等特点，节点包含各自属性，供应商有车型及仓库流量等限制，装载规则复杂，箱子大小迥异，路径规划难度很大。目前现有技术的基于优化算法的规划路径方法，规划了三维装载的一条线路的旅行商问题(TravelingSalesmanProblem，TSP)或者多目标多车场的场景(不包括装载或者只是平面装载)，并未解决三维装载和包含时间窗约束及各个节点自身属性的物流场景，例如供应商有车型限制，一个供应商有不同型号的箱子(涉及到三维装载以及复杂的装载规则)。
技术实现思路
本专利技术的目的是提供一种多目标物流调度方法及装置、物流系统、计算机可读介质，解决了考虑多车场、多目标、多车型、带有时间窗约束、三维装载、各个节点具有自身属性的车辆路径规划问题。为了实现上述目的，本专利技术提供了一种多目标物流调度方法，包括以下步骤：S1初始化订单分配策略，形成初始调度安排，包括所有车辆行驶的节点、所运送的订单、行驶顺序以及到达每个节点的时间点；S2对初始调度安排使用目标代价函数计算代价；S3使用全局优化算法对订单分配策略和调度安排进行更新；S4对更新后的调度安排使用目标代价函数计算代价，得到目标代价函数最优化的结果，如果不满足最优化要求，则继续进行步骤S3，如果满足要求，则进行步骤S5；S5对调度安排进行约束条件检验，如果通过检验，则该调度安排为最优结果，如果没有通过检验，则继续进行步骤S3。在一实施例中，所述目标代价函数包括每辆车的路径长度，目标代价函数最优化的结果为每辆车的路径长度最短，目标代价函数为，其中，dij是两节点之间的距离；N是所有节点的总数，节点包括车场、供应商、仓库、中转站；K是车场数，K＜N；VTk是第k车场拥有的车型数；是第k车场拥有第m种车型的车辆数。在一实施例中，所述目标代价函数还包括每辆车的装载率，目标代价函数最优化的结果为每辆车的路径长度最短同时装载率最高，通过对车辆路径长度和装载率的成本定价，将目标代价函数转化成统一的成本计价模型。在一实施例中，所述目标代价函数还包括车辆运行时间，目标代价函数最优化的结果为每辆车的路径长度最短、装载率最高同时车辆运行时间最短，通过对车辆路径长度、装载率和车辆运行时间的成本定价，将目标代价函数转化成统一的成本计价模型。在一实施例中，采用基于成本定价的拉格朗日乘数法，将目标代价函数按照定价转换成统一的成本计价模型。在一实施例中，每辆车的装载方案包括，根据车厢内货物零部件箱体尺寸进行精准装车，采用对树搜索和设定评分标准进行装载率的最优化评价。在一实施例中，每辆车的装载方案还包括装载顺序的最优化，对于一辆车的线路，行驶顺序决定装载顺序；对于同一个节点，如果只有一个订单，则直接装箱，如果有不同订单，则通过堆栈结构进行装箱。在一实施例中，所述全局优化算法为模拟退火算法、遗传算法、粒子群算法或蚁群算法之一。在一实施例中，所述步骤S5中，对调度安排进行约束条件检验，进一步包括，检验所有路线的时间窗是否通过，以及节点的工作时间窗、订单的时间窗以及仓库的流量控制是否满足要求。在一实施例中，所述步骤S1还包括：S11订单拆单步骤，对于订单货量大于1辆整车的装载量的订单进行拆分。在一实施例中，所述步骤S1还包括：S12订单预处理步骤，根据订单是否直送中转站进行信息更新，将异地供应商的订单整合进中转站。在一实施例中，所述步骤S1还包括：S13订单整理步骤，根据订单属性，对所有订单按照相同供应商进行订单分类，按照不同供应商的距离远近进行订单聚类。在一实施例中，所述步骤S13中，订单分类进一步包括，根据供应商地址信息将所有订单分类，根据订单属性中的出发地和目的地进行调度安排。在一实施例中，所述步骤S1中，进一步包括：S14数据清洗步骤，根据预先设定的清洗规则，将获取的原始订单数据清洗成符合全局优化算法需要的数据格式，提取所需的信息数据。在一实施例中，还包括，步骤S6，将调度安排的最优结果转化为实际可操作的状态并输出。为了实现上述目的，本专利技术还提供了一种多目标物流调度装置，包括：数据准备模块，输出端与初始调度模块连接，用于获取订单数据并根据需求进行订单数据处理；初始调度模块，输出端与代价计算模块连接，用于基于所处理的订单数据获取初始订单分配策略，形成初始调度安排；代价计算模块，输出端与约束条件检验模块、优化模块连接，对输入的调度安排使用目标代价函数计算代价，将满足要求的调度安排输出到约束条件检验模块，将不满足要求的调度安排输出到优化模块；优化模块，输出端与代价计算模块连接，使用全局优化算法对输入的订单分配策略和调度安排进行优化更新；约束条件检验模块，输出端与优化模块连接，用于检验输入的调度安排是否满足约束条件，将满足约束条件的调度安排作为最优结果，将不满足约束条件的调度安排输出到优化模块。在一实施例中，所述代价计算模块，还包括路径模块，目标代价函数为每辆车的路径长度，对调度安排计算代价。在一实施例中，所述代价计算模块，还包括装载模块，目标代价函数为每辆车的装载率，对调度安排计算代价，通过成本定价将目标代价函数转化成统一的成本计价模型，将路径模块和装载模块的代价计算结果耦合统一，作为代价计算模块的代价计算结果。在一实施例中，还包括调度输出模块，输入端与约束条件检验模块连接，将输入的调度安排的最优结果转化为实际可操作的状态并输出。为了实现上述目的，本专利技术还提供了一种物流系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现如上所述的方法。为了实现上述目的，本专利技术还提供了一种计算机可读介质，其上存储有计算机指令，其中当计算机指令被处理器执行时，执行如上所述的方法。本专利技术提供的一种多目标物流优化调度方法和装置，模拟了订单货物零部件的整个入场物流场景过程，与实际业务中的多目标(供应商，仓库)、多车场(多车型)相符合，在实际操作上具有可行性；规划满足实际业务所提出的所有需求，所规划的路线达到了总路径长度最优；相对于目前物流实际调度安排，车辆数明显减少，装载率升高，节省了成本。附图说明本专利技术上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：图1揭示了根据本专利技术一实施例的多目标物流调度方法的流程图；图2揭示了根据本专利技术一实施例的多目标物流调度方法的详细流程图；图3揭示了根据本专利技术一实施例的多目标物流调度方法的货物零部件入场物流场景流程图；图4揭示了根据本专利技术一实施例的多目标物流调度装置的本文档来自技高网...

【技术保护点】
1.一种多目标物流调度方法，其特征在于，包括以下步骤：S1初始化订单分配策略，形成初始调度安排，包括所有车辆行驶的节点、所运送的订单、行驶顺序以及到达每个节点的时间点；S2对初始调度安排使用目标代价函数计算代价；S3使用全局优化算法对订单分配策略和调度安排进行更新；S4对更新后的调度安排使用目标代价函数计算代价，得到目标代价函数最优化的结果，如果不满足最优化要求，则继续进行步骤S3，如果满足要求，则进行步骤S5；S5对调度安排进行约束条件检验，如果通过检验，则该调度安排为最优结果，如果没有通过检验，则继续进行步骤S3。

【技术特征摘要】
1.一种多目标物流调度方法，其特征在于，包括以下步骤：S1初始化订单分配策略，形成初始调度安排，包括所有车辆行驶的节点、所运送的订单、行驶顺序以及到达每个节点的时间点；S2对初始调度安排使用目标代价函数计算代价；S3使用全局优化算法对订单分配策略和调度安排进行更新；S4对更新后的调度安排使用目标代价函数计算代价，得到目标代价函数最优化的结果，如果不满足最优化要求，则继续进行步骤S3，如果满足要求，则进行步骤S5；S5对调度安排进行约束条件检验，如果通过检验，则该调度安排为最优结果，如果没有通过检验，则继续进行步骤S3。2.根据权利要求1所述的一种多目标物流调度方法，其特征在于，所述目标代价函数包括每辆车的路径长度，目标代价函数最优化的结果为每辆车的路径长度最短，目标代价函数为，其中，dij是两节点之间的距离；N是所有节点的总数，节点包括车场、供应商、仓库、中转站；K是车场数，K＜N；VTk是第k车场拥有的车型数；是第k车场拥有第m种车型的车辆数。3.根据权利要求2所述的多目标物流调度方法，其特征在于，所述目标代价函数还包括每辆车的装载率，目标代价函数最优化的结果为每辆车的路径长度最短同时装载率最高，通过对车辆路径长度和装载率的成本定价，将目标代价函数转化成统一的成本计价模型。4.根据权利要求3所述的多目标物流调度方法，其特征在于，所述目标代价函数还包括车辆运行时间，目标代价函数最优化的结果为每辆车的路径长度最短、装载率最高同时车辆运行时间最短，通过对车辆路径长度、装载率和车辆运行时间的成本定价，将目标代价函数转化成统一的成本计价模型。5.根据权利要求3所述的多目标物流调度方法，其特征在于，每辆车的装载方案包括，根据...

【专利技术属性】
技术研发人员：金忠孝，郑仁，
申请(专利权)人：上汽安吉物流股份有限公司，
类型：发明
国别省市：上海,31