一种农村物流末端配送的车货匹配方法组成比例

本发明专利技术公开了一种农村物流末端配送的车货匹配方法，包括：获取可调度的配送人员信息和已到达配送中心的货物信息，发布订单任务；配送人员进行抢单，配送中心系统对各配送人员信息进行筛选，将承运人客户端在线，并开启自动接单功能的承运人纳入当前匹配，构建车货匹配模型，以匹配率建立目标函数；使用GA

【技术实现步骤摘要】
一种农村物流末端配送的车货匹配方法


[0001]本专利技术涉及物流配送
，尤其涉及一种农村物流末端配送的车货匹配方法。

技术介绍

[0002]车货匹配，是指在互联网+的背景下，充分利用在线平台，借助互联网与计算机的匹配效率、高速信息检索能力，对货物与货车进行匹配，同时进行货车调度，从而减少信息不对称、信息更新不及时等问题，提高车辆与货物的匹配效率，节约配送成本。
[0003]近年来，共享经济的大力发展，零工经济也是共享经济的一种延伸和拓展，零工经济是指由工作量不多的自由职业者构成的经济领域。它以信息和数据共享为基础，将社会资源加以整合利用并承包给社会大众群体。该方法从零工经济视域出发，提出以众包模式为基础，通过整合农村闲置资源，农村末端物流较城市和社区而言，其特性有：配送点较为离散、末端配送信息化水平不高、交通运输条件差、配送网点布局不合理、配送成本高等。
[0004]用群智能算法针对城镇集中式的物流配送进行求解，针对集中式的物流配送具有优秀的表现，但是针对较为离散和遇到大规模问题时往往就会出现瓶颈，容易陷入局部最优的问题，将其用于农村物流末端，因农村末端物流配送较为离散，不适用于农村物流配送。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有存在的问题，提出了本专利技术。
[0007]因此，本专利技术提供了一种农村物流末端配送的车货匹配方法解决容易陷入局部最优解的问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：
[0009]获取可调度的配送人员信息和已到达配送中心的货物信息，发布订单任务；
[0010]配送人员进行抢单，配送中心系统对各配送人员信息进行筛选，将承运人客户端在线，并开启自动接单功能的承运人纳入当前匹配，构建车货匹配模型，以匹配率建立目标函数；
[0011]使用GA
‑
C算法求解目标函数，得到配送成本最低车货匹配结果。
[0012]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，以匹配率最高建立的目标函数表示为：
[0013][0014]其中，Z表示匹配度；j表示匹配的类别，包括货物的重量、货物的体积、货物距离承运人的距离；Δ表示货物与承运人提供运力属性的差值；q表示承运人提供的运力属性；W
i
表示各类货物属性所占的权重。
[0015]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，决策变量表示为：
[0016][0017]其中，C表示所有货物集合{1,2,3
……
c}；V表示承运车辆集合{1,2,3
……
v}。
[0018]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，约束条件中承运车辆装载的货物量不能超过车辆载重表示为：
[0019][0020]其中，W
v
表示车辆载重。
[0021]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，约束条件中承运车辆装载的货物体积不能超过车辆容量表示为：
[0022][0023]其中，m
v
表示所有货物体积集合{1,2,3
……
}；M
v
表示车辆v的装载容量。
[0024]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，约束条件中每件货物都有且只有一辆车配送表示为：
[0025][0026]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，约束条件中承运车辆在配送中心可调度范围内表示为：
[0027][0028]其中，D表示配送中心可调度范围。
[0029]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述构建车货匹配模型，约束条件中各类货物属性权重求和为1表示为：
[0030][0031]即重量权重占比40％；体积权重占比40％；距离占比20％。
[0032]作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述GA
‑
C算法包括以下步骤：
[0033]A1：初始化参数，包括：最大迭代次数，维度，解空间下限，解空间上限；
[0034]A2：子问题的界定，由参数x和y确定，x：考虑对货物C{1,2,3
……
c}的选择，y:不超过V{1,2,3
……
v}的W
v
和M
v
；
[0035]A3：界定最小子问题，当x＝0时，所有的y都等于0，
[0036]当x＝1时，问题最小，进入下一步骤；
[0037]若x≠1，非最小问题，则舍弃；
[0038]A4：保存最小问题结果，m[x][y]＝Zmax；m[x][y]表示当该问题为最小问题时的函数值，即为Zmax，最大匹配率；
[0039]A5：根据本次最小问题结果，将上一次迭代求解的最优解，即最优匹配率，为承运人找到最合适的货物与之匹配；
[0040]A6：根据A5，此时将承运人与货物进行绑定，生成一个新的V
’
，此时V
’
的运力属性会发生改变，并计算出新的运力属性W
v
’
、M
v
‘
；
[0041]A7：将A6中新生成的V
’
，在其装载货物的体积以及重量没有超过承运人所提供的运力属性上限的情况下，将其放回原矩阵；
[0042]A8：判定承运人所提供的运力属性是否达到上限，
[0043]若是，即则将其剥离矩阵，输出最优解；
[0044]若否，即继续步骤A3，直至所有承运人所承运的货物属性超过承运人所提供的运力属性的容积或者载重为止，将每个子问题的局部最优解，合成原问题最优解，算法结束。作为本专利技术所述的农村物流末端配送的车货匹配方法的一种优选方案，其中：所述GA
‑
C算法中计算出新的运力属性W
v
′
、M
v
′
表示为：
[0045]W
v
’
＝W
v
‑
W
c
；
[0046]M
v
’
＝M
v
‑
M
c
；
[0047]其中，W
v
’
为新的V
’
的载本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农村物流末端配送的车货匹配方法，其特征在于，包括以下步骤：获取可调度的配送人员信息和已到达配送中心的货物信息，发布订单任务；配送人员进行抢单，配送中心系统对各配送人员信息进行筛选，将承运人客户端在线，并开启自动接单功能的承运人纳入当前匹配，构建车货匹配模型，以匹配率建立目标函数；使用GA
‑
C算法求解目标函数，得到配送成本最低车货匹配结果。2.如权利要求1所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，以匹配率最高建立的目标函数表示为：其中，Z表示匹配度；j表示匹配的类别，包括货物的重量、货物的体积、货物距离承运人的距离；Δ表示货物与承运人提供运力属性的差值；q表示承运人提供的运力属性；W
i
表示各类货物属性所占的权重。3.如权利要求1或2所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，决策变量表示为：其中，C表示所有货物集合{1,2,3
……
c}；V表示承运车辆集合{1,2,3
……
v}。4.如权利要求3所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，约束条件中承运车辆装载的货物量不能超过车辆载重表示为：其中，W
v
表示车辆载重。5.如权利要求4所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，约束条件中承运车辆装载的货物体积不能超过车辆容量表示为：其中，m
v
表示所有货物体积集合{1,2,3
……
}；M
v
表示车辆v的装载容量。6.如权利要求5所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，约束条件中每件货物都有且只有一辆车配送表示为：7.如权利要求4
‑
6任一项所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货匹配模型，约束条件中承运车辆在配送中心可调度范围内表示为：其中，D表示配送中心可调度范围。8.如权利要求7所述的农村物流末端配送的车货匹配方法，其特征在于：所述构建车货
匹配模型，约束条件中各类货物属性权重求和为1表示为：即重量权重占比40％；体积权重占比40％；距离占比20％。9.如权利要求8所述的农村物流末端配送的车货匹配方法，其特征在于：所述GA
‑
C算法包括以下步骤：A1：初始化参数，包括：最大迭代次...

【专利技术属性】
技术研发人员：曹亚东，姜自宽，孙知信，孙哲，赵学健，宫婧，汪胡清，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：