專利名稱：一種物流調(diào)配的實現(xiàn)方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及物聯(lián)網(wǎng)技術(shù)，具體涉及一種物流調(diào)配的實現(xiàn)方法和裝置。
背景技術(shù)：
物流調(diào)配方案尋優(yōu)屬于組合優(yōu)化范疇,是非確定性多項式(Non-deterministicPolynomial, NP)問題，該問題的解決方案是一大研究熱點。此外，由于實際的物流調(diào)配狀態(tài)處在動態(tài)變化中，因而要求組合優(yōu)化算法既要具有良好的性能，同時又要能適應動態(tài)調(diào)配的變化特性。目前的一些物流調(diào)配算法采用非啟發(fā)式的傳統(tǒng)算法，在性能上存在效率不高的問題，而另外一些性能較好的啟發(fā)式算法又未考慮到調(diào)配狀態(tài)的變化特性，因此不能及時、動態(tài)地對方案進行調(diào)整，導致了物流調(diào)配方案的低效性。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種物流調(diào)配的實現(xiàn)方法和裝置，用于實現(xiàn)高效率物流調(diào)配，并適應物流調(diào)配過程中的動態(tài)變化特性。為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:一種物流調(diào)配的實現(xiàn)方法，該方法包括:通過物流調(diào)配約束條件建模、調(diào)配站距離建模、物流調(diào)配算法建模來生成用于實現(xiàn)物流調(diào)配的數(shù)學模型；在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流。所述物流調(diào)配約束條件建模的方法為:設(shè)物流調(diào)配系統(tǒng)總共 有η個物流調(diào)配站，每個調(diào)配站表示為％ (i = I…η)，在時刻丁(0，調(diào)配站％的某物流貨物庫存量為Si(T(t))，而在這一時刻該調(diào)配站對該物流貨物的需求量Syi(Ta)),滿足狀態(tài)約束條件Si(Ta)) Syi(Ta)) ;α = ι..η)。該方法還包括:通過對每個物流調(diào)配站建立和維護一個有限狀態(tài)機，來進行物流調(diào)配的管理；物流調(diào)配站％的狀態(tài)機函數(shù)定義為=Sti(Ta));其中a = I…η)；當狀態(tài)機不能滿足未來相應時間點的所述狀態(tài)約束條件時，通過啟動物流調(diào)配方案對狀態(tài)機進行狀態(tài)的轉(zhuǎn)換，使其滿足所述狀態(tài)約束條件。所述配送站距離建模包括絕對距離建模和相對距離建模；其中，絕對距離建模時，設(shè)站點％和站點a]之間的距離為du，建立不同站點之間距離的二維矩陣:
權(quán)利要求
1.一種物流調(diào)配的實現(xiàn)方法，其特征在于，該方法包括: 通過物流調(diào)配約束條件建模、調(diào)配站距離建模、物流調(diào)配算法建模來生成用于實現(xiàn)物流調(diào)配的數(shù)學模型；在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述物流調(diào)配約束條件建模的方法為: 設(shè)物流調(diào)配系統(tǒng)總共有η個物流調(diào)配站，每個調(diào)配站表示為ai(i = 1...η)，在時刻丁(0，調(diào)配站％的某物流貨物庫存量為Si (T(t))，而在這一時刻該調(diào)配站對該物流貨物的需求量Syi(Ta)),滿足狀態(tài)約束條件Si(Ta)) Syi(Ta)) ;α = ι..η)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，該方法還包括: 通過對每個物流調(diào)配站建立和維護一個有限狀態(tài)機，來進行物流調(diào)配的管理；物流調(diào)配站％的狀態(tài)機函數(shù)定義為=Sti(Ta));其中a = ι...η)； 當狀態(tài)機不能滿足未來相應時間點的所述狀態(tài)約束條件時，通過啟動物流調(diào)配方案對狀態(tài)機進行狀態(tài)的轉(zhuǎn)換，使其滿足所述狀態(tài)約束條件。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述配送站距離建模包括絕對距離建模和相對距離建模；其中， 絕對距離建模時，設(shè)站點Bi和站點a]之間的距離為du，建立不同站點之間距離的二維矩陣:
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述物流調(diào)配算法建模用于對未來狀態(tài)進行預測，包括未來狀態(tài)函數(shù)定義、物流調(diào)配矩陣定義；其中， 進行未來狀態(tài)函數(shù)定義時，未來狀態(tài)預測函數(shù)定義為:Numi = fc (Sti(TW),yi(T(t)),Si(Ta)))； 如果Numi > O,表示調(diào)配站ai有剩余的物流貨物,數(shù)目為Numi ;如果Numi = O,表示調(diào)配站％沒有剩余物流貨物Aumi ^ O時，表示調(diào)配站％不需要通過物流調(diào)配程序來補充物流貨物；如果Numi < O，表示調(diào)配站％需要啟動物流調(diào)配程序，且調(diào)配到調(diào)配站％的物流貨物數(shù)量為Numi的絕對值； 進行物流調(diào)配矩陣定義時，建立調(diào)配站間的物流調(diào)配二維矩陣，如果調(diào)配站％不需要向調(diào)配站a]調(diào)配貨物，則用O表示；如果需要調(diào)配，則表示為調(diào)配的物流貨物數(shù)值:
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，該方法還包括: 用
7.根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流的過程包括以下步驟: 步驟1:設(shè)定最大循環(huán)次數(shù)N。_，螞蟻個數(shù)m'，初始化時間片t = O，循環(huán)控制變量N。=O,螞蟻循環(huán)變量k = O,禁忌表tabuk(k = I, 2,..., m'),節(jié)點動態(tài)調(diào)整表tabvk(k =1,2,..., m/ ),路徑表pathk(k = 1,2,..., m/ ),將m'只螞蟻放置在m'個出發(fā)節(jié)點上，令不同節(jié)點相連弧上的信息素TijU) = const,其中const為常數(shù)；把所有目的節(jié)點集合中的節(jié)點放入節(jié)點動態(tài)調(diào)整表tabvk(k = 1,2,…，Hii )中；所述螞蟻為蟻群算法中用于尋優(yōu)的變量； 步驟2:循環(huán)次數(shù)Nc = Nc+1，如果Nc > Nc _，退出循環(huán)，跳轉(zhuǎn)到步驟11 ； 步驟3:螞蟻數(shù)目k = k+Ι，如果k > m,退出k循環(huán)，跳轉(zhuǎn)到步驟8 ； 步驟4:確定螞蟻目前所在的節(jié)點，檢測該節(jié)點是否屬于目的節(jié)點集合，如果是，則將該節(jié)點對應的目的節(jié)點從節(jié)點動態(tài)調(diào)整表tabvk中刪除,否則跳轉(zhuǎn)到下一步； 步驟5:尋找與螞蟻所在節(jié)點相連的路徑，根據(jù)狀態(tài)轉(zhuǎn)移概率公式計算轉(zhuǎn)移概率，選擇從此節(jié)點出發(fā)的下一個節(jié)點； 步驟6:修改禁忌表tabuk，將新選擇的節(jié)點放入禁忌表中；并進行信息素的更新； 步驟7:如果禁忌表tabuk已包含了所有出發(fā)節(jié)點集合和目的節(jié)點集合中的所有節(jié)點，則螞蟻本次選路結(jié)束，跳轉(zhuǎn)到步驟9，否則跳轉(zhuǎn)到步驟5 ； 步驟8:計算并記錄螞蟻此輪選擇節(jié)點的新增信息素總和，如果此輪所有螞蟻選路結(jié)束，則跳轉(zhuǎn)到步驟9，否則跳轉(zhuǎn)到步驟3 ；步驟9:比較該輪中所有螞蟻選擇的組合計算節(jié)點的新增信息素總和，取新增信息素總和值最大的計算節(jié)點組合序列，對相應路徑上的信息素按照信息素更新規(guī)則進行信息素的更新； 步驟10:清空禁忌表tabuk、路徑表pathk,跳轉(zhuǎn)到步驟2 ； 步驟11:將信息素最大路徑表示的調(diào)配路線作為調(diào)配方案的最優(yōu)解。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，該方法還包括: 對應已經(jīng)生成的本次最佳物流調(diào)配方案，應用實時感知信息，確定該方案是否需要進行動態(tài)調(diào)整，對于已經(jīng)調(diào)配完成的任務，從出發(fā)節(jié)點集合和目的節(jié)點集合中刪除相應的節(jié)點，從最優(yōu)調(diào)度路徑中刪除相應的路徑；對于當前要刪除、新增、修改的調(diào)度任務，在出發(fā)節(jié)點集合和目的節(jié)點集合中刪除、新增相應的節(jié)點；確定調(diào)度車當前所在的節(jié)點位置或即將到達的節(jié)點位置，進行最新的狀態(tài)更新后，生成相應的節(jié)點狀態(tài)圖；將所有k只螞蟻放置在調(diào)度車當前位置節(jié)點，重新進行最優(yōu)化求解。
9.一種物流調(diào)配的實現(xiàn)裝置，其特征在于，該裝置包括數(shù)學模型生成模塊、物流調(diào)配模塊;其中， 所述數(shù)學模型生成模塊，用于通過物流調(diào)配約束條件建模、調(diào)配站距離建模、物流調(diào)配算法建模來生成用于實現(xiàn)物流調(diào)配的數(shù)學模型； 所述物流調(diào)配模塊，用于在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述數(shù)學模型生成模塊包括物流調(diào)配約束條件建模單元，用于: 設(shè)物流調(diào)配系統(tǒng)總共有η個物流調(diào)配站，每個調(diào)配站表示為ai(i = 1...η)，在未來時刻丁(0，調(diào)配站％的某物流貨物庫存量為Si (T(t))，而在這一時刻該調(diào)配站對該物流貨物的需求量Syi(Ta)),滿足狀態(tài)約束條件Si(Ta)) Syi(Ta)) ;α = ι..η)。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述物流調(diào)配約束條件建模單元還用于: 通過對每個物流調(diào)配站建立和維護一個有限狀態(tài)機，來進行物流調(diào)配的管理；物流調(diào)配站％的狀態(tài)機函數(shù)定義為:StJ(t));其中a = 1...η)； 當狀態(tài)機不能滿足未來相應時間點的所述狀態(tài)約束條件時，對狀態(tài)機進行狀態(tài)的轉(zhuǎn)換。
12.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述數(shù)學模型生成模塊包括配送站距離建模單元，用于進行絕對距離建模和相對距離建模；其中， 絕對距離建模時，設(shè)站點％和站點a]之間的距離為du，建立不同站點之間距離的二維矩陣:
13.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述數(shù)學模型生成模塊包括物流調(diào)配算法建模單元，用于對未來狀態(tài)進行預測，包括未來狀態(tài)函數(shù)定義、物流調(diào)配矩陣定義；其中， 進行未來狀態(tài)函數(shù)定義時，未來狀態(tài)預測函數(shù)定義為:Numi = fc (Sti(TW),yi(T(t)),Si(Ta)))； 如果Numi > O,表示調(diào)配站ai有剩余的物流貨物,數(shù)目為Numi ;如果Numi = O,表示調(diào)配站％沒有剩余物流貨物Aumi ^ O時，表示調(diào)配站％不需要通過物流調(diào)配程序來補充物流貨物；如果Numi < O，表示調(diào)配站％需要啟動物流調(diào)配程序，且調(diào)配到調(diào)配站％的物流貨物數(shù)量為Numi的絕對值； 進行物流調(diào)配矩陣定義時，建立調(diào)配站間的物流調(diào)配二維矩陣，如果調(diào)配站％不需要向調(diào)配站a]調(diào)配貨物，則用O表示；如果需要調(diào)配，則表示為調(diào)配的物流貨物數(shù)值:
14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述物流調(diào)配算法建模單元還用于: 用
15.根據(jù)權(quán)利要求9至14任一項所述的裝置，其特征在于，所述物流調(diào)配模塊在數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流時，用于執(zhí)行以下步驟:步驟1:設(shè)定最大循環(huán)次數(shù)N。_，螞蟻個數(shù)m'，初始化時間片t = O，循環(huán)控制變量N。=O,螞蟻循環(huán)變量k = O,禁忌表tabuk(k = I, 2,..., m'),節(jié)點動態(tài)調(diào)整表tabvk(k =.1,2,..., m/ ),路徑表pathk(k = 1,2,..., m/ ),將m'只螞蟻放置在m'個出發(fā)節(jié)點上，令不同節(jié)點相連弧上的信息素TijU) = const,其中const為常數(shù)；把所有目的節(jié)點集合中的節(jié)點放入節(jié)點動態(tài)調(diào)整表tabvk(k = 1,2,…，Hii )中；所述螞蟻為蟻群算法中用于尋優(yōu)的變量； 步驟2:循環(huán)次數(shù)Nc = Nc+1，如果Nc > Nc _，退出循環(huán)，跳轉(zhuǎn)到步驟11 ； 步驟3:螞蟻數(shù)目k = k+Ι，如果k > m,退出k循環(huán)，跳轉(zhuǎn)到步驟8 ； 步驟4:確定螞蟻目前所在的節(jié)點，檢測該節(jié)點是否屬于目的節(jié)點集合，如果是，則將該節(jié)點對應的目的節(jié)點從節(jié)點動態(tài)調(diào)整表tabvk中刪除,否則跳轉(zhuǎn)到下一步； 步驟5:尋找與螞蟻所在節(jié)點相連的路徑，根據(jù)狀態(tài)轉(zhuǎn)移概率公式計算轉(zhuǎn)移概率，選擇從此節(jié)點出發(fā)的下一個節(jié)點； 步驟6:修改禁忌表tabuk，將新選擇的節(jié)點放入禁忌表中；并進行信息素的更新； 步驟7:如果禁忌表tabuk已包含了所有出發(fā)節(jié)點集合和目的節(jié)點集合中的所有節(jié)點，則螞蟻本次選路結(jié)束，跳轉(zhuǎn)到步驟9，否則跳轉(zhuǎn)到步驟5 ； 步驟8:計算并記錄螞蟻此輪選擇節(jié)點的新增信息素總和，如果此輪所有螞蟻選路結(jié)束，則跳轉(zhuǎn)到步驟9，否 則跳轉(zhuǎn)到步驟3 ； 步驟9:比較該輪中所有螞蟻選擇的組合計算節(jié)點的新增信息素總和，取新增信息素總和值最大的計算節(jié)點組合序列，對相應路徑上的信息素按照信息素更新規(guī)則進行信息素的更新； 步驟10:清空禁忌表tabuk、路徑表pathk,跳轉(zhuǎn)到步驟2 ； 步驟11:將信息素最大路徑表示的調(diào)配路線作為調(diào)配方案的最優(yōu)解。
16.根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述物流調(diào)配模塊還用于: 對應已經(jīng)生成的本次最佳物流調(diào)配方案，應用實時感知信息，確定該方案的執(zhí)行程度，對于已經(jīng)調(diào)配完成的任務，從出發(fā)節(jié)點集合和目的節(jié)點集合中刪除相應的節(jié)點，從最優(yōu)調(diào)度路徑中刪除相應的路徑；對于當前要刪除、新增、修改的調(diào)度任務，在出發(fā)節(jié)點集合和目的節(jié)點集合中刪除、新增相應的節(jié)點；確定調(diào)度車當前所在的節(jié)點位置或即將到達的節(jié)點位置，進行最新的狀態(tài)更新后，生成相應的節(jié)點狀態(tài)圖；將所有k只螞蟻放置在調(diào)度車當前位置節(jié)點，重新進行最優(yōu)化求解。
全文摘要
本發(fā)明公開了一種物流調(diào)配的實現(xiàn)方法和裝置，通過物流調(diào)配約束條件建模、調(diào)配站距離建模、物流調(diào)配算法建模來生成用于實現(xiàn)物流調(diào)配的數(shù)學模型；在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流。本發(fā)明實現(xiàn)物流調(diào)配的技術(shù)能通過物流調(diào)配約束條件建模、調(diào)配站距離建模、物流調(diào)配算法建模來生成用于實現(xiàn)物流調(diào)配的數(shù)學模型；并在所述數(shù)學模型基礎(chǔ)之上應用蟻群算法調(diào)配物流，因此能夠在最少數(shù)量、最小范圍內(nèi)生成接近最佳的物流調(diào)配方案，這能在很大程度上提高物流調(diào)配效率，節(jié)省物流調(diào)配成本。
文檔編號G06Q50/28GK103246969SQ20131016512
公開日2013年8月14日 申請日期2013年5月7日 優(yōu)先權(quán)日2013年5月7日
發(fā)明者夏亞梅 申請人:北京郵電大學