[发明专利]物流运输决策支持系统及方法、运输管理系统

说明书

技术领域

本发明涉及一种决策支持系统，尤其涉及一种物流运输决策支持系统；同时，本发明还涉及上述物流运输决策支持系统的决策支持方法；此外，本发明还涉及一种包括上述物流运输决策支持系统的运输管理系统。

背景技术

运输资源决策支持是物流管理领域研究的前沿问题，目前，中国市场的运输优化系统软件几乎全部来自国外。在中国物流管理软件市场中排名前四位的博科、用友、金蝶和东软金算盘均没有提供运输资源决策支持功能，而仅涵盖物流业务的流程管理。

通过对国外同类运输优化软件的分析可知，如SAP、MANUGISTICS、Oracle、i2等提供的运输优化产品，定位比较单一，都只是解决车辆的路径优化问题，涵盖的约束也非常少，仅仅包含了时间窗的限制，并且均没有涉及到满载车辆的优化问题。

本发明涉及遗传算法，遗传算法(Genetic Algorithm)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是有美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Hilland教授所提出的GA通常为简单遗传算法(SGA)。

遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的，而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现(即基因型)是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代(generation)演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度(fitness)大小挑选(selection)个体，并借助于自然遗传学的遗传算子(genetic operators)进行组合交叉(crossover)和变异(mutation)，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码(decoding)，可以作为问题近似最优解。

发明内容

本发明所要解决的技术问题是：提供一种用于计算现有钢铁物流运输业务量是否达到车辆等运输资源的运能上限的物流运输决策支持系统。

同时，本发明提供一种包括上述物流运输决策支持系统的运输管理系统。

此外，本发明还提供一种上述物流运输决策支持系统的决策支持方法。

为解决上述技术问题，本发明采用如下技术方案：

一种物流运输决策支持系统，用于确定所需参加作业的运输设备数量和类型，传给运输设备调度系统；该系统包括：

预处理模块，用以对车载重量数据按照设定的规则挑选，同时按照设定的判定准则提供异常数据提示，得到基础数据；

评估指标确定模块，用以按照预先设定的评估指标，从预处理后的基础数据中，归类、计算各项评估指标的取值；

绩效测评模块，用以对各辆车按照设定的性能指标作为评判标准，进行绩效测评；

运力决策模块，用以根据所要完成的运输任务，运输决策支持模块确定所需参加作业的运输设备数量和类型，传给运输设备调度系统安排派车路线；

新增运输资源决策支持模块，用以根据任务量的变化，确定现有的运输资源能否完成；当现有运输资源不能完成时，计算新增加运输设备的数量、类型；

所述预处理模块、评估指标确定模块、绩效测评模块、运力决策模块依次连接，新增运输资源决策支持模块与运力决策模块连接。

作为本发明的一种优选方案，所述绩效测评模块还包括性能指标分析模块，用以通过各项性能指标的比较和绩效测评，对运输设备的使用效率按照类型排序，挑出效率高的运输设备类型。

作为本发明的一种优选方案，所述车载重量数据包括L3磅单接收系统中的车载重量数据、及运输设备运输管理系统中的车载重量数据。