[发明专利]一种物流配送车辆智能排线方法

说明书

一种物流配送车辆智能排线方法，其特征在于，包括以下步骤：第1步，按照输入订单进行车辆构建，其中按照路网路况数据生成距离‑时间矩阵，以设定成本矩阵；第2步，通过模拟退火的启发式策略以及设定的软硬约束，建立目标函数；第3步，多次迭代找到订单集合的最佳路线。该物流配送车辆智能排线方法提高了求解的效率，解决问题的时间成倍数缩短；优化了运输路线，获得更好的全局最优解；降低了公司或者客户的物流成本。

技术领域

本发明属于计算机技术应用领域，具体涉及一种物流配送车辆智能排线方法。

背景技术

VRP问题(Vehicle Routing Problem,VRP)求解算法分为精确算法，传统启发式算法和智能优化算法。精确算法能找到问题的全局最优解，但是计算量随问题规模而指数型增长，不适合求解一定规模的VRP问题。传统启发式是在精确算法的基础上的一个革新，但是仍然受到一定限制。智能优化算法是比较好的解决方案，更适合大型VRP问题求解，而且模拟退火算法在求解路径问题时，不但接受对目标函数有改进的状态，还以某种概率接受使目标函数恶化的状态，从而可使之避免过早收敛到某个局部极值点，从而得到全局最优解。

物流配送车辆路径规划问题为NP-hard问题，初始启发式方法解决VRP问题求解过程耗时较长，排线员大量时间等待排线结果返回，导致智能排线落地困难，并且求解方式串行化，导致单次解的求解无法迭代优化。同时找到的解也存在业务运营维度不科学，线路不可用的情况。

发明内容

本发明的目的在于提供一种物流配送车辆智能排线方法，以获得更好的全局最优路线。

为实现上述目的，本发明提供如下技术方案：一种物流配送车辆智能排线方法，其特征在于，包括以下步骤：第1步，按照输入订单进行车辆构建，其中按照路网路况数据生成距离-时间矩阵，以设定成本矩阵；第2步，通过模拟退火的启发式策略以及设定的软硬约束，建立目标函数；第3步，多次迭代找到订单集合的最佳路线。

进一步地，在所述第1步中，solve for region根据订单的经纬度识别出订单所在区域，create(hopper,routing)读入导航配置，setup vehicles、setup orders根据schema中problem.json设定的格式生成VR Algorithm Builder；Graphhopper读取地图数据，基于graphhopperfast模式，快速构建点边结构，使用层级收缩ch模型，支持多种路径规划算法，正向搜索反向搜索构建路网，生成每个订单点到另一个订单点的距离和时间矩阵,距离时间矩阵整合成Costs Matrix Builder。

进一步地，所述VR Algorithm Builder包含车辆信息和订单信息，所述车辆信息包括车辆车型、价格、装载、出发时间、是否返仓，所述订单信息包括订单数、仓库所在位置经纬度、订单所在位置经纬度、体积、重量、金额、交付时间窗。

进一步地，所述路径规划算法包括Dijkstra和A*。

进一步地，在所述第2步中，通过执行setup objective function，setupconstraint，setup properties，以所有排线订单的总成本最低为目标来建立目标函数，目标函数如下：

其中Croute代表配送线路成本，Csoftconstraint代表软约束所产生的成本；满足软约束则给予奖励，否则给予惩罚。

进一步地，所述硬约束条件是：(1)每个订单客户收货交付的时间窗，(2)每条路线上所有订单的装载量低于该线路车型的装载量，(3)每条线路的总里程不超过设定的最大配送里程，(4)不同区域的订单不能放在同一条线路中。