[发明专利]用于调度云物流平台运力的方法、系统及存储介质

权利要求书

1.一种用于调度云物流平台运力的方法，其特征在于，所述方法包括：

获取每个集散点集散货物的种类；

采用KNN算法根据所述种类对所述集散点进行聚类以形成多个集散中心，其中，每个所述集散中心用于集散一类所述货物；

采用遗传算法分别根据所述集散中心和对应的提货点确定将货物从所述提货点运输至所述集散中心的最佳调度方案，其中，所述提货点用于将所述货物发出；

所述采用KNN算法根据所述种类对所述集散点进行聚类以形成多个集散中心包括：

将包含所述种类的数据集载入所述KNN算法中；

设置所述KNN算法的参数K；

从所述数据集中随机选取一个未被选取的集散点以作为预测点；

分别计算所述预测点到每个已知点的距离，其中，所述已知点表示已被聚类的所述集散点；

将所述距离以从小到大的形式排序；

将所述预测点聚类到前K个所述距离对应的已知点所在的集散中心中；

判断是否存在未被选取的集散点；

在判断存在未被选取的集散点的情况下，再次从所述数据集中随机选取一个未被选取的集散点以作为预测点；

在判断不存在未被选取的集散点的情况下，输出多个所述集散中心；

所述采用遗传算法分别根据所述集散中心和对应的提货点确定将货物从所述提货点运输至所述集散中心的最佳调度方案包括：

根据公式(1)设置第一目标子函数，

其中，f₁为所述第一目标子函数，N为所述提货点的集合，g_j为第j个所述提货点的货物重量，M为可调度的车辆的集合，Q_m为第m个车辆的额定载重，x_m表示第m个车辆是否参与了调度，在第m个车辆参与调度的情况下，x_m＝1，在第m个车辆未参与调度的情况下，x_m＝0；

根据公式(2)设置第二目标子函数，

其中，f₂为所述第二目标子函数，M为可调度的车辆的集合，c_k为k车型的车辆发车的固定成本，表示第m个车辆是否为k车型，在第m个车辆为k车型的情况下，在第m个车辆非k车型的情况下，N为提货点的集合，N为所述提货点的集合，c为车辆每行驶单位距离的成本，d_ij为位置i到位置j的距离，所述位置包括所述提货点和所述集散中心，x_mij表示第m个车辆是否从提货点i到提货点j，在第m个车辆从货点i到提货点j的情况下，x_mij＝1，在第m个车辆未货点i到提货点j的情况下，x_mij＝0；

根据公式(3)设置第三目标子函数，

其中，f₃为所述第三目标子函数，M为可调度的车辆的集合，N为所述提货点的集合，t_ij为车辆从位置i到位置j的行驶时间，x_mij表示第m个车辆是否从提货点i到提货点j，在第m个车辆从货点i到提货点j的情况下，x_mij＝1，在第m个车辆未货点i到提货点j的情况下，x_mij＝0，T_i为提货点i的最迟发货时间限制；

采用公式(4)对所述第一目标子函数、所述第二目标子函数和所述第三目标子函数进行归一化处理，

其中，f'为归一化处理后的函数，f为归一化处理前的函数；

根据公式(5)设置目标函数，

F＝min(λ₂f₂'－λ₁f₁'+λ₃f₃')，(5)

其中，F为所述目标函数，λ₁、λ₂和λ₃为预设的权重，f₁'、f₂'和f₃'为归一化处理后的所述第一目标子函数、所述第二目标子函数和所述第三目标子函数；

根据公式(6-1)至公式(6-8)设置所述目标函数的约束条件，

其中，M为可调度的车辆的集合，N为所述提货点的集合，g_j为第j个所述提货点的货物重量，x_mij表示第m个车辆是否从提货点i到提货点j，在第m个车辆从货点i到提货点j的情况下，x_mij＝1，在第m个车辆未从提货点i到提货点j的情况下，x_mij＝0，Q_m为第m个车辆的额定载重，P为所有位置的集合，所述位置包括所述提货点和所述集散中心，P_j为第j个所述位置；

其中，M为可调度的车辆的集合，N为所述提货点的集合，x_mij表示第m个车辆是否从提货点i到提货点j，x_mi0表示第m个车辆是否从提货点i到提货点0，提货点0表示集散中心；

其中，M为可调度的车辆的集合，N为所述提货点的集合，x_mij表示第m个车辆是否从提货点i到提货点j；

其中，M为可调度的车辆的集合，N为所述提货点的集合，x_mir表示第m个车辆是否从提货点i到提货点r，x_mrj表示第m个车辆是否从提货点r到提货点j；

其中，M为可调度的车辆的集合，N为所述提货点的集合，x_mij表示第m个车辆是否从提货点i到提货点j；