[发明专利]基于遗传算法和启发式策略的电商订单装箱优化方法

说明书

本发明涉及货物装箱优化技术领域，提供了一种基于遗传算法和启发式策略的电商订单装箱优化方法，将电商订单分割为裸送货物和非裸送货物；根据货物的数量多少，选择采用枚举法、结合块处理的遗传算法、或模块化方法得到非裸送货物针对不同快递商的物流成本；加总裸送货物和非裸送货物得到电商订单对于不同快递商的总物流成本和装箱方案；输出总物流成本最低所对应的快递商及装箱方案。本发明针对电商平台类企业的订单特征设计了一套高效装箱优化方法，灵活考虑了多种箱型、多种快递可选的情况；通过合理规划装箱方案，减少工人打包时的试错时间，帮助提高打包效率，同时减少订单包括纸箱与快递成本在内的总物流成本，方案简单可行，具有推广意义。

技术领域

本发明涉及货物装箱优化技术领域，特别涉及一种基于遗传算法和启发式策略的电商订单装箱优化方法，可以为电商平台类企业根据订单特点合理规划货物装箱方案。

背景技术

近年来电子商务行业正在高速发展，如何降低物流成本是电商平台类企业普遍面临的挑战。线上的客户订单一般由电商仓库拣选和发货，打包用的纸箱以及快递寄送等在企业物流成本中占据很大比例。在货物打包环节合理规划装箱方案，能帮助企业减少纸箱消耗成本以及快递成本。

装箱问题(Bin-packing Problem，BPP)是典型的离散组合优化问题。经典的装箱问题要求把一定数量的物品放入容量相同的一些箱子中，每个箱子中物品的体积不得超过箱子容积，并且用到的箱子数目最少。然而，在实际电商仓库打包环节，一般用到大小容积不同的多种箱型，各箱型成本不同。快递合作商一般根据箱子体积和重量以及配送目的地来收取费用，采用不同装箱方案或选择不同快递寄送，其快递成本也有差异。因此需要得到一个综合考虑纸箱成本和快递成本的最佳装箱方案。已有算法能高效解决传统的装箱问题，但针对电商企业考虑不同箱型和其他因素来优化物流成本的装箱问题，还有待进一步研究。

遗传算法(Genetic Algorithm，GA)是模拟达尔文生物进化论的一种启发式智能算法，由美国密歇根大学教授Holland于1975年提出。遗传算法将问题的解编码为染色体，由多条染色体构成种群，通过选择、交叉和变异等一系列操作，使种群不断迭代进化，最终收敛到最适应的群体，从而求得问题的最优解或满意解。遗传算法操作简单、通用性强、具备很强的全局搜索能力，在组合优化问题中已得到广泛利用。

遗传算法能在有限时间内取得大规模问题的满意解，非常适合解决多品种、大批量的电商订单装箱优化问题。这类订单有很大的物流成本节约空间，而且在促销活动等发货高峰期，光靠工人经验无法保证装箱效率并兼顾物流成本，因此有必要借助遗传算法进行优化。除此之外，电商平台交易主要以个体客户为主，因此还有很多单品种或少品种订单，发货量也比较小，装箱采用简单快速的启发式策略更加合适。综合来看，借助遗传算法和启发式策略，针对不同类型电商订单优化装箱方案，有利于提高纸箱空间利用率、避免纸箱浪费，降低快递成本并提高工人打包效率。

发明内容

本发明的目的就是克服现有技术的不足，提供了一种基于遗传算法和启发式策略的电商订单装箱优化方法，能满足多种类型电商订单的装箱需求，以减少纸箱成本和快递成本，并且能在短时间内得到合理的装箱方案，有助于提高工人打包效率。

启发式策略是指根据经验规则设计的一种解决问题的方法，启发式策略可以在有限搜索时间和空间内，获得问题的可行解，常与算法结合使用。

针对不同类型订单，本发明提出了三种启发式策略进行处理：

(1)枚举法

采用枚举法(Enumeration Method，ENUM)列出订单的所有装箱方案，分别计算其物流成本，根据成本得出最佳方案。对于发货量小于N₁(一般可取3)的小订单，由于其货物数量小于遗传算法最低要求，因此适合用枚举法处理，而且计算量小、用时非常短。

(2)块处理法