[发明专利]社区团购生鲜配送路径优化算法

说明书

本发明公开了社区团购生鲜配送路径优化算法，根据对生鲜仓库信息、团长信息、订单信息进行可视化的动态管理，利用利用强化学习寻找最优的配送路径方案，所述利用利用强化学习寻找最优的配送路径方案，首先进行模型假设，设定具体的报酬函数，最终完成模型算法的建设，本发明结构科学合理，使用安全方便，本发明集成数据管理与强化学习算法，实现社区团购生鲜配送路径的优化配置，大大便捷了配送路径，降低了不必要的损失，提高了分配效果。

技术领域

本发明涉及人工智能技术领域，具体为社区团购生鲜配送路径优化算法。

背景技术

社区团购生鲜配送路径问题所涉及的主要有三个点，团长位置、仓库中心以及城市交通道路，团长位置考虑的因素有收货地点在小区内还是小区外，如果是小区外要考虑车辆能否停靠，便于卸货，如果是在小区内部，则需要考虑小区内部是否能够进入车辆，以及进入车辆的高度限制，时间限制，对于仓库中心要考虑的因素是是否距离城市交通主干道较近，便于车辆及时进城，由于生鲜配送要求的时间段是在上午7点到10点半之间，正好赶上城市上班的高峰时段，为了满足配送的时间窗制约，就要合理避开城市上班高峰期；

使用图论理论来对带有时间窗的生鲜配送路径问题进行描述，G＝(V,E)是一个完全无向图，其中V＝{0,1,....,N}是节点的集合，1...，N代表着N个待访问的终端团长数，0代表着物流配送中心；E＝{(i,j):i,j∈V,i≠j}是连接所有节点的边的集合，所有配送车辆均从配送中心同时出发，车辆的最大装载量全部为Q，均为相同车型的车辆，为P个终端团长进行货物运输配送，每个团长点用1，...，P来表示，针对每个客户点x的货量为Q_x＝P，同时满足Q_x≤Q，在数学模型中需要满足的约束条件有：车辆载重约束(每辆车的装载量都必须小于最大装载量)、车辆行驶距离约束(车辆安排的最大路程必须小于车辆所允许的最大距离)、物流中心数量只有一个(仅有一个物流中心，所有车辆都从此装货)、单个客户的服务次数制约(每个客户配送司机仅服务一次)、配送到达结束时间的约束等，在满足可客户服务需求以及上述约束条件之下，合理安排配送线路，最后达到配送成本最低，取得目标函数的最优解。

发明内容

本发明提供社区团购生鲜配送路径优化算法，可以有效解决上述背景技术中提出的社区团购生鲜配送路径问题。

为实现上述目的，本发明提供如下技术方案：社区团购生鲜配送路径优化算法，根据对生鲜仓库信息、团长信息、订单信息进行可视化的动态管理，利用利用强化学习寻找最优的配送路径方案。

根据上述技术方案，所述利用利用强化学习寻找最优的配送路径方案，首先进行模型假设，设定具体的报酬函数，最终完成模型算法的建设。

根据上述技术方案，所述模型假设具体包括如下步骤：

S1、送货前，所有生鲜已经在仓库完成分拣作业；

S2、配送车辆单程计算，从配送中心载货出发，到达团长端进行货物卸车，无需当日返回配送中心；

S3、所有货物送到终端团长固定位置处都有时间约束，如果配送未在约束时间内将货物送达，就会产生赔偿费用。

根据上述技术方案，所述S1中所有配送车辆统一车型，最大载重相同，且不考虑在库内装车的时间；

物流中心位置是固定的，且只有一个；

每个终端团长的收货点位置是确定的，且只有一个收货点。

根据上述技术方案，所述S2中每一辆物流配送车辆都可以为多个客户进行服务；

每一个客户针对生鲜类每天都必须被服务，且只接受一个车辆进行服务；

所有车辆配送的货物均为同等大小，同等规格的货物；