[发明专利]物流路径规划方法

权利要求书

1.一种物流路径规划方法，其特征在于包括如下步骤：

S1. 获取待规划区域的物流数据信息；

S2. 根据步骤S1获取的数据信息，将待规划区域构建为图模型；

S3. 求解步骤S2得到的图模型的最小1-tree，并求解图模型中所有边对应的值；

S4. 将步骤S3得到的值，转换得到M-score得分和U-feature训练特征；

S5. 将步骤S2得到的图模型中的无向边转换为有向边，从而构建有向图；

S6. 根据步骤S4得到的M-score得分和步骤S5得到的有向图，构建稀疏边集；

S7. 构建包括了输入层、编码器和解码器的神经网络模型，并通过监督学习进行训练；

S8. 将步骤S6构建的稀疏边集的特征，输入到步骤S7得到的训练后的神经网络模型中，得到边分数矩阵；

S9. 根据步骤S8得到的边分数矩阵，采用启发式算法计算得到待规划区域的物流路径信息，完成物流路径规划的过程。

2.根据权利要求1所述的物流路径规划方法，其特征在于所述的步骤S3，具体包括如下步骤：

对步骤S2得到的图模型，采用LKH算法中的Ascent方法进行处理，得到图模型的最小1-tree，并根据得到的最小1-tree，求解图模型中所有边对应的值；V为图模型中的顶点，E为图模型中的边。

3.根据权利要求2所述的物流路径规划方法，其特征在于所述的步骤S4，具体包括如下步骤：

采用如下算式计算得到图模型中，任意边的M-score得分：

式中为边的值；F为计算因子，且F=C/D，C为图模型的最小1-tree的树长，D为图模型中的节点个数；

采用如下算式计算得到任意边的U-feature训练特征：

式中max( )为求最大值函数；C₁、C₂、C₃和C₄为设定的参数。

4.根据权利要求3所述的物流路径规划方法，其特征在于所述的步骤S5，具体包括如下步骤：

将步骤S2得到的图模型中的所有无向边，均转换为方向相反的两条有向边，从而构建有向图。

5.根据权利要求4所述的物流路径规划方法，其特征在于所述的步骤S6，具体包括如下步骤：

对于有向图中的节点：

若以节点为弧尾的边大于或等于设定值时，选取该类边中M-score得分最小的条边构成节点的稀疏边集；

若以节点为弧尾的边小于设定值时，则将以节点为弧尾的所有边构成节点的稀疏边集。

6.根据权利要求5所述的物流路径规划方法，其特征在于所述的步骤S7，具体为构建的神经网络模型包括输入层、编码器和解码器；输入层用于获取稀疏边集中边的距离、U-feature训练特征以及对应点的坐标，并计算得到特征输入；编码器用于对节点和边特征分别进行K层图嵌入；解码器用于从K层编码器获取数据，并计算边分数；最后，根据得到的边分数构建损失函数，并通过监督学习对构建的神经网络模型进行训练。