基于仿生智能优化的物流路线规划方法及系统技术方案

本发明专利技术公开了基于仿生智能优化的物流路线规划方法及系统，包括将其他物流中心的路径规划数据与目标物流中心的物流系统内已有的路径数据进行对比，确定出所有具有路线冲突的路线，并具有路线冲突的路线在配送服务地图中进行映射，形成映射配送服务地图，将映射配送服务地图嵌入训练后的物流路线规划模型，最后将具有路线冲突的路线在物流路线规划模型中进行隐藏，得到新的物流路线规划模型；本发明专利技术可以对目标物流中心的物流系统内已有的物流路线进行迭代更新，获得新的最优路线来替换已有的路线，可以在减少竞争压力的前提下获得最优路线，最终的配送服务地图能够为客户提供最佳的物流配送服务，从而能够提升目标物流中心的综合服务能力。的综合服务能力。的综合服务能力。

【技术实现步骤摘要】
基于仿生智能优化的物流路线规划方法及系统


[0001]本专利技术涉及物流路线规划
，尤其涉及基于仿生智能优化的物流路线规划方法及系统。

技术介绍

[0002]在经济社会快速发展的背景下，异地或本地的货物流通需求不断增长，物流运输逐渐成为越来越重要的一环，相应的物流方案的规划需求也越来越大。为了应对这个问题，市面上已然出现了许多智能物流系统，利用计算机强大的运算能力来快速的给出整体物流规划方案。
[0003]然而，现有的路线规划方案，一般仅涉及到根据已有条件进行路线规划，而在涉及实时动态路线规划问题方面，却鲜有高效的解决方案。多个物流中心存在的多个交叉业务路线时，路线的输运压力随之增加，导致大量的时间被消耗在路线拥堵上，如何快速替换掉存在着高拥堵性的旧路线，是提高物流服务质量已经降低物流服务成本的有效方法。因此，本专利技术提出基于仿生智能优化的物流路线规划方法及系统，以解决现有技术中的不足之处。

技术实现思路

[0004]针对上述问题，本专利技术的目的在于提供基于仿生智能优化的物流路线规划方法及系统，通过将其他物流中心的路径规划数据与目标物流中心的物流系统内已有的路径数据进行对比，确定出所有具有路线冲突的路线，并将与其他物流中心具有路线冲突的路线在配送服务地图中进行映射与标记，形成映射配送服务地图，以及将映射配送服务地图嵌入训练后的物流路线规划模型，最后将标记的与其他物流中心具有路线冲突的路线在物流路线规划模型中进行隐藏，得到新的物流路线规划模型，可以实现对目标物流中心的物流系统内已有的物流路线进行迭代更新，获得新的最优路线来替换已有的路线，可以在减少同行竞争压力的前提下获得最优路线，形成的最终的配送服务地图能够为客户提供最佳的物流配送服务，从而能够提升目标物流中心的综合服务能力。
[0005]为了实现本专利技术的目的，本专利技术通过以下技术方案实现：
[0006]基于仿生智能优化的物流路线规划方法，包括以下步骤：
[0007]步骤一：对目标物流中心的物流系统内的所有正常工作的物流车辆进行编号，并按照编号逐一采集物流车辆的车况信息，形成与编号具有一一对应关系的车况因素，再将车况因素进行汇总，形成车况因素集；
[0008]步骤二：搜寻单一区域内所有与目标物流中心具有业务相似性的其他物流中心，并收集所有的其他物流中心的路径规划数据，将收集的所有的其他物流中心的路径规划数据与目标物流中心的物流系统内已有的路径数据进行对比，确定出所有具有路线冲突的路线，并对路线进行标识与计数；
[0009]步骤三：获取目标物流中心的配送服务地图，将与其他物流中心具有路线冲突的
路线在配送服务地图中进行映射与标记，形成映射配送服务地图；
[0010]步骤四：收集物流路线规划中的所有关键变量，并从关键变量数据库中采集最优解状态下的关键变量与车况因素集作为共同训练样本，并对共同训练样本中的关键变量和车况因素集进行归一化处理；
[0011]步骤五：构建物流路线规划模型，并用归一化处理后的训共同练样本对模型进行训练，然后将映射配送服务地图嵌入训练后的物流路线规划模型，最后将标记的与其他物流中心具有路线冲突的路线在物流路线规划模型中进行隐藏，得到新的物流路线规划模型；
[0012]步骤六：利用仿生智能蚁群优化算法计算出新的物流路线规划模型中的新路线，并根据新路线上信息素的数量对新路线进行降序排序，最后对排序后的新路线进行可使用性校验，去除无效路线，得到最优路线；
[0013]步骤七：将最优路线重新映射到目标物流中心的配送服务地图，形成优化配送服务地图，然后对与其他物流中心具有路线冲突的路线进行具体分析，分析出该路线的拥堵概率，并根据拥堵概率进行路线排序，用最优路线对拥堵概率高的旧路线进行替换，形成最终的配送服务地图。
[0014]进一步改进在于：所述步骤一中采集物流车辆的车况信息时，具体包括：采集车辆驾驶员的综合驾驶技术评价信息、车辆的购买时间、车辆有无定期完成保养计划、车辆驾驶员历史工作过程中道路事故发生率和车辆的行驶里程数。
[0015]进一步改进在于：所述步骤四中收集物流路线规划中的所有关键变量时，每个关键变量均为采集多个变量后进行数据除重、除损和标准化后再求平均得到的。
[0016]进一步改进在于：所述步骤六中对排序后的新路线进行可使用性校验时，还包括先对新路线进行路况整合分析，优先选择路况好的新路线。
[0017]基于仿生智能优化的物流路线规划系统，包括车况采集模块、区域路径综合数据采集模块、数据信息处理模块、关键变量数据采集模块、模型构建模块、算法执行模块和物流路线决策模块；
[0018]所述车况采集模块用于采集采集物流车辆的车况信息，再将采集到的车况因素进行汇总，形成车况因素集；
[0019]所述区域路径综合数据采集模块用于采集单一区域内与目标物流中心的物流系统内已有的路径数据具有路线冲突的所有其他物流中心路径数据，并对具有重复冲突的路线进行标识与计数；
[0020]所述数据信息处理模块用于将与其他物流中心具有路线冲突的路线在配送服务地图中进行映射与标记，形成映射配送服务地图；
[0021]所述关键变量数据采集模块用于收集物流路线规划中的所有关键变量，然后构建训练样本，并对训练样本进行归一化处理；
[0022]所述模型构建模块用于构建物流路线规划模型，并对模型进行训练，然后将映射配送服务地图嵌入训练后的物流路线规划模型，最后将标记的与其他物流中心具有路线冲突的路线在物流路线规划模型中进行隐藏，得到新的物流路线规划模型；
[0023]所述算法执行模块用于利用仿生智能蚁群优化算法计算出新的物流路线规划模型中的新路线，得到最优路线；
[0024]所述物流路线决策模块用于将最优路线重新映射到目标物流中心的配送服务地图，形成优化配送服务地图，对与其他物流中心具有路线冲突的路线进行具体分析，用最优路线对拥堵概率高的旧路线进行替换，形成最终的配送服务地图。
[0025]进一步改进在于：所述关键变量数据采集模块中还包括有实时路线信息接收模块，所述实时路线信息接收模块用于接收车辆驾驶员在已有的路径数据上回传的关于该路径的实时信息，并将收集的路径的实时信息作为次关键变量与关键变量一起构建出训练样本。
[0026]进一步改进在于：所述物流路线规划系统还包括备用算法池模块，所述备用算法池模块用于储存备用算法，具体包括萤火虫算法、遗传算法、禁忌算法、模拟退火算法和粒子群算法，所述备用算法池模块用于在算法执行模块出现负荷过大时，选择备用算法中的任意一种进行辅助算法执行模块进行计算。
[0027]本专利技术的有益效果为：本专利技术方法通过将物流车辆的车况因素作为车况因素集与关键变量以及次关键变量一起作为共同训练样本来训练模型，可以提高模型训练结果的全面性和科学性，训练后的模型鲁棒性高，通过将其他物流中心的路径规划数据与目标物流中心的物流系统内已有的路径数据进行对比，确定出所有具有路线冲突的路线，并将与其他物流中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于仿生智能优化的物流路线规划方法，其特征在于：包括以下步骤：步骤一：对目标物流中心的物流系统内的所有正常工作的物流车辆进行编号，并按照编号逐一采集物流车辆的车况信息，形成与编号具有一一对应关系的车况因素，再将车况因素进行汇总，形成车况因素集；步骤二：搜寻单一区域内所有与目标物流中心具有业务相似性的其他物流中心，并收集所有的其他物流中心的路径规划数据，将收集的所有的其他物流中心的路径规划数据与目标物流中心的物流系统内已有的路径数据进行对比，确定出所有具有路线冲突的路线，并对路线进行标识与计数；步骤三：获取目标物流中心的配送服务地图，将与其他物流中心具有路线冲突的路线在配送服务地图中进行映射与标记，形成映射配送服务地图；步骤四：收集物流路线规划中的所有关键变量，并从关键变量数据库中采集最优解状态下的关键变量与车况因素集作为共同训练样本，并对共同训练样本中的关键变量和车况因素集进行归一化处理；步骤五：构建物流路线规划模型，并用归一化处理后的训共同练样本对模型进行训练，然后将映射配送服务地图嵌入训练后的物流路线规划模型，最后将标记的与其他物流中心具有路线冲突的路线在物流路线规划模型中进行隐藏，得到新的物流路线规划模型；步骤六：利用仿生智能蚁群优化算法计算出新的物流路线规划模型中的新路线，并根据新路线上信息素的数量对新路线进行降序排序，最后对排序后的新路线进行可使用性校验，去除无效路线，得到最优路线；步骤七：将最优路线重新映射到目标物流中心的配送服务地图，形成优化配送服务地图，然后对与其他物流中心具有路线冲突的路线进行具体分析，分析出该路线的拥堵概率，并根据拥堵概率进行路线排序，用最优路线对拥堵概率高的旧路线进行替换，形成最终的配送服务地图。2.根据权利要求1所述的基于仿生智能优化的物流路线规划方法，其特征在于：所述步骤一中采集物流车辆的车况信息时，具体包括：采集车辆驾驶员的综合驾驶技术评价信息、车辆的购买时间、车辆有无定期完成保养计划、车辆驾驶员历史工作过程中道路事故发生率和车辆的行驶里程数。3.根据权利要求1所述的基于仿生智能优化的物流路线规划方法，其特征在于：所述步骤四中收集物流路线规划中的所有关键变量时，每个关键变量均为采集多个变量后进行数据除重、除损和标准化后再求平均得到的。4.根据权利要求1所述的基于仿生智能...

【专利技术属性】
技术研发人员：陈本雄，黄翰，刘华，谢占功，
申请(专利权)人：广州智湾科技有限公司，
类型：发明
国别省市：