【技术实现步骤摘要】
本专利技术涉及物流，尤其涉及一种智能供应链物流协调方法及系统。
技术介绍
1、现有技术中，cn114154935a公开了一种智能供应链物流调度方法，获取目标对象的直接数据信息；根据目标对象的直接数据信息和调度策略规划第一调度方案；获取目标对象的隐性关联数据信息；根据隐性关联数据信息将第一调度方案调整为第二调度方案。
2、综上，现有技术虽然能够实现构建物流调度方案的功能，但无法通过考虑任务需求和资源配置智能化生成调度方案，对人的依赖度没有明显降低，因此需要一种方案解决现有技术中存在的问题。
技术实现思路
1、本专利技术实施例提供一种智能供应链物流协调方法及系统，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种智能供应链物流协调方法，包括：
3、获取历史物流任务和影响因素，基于所述历史物流任务生成历史任务池，将所述影响因素添加至预设的物流资源预测模型，生成预测输出，基于所述预测输出和所述历史任务池，生成当前任务池，评估所述当前任务池中物流任务需要的物流服务容量和类型，得到物流需求；
4、基于所述物流需求，以成本最小化和时间最小化为目标，基于优化的布谷鸟算法进行多目标求解，得到使成本和时间都达到最小化的配送需求；
5、基于所述配送需求，考虑预先设置的配送资源池中的剩余资源，基于所述剩余资源生成当前配送需求对应的物流调度方案，将所述当前任务池中的任务按时间顺序排列，对于每个任务，重复分析对应的物流需求
6、在一种可选的实施方式中，
7、所述获取历史物流任务和影响因素，基于所述历史物流任务生成历史任务池，将所述影响因素添加至预设的物流资源预测模型，生成预测输出，基于所述预测输出和所述历史任务池，生成当前任务池，评估所述当前任务池中物流任务需要的物流服务容量和类型，得到物流需求包括：
8、获取配送需求客户对应的历史物流任务和所述历史物流任务对应的影响因素，根据所述历史物流任务生成历史任务池并对所述历史物流任务进行特征提取，得到时间序列数据；
9、初始化预设的物流资源预测模型，根据所述历史物流任务设置所述物流资源预测模型的卷积层并定义卷积核数量和大小，基于所述卷积核的大小将所述时间序列数据分割为多个子序列，其中，每个子序列的长度都与所述卷积核的大小相等；
10、在所述子序列的开始和结束位置添加零值，在每个输入通道上，使用卷积核执行卷积运算，得到通道向量，将所述通道向量相加，得到输出向量；
11、将所述输出向量添加至所述物流资源预测模型中的预测模块中，所述预测模块通过确定所述输出向量对应的时间依赖关系，对于每一个时间步，输出对应的隐藏状态，综合所述隐藏状态，得到对应的预测输出；
12、基于所述预测输出，在所述历史任务池中添加所述预测输出对应的新任务，并保留所述历史任务池中未完成的任务，生成得到当前任务池，根据每个任务的截止时间和重要性，对所述当前任务池中的任务进行排序；
13、对于当前任务池中的每个任务，评估需要的物流服务容量和类型，同时考虑任务的紧急程度和目的地距离，通过非线性激活函数得到所述物流需求。
14、在一种可选的实施方式中，
15、所述方法还包括对所述物流资源预测模型进行训练：
16、获取不同时刻的配送需求量和导致配送异常的影响因素的异常值；
17、初始化所述物流资源预测模型，将网络权值和偏移向量置为0并设置窗口长度、批处理参数和最大迭代次数；
18、获取作为输入的时间序列数据并转换为特征向量，在所述时间序列数据中随机选择不同时间步，生成训练集，对于所述训练集中的每个元素，进行标准化操作，在所述训练集中随机选择一个元素作为输入添加至所述物流资源预测模型生成第一预测输出；
19、基于所述第一预测输出，结合所述第一预测输出对应的真实标签，调整所述物流资源预测模型的超参数，使用所述训练集中的元素对所述物流资源预测模型重复训练，直至达到预设的最大迭代次数。
20、在一种可选的实施方式中，
21、所述考虑任务的紧急程度和目的地距离，通过非线性激活函数得到所述物流需求如下公式所示：
22、；
23、其中， f()表示物流需求， x 1表示任务紧急程度， x 2表示目的地距离， a表示紧急程度影响因子， b表示距离影响因子， c表示偏移项。
24、在一种可选的实施方式中，
25、所述基于所述物流需求，将成本最小化和最小化时间为目标，基于优化的布谷鸟算法进行多目标求解，得到使成本和时间都达到最小化的配送需求包括：
26、获取所述物流需求，基于所述物流需求设置目标函数，将成本和时间作为优化目标，基于优化的布谷鸟算法进行多目标求解；
27、随机生成初始布谷鸟种群，其中，每个个体表示所述目标函数的一个解，包括物流服务的分配和路径规划，对于每个个体，通过模拟配送任务计算时间和成本对应的适应度值，选择具有最高适应度值的个体，计算飞行步长并产生第一解；
28、初始化粒子群，其中，每个粒子表示所述目标函数的一个解，对于每个粒子，根据粒子对应的当前位置和速度，随机产生新的速度并更新当前粒子的位置，对于每个粒子，计算对应的适应度值，选择具有最高适应度值的粒子，作为第二解；
29、基于所述第一解和所述第二解，比较所述第一解对应的适应度值和所述第二解对应的适应度值，保留具有更高适应度值的解作为所述配送需求。
30、在一种可选的实施方式中，
31、产生第一解如下公式所示：
32、；
33、其中， x i (t+1)表示第 i个个体在 t+1时间步的位置， α step表示步长参数， levy()表示莱维廷-亚拉加达函数， r表示随机因子， x j (t)表示个体 j在时间步 t的位置， w i表示个体 i的权重， w j表示个体 本文档来自技高网...
【技术保护点】
1.智能供应链物流协调方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史物流任务和影响因素，基于所述历史物流任务生成历史任务池，将所述影响因素添加至预设的物流资源预测模型，生成预测输出，基于所述预测输出和所述历史任务池，生成当前任务池，评估所述当前任务池中物流任务需要的物流服务容量和类型，得到物流需求包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括对所述物流资源预测模型进行训练：
4.根据权利要求2所述的方法，其特征在于，所述考虑任务的紧急程度和目的地距离，通过非线性激活函数得到所述物流需求如下公式所示：
5.根据权利要求1所述的方法，其特征在于，所述基于所述物流需求，将成本最小化和最小化时间为目标，基于优化的布谷鸟算法进行多目标求解，得到使成本和时间都达到最小化的配送需求包括：
6.根据权利要求5所述的方法，其特征在于，产生第一解如下公式所示：
7.根据权利要求1所述的方法，其特征在于，所述基于所述配送需求，考虑预先设置的配送资源池中的剩余资源，基于所述剩余资源
8.智能供应链物流协调系统，用于实现前述权利要求1-7中任一项所述的智能供应链物流协调方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.智能供应链物流协调方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取历史物流任务和影响因素，基于所述历史物流任务生成历史任务池，将所述影响因素添加至预设的物流资源预测模型，生成预测输出，基于所述预测输出和所述历史任务池，生成当前任务池，评估所述当前任务池中物流任务需要的物流服务容量和类型，得到物流需求包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括对所述物流资源预测模型进行训练：
4.根据权利要求2所述的方法，其特征在于，所述考虑任务的紧急程度和目的地距离，通过非线性激活函数得到所述物流需求如下公式所示：
5.根据权利要求1所述的方法，其特征在于，所述基于所述物流需求，将成本最小化和最小化时间为目标，基于优化的布谷鸟算法进行多目标求解，得到...
【专利技术属性】
技术研发人员：虎旭，曾骥，
申请(专利权)人：天津汇之禧信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。