[发明专利]整车物流调度方法及装置、存储介质、终端

说明书

一种基于蚁群算法和分层优化的整车物流调度方法及装置、存储介质、终端，所述方法包括：获取整车物流数据；进行外迭代，进行外迭代的过程包括：基于整车物流数据获取满足预设约束条件的M个候选分配方案；在蚁群中各只蚂蚁转移期间，从蚁群中选取目标向量最大的蚂蚁；当蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为本次外迭代的候选最优调度方案；在针对预设目标集合包括的所有目标执行外迭代后，将最后一次外迭代确定的候选最优调度方案作为最优调度方案。通过本发明提供的方案能够实现整车物流的自动化调度，且利于实现最优调度，从整体上降低货运车的动态调度成本。

技术领域

本发明涉及汽车物流技术领域，具体地涉及一种整车物流调度方法及装置、存储介质、终端。

背景技术

整车物流是指整车从主机厂、各配送站点、经销商运送到最终客户的一系列活动和过程，整车物流调度需要解决物流路径规划、配载和车辆调度等一系列问题。

现有整车物流调度涉及的因素较为复杂，约束条件众多，目标多元且相互制约，其中包括主机厂及其仓库、物流公司及其中转库、承运商及其合约司机、经销商及其仓库等多个方面，归纳来讲是一个多目标优化问题。

而大多数的物流公司根据人工经验来定制调度运输方案，配载过程多采用手工操作，配载方案完全取决于调度人员的自身经验。这样的整车物流调度方式存在考虑变量因素少、调度方案非最优、运力资源使用率不高、订单反应速度慢等诸多缺点，无法达到汽车厂商及客户的预期。

发明内容

本发明解决的技术问题是如何实现整车物流的自动化调度，以更合理、全面的调度逻辑从整体上降低货运车的动态调度成本。

为解决上述技术问题，本发明实施例提供一种基于蚁群算法和分层优化的整车物流调度方法，包括：获取整车物流数据，所述整车物流数据包括订单数据及运力数据；进行外迭代，以确定针对一个目标的候选最优调度方案，所述目标选自预设目标集合，所述进行外迭代的过程包括：基于所述整车物流数据获取满足预设约束条件的M个候选分配方案，其中，M≥1，所述预设约束条件包括上一次外迭代确定的候选最优调度方案在对应目标上的目标向量；将所述候选分配方案记为蚂蚁，将M只蚂蚁构成的集合记为蚁群，在所述蚁群中各只蚂蚁转移期间，从所述蚁群中选取目标向量最大的蚂蚁，所述蚂蚁在所述目标上的投影记为对应于该蚂蚁的目标向量；当所述蚁群的转移状态满足预设终止条件时，将最近一次转移时选取的目标向量最大的蚂蚁对应的分配方案确定为本次外迭代的候选最优调度方案；在针对所述预设目标集合包括的所有目标执行所述外迭代后，将最后一次外迭代确定的候选最优调度方案作为最优调度方案。

可选的，所述基于所述整车物流数据获取满足预设约束条件的M个候选分配方案包括：循环迭代地随机匹配所述订单数据和运力数据，对于每次迭代，当订单分配完毕且匹配的运力最少时，或者，当运力分配完毕时，将已分配的订单和运力的匹配结果作为本次迭代获取的候选分配方案；基于预设约束条件筛选历次迭代获取的候选分配方案，以获取所述M个候选分配方案。

可选的，所述循环迭代地随机匹配所述订单数据和运力数据包括：从所述运力数据中随机抽取一个运力并开始内迭代，所述内迭代的过程包括：遍历所述订单数据包括的订单，以从中筛选出与所述运力满足装载约束的所有订单；判断所述运力是否满载；当所述运力未满载时，清空所述运力的匹配结果并重新执行所述内迭代，直至本次内迭代的结果为所述运力满载时，判断所述订单数据包括的订单是否分配完毕；当所述订单数据包括的订单分配完毕，且所述运力数据包括的运力未分配完毕时，继续从所述运力数据中随机抽取一个运力并执行所述内迭代，直至所述运力数据包括的运力分配完毕或所述订单数据包括的订单分配完毕，以完成一次循环迭代。