[发明专利]一种基于遗传算法的众包任务分配方法

说明书

本发明公开了一种基于遗传算法的众包任务分配方法，通过服务器端开启定时任务心跳检测，判断待匹配的配送人员队列和订单任务队列是否满足数量要求开启遗传算法，遗传算法编码进行二重基因冲突检测，通过多次重新生成不冲突的基因，最终达到个体间及基因序列间无冲突基因，遗传算法选择过程，将最优秀的个体直接复制到新种群，剩下的个体采用轮盘赌方式，若所有遍历个体仍未填充满新种群，则基于双重基因检测引入新的基因型个体。本发明的有益效果是能够高效的为配送人员高效智能地分配任务，提高末端物流配送效率。

技术领域

本发明属于物流技术领域，涉及一种基于遗传算法的众包任务分配方法。

背景技术

随着互联网行业的快速发展，电子商务也由此进入了高速发展模式。近年，以天猫、京东为代表的电子商务平台，创造了巨大的交易额，2018年快递业务量突破500亿件。物流配送作为电子商务的基础属性也受到了前所未有的挑战，是各企业为提升平台水准，服务质量，必须攻克的领域。末端物流作为与用户体验最贴近的一环，配送的便利性，时效性，安全性都将成为用户评价一个电子商务平台的直接因素。传统的配送模式仍存在着时效性难以保证，交通压力大，配送人力物力短缺，处理突发事件能力弱等一系列问题。所以各企业都致力于探索与发展新型的末端配送模式，致力于将末端物流推向更加智能更加高效的阶段，本文所研究的基于众包的末端物流就是其中之一。遗传算法是常用的用于解决最优化问题的搜索算法，其模拟生物进化过程搜索符合实际问题的近似最优解，其过程主要包括：编码、选择、交叉、变异、适应度计算。根据系统的实际需求进行分析，对问题进行了建模。聚类分析后，每一辆车作为一个单独的个体，该聚类内参与同一次匹配的多个车辆组成整个种群。该聚类内的货物总包作为基因库，为避免不同配送车辆被重复分配相同的货物总包，要求聚类内基因不重复分配。以配送路径为目标值，车辆载重和时间窗为约束，进行遗传迭代。

发明内容

本发明的目的在于提供一种基于遗传算法的众包任务分配方法，本发明的有益效果是能够高效的为配送人员高效智能地分配任务，提高末端物流配送效率。

本发明所采用的技术方案是通过服务器端开启定时任务心跳检测，判断待匹配的配送人员队列和订单任务队列是否满足数量要求，满足则开启遗传算法，遗传算法编码进行二重基因冲突检测，若该基因序列为种群第一个个体，则只需进行基因序列内的基因冲突检测，无需进行个体间基因冲突检测；若该基因序列不为种群第一个个体，则首先进行基因序列内基因冲突检测，若有冲突则重新生成随机基因，若无冲突则进行个体间基因冲突检测，个体间检测若有冲突则重新生成随机基因并重复基因序列内检测，若无冲突则编码完成，通过多次重新生成不冲突的基因，最终达到个体间及基因序列间无冲突基因，遗传算法选择过程，将最优秀的个体直接复制到新种群，剩下的个体采用轮盘赌方式，若所有遍历个体仍未填充满新种群，则基于双重基因检测引入新的基因型个体。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明基于遗传算法的众包任务分配方法通过服务器端开启定时任务心跳检测，判断待匹配的配送人员队列和订单任务队列是否满足数量要求，满足则开启遗传算法。遗传算法编码进行二重基因冲突检测，若该基因序列为种群第一个个体，则只需进行基因序列内的基因冲突检测，无需进行个体间基因冲突检测；若该基因序列不为种群第一个个体，则首先进行基因序列内基因冲突检测，若有冲突则重新生成随机基因，若无冲突则进行个体间基因冲突检测。个体间检测若有冲突则重新生成随机基因并重复基因序列内检测，若无冲突则编码完成。通过多次重新生成不冲突的基因，最终达到个体间及基因序列间无冲突基因。遗传算法选择过程，将最优秀的个体直接复制到新种群，剩下的个体采用轮盘赌方式。若所有遍历个体仍未填充满新种群，则基于双重基因检测引入新的基因型个体。

以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。