[发明专利]一种基于平台集中式运输的供需匹配优化方法

权利要求书

1.一种基于平台集中式运输的供需匹配优化方法，其特征在于，包括：

获取物流货运原始数据，对所述原始数据进行聚类，对聚类结果进行染色体编码，获取若干个初始解，其中初始解为遗传算法中的染色体结构；

基于初始解及物流货运原始数据，构建适应度函数；

基于所述适应度函数，对若干个所述初始解进行迭代更新，基于迭代更新结果，获取最优解，其中最优解包括最大适应度下的货运量，最优货运时间及最优货物交易价格；

基于所述最优解，得到最大化供给需求匹配方案。

2.根据权利要求1所述一种基于平台集中式运输的供需匹配优化方法，其特征在于：

所述物流货运原始数据包括：运价、需求量、供应量、需求端最晚收货时间、供给端最早发货时间、需求端最高接受价格、供给端最低接收价格、供应端及需求端地理位置。

3.根据权利要求1所述基于平台集中式运输的供需匹配优化方法，其特征在于：

初始解的染色体结构包含若干个基因层，所述基因层包括：货运量，货运时间，货物交易价格。

4.根据权利要求2或3所述基于平台集中式运输的供需匹配优化方法，其特征在于：

所述构建适应度函数的过程包括：

基于货运量及所述需求量，构建供需匹配率模型；

基于货运量和供给端及需求端的地理位置，获取运输成本模型；

基于供需匹配率模型及运输成本模型，构建所述目标函数，其中目标函数为供需匹配率及运输成本的最大比值。

基于物流货运原始数据，构建约束条件；

基于约束条件及目标函数，构建适应度函数。

5.根据权利要求1所述基于平台集中式运输的供需匹配优化方法，其特征在于：

所述约束条件包括：供应量约束，需求量约束，供应量与需求量之间的约束，接受价格约束，交货时间约束。

6.根据权利要求2所述基于平台集中式运输的供需匹配优化方法，其特征在于：

对所述原始数据进行聚类的具体过程包括：

对所述供应端及需求端地理位置进行k-meas聚类，获取聚类类别；

基于所述聚类类别，按照所述需求端最晚收货时间-需求端最高接受价格-需求量的优先级关系对需求端进行升序排列；

基于所述聚类类别，按照所述供给端最早发货时间-供给端最低接收价格-供给量的优先级关系对供应端进行升序排列；

基于需求端排列结果及供给端排列结果，对供给端及需求端进行匹配，基于匹配结果，获取初始解。

7.根据权利要求2所述基于平台集中式运输的供需匹配优化方法，其特征在于：

对若干个所述初始解进行迭代更新的过程包括：

基于所述初始解对所述适应度函数进行求解，获取适应度；

对所述初始解进行更新，获取更新后的解，基于所述更新后的解，对所述适应度函数进行求解，基于求解结果，将所述初始解更新为所述更新后的解，并对所述适应度进行更新，实现一次更新过程；

通过所述更新过程对更新后的解及适应度进行迭代更新，

当迭代更新达到最大次数时，停止迭代更新，并选择数值最高的适应度作为最优适应度。

8.根据权利要求7所述基于平台集中式运输的供需匹配优化方法，其特征在于：

所述初始解进行更新的过程包括：

在同一基因层内，随机选取第一基因及第二基因，将第一基因与第二基因进行位置交换，基于位置交换结果对不同基因层进行更新，获取第一解；

随机生成0-1之间的随机数，基于随机数，更新第一基因及第二基因，基于更新结果对不同基因层进行更新，获取第二解；

基于第一解及第二解对适应度函数进行求解，获取第一适应度及第二适应度，对第一适应度及第二适应度进行比较，选择两者间数值大的对应解，作为更新后的解。

9.一种基于平台集中式运输的供需匹配优化系统，包括：

聚类模块、适应度模块、更新模块；

所述聚类模块用于获取物流货运原始数据，对所述原始数据进行聚类，对聚类结果进行染色体编码，获取若干个初始解，其中初始解为遗传算法中的染色体结构；

所述适应度模块基于初始解及物流货运原始数据，构建适应度函数；

所述更新模块用于基于所述适应度函数，对若干个所述初始解进行迭代更新，基于迭代更新结果，获取最优解，基于所述最优解，得到最大化供给需求匹配方案。