[发明专利]基于改进蚁群算法实现物流仓储装车调度的方法及装置

说明书

本发明公开了一种基于改进蚁群算法实现物流仓储装车调度的方法及装置，涉及动态调度和组合最优化领域，该方法包括获取物流仓储系统中各门店的物流数据信息，以及各门店的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程；设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，得到改进后的蚁群算法数学模型；采用改进后的蚁群算法数学模型进行货车的动态调度，实现物流仓储装车调度的优化。本发明能够提高物流仓储的工作效率。

技术领域

本发明涉及动态调度和组合最优化领域，具体涉及一种基于改进蚁群算法实现物流仓储装车调度的方法及装置。

背景技术

对于物流仓储管理系统，仓储在企业的整个供应链中起着至关重要的作用，如果不能保证正确的进货、库存控制及发货，将会导致管理费用的增加，且服务质量难以得到保证，从而影响企业的竞争力。

传统的物流仓储在对绑定好归位区的门店进行出库时，是凭借工作人员的工作经验来进行装车，然后派送到各个门店，同时要求各个门店之间的车程尽量低于半小时，并且还要求能够安排最少数量的货车以节省调车成本，但人工调度效率存在过低问题，并且调度的结果也往往不尽人意。因此，传统的简单、静态的仓储管理已然无法保证现如今企业各种资源的高效利用。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于改进蚁群算法实现物流仓储装车调度的方法及装置，能够提高物流仓储的工作效率。

为达到以上目的，本发明提供的一种基于改进蚁群算法实现物流仓储装车调度的方法，具体包括以下步骤：

获取物流仓储系统中各门店的物流数据信息，以及各门店的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程；

设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，得到改进后的蚁群算法数学模型；

采用改进后的蚁群算法数学模型进行货车的动态调度，实现物流仓储装车调度的优化。

在上述技术方案的基础上，所述获取物流仓储系统中各门店的物流数据信息，以及各门店的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程，具体步骤包括：

基于python读取物流仓储系统中各门店的物流数据信息，所述物流数据信息包括订单数据、分拣数据和装车货车信息；

基于地图软件的API获取各门店的经纬度；

根据获取的经纬度，计算得到各门店之间的车程以及物流仓储中心至各门店的车程，并将计算结果保存至redis缓存中。

在上述技术方案的基础上，所述设定选择策略，同时改进信息素的更新规则以改进蚁群算法数学模型，建得到改进后的蚁群算法数学模型，其中，设定的选择策略为：

其中，设m表示蚁群中蚂蚁的数量，b_i(t)表示t时刻位于节i点的蚂蚁的个数，n表示时刻；τ_ij(t)表示t时刻在节点(i,j)间的路径上残留的信息量，初始时刻各条路径的信息量相等，τ_ij(0)＝C，C为常数；第k只蚂蚁(k＝1,2,…,m)在运动过程中，根据各条路径上的信息量决定转移方向；表示在t时刻蚂蚁由节点i到节点j的概率；η_ij(t)表示在t时刻蚂蚁由节点i到节点j的启发值；α表示用于控制信息量的参数；β表示用于控制启发值的参数；allowed_k＝{0,1,…,n-1}-Tabu_k，allowed_k表示第k只蚂蚁下一步允许选择的城市，Tabu_k表示第k只蚂蚁当前已走过的节点，l表示第k只蚂蚁在城市节点中可以选择的节点的集合中的一个元素，N表示城市节点。