[发明专利]一种基于LSTM的动态自适应调度周期的订单调度方法及装置

权利要求书

1.一种基于LSTM的动态自适应调度周期的订单调度方法，其特征在于，所述方法的步骤包括：

将每个时间周期划分为多个时间片，收集历史数据中每个时间片的订单数量，将每个时间片的订单数量作为向量的维度参数，构建历史时间周期的参数向量；

将所述参数向量输入到预设的长短时记忆网络模型中，输出预测的未来时间中至少一个时间片的订单数量；

将未来时间中每个时间片的订单数量与预设的订单阈值比对；

若时间片的订单数量大于订单阈值，则基于时间片的时间长度计算调度周期，在该时间片内以调度周期为固定周期，采用固定时长周期调度方法进行订单调度；

若时间片的订单数量不大于订单阈值，则在该时间片内采用单事件驱动调度方法进行订单调度；

基于贪心算法将调度的订单插入原配送计划的车辆路径中，基于贪心算法将调度的订单插入原配送计划的车辆路径中的步骤包括：

分别计算将订单插入每个车辆路径的每个位置所需的变动时间成本；

根据如下公式，计算将订单插入每个车辆路径的每个位置所需的变动时间成本：

ΔC_bd＝c_i-1，b+c_b，i-c_i-1，i+c_j-1，d+c_d，j-c_j-1，j；

ΔC_bd表示起点为b，终点为d的订单的变动时间成本；c_i-1，b表示将起点b插入i-1点和i点之间，i-1点到b所需的时间；c_b，i表示将起点b插入i-1点和i点之间，b点到i所需的时间；c_i-1，i表示原车辆路径中i-1点到i点所需的时间；c_j-1，d表示将终点d插入j-1点和j点之间，j-1点到d所需的时间；c_d，j表示将终点d插入j-1点和j点之间，d点到j所需的时间；c_j-1，j表示原车辆路径中j-1点到j点所需的时间；

基于变动时间成本得到订单的插入位置，完成订单对车辆路径的插入；

基于聚类算法将多个车辆路径聚类为预设个数的簇，基于邻域搜索算法更新每个簇中的每个车辆路径，组合更新后的车辆路径得到更新配送计划，基于聚类算法将多个车辆路径聚类为预设个数的簇的步骤包括：将每个车辆路径作为路径簇，将多个路径簇按照排列组合的方式每两个路径簇作为一个组，计算组中两个路径簇中的车辆路径的相似度，基于相似度计算两个路径簇的簇间距，将所有组中簇间距最小的组中的车辆路径进行合并至同一个路径簇；重复上述步骤，直到路径簇的个数到达预设个数。

2.根据权利要求1所述的基于LSTM的动态自适应调度周期的订单调度方法，其特征在于，将每个时间片的订单数量作为向量的维度参数，构建历史时间周期的参数向量的步骤中，

计算历史数据中前一日时间片的订单数量平均值和历史数据中前一周时间片的订单数量平均值；

将前一日时间片的订单数量平均值、前一周时间片的订单数量平均值与时间周期中每个时间片的订单数量均作为参数向量的各个维度参数，构建参数向量。

3.根据权利要求1所述的基于LSTM的动态自适应调度周期的订单调度方法，其特征在于，若该时间片内采用固定时长周期调度方法进行订单调度，则在该时间片内每隔固定周期将订单统一进行调度，更新配送计划；

若该时间片内采用单事件驱动调度方法进行订单调度，则在该时间片内每接收到一个订单即开始调度，更新配送计划。

4.根据权利要求1所述的基于LSTM的动态自适应调度周期的订单调度方法，其特征在于，根据如下公式，计算组中两个路径簇中的车辆路径的相似度：

PS(i1，j1)表示车辆路径i1和j1的相似度，R_i1表示车辆路径i1中订单的集合，p表示R_i1中的任一个订单，R_j1表示车辆路径j1中订单的集合，q表示R_j1中的任一个订单，d(p，q)表示订单p和q之间的距离，l_i1、l_j1分别表示R_i1、R_j1中的订单数目。