[发明专利]面向建筑内部的配送路径优化方法及装置

摘要

本发明公开了一种面向建筑内部的配送路径优化方法及装置，其中，方法包括：配送时间、配送人员的数量和配送人员的体力消耗分别赋予权重值，且对立体交通网络图设置边权值以生成空间距离系数矩阵、通行时间系数矩阵和体力消耗系数矩阵；获取具有容量约束的模型的约束条件，并且将容量约束转化为目标函数的惩罚项；获取建筑物的配送路径优化模型，并通过两阶段算法和Tabu Search算法求解最优路线，以为配送人员提供当前最优的配送路线。该方法可以在配送人员寻找建筑物内部的配送路线时提供实时的最优方案，有效提高配送效率。

主权项

1.一种面向建筑内部的配送路经优化方法，其特征在于，包括以下步骤：

获取建筑物的内部构造以生成所述建筑物的立体交通网络图；

对配送时间、配送人员的数量和配送人员的体力消耗分别赋予权重值，且对所述立体交通网络图设置边权值以生成空间距离系数矩阵、通行时间系数矩阵和体力消耗系数矩阵；

获取具有容量约束的模型的约束条件，并且将所述容量约束转化为目标函数的惩罚项；以及

获取所述建筑物的配送路径优化模型，并通过两阶段算法和Tabu Search算法求解最优路线，以为配送人员提供当前最优的配送路线。

2.根据权利要求1所述的面向建筑内部的配送路经优化方法，其特征在于，通过将所述建筑物的CAD结构图输入系统模型获取所述内部构造，以搭建出所述建筑物的立体交通网络图。

3.根据权利要求2所述的面向建筑内部的配送路经优化方法，其特征在于，在所述立体交通网络图中，每个实心节点代表客户位置，不同的颜色表示不同的楼层，空心节点表示交通路径的分叉口，节点之间的连线表示两点之间存在直接到达的交通路径，楼层连边表示楼层之间的交通路径，其中，楼层实线代表楼梯，楼层虚线代表电梯。

4.根据权利要求1所述的面向建筑内部的配送路经优化方法，其特征在于，惩罚值函数表示如下：

其中，C为配送人员实际携带的配送商品数量，C_m为配送人员能够携带的最大商品数量，e为惩罚系数。

5.根据权利要求4所述的面向建筑内部的配送路经优化方法，其特征在于，所述配送路径优化模型为：

其中，N为网络中的所有节点的集合，K为所有配送人员的集合，i为交通网络中编号为i的节点，j为交通网络中编号为j的节点，k为编号为k的配送人员，x_ijk为第k个配送人员是否经过i‑j路段，y_jk为第k个配送人员是否配送了第j个顾客，为配送人员从i运动到j所要消耗的体力，为配送人员从i运动到j所花费的广义时间，x_iok为第k个配送人员是否回到原点，V_f为网络中的虚拟节点集合，S为网络节点的任意子集。

6.一种面向建筑内部的配送路经优化装置，其特征在于，包括：

获取模块，用于获取建筑物的内部构造以生成所述建筑物的立体交通网络图；

生成模块，用于对配送时间、配送人员的数量和配送人员的体力消耗分别赋予权重值，且对所述立体交通网络图设置边权值以生成空间距离系数矩阵、通行时间系数矩阵和体力消耗系数矩阵；

优化模块，用于获取具有容量约束的模型的约束条件，并且将所述容量约束转化为目标函数的惩罚项；以及

计算模块，用于获取所述建筑物的配送路径优化模型，并通过两阶段算法和TabuSearch算法求解最优路线，以为配送人员提供当前最优的配送路线。

7.根据权利要求6所述的面向建筑内部的配送路经优化装置，其特征在于，通过将所述建筑物的CAD结构图输入系统模型获取所述内部构造，以搭建出所述建筑物的立体交通网络图。

8.根据权利要求7所述的面向建筑内部的配送路经优化装置，其特征在于，在所述立体交通网络图中，每个实心节点代表客户位置，不同的颜色表示不同的楼层，空心节点表示交通路径的分叉口，节点之间的连线表示两点之间存在直接到达的交通路径，楼层连边表示楼层之间的交通路径，其中，楼层实线代表楼梯，楼层虚线代表电梯。

9.根据权利要求6所述的面向建筑内部的配送路经优化方法，其特征在于，惩罚值函数表示如下：

其中，C为配送人员实际携带的配送商品数量，C_m为配送人员能够携带的最大商品数量，e为惩罚系数。

10.根据权利要求9所述的面向建筑内部的配送路经优化方法，其特征在于，所述配送路径优化模型为：

其中，N为网络中的所有节点的集合，K为所有配送人员的集合，i为交通网络中编号为i的节点，j为交通网络中编号为j的节点，k为编号为k的配送人员，x_ijk为第k个配送人员是否经过i‑j路段，y_jk为第k个配送人员是否配送了第j个顾客，为配送人员从i运动到j所要消耗的体力，

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810039882.0/，转载请声明来源钻瓜专利网。