[發明專利]面向綠色物流的智能包裝服務建模與配送任務動態優化方法

有效

• 申請號: 201710535963.5
• 申請日: 2017-07-04
• 公開（公告）號: CN107133705B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 張映鋒;劉思超;張馳;吳予涵;龍懷;張鵬鵬;楊海東
• 申請（專利權）人: 西北工業大學;佛山市南海區廣工大數控裝備協同創新研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06F16/28;G06K17/00
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 陳星

1.一種面向綠色物流的智能包裝服務建模與配送任務動態優化方法，其特征在于：包括以下步驟：

步驟1：定義符號表示涉及的數據以及相關決策變量：

步驟1.1：定義符號變量：

l_i第i個COs的長度；

w_i第i個COs的寬度；

h_i第i個COs的高度；

l′_i用于裝載第i個COs的第j個智能箱的長度；

w′_i用于裝載第i個COs的第j個智能箱的寬度；

h′_i用于裝載第i個COs的第j個智能箱的高度；

B_j第j個智能箱，j＝(1,2,3)；

I COs的初始分類；I＝{1,2,3,…,m}，其中m是COs的總數；

J集裝箱；J＝{1,2,3,…,n}；

L_J集裝箱J的長度；

W_J集裝箱J的寬度；

H_J集裝箱J的高度；

N一個集裝箱里允許裝載COs的最大數目；

M一個集裝箱里允許裝載COs的最小數目；

第i個COs中裝載入集裝箱J的總數；

其中COs為物流任務訂單；

步驟1.2：定義決策變量符號：

Z_J如果選擇集裝箱J，二進制變量等于1，否則為0；

γ_iJ如果選擇第i個COs裝載入集裝箱J，二進制變量等于1，否則為0；

步驟2：建立COs數據標準化信息庫；具體步驟如下：

步驟2.1：根據物流訂單地址信息分類構建COs數據標準化信息庫；

步驟2.2：錄入訂單信息，包括訂單編號、物品名稱、訂單類型、尺寸、重量、數量；

步驟2.3：錄入收件人信息，包括收件人姓名、地址、聯系電話；

步驟2.4：錄入第三方物流企業相關屬性，包括物流公司名稱、運輸公司名稱、電話、訂單狀態、分配方式；

步驟3：將COs與智能箱優化匹配，優化裝載規則如下：

如果COs的規格屬性滿足

l_i≤l′₁∩w_i≤w′₁∩h_i≤h′₁→i∈B₁

則將其裝入第一類智能箱B₁；

如果COs的規格屬性滿足

l′₁≤l_i≤l′₂∩w′₁≤w_i≤w′₂∩h′₁≤h_i≤h′₂→i∈B₂

則將其裝入第二類智能箱B₂；

如果COs的規格屬性滿足

l′₂≤l_i≤l′₃∩w′₂≤w_i≤w′₃∩h′₂≤h_i≤h′₃→i∈B₃

則將其裝入第三類智能箱B₃；

步驟4：對COs進行基于距離的聚類分析，并分組：

步驟4.1：定義：d_ij和D_ij分別表示樣本X_i和X_j與聚類G_i和G_j兩者之間的距離，其中

假設聚類G_p和G_q被分組到一個新的聚類G_r，則任意聚類G_k和G_r距離的關系：

步驟4.2：計算任意兩個樣本之間的距離，得到一個新的距離矩陣D₍₀₎；

步驟4.3：找出最短的距離元素記為D_pq，然后將G_p和G_q聚合為一個新的聚類G_r，即G_r＝{G_p，G_q}；

步驟4.4：每一個新的分組聚類按順序編號；

步驟4.5：計算新的聚類與其他聚類之間的距離；

步驟4.6：重復步驟4.3，步驟4.4和步驟4.5，并取r＝r+1；

步驟4.7：直到所有元素都被分組后結束；如果距離最短的元素的數目不止一個，則所有相應的元素組合成一個聚類；

步驟5：建立裝載服務的動態優化模型：

步驟5.1：建立函數關系，具體如下

l_i≤l′₁∩w_i≤w′₁∩h_i≤h′₁→i∈B₁

l′₁≤l_i≤l′₂∩w′₁≤w_i≤w′₂∩h′₁≤h_i≤h′₂→i∈B₂

l′₂≤l_i≤l′₃∩w′₂≤w_i≤w′₃∩h′₂≤h_i≤h′₃→i∈B₃

M＝(L_J·W_J·H_J)/(l′₃·w′₃·h′₃)

N＝(L_J·W_J·H_J)/(l′₁·w′₁·h′₁)

步驟5.2：建立智能箱裝-集裝箱的裝載優化方法，具體如下：

COs通過分層樹結構網絡集群形成LOs：在初始的LOs(G_p)中，COs的數量等于I₀且初始值為0；如果集裝箱J的尺寸相對于COs是可用的，則將COs裝載到集裝箱J中，而且實時更新和輸出集裝箱J已使用和剩余的體積；如果COs的數量小于或等于I₀，則返回繼續裝載，否則結束裝載；如果集裝箱J的尺寸相對于COs不可用，則輸出COs已裝載入集裝箱J的數量如果小于I₀，然后尋找離G_p距離最短的聚類G_q，并形成一個新的聚類G_pq，然后返回繼續裝載，否則結束裝載；

步驟5.3：智能箱裝載順序優化：

按照訂單距離遠近，在裝載過程中先裝載未裝載訂單中距離最遠的訂單，依次裝載，則距離最近的訂單在最后裝載；

步驟5.4：裝載校驗優化服務：

裝載校驗服務通過附著在智能箱、配送車輛上的智能RFID標簽與手持式RFID閱讀器實現物流任務-智能箱的精確裝載；裝載校驗服務通過由手持式RFID閱讀器掃描附著在智能箱上的RFID標簽，獲得的裝載信息與初始裝載列表的信息進行自動匹配檢驗，當且僅當兩者完全匹配后，方可裝載；否則警示信息會提醒裝載工人可能存在信息不對稱問題；當智能箱裝載入集裝箱時，通過在集裝箱入口位置嵌入的RFID閱讀器掃描智能箱上的RFID標簽，獲得智能箱的相關信息，其中包括智能箱的規格和裝載內容，基于感知捕獲的信息，上傳載入的智能箱相關信息至物流平臺，同時更新、輸出裝載信息；

步驟6：構建實時物流需求驅動的物流任務動態優化模型：

步驟6.1：云配送中心按一定的時間間隔t觸發各配送車輛智能終端傳輸車輛實時狀態信息，過濾掉正在裝卸貨和剩余體積、剩余重量的車輛信息，構建配送車輛資源庫，具體如下：

根據動態的任務信息構建任務信息庫T，該任務信息庫中：TIDi為第i個任務的編號、W表示重量、V表示體積、CP表示當前位置、D表示任務目的地、DT表示任務交貨期、DP表示任務送達時超出交貨期單位時間的懲罰參數；具體如下：

其中對于車輛剩余體積SV和配送任務體積V均是一個三維向量，SV＝(length,width,height)，V＝(length,width,height)分別表示了配送車輛剩余體積和配送任務的長寬高；

步驟6.2：假設配送車輛資源集為

V＝(v₁,v₂,v₃...v_i...v_n)^T

動態任務集為

T＝(t₁,t₂,t₃...t_i...t_n)^T；

車輛配送的路徑從車輛當前位置CP_v開始配送，到下一個目的地ND_v結束配送任務，根據此路徑建立車輛路徑導航向量TID_i＝(CP_t,ND_t)，配送車輛信息和配送任務信息可以在二維坐標中表示：

以車輛向量VID_i的中點為圓心O(r)，以1/2的車輛向量模|VID_i|為半徑R，建立配送車輛圓區域；

步驟6.3：假設圓區域中的配送任務為圓域中的元素，存在以下兩種情況：第一種：圓域有交集，第二種：圓域無交集；圓域有交集表示不同的圓域共同包含了若干個配送任務；圓域無交集表示圓域獨立地包含了n(n≥0)個元素，如果n＝0，則釋放該圓域，配送車輛按照既定任務路線完成配送活動；

步驟6.4：首先考慮配送車輛的剩余體積SV＝(length,width,height)作為約束條件，對于需要配送任務的體積為TV＝(length,width,height)，剔除不滿足約束條件的配送任務：具體通過一種編碼方程的方法判斷配送任務是否滿足約束條件，編碼方程如下：

I＝I₁+I₂+I₃

其中I_i為0，1變量，表示是否滿足各約束條件；如果I變量的值是0，則滿足約束條件，表示該配送車輛可以裝載配送任務；否則，剔除該任務；

步驟6.5：通過步驟6.4的過濾之后，圓域中的元素個數n(n≥0)；按照步驟6.3繼續進行分類；對于交集圓域中的元素，選擇半徑R最小的配送圓域，即由該圓域所屬配送車輛進行配送；對于無交集圓域中的元素轉步驟6.6；

步驟6.6：如果圓域中的元素n＝1，表示只有一個滿足條件的配送任務，即該配送任務由圓域所屬配送車輛進行配送；如果n≥2，表示該配送圓域中有n個配送任務滿足所屬配送車輛的配送條件，則滿足以下兩個條件便得到最優路徑規劃：

條件1：配送車輛向量和配送任務向量之間的夾角最小，即

條件2：配送車輛向量中點O(r)到配送任務向量中點M的距離d最小：其中配送任務TID_i的坐標為CP_t＝(x_tij,y_tij)，ND_t＝(x′_tij,y′_tij)；

沒有分配到配送車輛的任務返回任務信息庫T重新進行優化分配；

步驟6.7：基于不同的配送車輛具有不同的單位成本和不同任務具有不同的延遲懲罰參數，建立總成本目標函數：總成本包含了任務配送成本和延遲懲罰成本；任務配送成本是完成既定配送任務產生的成本費用，延遲懲罰成本是接受配送任務TID_i后導致車輛第j個配送任務交付時超過交貨期的延遲時間產生的成本費用；總成本目標函數為

C＝mincost＝C₁+C₂+C₃

L_x為車輛VID_x為完成該任務多行駛的路程；為車輛VID_x接受任務TID_i后引起車輛第j個任務送達時超過其交貨期的延時時間，設VID_x任務清單Tl_x中有y個任務，其中包含任務TID_i；DP_xj為車輛VID_x任務清單Tl_x中第j個任務的延遲送貨懲罰參數；

步驟6.8：將車輛VID_x x∈(1,n)信息庫中的各項信息參數以及配送中心系統模型動態模擬的參數信息(L_x、dt_xj)分別代入上述目標函數；

步驟6.9：對于每個配送車輛，選擇讓其目標函數取得最小值的任務，并將該配送車輛預分配給該任務。