[發明專利]基于機器學習和干擾管理的低碳物流配送系統及其方法

在審

• 申請號: 202111501281.5
• 申請日: 2021-12-09
• 公開（公告）號: CN114169613A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 寧濤;段曉東
• 申請（專利權）人: 大連民族大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08;G06F30/27;G06N3/00;G06N20/00;G06F111/04;G06F111/08;G06F119/12
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 陳麗;李洪福

本發明公開了基于機器學習和干擾管理的低碳物流配送管理系統及方法，涉及機器學習與互聯網應用管理技術領域，該系統針對企業級用戶端使用；所述企業級用戶端包括登陸管理模塊、客戶管理模塊、車輛管理模塊、調度管理模塊。本發明采用改進的量子蟻群算法調整策略，實現了物流配送系統干擾調度計劃偏差最小以及干擾事件的及時準確處理。本發明所提出的改進的量子蟻群算法提高了最優解收斂的速度，增加了全局最優解搜索范圍，避免了算法的早熟現象，降低了低碳物流配送系統的運行時間和成本，提高了該系統的運行效率和縮短了響應時間。

技術領域

本發明涉及機器學習與互聯網應用管理技術領域，尤其是基于機器學習和干擾管理的低碳物流配送管理系統及其方法。

背景技術

隨著機器學習技術和智能物流技術的發展，出現了越來越多的基于改進智能算法的低碳物流配送系統，這為物流企業帶來了飛速的發展。例如，基于機器學習的智能無人配送系統、物流無人機配送系統以及智能配送與調度系統等。在這些應用系統中，由于在實際生產過程中會面臨越來越多來自內部和外部的突發干擾事件，如何進行科學有效進行干擾管理，對這些突發干擾事件進行快速的反應和處理，降低新配送計劃與原有配送計劃的偏差是此類亟需解決的問題。

現有技術中常用的物流配送系統大多是基于重調度或魯棒性調度方法進行設計，這類方法應對干擾事件發生，生成的配送方案對原有方案影響過大，解的性能不佳，難以符合實際配送要求，而且由于物流配送計劃的改變難以維護物流企業、車輛和顧客之間的利益。這降低了企業配送效率，增加了配送車輛的使用成本和顧客的不滿意度。

在基于智能優化算法下的低碳物流配送平臺應用中，考慮實際配送計劃，通常需要兼顧多個配送指標，這為物流配送計劃的處理帶來了困難。比如，各個目標的度量標準不同、各個目標之間可能相互沖突等。因此，必須采用適當的算法進行處理，現有技術中常見的調度計劃處理算法有：遺傳算法、蟻群算法、粒子群算法和禁忌搜索算法等，現有的物流配送系統有如下問題：

1、現有系統中建立在“完全理性”的假設條件下，對于考慮人行為特征的配送車輛干擾調度系統還不能滿足如今實際生產的需要；

2、針對實際配送中不同類型的干擾事件，缺乏科學高效的干擾管理模型；

3、現有系統生成的配送計劃與原本配送計劃偏差較大，增加了工人工作時間，降低了企業的利益。

發明內容

為解決現有技術存在的上述問題，本發明提供了基于機器學習和干擾管理的低碳物流配送管理系統及方法，以實現時間偏差最小化、碳稅成本偏離最小化、路徑偏離最小化，能夠對突發訂單和交通擁堵事件發生進行干擾處理，為企業用戶提供偏差度低和高效率。

為了實現上述目的，本發明提供了以下技術方案：

一方面，本發明提供了一種基于機器學習和干擾管理的低碳物流調度管理系統，包括：

登陸管理模塊：對用戶賬號信息進行管理，所述用戶賬號信息包括用戶注冊賬號、用戶修改密碼、用戶刪除密碼、查詢賬號密碼和賬號密碼安全驗證；

客戶管理模塊：對派送客戶信息進行管理；所述客戶信息包括：派送客戶坐標、派送客戶需求量、需求時間、需求產品和派送客戶單位信息；

車輛管理模塊：對派送車輛信息進行管理，以保證派送車輛有效完成配送任務；所述車輛信息包括：車輛類型、車牌號、載重要求和司機信息；

調度管理模塊，包括交通擁堵預測子模塊、初始路徑子模塊和干擾路徑子模塊和退出程序子模塊；其中，

交通擁堵預測子模塊用于建立低碳物流配送系統的基于機器學習的擁堵預測分類模型并將通過所述擁堵預測分類模型預測后的數據進行顯示；