自動配載與調度檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

自動配載與調度自動配載與調度：基於NSGA II的物流調度平台，從物聯網工程角度出發，基於射頻識別技術部署EPC系統，從而收集貨物與運輸車相關信息，並基於NSGA-Ⅱ算法，結合雲計算和大數據技術，構建起一個在線的物流調度平台。在該平台上，貨物與運輸車以總車次和總距離均最小為目標自動進行匹配，管理人員能根據實際情況對匹配結果進行實時調整。

重點

（1）NSGA-II對物流方案的改進程度。

（2）大數據決策在物流方案改進中的作用。

（3）基於AnyLogic的仿真平台的構建。

難點

（1）物流方案中，運輸距離與運輸車次之間的信息熵。

（2）數據清洗與多源數據融合的實現。

（3）高並發場合下對訪問的實時響應。

2.實驗內容

主要有三個方面的實驗，分別是分析NSGA-II對物流方案的改進程度、構建基於AnyLogic的仿真平台和運用大數據 分析技術對物流方案進行改進。

3.應用前景

物流業是融合運輸、倉儲、貨代、信息等產業的複合型服務業，是支撐國民經濟發展的基礎性、戰略性及先導性產業。近年來，我國現代物流業保持較快增長，服務能力顯著提升，基礎設施條件和政策環境明顯改善，現代產業體系初步形成，物流業已成為國民經濟的重要組成部分。

物流費用占國內生產總值的比重是衡量物流業總體運行效率重要指標之一。2018年，由發展改革委、交通運輸部會同相關部門研究制定的《國家物流樞紐布局和建設規劃》[1]，對國家物流方面提出的目標中表明：到 2025 年，基本形成以國家物流樞紐為核心的現代化物流運行體系，同時隨着國家產業結構和空間布局的進一步優化，以及物流降本增效綜合措施的持續發力，推動全社會物流總費用與 GDP 的比率下降至 12%左右。

而據2020年國家發改委、國家統計局和中國物流與採購聯合會發布的統計數據顯示，全國社會物流總費用從2013年的的10.2萬億元上升到2020年的14.9萬億元，中國社會物流費用占GDP的比重由2013年的18.0%，下降至2020年的14.7%，在近八年的時間中下降了3.3%，距離12%的目標還有很長的路要走，同時也證明了我國物流行業市場前景廣闊。

該物流調度平台側重於對運輸車次和運輸距離進行優化，儘可能減少需要維持的運輸車的規模，從而有效地降低成本。該平台的部署與上線，在可見的未來，能為物流行業的發展添磚加瓦。

二、技術方案與指標

（包括：問題分析、技術方案、創新設計、關鍵技術、技術指標、實施計劃、應用場景等）

1.需求分析

通過實時獲取車輛和貨物的位置信息，根據車貨匹配方案確定出車名單，根據派單規則進行派單，進行物流在線調度，實現任務和車輛的在線、自動匹配，從而高整體作業效率和客戶滿意度。

2,技術方案

研究的問題分為三個部分，第一部分路徑規劃講述了VRP問題的定義與分類，就本研究作為「帶時間窗的多站互聯多旅行商問題」加以說明；第二部分多目標優化問題與算法，闡述了多目標優化問題的定義，並對NSGA-II的流程作了一番簡要說明；第三部分大數據分析技術，着重分析大數據的特點和大數據決策在實際問題中起到的作用。

2.1路徑規劃

2.1.1VRP問題定義及分類

車輛路徑規劃問題(Vehicle Routing Problem, VRP)指在一定環境中，車輛尋找出一條最優或近似最優的無碰撞路徑，以從起始點到達目標點的過程。在需要綜合考慮需求點的需求量、需求點間距離等約束時，路徑規劃問題可被抽象化描述為旅行商問題(Traceling Salesman Problem, TSP)。根據具體情況的不同，TSP又有多種延伸。例如在多車輛配送系統中，由m輛車服務n個需求點，稱為多人旅行商問題(Multi-Traveling Salesman Problem, MTSP)；在需求點對收貨時間存在要求時，又延伸出「帶時間窗的旅行商問題(Traveling Salesman Problem with Time Windows, TSPTW)」。

2.1.2VRP 問題常用求解方法

隨着車輛行駛環境的實際化、複雜化，以及訂單數增多帶來的約束條件的驟增，路徑規劃問題的規模已經上升到不能在有限時間內取得最優解，傳統尋優算 法、啟發式算法、元啟發式算法、仿生算法、智能算法的提出為這類問題的解決 提供了思路。它們往往放棄求解精確解，轉而通過提出和搜索各種方案並相互比較的方法來找出較優的最終方案，代表性的有局部搜索算法、模擬退火、人工神經網絡(Neural Networks, NNS)、遺傳算法(Genetic Algorithms, GAs)、進化算法、蟻群算法、禁忌搜索算法等。