一种列车装载的优化方法、装置、设备及可读存储介质

1.本发明涉及物流技术领域，具体而言，涉及列车装载的优化方法、装置、设备及可读存储介质。


背景技术：

2.随着我国产业结构的变革和电商行业的成长，小批量、多类别、高价值、高时效的运输需求逐渐增多，铁路货运开始向现代物流转变。为提高铁路物流配送效率，铁路货运开通了快运货物班列，开始逐步发展快捷货物运输，其中，装载是快运列车货运最基础的作业环节。高效合理的装载方法，不仅可以提升车厢的利用率，降低运输成本，更可以精细化满足物流需求响应，提高客户满意度。
3.在快运列车货运实践中，由于客户订单货物的类别多样，增加了货物装载的复杂性。除了需要考虑货物的重量和体积外，运输货物的不同属性，如卫生性、挥发性、易碎性和安全性等，导致某些货物不允许同时装入一个车厢，如食品、药品和化学品等，即货物之间存在冲突关系。因此，本发明旨在综合考虑货物重量、体积、冲突关系约束的条件下，找到使车厢数目最小的快运列车装载方案。


技术实现要素：

4.本发明的目的在于提供一种列车装载的优化方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：在快运列车的货物装载模型中，现有技术绝大多数研究只考虑货物的重量和体积约束，没有将货物的冲突关系纳入考虑，本发明考虑了货物的冲突关系约束，更符合快运列车物流实际场景；二、在算法设计方面，目前没有关于求解考虑冲突关系约束的快运列车装载问题的方法，而针对其他列车装载问题设计的单一方法，大多难以平衡求解质量和求解效率，尤其是针对大规模复杂装载问题，更加难以在较短的求解时间内给出较优的装载方案。而基于元启发算法的超启发选择方法，如禁忌算法将上次迭代中使用的启发式算法加入禁忌表中；进化算法在每次迭代中，将启发式算法通过交叉、变异等操作选择新的启发式算法，都没有智能地根据算法在不同算例不同阶段的表现去选择。
5.而本发明是解决同时考虑货物的重量、体积、冲突关系约束的快运列车装载问题的方法。为改善上述缺陷，构建了快运列车装载的整数规划模型；采用一种基于多臂赌博机的启发式算法框架进行求解，从而得到在满足约束条件下车厢数目最小的快运列车装载方案。
6.第一方面，本技术提供了一种列车装载的优化方法，包括：获取货物信息，所述货物信息包括列车装载货物集合中的每个货物的重量信息、体积信息和冲突关系信息，所述货物为待装入快运列车装载的货物；获取车厢信息，所述车厢信息包括车厢的最大承载重量信息和最大承载体积信息，所述车厢为待装入所述货物的车厢；
构建考虑货物冲突关系约束的所述快运列车装载的计算模型；将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢所使用数目的最小值，将所述最小值记作所述快运列车装载的优化结果。
7.第二方面，本技术还提供了一种列车装载的优化装置，包括第一获取模块、第二获取模块、构建模块和求解模块，其中：第一获取模块：用于获取货物信息，所述货物信息包括列车装载货物集合中的每个货物的重量信息、体积信息和冲突关系信息，所述货物为待装入快运列车装载的货物；第二获取模块：用于获取车厢信息，所述车厢信息包括车厢的最大承载重量信息和最大承载体积信息，所述车厢为待装入所述货物的车厢；构建模块：用于构建考虑货物冲突关系约束的所述快运列车装载的计算模型；求解模块：用于将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢所使用数目的最小值，将所述最小值记作所述快运列车装载的优化结果。
8.第三方面，本技术还提供了一种列车装载的优化设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述列车装载的优化方法的步骤。
9.第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于列车装载的优化方法的步骤。
10.本发明的有益效果为：本发明从物流实际场景出发，构建了同时考虑货物的重量、体积、冲突关系约束的快运列车装载模型，扩展了列车装载问题相关的整数规划模型。设计了基于多臂赌博机的启发式算法框架，有效提高求解效率和求解质量。具体而言，设计了一种多臂赌博机算法框架来求解计算模型，多臂赌博机算法框架可以根据启发式算法的历史表现，自适应地选择其中合适的算法求解计算模型，并可以显著提高求解效率。其中，根据计算模型特点专门设计了三种启发式算法，包括改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法、改进的最佳适应算法。多臂赌博机算法框架扩展了启发式算法的求解技术，并且能以较小的计算代价得到较高的求解质量。
11.本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
12.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
13.图1为本发明实施例中所述的列车装载的优化方法流程示意图;图2为本发明实施例中所述的列车装载的优化装置结构示意图；图3为本发明实施例中所述的列车装载的优化设备结构示意图。
14.图中：701、第一获取模块；702、第二获取模块；703、构建模块；704、求解模块；
都有三个属性:重量、体积以及货物冲突关系图，代表中所有货物之间的冲突关系，其中顶点集合为货物集合，边集e对应货物之间的冲突关系。
22.s200、获取车厢信息，所述车厢信息包括车厢的最大承载重量信息和最大承载体积信息，所述车厢为待装入所述货物的车厢；可以理解的是，在本步骤中，每个同样类型的车厢都有两个属性：重量限制w和体积限制v。只要任意货物之间互不冲突，并且其重量之和与体积之和不超过车厢的重量限制和体积限制，那么它们就可以被装入同一个车厢中。
23.s300、构建考虑货物冲突关系约束的所述快运列车装载的计算模型。
24.可以理解的是，在本步骤中，构建同时考虑货物重量、体积、冲突关系约束的快运列车装载问题的整数规划模型，具体如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)，(5)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，i表示货物集合，每个货物都有三个属性，表示货物重量，表示货物体积，e表示货物之间的冲突关系。k表示车厢集合，每个车厢都为相同的类型。w表示车厢的重量限制，v表示车厢的体积限制。为0-1变量，表示货物i是否装入了车厢k。为0-1变量，表示货物j是否装入了车厢k。为0-1变量，表示车厢k是否被使用。
25.s400、将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢所使用数目的最小值，将所述最小值记作所述快运列车装载的优化结果。
26.上述模型中目标函数(1)表示最小化车厢使用的数目。约束(2)确保每个货物只能被装到一个车厢中。约束条件(3)和(4)要求装入同一个车厢的货物总重量和总体积不超过车厢的重量和体积限制。约束(5)表示有冲突关系的两个货物不能装入同一个车厢。约束(6)-(7)定义了决策变量。
27.具体地，构建考虑货物冲突关系约束的快运列车装载的计算模型，将货物信息和车厢信息作为计算模型的输入信息，求解计算模型得到车厢使用数目的最小值。
28.优选地，s400包括s401、s402和s403：s401、采用强化学习中的多臂赌博机算法，设计基于所述多臂赌博机的启发式算
法的框架对所述计算模型进行求解，得到求解结果；s402、基于所述启发式算法的历史表现，择优选取所述启发式算法中最适合的算法作为最优算法进行迭代求解，所述启发式算法包括改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法和改进的最佳适应算法；s403、根据所述最优算法和所述求解结果，计算得到第一求解结果。
29.具体地，将货物信息和车厢信息输入到计算模型中，通过基于多臂赌博机的启发式算法框架求解计算模型，得到所述车厢使用数目的最小值。算法流程描述如下：多臂赌博机算法框架根据所述启发式算法的历史表现，自适应地选择其中合适的算法求解计算模型。在经典的多臂赌博机算法的基础上，本发明用轮盘赌算法代替了随机选择，并设置了乐观初始值和动作价值的上下界，以增加算法探索的可能性。
30.优选地，s400还包括s404和s405：s404、设置乐观初始值、贪心选择的概率值和动作价值的阈值；s405、基于所述乐观初始值、所述贪心选择的所述概率值和所述动作价值的所述阈值，通过采用贪心方法和轮盘赌方法，选择合适的所述启发式算法，将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述第一求解结果。
31.多臂赌博机算法中，每个动作在被选择时，都有一个期望收益，被称为动作价值。本发明中动作是选择一种高效的启发式算法去求解计算模型，收益是指所述启发式算法对当前解的改善程度，动作价值是选择一种启发式算法后的期望收益。
32.优选地，所述s405步骤中还包括s4051、s4052、s4053和s4054，其中：s4051、根据所选的所述启发式算法求得目标值，并通过对所述目标值的当前解的改善程度计算得出所述启发式算法的收益；s4052、根据所述收益进行动作价值的更新；s4053、采用所述贪心方法选择价值最大的所述启发式算法，或采用1-的概率对更新后的所述动作价值的轮盘赌选择所述启发式算法；s4054、根据选择后的所述启发式算法，对所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述第一求解结果。
33.其中，优选地，s4051步骤中还包括s40511和s40512，其中：s40511、判断选中的所述启发式算法求得的所述目标值是否对所述当前解有所改善，若改善所述当前解，则在所述动作价值中增加正收益，并更新所述动作价值；s40512、若没有改善所述当前解，则在所述动作价值中增加负收益，并更新所述动作价值，并从剩余的所述启发式算法中进行重新选择；直到所有所述启发式算法都无法改进所述当前解或达到预设的迭代次数，则算法进行终止，输出结果。
34.每次迭代时，采用贪心方法选择价值最大的启发式算法，1-的概率进行轮盘赌选择。如果选中的启发式算法没有改善当前解时，从剩下的启发式算法中重新选择，直到找到所有启发式算法都无法改进当前解或达到迭代次数。
35.算法的初始化参数如下，动作被设置为3，即可以选择三种启发式算法：改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法、改进的最佳适应算法。乐观初始值被设置为15，动作价值的上下界分别被设置为15和0.3。动作价值更新公式如下：
，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)，
ꢀꢀꢀꢀꢀꢀ
(9)，
ꢀꢀꢀ
(10)其中，代表选取的启发式算法j在t时间步获得的收益，代表了当前解的目标函数值，是通过启发式算法j在t时间步得到的目标函数值，表示启发式算法j在t时间步估计的动作价值, 表示启发式算法j在t+1时间步估计的动作价值。表示步长。当启发式算法对当前解有改善时，则根据式（9）更新动作价值；当启发式算法对当前解没有改善时，则根据式（10）更新动作价值。动作价值不能超过预设的上下界。当选择的启发式算法无法改善当前解时，选择另一种启发式算法进行寻找，如果都无法改善当前解或达到迭代次数，则算法终止。
36.具体地，多臂赌博机算法框架涉及到的三种启发式方法如下：改进的自适应大规模邻域搜索算法：其设计多组破坏算子和修复算子，不断对当前解进行改进。在每次迭代中，根据历史表现，对各个破坏算子和修复算子进行选择和权重调整，提高算法寻优能力。
37.在改进的自适应大规模邻域搜索算法中，初始解采用了容易满足约束的简单装载策略，即分别将一个货物装到一个车厢中。破坏点的数目设为0.3*货物数量。破坏算子有三个，分别为：（1）最小冲突度的货物移除。随机挑选车厢数量，直到达到破坏点的数量，在挑选的每个车厢中移除冲突度最大的货物。
38.（2）随机货物移除算子。先随机挑选车厢数量，直到达到破坏点的数量，再从每个车厢中随机移除一个货物。
[0039] （3）最大重量货物移除。随机挑选车厢数量，直到达到破坏点的数量，在挑选的每个车厢中移除重量最大的货物。
[0040]
（4）最大体积货物移除。随机挑选车厢数量，直到达到破坏点的数量，在挑选的每个车厢中移除体积最大的货物。
[0041]
修复算子有两个，分别为：（1）重量贪婪插入算子。选择一个之前被删除的货物，在不违反约束的情况下，如果插入某车厢后的剩余重量最小，则将货物插入该车厢中。
[0042]
（2）体积贪婪插入算子。选择一个之前被删除的货物，在不违反约束的情况下，如果插入某车厢后的剩余体积最小，则将货物插入该车厢中。
[0043]
如果选择一个启发式算法并得到了全局最优解，则该算子的得分按照式（11）进行更新；如果选择一个启发式算法并得到当前最优解，则该算子的得分按照式（12）进行更新；如果选择一个启发式算法并导致恶化解，则该算子的得分按照式（13）进行更新；，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)其中，代表启发式算法j在第t+1次迭代的分数, 代表启发式算法j在第t次迭代的分数。如果只接受比当前解更好的解方案，则容易陷入局部最优。因此，需要以一定的概率接受差解，接受概率被设置为t，t按照如下公式进行更新：，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中，t表示接受概率，初始值被设置为0.2，iter为总迭代次数，为当前已经迭代的次数。启发式算法的选择取决于其权重，每完成t次迭代，更新一次权重，启发式算法的权重更新公式如下：，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)其中，表示第t次迭代时启发式算法j的权重，表示第t+1次迭代时启发式算法j的权重, 表示启发式算法j的得分，表示启发式算法j在历史迭代中的被选中的次数。为权重参数，取值范围为[0,1]。
[0044]
改进的最大最小蚁群系统算法：本发明采用的改进的最大最小蚁群系统算法，作为蚁群算法中的一种，其优势在于设置了信息素的上下界，增加了算法的探索性，防止信息素的差异过大，以至于陷于局部最优。本算法还采用了一种精英策略，在当前迭代中，只有得到全局最优解或局部最优解时，才允许蚂蚁释放信息素。
[0045]
在算法中，信息素的浓度模拟了蚂蚁选择货物i和货物j的信息素残留，其更新公式如下所示：，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)其中，为信息素的挥发系数，被设置为0.1，信息素的上下界分别被设置为0.001和0.999，如果货物组合i和j出现在历史最优解或当前最优解中，则被设置为1，否则为0。为物品i和j之间的信息素浓度。蚂蚁通过不断选择下一个货物来构建快运列车装载方式，选择的方式包括贪心选择和轮盘赌选择，在本发明中贪心选择的概率被设置为0.3，即以0.3的概率进行贪心选择，0.7的概率进行轮盘赌选择。其中贪心选择的方式如下:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)其中，为物品i和q之间的信息素浓度，为启发式因子，表示当前货物与选择的下一个货物重量和体积的相对差值，相差越小，越容易被选择。、为物品重量，、
为物品体积。为满足当前约束的未装载的兼容货物集合，、为权重参数。
[0046]
轮盘赌选择方式如下：，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)其中，表示蚂蚁u表示选择下一个兼容物品j的概率。为物品i和q之间的信息素浓度，为物品i和j之间的信息素浓度。、为启发式因子，表示当前货物与选择的下一个货物重量和体积的相对差值，相差越小，越容易被选择。为满足当前约束的未装载的兼容货物集合，、为权重参数。
[0047]
改进的最佳适应启发式算法：依次将货物装入车厢，如果物品能够满足重量、体积和冲突关系的约束，则将货物装入得分最高的车厢，得分规则见式（20），即当前货物加入车厢后，剩余载重和剩余体积越均衡，被选择装入的概率越大。当货物不能装入满足约束的车箱时，就开启一个新的车厢。
[0048]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)其中，为车厢k的得分，分数越高，选择的概率越大。为当前货物加入到车厢中的剩余载重，为货物j加入到车厢的剩余体积，为车厢的最大承载重量，车厢的最大承载体积，为权重参数。
[0049]
优选地，所述构建的考虑冲突关系约束的快运列车装载的计算模型，将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，包括：构建考虑货物冲突关系约束的快运列车装载的计算模型，将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型得到所述车厢使用数目的最小值。
[0050]
优选地，所述构建的考虑冲突关系约束的快运列车装载的计算模型，将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢使用数目的最小值，包括：通过基于多臂赌博机的启发式算法框架对所述计算模型进行求解，得到所述车厢使用数目的最小值。
[0051]
优选地，所述构建的考虑冲突关系约束的快运列车装载的计算模型，将所述货物信息和车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢使用数目的最小值，包括：所述多臂赌博机算法框架对所述计算模型进行求解，根据所述启发式算法的历史表现，自适应地选择三种启发式算法中最合适的一种进行求解，包括改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法、改进的最佳适应算法，得到所述车厢使用数目的最小值。
[0052]
可以简单的理解为：多臂赌博机算法框架包含了改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法和改进的最佳适应算法。在求解快运列车装载问题时，现有方法中还没有采用多臂赌博机的算法框架选择合适的启发式算法去求解，而本发明采用的多臂赌博机算法框架，能以较小的计算代价保证算法取得较高的求解质量。
[0053]
具体地，所述求解所述计算模型，得到所述车厢使用数目的最小值，包括：通过所述多臂赌博机算法框架，采用贪心方法，从改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法、改进的最佳适应算法三种启发式算法中，选择动作价值最大的一种进行求解，以1-的概率进行轮盘赌选择。当选中的启发式算法对目标值没有改善时，从剩下的启发式算法中重新选择，直到无法改进目标值或达到预设的迭代次数，得到所述车厢使用数目的最小值。
[0054]
优选地，s405之前还包括s4051、s4052、s4053、s4054、s4055和s4056，其中：s4051、根据冲突预处理算法，对所述快运列车装载的冲突货物矩阵和所述快运列车装载的装载方式进行预处理，得到预处理结果，其中所述预处理结果包括扩展结果和装载结果，其中：s4052、对所述快运列车装载的所述冲突货物矩阵进行预处理时，将所述冲突货物矩阵中的冲突图中的边集进行扩展，得到扩展结果；s4053、若所述货物与集合中的其他货物都不相容，则所述货物可以单独装入一个车厢，组成一种装载方式；s4054、若所述货物只与集合中的一个所述货物相容，则这两个所述货物装入一个车厢，组成一种装载方式；s4055、若所述货物只与集合中的两个所述货物相容，并且满足预设的约束条件，则这三个所述货物装入一个车厢，组成一种装载方式；若不满足约束，则不做处理，并得到装载结果；s4056、将所述第一求解结果和所述预处理结果进行拼接融合，得到所述快运列车装载的优化结果。
[0055]
此外，需要说明的是，本发明在上述步骤中设计了冲突预处理算法，具体如下：冲突预处理算法包括冲突货物矩阵的预处理和装载方式的预处理。其中，冲突货物矩阵的预处理有助于减少算法的搜索空间，装载方式的预处理有助于减少需要处理的货物数目。
[0056]
在对冲突货物矩阵进行预处理时，需要将冲突图中的边集e进行扩展。首先对任意货物，在i与其对应的每个具有冲突关系的货物之间添加一条边；其次，对于任意两个货物，存在如下的情况，则在i和j之间添加一条边。
[0057]
（1）货物i和j在重量方面不相容：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)（2）货物i和j在体积方面不相容：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)式中，i表示货物集合，表示货物重量，表示货物体积，w表示车厢的重量限制，v表示车厢的体积限制。
[0058]
装载方式预处理：在得到预处理矩阵后，可以对初始的快运列车装载方式做如下预处理：
（1）如果货物i与集合中的其他货物都不相容，则货物i可以单独装入一个车厢，组成一种装载方式；（2）如果货物i只与集合中的一个货物相容，则这两个货物装入一个车厢，组成一种装载方式；（3）如果货物i只与集合中的两个货物相容，并且满足约束条件，则这三个货物装入一个车厢，组成一种装载方式。如果不满足约束，则不做处理。
[0059]
通过如上预处理后的货物将不进入之后的算法流程，而是在算法结束后，将这些装载方式与算法找到的解进行拼接，得到最终的解结果。快运列车装载方式的预处理可以有效减少需要处理的数据规模。
[0060]
实施例2：如图2所示，本实施例提供了一种考虑货物冲突关系的快运列车装载装置包括第一获取模块701、第二获取模块702、构建模块703和求解模块704，其中：第一获取模块701：用于获取货物信息，所述货物信息包括列车装载货物集合中的每个货物的重量信息、体积信息和冲突关系信息，所述货物为待装入快运列车装载的货物；第二获取模块702：用于获取车厢信息，所述车厢信息包括车厢的最大承载重量信息和最大承载体积信息，所述车厢为待装入所述货物的车厢；构建模块703：用于构建考虑货物冲突关系约束的所述快运列车装载的计算模型；求解模块704：用于将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述车厢所使用数目的最小值，将所述最小值记作所述快运列车装载的优化结果。
[0061]
优选地，所述求解模块704，其中包括构建单元7041、选取单元7042和第一计算单元7043，其中：构建单元7041：用于采用强化学习中的多臂赌博机算法，设计基于所述多臂赌博机的启发式算法的框架对所述计算模型进行求解，得到求解结果；选取单元7042：用于基于所述启发式算法的历史表现，择优选取所述启发式算法中最适合的算法作为最优算法进行迭代求解，所述启发式算法包括改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法和改进的最佳适应算法；第一计算单元7043：用于根据所述最优算法和所述求解结果，计算得到第一求解结果。
[0062]
优选地，所述求解模块704，其中还包括设置单元7044和输入单元7045，其中：设置单元7044：用于设置乐观初始值、贪心选择的概率值和动作价值的阈值；输入单元7045：用于基于所述乐观初始值、所述贪心选择的所述概率值和所述动作价值的所述阈值，通过采用贪心方法和轮盘赌方法，选择合适的所述启发式算法，将所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述第一求解结果。
[0063]
优选地，所述第一计算单元7043，之前还包括处理单元7046、扩展单元7047、第一判断单元7048、第二判断单元7049、第三判断单元7050和融合单元7051，其中：处理单元7046：用于根据冲突预处理算法，对所述快运列车装载的冲突货物矩阵和所述快运列车装载的装载方式进行预处理，得到预处理结果，其中所述预处理结果包括
扩展结果和装载结果，其中：扩展单元7047：用于对所述快运列车装载的所述冲突货物矩阵进行预处理时，将所述冲突货物矩阵中的冲突图中的边集进行扩展，得到扩展结果；第一判断单元7048：用于若所述货物与集合中的其他货物都不相容，则所述货物可以单独装入一个车厢，组成一种装载方式；第二判断单元7049：用于若所述货物只与集合中的一个所述货物相容，则这两个所述货物装入一个车厢，组成一种装载方式；第三判断单元7050：用于若所述货物只与集合中的两个所述货物相容，并且满足预设的约束条件，则这三个所述货物装入一个车厢，组成一种装载方式；若不满足约束，则不做处理，并得到装载结果；融合单元7051：用于将所述第一求解结果和所述预处理结果进行拼接融合，得到所述快运列车装载的优化结果。
[0064]
优选地，所述输入单元7045，还包括计算收益单元70451、更新单元70452、选择单元70453和求解结果单元70454，其中：计算收益单元70451：用于根据所选的所述启发式算法求得目标值，并通过对所述目标值的当前解的改善程度计算得出所述启发式算法的收益；更新单元70452：用于根据所述收益进行动作价值的更新；选择单元70453：用于采用所述贪心方法选择价值最大的所述启发式算法，或采用1-的概率对更新后的所述动作价值的轮盘赌选择所述启发式算法；求解结果单元70454：用于根据选择后的所述启发式算法，对所述货物信息和所述车厢信息作为所述计算模型的输入信息，求解所述计算模型，得到所述第一求解结果。
[0065]
优选地，计算收益单元70451包括判断收益单元704511和迭代单元704512，其中：判断收益单元704511：用于判断选中的所述启发式算法求得的所述目标值是否对所述当前解有所改善，若改善所述当前解，则在所述动作价值中增加正收益，并更新所述动作价值；迭代单元704512：用于若没有改善所述当前解，则在所述动作价值中增加负收益，并更新所述动作价值，并从剩余的所述启发式算法中进行重新选择；直到所有所述启发式算法都无法改进所述当前解或达到预设的迭代次数，则算法进行终止，输出结果。
[0066]
本发明构建了同时考虑货物的重量、体积、冲突关系约束的快运列车装载模型，扩展了列车装载问题相关的整数规划模型。设计了基于多臂赌博机的启发式算法框架来求解计算模型，多臂赌博机框架可以根据启发式算法的历史表现，自适应地选择其中合适的算法求解计算模型，并可以显著提高求解效率。其中，根据计算模型特点专门设计了三种启发式算法，包括改进的自适应大规模邻域搜索算法、改进的最大最小蚁群系统算法和改进的最佳适应算法。多臂赌博机算法框架扩展了启发式算法的求解技术，能以较小的计算代价保证算法取得较高的求解质量。
[0067]
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0068]
实施例3：相应于上面的方法实施例，本实施例中还提供了一种考虑货物冲突关系的快运列
车装载设备，下文描述的一种考虑货物冲突关系的快运列车装载设备与上文描述的一种考虑货物冲突关系的快运列车装载方法可相互对应参照。
[0069]
图3是根据示例性实施例示出的一种考虑货物冲突关系的快运列车装载设备800的框图。如图3所示，该快运列车装载设备800可以包括：处理器801，存储器802。该快运列车装载设备800还可以包括多媒体组件803，i/o接口804，以及通信组件805中的一者或多者。
[0070]
其中，处理器801用于控制该快运列车装载设备800的整体操作，以完成上述的考虑货物冲突关系的快运列车装载方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该快运列车装载设备800的操作，这些数据例如可以包括用于在该快运列车装载设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该快运列车装载设备800与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near fieldcommunication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：wi-fi模块，蓝牙模块，nfc模块。
[0071]
在一示例性实施例中，快运列车装载设备800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digitalsignal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述快运列车装载方法。
[0072]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的快运列车装载方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由快运列车装载设备800的处理器801执行以完成上述快运列车装载方法。
[0073]
实施例4：相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种考虑货物冲突关系的快运列车装载方法可相互对应参照。
[0074]
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执
行时实现上述方法实施例的快运列车装载方法的步骤。
[0075]
该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
[0076]
综上所述，本发明研究了同时考虑货物重量、体积、冲突关系约束的快运列车装载问题，首先构建考虑货物冲突关系约束的快运列车装载问题的整数规划模型，再针对该模型设计了基于多臂赌博机的启发式算法框架，该算法可以根据启发式算法的历史表现，自适应地选择其中最合适的一种进行求解。此外，设计了冲突预处理算法用于对算法的加速，减少了计算时间。本发明设计的基于多臂赌博机的启发式算法框架，能够在较短的时间，求解出同时考虑货物重量、体积、冲突关系约束的快运列车装载问题质量较高的装载方案。
[0077]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。