一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法

文档序号:37746465发布日期:2024-04-25 10:33阅读:24来源:国知局
一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法

本发明属于物流规划和运输优化领域,具体涉及一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,本发明可以应用于许多领域,在物流与配送、供应链和应急管理、城市规划、商业选址、农业农村发展等领域具有广泛的应用前景。


背景技术:

1、在当今社会,人们的消费方式逐渐从线下实体店转向网络平台购物,社会对降低物流成本、提高供应效率、提升服务质量等提出了更高的要求。这使得城市物流的合理配送在城市规划、运输管理及应急响应领域的关键性日益凸显。因此,如何在不同级别物流配送点之间进行最佳匹配成为城市物流规划技术上的关键一环。


技术实现思路

1、(一)解决的技术问题

2、有鉴于此,为了达到上述目的,本发明提出了一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法。

3、(二)技术方案

4、为了达到上述目的,本发明采用以下的技术方案:

5、1、一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,其特征在于,包括以下步骤:

6、步骤1:将城市中选定区域内的k级物流配送点ai(i=1,2…n)和k+1级物流配送点bj(j=1,2…m)进行经纬度坐标化;

7、步骤2:将m个k+1级物流配送点聚成n类,并获得每个聚类的聚心pq(q=1,2…n);

8、步骤3:计算k级物流配送点ai和聚心pq的欧氏距离aipq并生成距离矩阵g;

9、步骤4:生成修正交通距离矩阵g′;

10、步骤5:匈牙利算法确定k级物流配送点和k+1级物流配送点之间的初步匹配关系;

11、步骤6:多次重复步骤5,在效能检验下得到稳定的最佳匹配结果;

12、步骤7:在最佳匹配关系下,通过k级物流配送点覆盖k+1级物流配送点的数量和区域人口数量,给出各级物流配送点的规模估计。

13、2、优选的,步骤3中根据k级物流配送点ai(i=1,2…n)与k+1级物流配送点bj(j=1,2…m)的聚心pq(q=1,2…n)间的欧氏距离计算出一个n×n矩阵g:

14、

15、3、优选的,步骤4中的修正交通距离矩阵,是根据交通距离,对距离矩阵g采用三角模型进行改进,两个样本点的交通距离应在区间修正交通距离矩阵g′形式如下:

16、

17、其中,rij(i,j=1,2…n)取自区间间的随机数。

18、4、优选的,步骤5中的匈牙利算法的目标函数设定为:k+1级物流配送点的聚心和k级物流配送点匹配后的距离最小,即:

19、

20、xij表示第i个k级物流配送点与第j个k+1级物流配送点的聚心是否匹配,

21、

22、有益效果

23、本发明提供了一种新的算法,该算法可应用于物流、供应链管理、城市规划和应急管理等领域。不同级别物流配送点之间通过算法的精确匹配,提高了工作流程的效率,缩短了运输距离,减少了资源浪费,从而实现了成本的有效控制。

24、本发明具有广泛的应用潜力,例如,在供应链管理中,可提高配送效率,确保货物到达目的地的及时性;在城市规划中,可使交通运输系统更高效,有助于提高居民的生活质量;在应急管理中,快速分配资源有助于挽救生命和减轻灾害影响;在突发传染病爆发时,可协助确定最佳医疗资源分配方案;在气候变化中,可以优化分配紧急资源等等。通过优化资源和物流分配,该算法有助于减少能源消耗和废弃物排放,降低对环境的负面影响,符合可持续发展战略的要求。



技术特征:

1.一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,其特征在于:步骤3中根据k级物流配送点ai(i=1,2…n)与k+1级物流配送点bj(j=1,2…m)的聚心pq(q=1,2…n)间的欧氏距离计算出一个n×n矩阵g:

3.根据权利要求1所述的一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,其特征在于:步骤4中的修正交通距离矩阵,是根据交通距离,对距离矩阵g采用三角模型进行改进,两个样本点的交通距离应在区间修正交通距离矩阵g'形式如下:

4.根据权利要求1所述的一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,其特征在于:步骤5中的匈牙利算法的目标函数设定为:k+1级物流配送点的聚心和k级物流配送点匹配后的距离最小,即:


技术总结
本发明公开了一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法,包括以下步骤:步骤1:将城市中选定区域内的k级物流配送点A<subgt;i</subgt;(i=1,2…n)和k+1级物流配送点B<subgt;j</subgt;(j=1,2…m)进行经纬度坐标化;步骤2:将m个k+1级物流配送点聚成n类,并获得每个聚类的聚心P<subgt;q</subgt;(q=1,2…n);步骤3:计算k级物流配送点A<subgt;i</subgt;和聚心P<subgt;q</subgt;的欧氏距离A<subgt;i</subgt;P<subgt;q</subgt;并生成距离矩阵G;步骤4:生成修正交通距离矩阵G';步骤5:匈牙利算法确定k级物流配送点和k+1级物流配送点之间的初步匹配关系;步骤6:多次重复步骤5,在效能检验下得到稳定的最佳匹配结果;步骤7:在最佳匹配关系下,通过k级物流配送点覆盖k+1级物流配送点的数量和区域人口数量,给出各级物流配送点的规模估计。

技术研发人员:刘思宇,兰佳,毕瀛丹,柴瑞宇,孙晓悦,郭瑞芳,杨公科,王红薇,张珊
受保护的技术使用者:吉林大学
技术研发日:
技术公布日:2024/4/24
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1