物流城配車輛調(diào)度是影響物流系統(tǒng)運行效率和服務(wù)水平的主要方面,是智能物流系統(tǒng)研究的核心內(nèi)容,利用大數(shù)據(jù)對物流車輛動態(tài)調(diào)度不僅節(jié)約人力資源,更能滿足貨物配送需求,保證物流車輛的滿載率。

為了實現(xiàn)物流行業(yè)的智能化車輛調(diào)度,從物流車GPS定位器數(shù)據(jù)和統(tǒng)計數(shù)據(jù)出發(fā),建立車輛到站點時間預(yù)測模型、站點貨物量預(yù)測模型以及發(fā)車頻率優(yōu)化模型，將取最大值的目標(biāo)化為求最小值,三者通過加權(quán)求和,綜合計算目標(biāo)最優(yōu)。

合理安排物流車輛發(fā)車頻率,通過建立目標(biāo)函數(shù)實現(xiàn)減少貨物扭轉(zhuǎn)和等待時間、提高物流車?yán)寐省⒃黾游锪鞴镜挠?在有多種約束的情況下,通過加權(quán)得出最終目標(biāo)函數(shù),使用改進遺傳算法得出最優(yōu)解。

然后從多個方面改進了遺傳算法,包括精英協(xié)同進化、自適應(yīng)概率、通過實例仿真將這些改進逐步運用到物流車發(fā)車時間安排上發(fā)現(xiàn)結(jié)果在不同程度上變好,在代數(shù)上逐漸降低同時，最優(yōu)適應(yīng)度值也在降低。

轉(zhuǎn)自：互聯(lián)網(wǎng)