本发明涉及物流运输管理
技术领域：
，具体涉及一种物流运输路径规划方法及系统。
背景技术：
：随着物流业向全球化、信息化及一体化发展，货品配送在整个物流系统中的作用变得越来越重要。运输线路是否合理直接影响到配送速度、成本和效益，特别是多货车配送线路的确定是一项复杂的系统工程。选取恰当的车辆调度方法，可以加快对配送点需求的响应速度，提高服务质量，增强客户对物流环节的满意度，降低服务商运作成本。进入21世纪以来，物流产业作为一个新兴产业迅猛发展，被认为降低资源消耗和提高劳动生产率两大企业利润来源之后的第三利润源泉。物流配送车辆路径问题(vehicleroutingproblem,vrp)，最早是由danting和ramser于1959年首次提出的，之后很快就引起了运筹学、管理学、计算机应用、图论等学科专家的高度重视。具体来说就是，根据客户需求，在满足时间限制、车辆载重量限制、里程限制等前提下，设计出一种配送车辆行走的合理路线，使得在配送过程中，所用的时间最短、所走的路程最短、费用最少、车辆的利用率高等多重目标，最终实现客户的需求。然而，目前物流配送车辆路径问题的求解所采用的技术大多是启发式方法，为了寻找最优解，需要反复迭代，或者多次求解进行比较寻优，耗时较多。技术实现要素：本发明的目的在于提供一种物流运输路径规划方法及系统，可以减少运算耗时。为实现上述目的，本发明的技术方案提供了一种物流运输路径规划方法，包括：步骤s1：获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量n；步骤s2：根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成n个聚类组；步骤s3：计算所述n个聚类组中每一个聚类组的总货物重量；步骤s4：对每一个总货物重量在[am，m]的聚类组进行路径规划，其中，m为车辆的最大载重，0＜a≤1；步骤s5：判断当前是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤s6；步骤s6：判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤s7，若否，执行步骤s8；步骤s7：对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；步骤s8：判断是否存在总货物重量大于等于2m的聚类组，若存在，执行步骤s9，若不存在，执行步骤s10；步骤s9：对每一个总货物重量大于等于2m的聚类组进行第二聚类分组，将每一个总货物重量大于等于2m的聚类组分割为若干个总货物重量为m的聚类组以及一个总货物重量在[m，2m)的聚类组，对每一个总货物重量在[am，m]的聚类组进行路径规划，执行步骤s10；步骤s10：判断是否存在总货物重量在(m，2m)的聚类组，若存在，执行步骤s11，若不存在，重复执行步骤s1；步骤s11：根据配送地理位置将总货物重量在(m，2m)的聚类组中的货物补充至总货物重量小于am的聚类组中，使总货物重量小于am的聚类组的总货物重量达到m，对每一个总货物重量在[am，m]的聚类组进行路径规划，当满足当前只剩余的一个未进行路径规划的聚类组的条件时，执行步骤s7，当满足当前不存在总货物重量在(m，2m)的聚类组或者当前不存在总货物重量小于am的聚类组的条件时，重复执行步骤s1。进一步地，在步骤s2中，采用最大最小距离聚类的方法进行所述第一聚类分组。进一步地，在步骤s9中，采用最大最小距离聚类的方法进行所述第二聚类分组。进一步地，0.85≤a≤1。为实现上述目的，本发明的技术方案还提供了一种物流运输路径规划系统，包括：获取模块，用于获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量n；第一处理模块，用于根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成n个聚类组；计算模块，用于计算所述n个聚类组中每一个聚类组的总货物重量；第二处理模块，用于对每一个总货物重量在[am，m]的聚类组进行路径规划，其中，m为车辆的最大载重，0＜a≤1；第一判断模块，用于判断当前是否存在未进行路径规划的聚类组；第二判断模块，用于判断当前是否只剩余一个未进行路径规划的聚类组；第三处理模块，用于对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；第三判断模块，用于判断是否存在总货物重量大于等于2m的聚类组；第四处理模块，用于对每一个总货物重量大于等于2m的聚类组进行第二聚类分组，将每一个总货物重量大于等于2m的聚类组分割为若干个总货物重量为m的聚类组以及一个总货物重量在[m，2m)的聚类组，对每一个总货物重量在[am，m]的聚类组进行路径规划；第四判断模块，用于判断是否存在总货物重量在(m，2m)的聚类组；第五处理模块，用于根据配送地理位置将总货物重量在(m，2m)的聚类组中的货物补充至总货物重量小于am的聚类组中，使总货物重量小于am的聚类组的总货物重量达到m，对每一个总货物重量在[am，m]的聚类组进行路径规划。进一步地，所述第一处理模块采用最大最小距离聚类的方法进行所述第一聚类分组。进一步地，所述第四处理模块采用最大最小距离聚类的方法进行所述第二聚类分组。进一步地，0.85≤a≤1。本发明提供的物流运输路径规划方法，可以充分利用运输车辆的容量，通过路径优化，不但能够降低运输成本、降低排放，还可以减少运算耗时，有效节省运算时间，并获得精确的近优解，达到用较小的耗时实现车辆路径优化的目标。附图说明图1是本发明实施方式提供的一种物流运输路径规划方法的流程图；图2-4是本发明实施方式提供的物流运输路径规划的示意图。具体实施方式下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。参见图1，图1是本发明实施方式提供的一种物流运输路径规划方法的流程图，该物流运输路径规划方法包括：步骤s1：获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量n；步骤s2：根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成n个聚类组；步骤s3：计算所述n个聚类组中每一个聚类组的总货物重量；步骤s4：对每一个总货物重量在[am，m]的聚类组进行路径规划，其中，m为车辆的最大载重，0＜a≤1，优选地，0.85≤a≤1，例如，根据具体应用其值可以为0.88、0.90、0.91、0.92、0.93、0.94或0.95；步骤s5：判断当前是否存在未进行路径规划的聚类组，若不存在，规划结束，若存在，执行步骤s6；步骤s6：判断当前是否只剩余一个未进行路径规划的聚类组，若是，执行步骤s7，若否，执行步骤s8；步骤s7：对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；步骤s8：判断是否存在总货物重量大于等于2m的聚类组(未进行路径规划)，若存在，执行步骤s9，若不存在，执行步骤s10；步骤s9：对每一个总货物重量大于等于2m的聚类组进行第二聚类分组，将每一个总货物重量大于等于2m的聚类组分割为若干个总货物重量为m的聚类组以及一个总货物重量在[m，2m)的聚类组，对每一个总货物重量在[am，m]的聚类组进行路径规划，执行步骤s10；步骤s10：判断是否存在总货物重量在(m，2m)的聚类组(未进行路径规划)，若存在，执行步骤s11，若不存在，重复执行步骤s1；步骤s11：根据配送地理位置将总货物重量在(m，2m)的聚类组中的货物补充至总货物重量小于am的聚类组中，使总货物重量小于am的聚类组的总货物重量达到m，对每一个总货物重量在[am，m]的聚类组进行路径规划，当满足当前只剩余的一个未进行路径规划的聚类组的条件时，执行步骤s7，当满足当前不存在总货物重量在(m，2m)的聚类组(未进行路径规划)或者当前不存在总货物重量小于am的聚类组(未进行路径规划)的条件时，重复执行步骤s1。本发明实施方式提供的物流运输路径规划方法，可以充分利用运输车辆的容量，通过路径优化，不但能够降低运输成本、降低排放，还可以减少运算耗时，有效节省运算时间，并获得精确的近优解，达到用较小的耗时实现车辆路径优化的目标。例如，在步骤s2中，采用最大最小距离聚类的方法进行所述第一聚类分组。例如，在步骤s9中，采用最大最小距离聚类的方法进行所述第二聚类分组。最大最小距离聚类法是模式识别中一种基于试探的类聚算法，取尽可能远的对象作为聚类中心，可以避免初值选取时可能出现的聚类种子过于临近的情况，它不仅能智能确定初试聚类种子的个数，而且提高了划分初试数据集的效率。该算法以欧氏距离为基础，首先初始一个点对象作为第1个聚类中心，再选择一个与第1个聚类中心最远的点作为第2个聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生，最后将样本按最小距离原则归入最近的类。其中，在步骤s1中，可根据配送任务中当前未进行路径规划的总货物重量i确定当前所需要车辆的数量n(其数值为不小于i/m的最小整数)；例如，配送任务当前要对5个配送位置进行配送，5个配送位置的配送货物重量分别为11吨、13吨、15吨、16吨、13吨，若车辆的最大载重为12吨，则需要车辆的数量为6辆；此外，还可预先对每一个配送位置进行判断，若该配送位置的配送货物重量位于[am，m]范围内，则对其单独分配一车辆，并进行路径规划。针对需求可拆分的物流运输路径规划，本发明可以有效减少运算耗时，节省运算时间，并获得精确的近优解。例如，配送任务为对20个客户进行配送(不同客户的配送位置不同)，其标号为1-20点，车场是0点，各点的地理坐标以及所需重量如图2和表1所示。总运输量i为40，每辆车的最大载重是5，根据要求用8辆车进行运输，车辆从车场载货出发，送完返回车场。表1各客户坐标及所需量点012345678910x14.512.818.415.418.915.53.910.68.612.513.8y138.53.416.615.211.610.67.68.42.15.2w02221321314点11121314151617181920x6.714.81.817.17.40.211.913.26.49.6y16.92.68.71112.819.815.15.614.8w2231131411设a的值为0.95，其运输路径规划过程如下：1、采用最大最小距离聚类的方法进行第一聚类分组，将20个点分成8个聚类组，得到的结果如图3所示，每个聚类组的中心点分别是：0点、16点、9点、11点、8点、13点、2点、17点，每个聚类组的总货物重量分别是：11、3、8、3、7、5、2、1；2、聚类组6的总货物重量为5，对聚类重量＝5的聚类组6形成聚类组内点13和点6的路径(即进行路径规划)；3、聚类组1的总货物重量大于等于2*5，对聚类组1进行第二聚类分组，即进行聚类内的再聚类，点4(货物重量为1)、点5(货物重量为3)、点14(货物重量为1)形成一个聚类组，其总货物重量为5，对该聚类组进行路径规划，剩下点3和点18形成一个聚类组(仍将其称为聚类组1)，其总货物重量在区间(m，2m)内。4、按照聚类的序号对总货物重量小于am的聚类组进行处理，其过程如下：(1)聚类组1的总货物重量>5，暂不处理；(2)对只有一个点的、重量小于am的聚类组2首先进行“补充”操作，即到附近总货物重量在区间(m，2m)的聚类组去调货物：聚类组2最近的点为点19，其属于聚类组5,将点19中的货物补充至聚类组2中，但补充后聚类组2的总货物重量为4，仍小于5,且补充后聚类组5的重量还在区间(m，2m)内，可以继续提供重量，搜索到点8，此时，点16点组成的新聚类组(即聚类组2)只缺重量1，因此将点8的货物分割成1和2，重量为1的部分参与16点的聚类组，形成总货物重量为5的聚类组,即聚类组2中包括点16(货物重量为3)、点19(货物重量为1)、点8(货物重量为1)，点8中重量为2的部分仍留在聚类组5中，此时，聚类组5中包含点1(货物重量为2)、点7(货物重量为1)、点8(货物重量为2)，聚类组2和聚类组5中的总货物重量均为5，分别对这两个聚类组进行路径规划；(3)聚类组3的总货物重量在区间(m，2m)内，暂不处理；聚类组4包括2个点，分别为点11(货物重量为2)、点20(货物重量为1)，距离聚类组4最近点为点18，其属于聚类组1，将点18的货物分割出重量为2的部分，并将其补充至聚类组4中，补充后聚类组4包括点11(货物重量为2)、点20(货物重量为1)、点18(货物重量为2)，总货物重量为5，对其进行路径规划，18点剩余重量为2的部分留在聚类组1中；(4)聚类组5和聚类组6已经进行路径规划；(5)聚类组7的货物重量小于am，距离其最近的点为点12，其属于聚类组3，将点12的货物补充至聚类组7中，补充后总货物重量为4，仍小于5,而补充后聚类组3的总货物重量仍在区间(m，2m)内,所以继续搜索到最近的点为点10，从点10中分离出重量为1的部分，将其补充至聚类组7，补充后聚类组7包括点2(货物重量为2)、点12(货物重量为2)、点10(货物重量为1)，聚类组3包括点10(货物重量为3)、点15(货物重量为1)、点9(货物重量为1)，聚类组7和聚类组3中的总货物重量均为5，分别对这两个聚类组进行路径规划。(6)此时，只剩下聚类组1(总货物重量为4)和聚类组8(总货物重量为1)，其总货物重量均小于am，当前已经对7个聚类组进行路径规划，未进行路径规划的包括点17(货物重量为1)、点18(货物重量为2)、点3(货物重量为2)，其总货物重量为5，则重新进行第一聚类分组，形成1个聚类组，包括点17(货物重量为1)、点18(货物重量为2)、点3(货物重量为2)，对其进行路径规划，规划结束；通过上述方法得到的结果如表2和图4所示，此外，表2中还示出了分别采用文献1(谢毅.需求可拆分的物流车辆路线问题研究[d].上海：同济大学,2006.)和文献2(刘旺盛,杨帆,李茂青,陈培芝.需求可拆分车辆路径问题的聚类求解算法[j].控制与决策，2012,vol.27no.4,pp535-541.)中的技术得到的测试结果；表2各路径及各点送货的重量从表2中的测试结果可以看出，本发明能够有效节省运算时间，并获得精确的近优解。本发明实施方式还提供了一种物流运输路径规划系统，包括：获取模块，用于获取配送任务中当前未进行路径规划的货物的配送地理位置，根据所述配送任务中当前未进行路径规划的总货物重量确定当前所需车辆的数量n；第一处理模块，用于根据当前未进行路径规划的货物的配送地理位置对当前未进行路径规划的货物进行第一聚类分组，形成n个聚类组；计算模块，用于计算所述n个聚类组中每一个聚类组的总货物重量；第二处理模块，用于对每一个总货物重量在[am，m]的聚类组进行路径规划，其中，m为车辆的最大载重，0＜a≤1；第一判断模块，用于判断当前是否存在未进行路径规划的聚类组；第二判断模块，用于判断当前是否只剩余一个未进行路径规划的聚类组；第三处理模块，用于对当前只剩余的一个未进行路径规划的聚类组进行路径规划后规划结束；第三判断模块，用于判断是否存在总货物重量大于等于2m的聚类组；第四处理模块，用于对每一个总货物重量大于等于2m的聚类组进行第二聚类分组，将每一个总货物重量大于等于2m的聚类组分割为若干个总货物重量为m的聚类组以及一个总货物重量在[m，2m)的聚类组，对每一个总货物重量在[am，m]的聚类组进行路径规划；第四判断模块，用于判断是否存在总货物重量在(m，2m)的聚类组；第五处理模块，用于根据配送地理位置将总货物重量在(m，2m)的聚类组中的货物补充至总货物重量小于am的聚类组中，使总货物重量小于am的聚类组的总货物重量达到m，对每一个总货物重量在[am，m]的聚类组进行路径规划。其中，在本发明实施方式中，所述第一处理模块采用最大最小距离聚类的方法进行所述第一聚类分组。其中，在本发明实施方式中，所述第四处理模块采用最大最小距离聚类的方法进行所述第二聚类分组。其中，在本发明实施方式中，0.85≤a≤1，例如，根据具体应用其值可以为0.88、0.90、0.91、0.92、0.93、0.94或0.95。虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。当前第1页12