技术摘要：
本发明涉及物流运输领域，公开了一种配载车线优化方法、装置、设备及存储介质，用于提高货运车辆资源的利用率，降低货运成本。该方法包括：设置基于禁忌搜索算法的配载车线优化模型，配载车线优化模型包括决策变量、优化目标和禁忌表，决策变量包括配送车辆数和行车路  全部
背景技术：
随着物流行业和电子商务的不断发展，快递行业兴起，快递业务逐年增多，如何控 制货运成本，成为了物流公司普遍关注的问题。 防止空车回程是快递业务控制成本的重要组成部分。目前，物流公司普遍采用多 物流分拨点合作的方式进行快递运输，即，在不同地址设立对应的物流分拨点，快递包裹从 起始分拨点出发，中间经过若干个中转分拨点，最终将快递运输到目标分拨点。随着快递业 务的爆发式增长和物流分拨点的扩建，物流公司规划和管理配载车线的难度大大增加，由 于车线规划不合理等原因，空车回程的现象时有发生，这无疑导致了货运车辆资源的浪费， 增加了货运成本。
技术实现要素：
本发明的主要目的在于提出一种配载车线优化方法、装置、设备及存储介质，旨在 对物流配载车线进行优化，从而提高货运车辆资源的利用率，降低货运成本。 本发明第一方面提供了一种配载车线优化方法，所述配载车线优化方法包括： 设置基于禁忌搜索算法的配载车线优化模型，所述配载车线优化模型包括决策变 量、优化目标和禁忌表，所述决策变量包括配送车辆数和行车路径，所述优化目标为在预设 约束条件下，使配送车辆数和空车返回数之和最小，其中，所述配送车辆数为完成预设配送 任务所需的车辆数，所述空车返回数为完成预设配送任务后的空车返回数，所述预设配送 任务为多个预设物流分拨点之间的配送任务集合； 初始化所述禁忌表，并采用局部搜索算法，生成所述决策变量的初始解； 将所述初始解作为所述决策变量的当前解进行迭代运算，在每次迭代过程中，根 据所述当前解和预设的搜索算子，生成一个与所述当前解对应的候选解集合，并根据所述 候选解集合和所述优化目标，对所述禁忌表和所述当前解进行更新，更新后的当前解参与 下一次迭代； 统计所述迭代运算的迭代次数，当所述迭代次数达到预设次数时，获取所述当前 解的最新更新结果，将所述最新更新结果作为配载车线优化结果进行输出。 可选的，在本发明第一方面的第一种实现方式中，所述将所述初始解作为所述决 策变量的当前解进行迭代运算，在每次迭代过程中，根据所述当前解和预设的搜索算子，生 成一个与所述当前解对应的候选解集合，并根据所述候选解集合和所述优化目标，对所述 禁忌表和所述当前解进行更新，更新后的当前解参与下一次迭代的步骤包括： 将所述初始解作为所述决策变量的当前解进行迭代运算，在每次迭代过程中，获 取预设的搜索算子对应的邻域动作； 5 CN 111598324 A 说　明　书 2/12 页 根据所述邻域动作，对所述当前解中的配送车辆数和行车路径进行变换，得到一 个与所述当前解对应的候选解集合； 根据所述优化目标，从所述候选解集合中确定第一最优候选解； 根据所述第一最优候选解，对所述禁忌表和所述当前解进行更新，更新后的当前 解参与下一次迭代。 可选的，在本发明第一方面的第二种实现方式中，所述根据所述邻域动作，对所述 当前解中的配送车辆数和行车路径进行变换，得到一个与所述当前解对应的候选解集合的 步骤包括： 根据所述领域动作，从所述当前解中选定一条行车路径作为第一行车路径，并将 所述当前解中除所述第一行车路径以外的任意一条行车路径作为第二行车路径； 从所述第一行车路径中选定一个物流分拨点，将选定的物流分拨点插入至所述第 二行车路径中的预设位置，得到候选行车路径以及对应的候选配送车辆数； 根据所述候选行车路径和所述候选配送车辆数，生成一个与所述当前解对应的候 选解集合。 可选的，在本发明第一方面的第三种实现方式中，所述根据所述优化目标，从所述 候选解集合中确定第一最优候选解的步骤包括： 获取与所述优化目标对应的预设目标函数和预设约束条件； 根据所述预设目标函数和所述预设约束条件，计算所述候选解集合中的每个候选 解对应的目标函数值； 将每个候选解对应的目标函数值进行比较，将目标函数值最小的候选解确定为第 一最优候选解。 可选的，在本发明第一方面的第四种实现方式中，所述根据所述第一最优候选解， 对所述禁忌表和所述当前解进行更新，更新后的当前解参与下一次迭代的步骤包括： 获取与所述第一最优候选解对应的第一禁忌对象，判断所述禁忌表中是否存在所 述第一禁忌对象； 若所述禁忌表中不存在所述第一禁忌对象，则将所述第一禁忌对象加入所述禁忌 表中，并将所述当前解更新为所述第一最优候选解，更新后的当前解参与下一次迭代； 若所述禁忌表中存在所述第一禁忌对象，则获取所述配载车线优化模型当前的全 局最优解，根据所述全局最优解，对所述禁忌表和所述当前解进行更新。 可选的，在本发明第一方面的第五种实现方式中，所述若所述禁忌表中存在所述 第一禁忌对象，则获取所述配载车线优化模型当前的全局最优解，根据所述全局最优解，对 所述禁忌表和所述当前解进行更新的步骤包括： 若所述禁忌表中存在所述第一禁忌对象，则获取所述配载车线优化模型当前的全 局最优解； 判断所述所述第一最优候选解是否优于所述全局最优解； 若所述第一最优候选解优于所述全局最优解，则将所述第一禁忌对象从所述禁忌 表中移除，并将所述当前解更新为所述第一最优候选解，更新后的当前解参与下一次迭代； 若所述全局最优解优于所述第一最优候选解，则从所述候选解集合中确定一个未 被所述禁忌表禁忌的第二最优候选解，获取与所述第二最优候选解对应的第二禁忌对象， 6 CN 111598324 A 说　明　书 3/12 页 将所述第二禁忌对象加入所述禁忌表中，并将所述当前解更新为所述第二最优候选解，更 新后的当前解参与下一次迭代。 可选的，在本发明第一方面的第六种实现方式中，所述统计所述迭代运算的迭代 次数，当所述迭代次数达到预设次数时，获取所述当前解的最新更新结果，将所述最新更新 结果作为配载车线优化结果进行输出的步骤之前，还包括： 判断所述禁忌表中的禁忌对象是否达到预设的禁忌长度； 若所述禁忌表中的禁忌对象达到预设的禁忌长度，则将对应的禁忌对象从所述禁 忌表中移除。 本发明第二方面提供了一种配载车线优化装置，所述配载车线优化装置包括： 设置模块，用于设置基于禁忌搜索算法的配载车线优化模型，所述配载车线优化 模型包括决策变量、优化目标和禁忌表，所述决策变量包括配送车辆数和行车路径，所述优 化目标为在预设约束条件下，使配送车辆数和空车返回数之和最小，其中，所述配送车辆数 为完成预设配送任务所需的车辆数，所述空车返回数为完成预设配送任务后的空车返回 数，所述预设配送任务为多个预设物流分拨点之间的配送任务集合； 初始化模块，用于初始化所述禁忌表，并采用局部搜索算法，生成所述决策变量的 初始解； 运算模块，用于将所述初始解作为所述决策变量的当前解进行迭代运算，在每次 迭代过程中，根据所述当前解和预设的搜索算子，生成一个与所述当前解对应的候选解集 合，并根据所述候选解集合和所述优化目标，对所述禁忌表和所述当前解进行更新，更新后 的当前解参与下一次迭代； 输出模块，用于统计所述迭代运算的迭代次数，当所述迭代次数达到预设次数时， 获取所述当前解的最新更新结果，将所述最新更新结果作为配载车线优化结果进行输出。 可选的，在本发明第二方面的第一种实现方式中，所述运算模块还用于： 将所述初始解作为所述决策变量的当前解进行迭代运算，在每次迭代过程中，获 取预设的搜索算子对应的邻域动作； 根据所述邻域动作，对所述当前解中的配送车辆数和行车路径进行变换，得到一 个与所述当前解对应的候选解集合； 根据所述优化目标，从所述候选解集合中确定第一最优候选解； 根据所述第一最优候选解，对所述禁忌表和所述当前解进行更新，更新后的当前 解参与下一次迭代。 可选的，在本发明第二方面的第二种实现方式中，所述运算模块还用于： 根据所述领域动作，从所述当前解中选定一条行车路径作为第一行车路径，并将 所述当前解中除所述第一行车路径以外的任意一条行车路径作为第二行车路径； 从所述第一行车路径中选定一个物流分拨点，将选定的物流分拨点插入至所述第 二行车路径中的预设位置，得到候选行车路径以及对应的候选配送车辆数； 根据所述候选行车路径和所述候选配送车辆数，生成一个与所述当前解对应的候 选解集合。 可选的，在本发明第二方面的第三种实现方式中，所述运算模块还用于： 获取与所述优化目标对应的预设目标函数和预设约束条件； 7 CN 111598324 A 说　明　书 4/12 页 根据所述预设目标函数和所述预设约束条件，计算所述候选解集合中的每个候选 解对应的目标函数值； 将每个候选解对应的目标函数值进行比较，将目标函数值最小的候选解确定为第 一最优候选解。 可选的，在本发明第二方面的第四种实现方式中，所述运算模块还用于： 获取与所述第一最优候选解对应的第一禁忌对象，判断所述禁忌表中是否存在所 述第一禁忌对象； 若所述禁忌表中不存在所述第一禁忌对象，则将所述第一禁忌对象加入所述禁忌 表中，并将所述当前解更新为所述第一最优候选解，更新后的当前解参与下一次迭代； 若所述禁忌表中存在所述第一禁忌对象，则获取所述配载车线优化模型当前的全 局最优解，根据所述全局最优解，对所述禁忌表和所述当前解进行更新。 可选的，在本发明第二方面的第五种实现方式中，所述运算模块还用于： 若所述禁忌表中存在所述第一禁忌对象，则获取所述配载车线优化模型当前的全 局最优解； 判断所述所述第一最优候选解是否优于所述全局最优解； 若所述第一最优候选解优于所述全局最优解，则将所述第一禁忌对象从所述禁忌 表中移除，并将所述当前解更新为所述第一最优候选解，更新后的当前解参与下一次迭代； 若所述全局最优解优于所述第一最优候选解，则从所述候选解集合中确定一个未 被所述禁忌表禁忌的第二最优候选解，获取与所述第二最优候选解对应的第二禁忌对象， 将所述第二禁忌对象加入所述禁忌表中，并将所述当前解更新为所述第二最优候选解，更 新后的当前解参与下一次迭代。 可选的，在本发明第二方面的第六种实现方式中，所述配载车线优化装置还包括： 解禁模块，用于判断所述禁忌表中的禁忌对象是否达到预设的禁忌长度； 若所述禁忌表中的禁忌对象达到预设的禁忌长度，则将对应的禁忌对象从所述禁 忌表中移除。 本发明第三方面提供了一种配载车线优化设备，所述配载车线优化设备包括：存 储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通 过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述配载车线优 化设备执行上述的配载车线优化方法。 本发明的第四方面提供了一种存储介质，所述存储介质中存储有指令，当其在计 算机上运行时，使得计算机执行上述的配载车线优化方法。 本发明设置基于禁忌搜索算法的配载车线优化模型，配载车线优化模型包括决策 变量、优化目标和禁忌表，决策变量包括配送车辆数和行车路径，优化目标为在预设约束条 件下，使配送车辆数和空车返回数之和最小，其中，配送车辆数为完成预设配送任务所需的 车辆数，空车返回数为完成预设配送任务后的空车返回数，预设配送任务为多个预设物流 分拨点之间的配送任务集合；初始化禁忌表，并采用局部搜索算法，生成决策变量的初始 解；将初始解作为决策变量的当前解进行迭代运算，在每次迭代过程中，根据当前解和预设 的搜索算子，生成一个与当前解对应的候选解集合，并根据候选解集合和优化目标，对禁忌 表和当前解进行更新，更新后的当前解参与下一次迭代；统计迭代运算的迭代次数，当迭代 8 CN 111598324 A 说　明　书 5/12 页 次数达到预设次数时，获取当前解的最新更新结果，将最新更新结果作为配载车线优化结 果进行输出。这种方式通过设置配载车线优化模型以及采用禁忌搜索算法求得模型的最优 解，实现了对物流配载车线进行优化，即，在配送任务一定的条件下，能够求得最优配送车 辆数和行车路径，从而本发明提高了货运车辆资源的利用率，降低了货运成本。 附图说明 图1为本发明配载车线优化方法的一个实施例的流程示意图； 图2为本发明配载车线优化装置的一个实施例的模块示意图； 图3为本发明实施例提供的配载车线优化设备的结构示意图。