(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210925399.9 (22)申请日 2022.08.03 (71)申请人 浙江金融职业学院 地址 310018 浙江省杭州市下沙高教园区 学源街118号 (72)发明人 王志　 (74)专利代理 机构 重庆百润洪知识产权代理有 限公司 5 0219 专利代理师 陈万江 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/08(2012.01) (54)发明名称 一种物料装配智能车的配送路径优化方法 (57)摘要 本发明提出了一种物料装配智能车的配送 路径优化方法， 实时采集各装配节点的信息， 获 取每个配送节点的配送量和各装配节点之间的 最短线路距离， 构造线路图； 根据每个配送节点 的配送量 以及最短线路距离对线路图划分线路 子图， 保证每个线路子图所包含的配送节点的配 送量总和不大于配送量阈值； 定义每个线路子图 的起点为转运节点， 所有转运节 点构成线路连通 骨架图， 计算线路连通骨架图的配送线路； 调整 转运节点在线路连通骨架 图的配送线路中的位 置， 计算每次调整后的配送线路的总线路长度， 选取总线路长度最小的配送线路， 并按照所述配 送线路进行首次配送； 针对每一个线路子图， 构 造线路子图的配送子线路， 按照配送子线路进行 第二次配送。 权利要求书2页 说明书5页 附图2页 CN 115239010 A 2022.10.25 CN 115239010 A 1.一种物料装配智能车的配送路径优化方法， 其特 征在于， 包括如下步骤： S1、 通过物联网技术实时采集各装配节点的信息， 所述各装配节点包括装配中心节点 和配送节点； S2， 获取每 个配送节点的配送量和各装配节点之间的最短线路距离， 构造线路图； S3， 根据每个配送节点的配送量以及最短线路距离对所述线路图划分线路子图， 保证 每个所述线路子图所包 含的配送 节点的配送量总和不大于配送量阈值； S4， 定义每个线路子图的起点为转运节点， 所有转运节点构 成线路连通骨架图， 计算所 述线路连通骨架图的配送线路； S5， 调整转运节点在线路连通骨架图的配送线路中的位置， 计算每次调整后的配送线 路的总线路长度， 选取总线路长度最小的配送线路， 并按照所述配送线路进行 首次配送； S6， 针对每一个线路子图， 构造包含该线路子图中全部配送节点的配送子线路， 按照所 述配送子线路进行第二次配送。 2.根据权利要求1所述的配送路径优化方法， 其特 征在于， 所述 步骤S3具体包括： S31， 针对每一个配送节点， 若所述配送节点的配送量大于或等于配送量阈值， 则将所 述配送节点划分为线路大图； S32， 选取所有配送量小于配送量阈值的配送节点中与装配中心节点的距离最大的一 个配送节点作为待归并节点； S33， 判断与所述待归并节点距离最近的配送节点中是否存在与该待归并节点的配送 量之和小于或等于配送 量阈值的节 点， 若存在则执行S 34， 若不存在则将待归并节点单独划 分为一个线路子图； S34， 选取 所述与所述待归并节点距离最近的配送 节点， 并将其与待归并节点归并； S35， 对于剩余未参与归并的配送 节点重复执 行S32至S34； S36， 对于归并得到的线路子图重 复执行S32至S35， 直至所有配送节点都划分得到对应 的线路子图为止 。 3.根据权利要 求1所述的配送路径优化方法， 其特征在于， 所述步骤S4中， 设p0为装配中 心节点， p1， p2，…， pi，…,pn为转运节点， 线路连通骨架图中智能车的配送线路Path为： Path＝{p0， p1， p2，…， pi，…,pn}； 配送线路的总线路长度L 为： 其中， Li表示转运节点pi与转运节点pi‑1之间的线路长度， ni表示智能车在转运节点pi与 转运节点pi‑1间行走的步数， len为智能车的步长值； nn为智能车按照步长值行进的最后一 步， |pipi‑1|表示智能车第nn步的位置与转 运节点pi之间的距离 。 4.根据权利要求1所述的配送路径优化方法， 其特征在于， 所述步骤S6中， 按照步骤S4 和步骤S5， 计算每个配送子线路的线路长度， 选取配送子线路的线路长度最小的配送子线 路， 并按照所述配送子线路进行第二次配送。 5.根据权利要求1所述的配送路径优化方法， 其特征在于， 所述步骤S6采用配送节点概 率计算法选择配送 节点进行配送， 包括如下步骤： 步骤61， 对参数进行初始化设置； 步骤62， 计算智能车允许装载的重量， 形成允许访问节点的集 合， 构建配送线路；权　利　要　求　书 1/2 页 2 CN 115239010 A 2步骤63， 通过计算配送节点概率实现配送节点的选择， 完成线路构建， 根据下式进行配 送节点概率计算： 其中， τij(t)为t时刻配送节点i与配送节点j连接线路上信息函数； μij(t)为启发函数， 表示智能车转移到下一配送节点的期望； 允许访问但还未配送的节点集合A0＝{1,2，…… K}， α 和β 为信息及启发函数重要程度因子； 步骤64， 智能车根据n＝argmaxj∈A{[τij(t)]α[ μij(t)]β}选择下一可能的配送节点n， 移 动至下一配送 节点n， 更新允许访问但还未配送的节点 集合A0及禁止表； 步骤65， 如果禁止表未满， 且允许访问但还未配送的节点集合A0为空， 则返回转运节点， 转到步骤62； 如果禁止表未满， 而允许访问但还未配送的节点集合A0不为空， 则重复步骤 63、 步骤64选择 下一配送 节点； 如果禁止表已满， 返回转 运节点； 步骤66， 计算智能车线路长度及配送成本， 并在记录表记录配送成本最小的线路， 同 时， 更新各配送 节点线路上信息； 步骤67， 若未达到最大迭代次数， 则迭代次数加 1， 同时清空线路记录表， 返回步骤62； 否则， 终止计算， 显示 最小成本及线路。 6.根据权利要求2所述的配送路径优化方法， 其特征在于， 当所述第二次配送结束后， 单独为所述线路大图配送。权　利　要　求　书 2/2 页 3 CN 115239010 A 3