(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 202211119317.8 (22)申请日 2022.09.14 (71)申请人 佛山维尚家具制造有限公司 地址 528225 广东省佛山市南海区狮山 镇 有色金属产业园广虹路段B地段 申请人 佛山科学技术学院 (72)发明人 戴炳炳　罗陆锋　何新义　黄国维　 张宏艳　朱赟海　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/04(2012.01) G06N 3/00(2006.01) (54)发明名称 一种定制家具物流配送的多目标路径规划 方法及系统 (57)摘要 本发明涉及一种定制家具物流配送的多目 标路径规划方法及系统， 属于路径规划技术领 域。 先建立目标函数， 该目标函数为客户需求满 意度、 车辆配送成本和客户总服务时间的加权函 数。 然后以目标函数最小为优化目标， 利用蚁群 算法对待配送 订单进行优化求解， 得到待配送订 单的最优配送方案， 以对定制家具物 流配送过程 进行合理的路径规划， 提高个性化定制家具配送 能力， 缩短交货周期， 降低人工成本 。 权利要求书3页 说明书7页 附图3页 CN 115439063 A 2022.12.06 CN 115439063 A 1.一种定制家具物流配送的多目标路径规划方法， 其特征在于， 所述多目标路径规划 方法包括： 建立目标函数； 所述目标函数为客户需求满意度、 车辆配送成本和客户总服务时间的 加权函数； 以所述目标函数最小为优化目标， 利用蚁群算法对待配送订单进行优化求解， 得到所 述待配送订单的最优配送方案； 所述待配送订单包括多份客户订单以及每一份所述客户订 单对应的客户期望配送时段和客户期望配送地 点。 2.根据权利要求1所述的多目标路径规划方法， 其特 征在于， 所述目标函数包括： F＝ω1lg(1‑G)+ω2lgC+ω3lgTd； 其中， F为目标函数； ω1为第一折合 因子； G为客户需求满意度； ω2为第二折合 因子； C为 车辆配送成本； ω3为第三折合因子； Td为客户总服 务时间。 3.根据权利要求2所述的多目标路径规划方法， 其特征在于， 所述客户需求满意度的计 算公式为： 其中， Gi为第i份客户订单的满意度； i ＝1， 2， ...， N； N为客户订单的总份数； 其中， Ti为第i份客户订单对应的到达时间； Timin为第i份客户订单对应的客户期望配 送时段的最 早时间； Timax为第i份客户订单对应的客户期望配送时段的最晚时间。 4.根据权利要求2所述的多目标路径规划方法， 其特征在于， 所述车辆配送成本的计算 公式为： C＝p1q1+p2s+p3t+p4t0； 其中， p1为车辆使用数量； q1为每辆车的固定费用； p2为单位里程所需费用； s为配送车 辆行驶总里程； p3为单位时间消耗成本； t为行驶总时长； p4为配送车辆等待成本； t0为配送 车辆等待时间。 5.根据权利要求2所述的多目标路径规划方法， 其特征在于， 所述客户总服务 时间的计 算公式为： 其中， Ti,d为第i份客户订单的总服 务时间； i ＝1， 2， ...， N； N为客户订单的总份数； Ti,d＝tv+ta；权　利　要　求　书 1/3 页 2 CN 115439063 A 2其中， tv为到达第i份客户订单对应的客户期望配送地点的行驶时间； ta为第i份客户订 单的服务时间。 6.根据权利要求5所述的多目标路径规划方法， 其特 征在于， 其中， ti为第i个路段的行驶时间； i＝1， 2， ...， k； k为按照道路类 型对到达第i份客户订 单对应的客户期望配送地 点的路径进行划分所 得到的路段的总个数； 其中， di为第i个路段的里程； vm,n为在通行时段m和道路类型n下的行驶速度。 7.根据权利要求1所述的多目标路径规划方法， 其特征在于， 所述以所述目标函数最小 为优化目标， 利用蚁群算法对待配送订单进行优化求解， 得到所述待配送订单 的最优配送 方案具体包括： 构建地图， 所述地图包括起点和多个客户节点； 所述起点为加工工厂配送中心； 所述客 户节点为所述客户期望配送地 点； 初始化所述 地图的信息素浓度； 对于每一只蚂蚁， 根据状态转移概率从所述起点依次遍历各所述客户节点， 生成所述 蚂蚁对应的配送方案； 所述配送方案包括配送路径和到达各个所述客户节点的时间； 在遍 历各所述客户节点时， 每到达一所述客户节点， 则对所述客户节点与其上一节点之间的路 径的信息素浓度进 行更新， 遍历结束后， 得到所述蚂蚁对应的配送路径的信息素浓度； 所述 节点为所述起点或所述 客户节点； 以所述配送方案作为所述目标函数的输入， 计算每一只所述蚂蚁的目标函数值； 选取所述目标函数值最小的蚂 蚁作为最优蚂 蚁； 判断所述最优蚂 蚁的配送路径总长度 是否处于上一次迭代的预设阈值范围内； 若是， 则以所述最优蚂蚁的配送路径作为最优路 径； 若否， 则以上一最优路径作为最优路径； 根据所述最优路径确定 当前次迭代的预设阈值 范围； 对于每一只所述蚂蚁， 判断所述蚂蚁的配送路径的长度 是否处于所述当前次迭代的预 设阈值范围内； 若是， 则对所述蚂蚁的配送路径的信息素浓度进行 更新； 判断是否 达到预设迭代终止条件； 若是， 则结束迭代， 以所述 最优蚂蚁对应的配送方案作为 最优配送方案； 若否， 则返回 “初始化所述 地图的信息素浓度 ”的步骤。 8.根据权利要求7所述的多目标路径规划方法， 其特征在于， 所述初始化所述地图的信 息素浓度具体包括： 在第一次迭代时， 将所述 地图的信息素浓度置为0， 以初始化所述 地图的信息素浓度； 在第A次迭代时， 按照目标函数值从小到大的顺序， 对上一次迭代中的所有所述蚂 蚁进 行排序， 对排序位于前设定百分比的蚂蚁的配送路径的信息素浓度进行叠加， 以初始化所 述地图的信息素浓度； A大于1。 9.根据权利要求7所述的多目标路径规划方法， 其特征在于， 所述对信 息素浓度进行更 新具体包括： 利用信息素挥发因子对信息素浓度进行更新； 所述信息素挥发因子随迭代 次权　利　要　求　书 2/3 页 3 CN 115439063 A 3