基于司机偏好的钢铁货物配载与推荐研究

发布时间：2024-07-08 22:42

　　物流科技的不断发展和进步,对以钢铁物流企业为代表的大宗商品物流的配送效率和成本控制都提出了更高的要求。货物配载负责按照各类货物的装载要求为车辆分配货物,这一过程向下对货物进行组合封装成装车清单,向上为司机分配运输任务,是钢铁物流领域的核心环节。传统的货物配载方案由人工分配,以最大限度配载每辆卡车的可装载重量为目标,忽视了运输品种偏好、运输地点偏好和装货排队等待时间等司机偏好,但这些偏好信息与物流企业的成本和利润息息相关。因此,本文分别从优先考虑配载规则和优先考虑司机偏好这两个角度设计货物配载和货物推荐方案,为平台实现降本增效。本文针对钢铁物流企业中运输资源利用率低和司机满意度低等挑战,为钢铁物流平台提供合适的货物配载方案。首先,结合实际物流场景,提取并归纳货物配载过程中的相关规则。其次,针对综合考虑平台和司机偏好的配载场景,设计多目标优化货物配载方法,该方法使用优化的遗传算法对货物进行拆分、组合继而封装,实现货物的配载过程。最后,为了优先满足司机偏好提出两种货物排序推荐模型,其中基于矩阵分解与深度神经网络的货物排序推荐模型根据历史配载信息挖掘出司机偏好特征,设计深度神经网络模型为司机推...

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图2.1:钢铁物流运输流程

图2.1展示了钢铁物流运输的全过程,包括仓储、配载、运输三个阶段。首先在仓储阶段,经过生产、加工后的钢材按需被存储至对应的仓库。然后平台根据仓库中货物信息和车辆信息对货物进行组合生成对应的装车清单,这一过程即为货物配载阶段。最后司机根据装车清单信息去各个仓库装货,分别通过水运、公....

图3.1:EGA流程图

图3.1是EGA的主流程图。在该算法中,首先需要对车辆数据和货物数据进行预处理,将整件货物拆分为单件货物,货物重量数值精确为小数点后三位,同时根据运往目的地城市名称将货物分类,单独为某个城市的货物进行配载。之后需要随机生成一个包含N个个体的初始种群,同时初始化一些参数,如种群迭代....

图3.2:FEGA流程图

图3.2是FEGA的主流程图。该算法基本框架基于EGA设计,在此基础上进行改进。首先设置迭代过程中的基本参数,之后在初始化种群的过程中不再随机生成初代种群,利用贪心算法生成0.3N个个体,再随机生成0.7N个个体,最后合成生成父代种群Pt。之后通过对父代种群Pt进行非支配排序,将....

图3.3:非支配解平均数量对比

图3.3显示最终EGA相对于NSGA-II的非支配解数量和相同,但达到收敛的速度优于NSGA-II,而FEGA无论是最终非支配解的数量还是达到收敛的速度都明显优于其他算法,表明FEGA在保持高求解精度的同时还具有快速收敛的性能,具有很好的全局、局部搜索能力。图3.4:HV对比结果

本文编号：4003987