-
公开(公告)号：CN109784523A
公开(公告)日：2019-05-21
申请号：CN201910205920.X
申请日：2019-03-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多目标优化的网约车智能分配订单方法，所述方法首先由乘客通过指定网约车软件发出由乘客出发地和目的地组成订单消息，服务端获取所述订单消息，并根据所述订单消息与司机端的维度选取一定数目的司机端；然后，服务端根据乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据，构建多目标优化模型；最后，利用MATLAB求解所述多目标优化模型，得到最优打车方案，服务端将所述打车方案发送至司机端，并获取乘客端反馈，调整相关函数中的系数；本发明针对不同乘客需求可分配不同的网约车，有效提升了网约车的分配效率，同时，提升了客户的满意程度和网约车的完成度和收益。
-
Patent Agency Ranking
公开(公告)号：CN109784523B
公开(公告)日：2022-08-05
申请号：CN201910205920.X
申请日：2019-03-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多目标优化的网约车智能分配订单方法，所述方法首先由乘客通过指定网约车软件发出由乘客出发地和目的地组成订单消息，服务端获取所述订单消息，并根据所述订单消息与司机端的维度选取一定数目的司机端；然后，服务端根据乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据，构建多目标优化模型；最后，利用MATLAB求解所述多目标优化模型，得到最优打车方案，服务端将所述打车方案发送至司机端，并获取乘客端反馈，调整相关函数中的系数；本发明针对不同乘客需求可分配不同的网约车，有效提升了网约车的分配效率，同时，提升了客户的满意程度和网约车的完成度和收益。
-
公开(公告)号：CN110046851A
公开(公告)日：2019-07-23
申请号：CN201910268757.1
申请日：2019-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了基于Multi-Paxos的无人车物流任务分配方法，具体包括以下步骤：步骤一：构建两层次物流物理模型和三阶段任务状态模型，形成同城物流运输的具体场景；步骤二：无人车利用Multi-paxos选举算法对任务进行竞选；步骤三：无人车基于TSP旅行商问题用分支限界算法确定获得的任务包序列。本发明利用Multi-Paxos选举算法进行任务分配，分支限界法进行任务点序列的确定，在控制去中心化物流运输系统场景上，更加适用于当今例如外卖等的同城物流模式，实现更加高效的动态无人车任务分配，创造更短的平均任务完成时间和更加稳健的调度系统。
-
公开(公告)号：CN110046851B
公开(公告)日：2022-08-23
申请号：CN201910268757.1
申请日：2019-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了基于Multi‑Paxos的无人车物流任务分配方法，具体包括以下步骤：步骤一：构建两层次物流物理模型和三阶段任务状态模型，形成同城物流运输的具体场景；步骤二：无人车利用Multi‑paxos选举算法对任务进行竞选；步骤三：无人车基于TSP旅行商问题用分支限界算法确定获得的任务包序列。本发明利用Multi‑Paxos选举算法进行任务分配，分支限界法进行任务点序列的确定，在控制去中心化物流运输系统场景上，更加适用于当今例如外卖等的同城物流模式，实现更加高效的动态无人车任务分配，创造更短的平均任务完成时间和更加稳健的调度系统。
-
公开(公告)号：CN109872001B
公开(公告)日：2021-03-19
申请号：CN201910150788.7
申请日：2019-02-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于K‑means和离散粒子群算法的多无人车任务分配方法，包括以下步骤：S1、物流场景信息初始化；S2、物流任务打包：使用K‑means算法确定最佳打包结果，其打包个数为k；S3、取k辆可用无人车，匹配每个任务包的执行无人车；S4、对每一辆无人车用离散粒子群算法确定其任务序列。本发明的方法结合聚类思想和群智优化算法对多无人车任务分配问题进行解答，使用离散化的粒子群算法进行多无人车的任务分配，粒子群算法的收敛速度快，离散化的迭代方式使算法更适用于实际的物流场景。并且在使用粒子群算法前先用K‑means聚类算法对任务进行打包，极大地减小了解空间的大小，提高了任务分配效率。
-
公开(公告)号：CN109872001A
公开(公告)日：2019-06-11
申请号：CN201910150788.7
申请日：2019-02-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于K-means和离散粒子群算法的多无人车任务分配方法，包括以下步骤：S1、物流场景信息初始化；S2、物流任务打包：使用K-means算法确定最佳打包结果，其打包个数为k；S3、取k辆可用无人车，匹配每个任务包的执行无人车；S4、对每一辆无人车用离散粒子群算法确定其任务序列。本发明的方法结合聚类思想和群智优化算法对多无人车任务分配问题进行解答，使用离散化的粒子群算法进行多无人车的任务分配，粒子群算法的收敛速度快，离散化的迭代方式使算法更适用于实际的物流场景。并且在使用粒子群算法前先用K-means聚类算法对任务进行打包，极大地减小了解空间的大小，提高了任务分配效率。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
