-
公开(公告)号：CN109186619B
公开(公告)日：2022-07-12
申请号：CN201810720510.4
申请日：2018-07-02
Applicant: 广东工业大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于实时路况的智能导航算法，本发明将蚁群算法应用到汽车导航领域上，将车流量因素考虑进来，以车流量作为一个影响蚁群信息素的参数，使得车辆尽量选择距离较短且交通畅通的路段，实现避免拥塞路段、道路网络车流量负载均衡的目标，另外针对道路网络节点增大时，蚁群算法收敛速度慢、易陷入局部的缺点，通过对蒸发率进行动态调整以及引入精英蚂蚁的思想，使得算法的性能大大提高。
-
Patent Agency Ranking
公开(公告)号：CN108932598A
公开(公告)日：2018-12-04
申请号：CN201810553260.X
申请日：2018-05-31
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于云平台的大规模物流配送方法，首先根据人流、客户数量等划分物流配送圈，物流中心扫描商品信息并上传数据，然后对货物进行配送圈的匹配，通过k-means聚类算法将配送圈的商品划分成若干订单子集合，每个配送圈的配送路线采用离散粒子群算法进行计算，客户通过APP或WEB端查询配送状态，中心通过车载终端监控车辆位置和状态。
-
公开(公告)号：CN109002960A
公开(公告)日：2018-12-14
申请号：CN201810600384.9
申请日：2018-06-12
Applicant: 广东工业大学
Abstract: 本发明提供了一种基于评分机制和路径规划的在线订单分发及配送方法，该方法包括以下步骤：首先通过聚类算法将同一区域某个时间段范围内的订单进行合并；然后通过对订单平台中骑手的历史配送数据进行挖掘，得到骑手的历史配送信息，计算骑手与该订单集合中的子订单是否匹配；接着在匹配骑手集合中计算得到骑手的得分；将配送信息优先推送到相匹配且得分最高的第一骑手，若该骑手放弃，则推送到相匹配且得分次高的第二骑手，依此进行三次转发，若无人接单则下发到抢单池中，供匹配骑手进行抢单；最后通过文化基因算法确定已接单骑手的行驶路线配送方案。根据本发明的订单分发及配送方法，可以在保证客户体验的同时保持订单分配的均衡，进一步降低配送成本、提高配送效率。
-
公开(公告)号：CN108921326B
公开(公告)日：2022-04-19
申请号：CN201810576661.7
申请日：2018-06-06
Applicant: 广东工业大学
Abstract: 本发明涉及智能物流配送领域，更具体地，涉及一种基于相似度学习的智能文化基因物流配送方法。本方法包括以下步骤：上传货物数据，客户坐标，道路状态等数据到数据库；种群初始化；检查是否达到停止条件；在种群中轮盘赌选择两个个体进行交叉产生后代；计算当前个体的相似度；若该个体与种群中现有个体的相似度低于阈值，则对该个体进行启发式局部搜索；对种群中的个体进行排序，选出最优的个体等步骤；本发明采用相似度的概念，使得算法在迭代过程中，在一定程度上控制了群体的多样性，避免了种群过早收敛、陷入局部最优的情况，大大提升了种群的搜寻范围，使得种群把尽可能多的计算资源放在更具潜力的解上，提高了群体的寻优能力。
-
公开(公告)号：CN109186619A
公开(公告)日：2019-01-11
申请号：CN201810720510.4
申请日：2018-07-02
Applicant: 广东工业大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于实时路况的智能导航算法，本发明将蚁群算法应用到汽车导航领域上，将车流量因素考虑进来，以车流量作为一个影响蚁群信息素的参数，使得车辆尽量选择距离较短且交通畅通的路段，实现避免拥塞路段、道路网络车流量负载均衡的目标，另外针对道路网络节点增大时，蚁群算法收敛速度慢、易陷入局部的缺点，通过对蒸发率进行动态调整以及引入精英蚂蚁的思想，使得算法的性能大大提高。
-
公开(公告)号：CN108921326A
公开(公告)日：2018-11-30
申请号：CN201810576661.7
申请日：2018-06-06
Applicant: 广东工业大学
Abstract: 本发明涉及智能物流配送领域，更具体地，涉及一种基于相似度学习的智能文化基因物流配送方法。本方法包括以下步骤：上传货物数据，客户坐标，道路状态等数据到数据库；种群初始化；检查是否达到停止条件；在种群中轮盘赌选择两个个体进行交叉产生后代；计算当前个体的相似度；若该个体与种群中现有个体的相似度低于阈值，则对该个体进行启发式局部搜索；对种群中的个体进行排序，选出最优的个体等步骤；本发明采用相似度的概念，使得算法在迭代过程中，在一定程度上控制了群体的多样性，避免了种群过早收敛、陷入局部最优的情况，大大提升了种群的搜寻范围，使得种群把尽可能多的计算资源放在更具潜力的解上，提高了群体的寻优能力。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
