物流城配車輛調度是影響物流系統運行效率和服務水平的主要方面,是智能物流系統研究的核心內容,利用大數據對物流車輛動態調度不僅節約人力資源,更能滿足貨物配送需求,保證物流車輛的滿載率。

為了實現物流行業的智能化車輛調度,從物流車GPS定位器數據和統計數據出發,建立車輛到站點時間預測模型、站點貨物量預測模型以及發車頻率優化模型，將取最大值的目標化為求最小值,三者通過加權求和,綜合計算目標最優。

合理安排物流車輛發車頻率,通過建立目標函數實現減少貨物扭轉和等待時間、提高物流車利用率、增加物流公司的盈利,在有多種約束的情況下,通過加權得出最終目標函數,使用改進遺傳算法得出最優解。

然后從多個方面改進了遺傳算法,包括精英協同進化、自適應概率、通過實例仿真將這些改進逐步運用到物流車發車時間安排上發現結果在不同程度上變好,在代數上逐漸降低同時，最優適應度值也在降低。

轉自：互聯網