[发明专利]基于智慧物流的配送管理方法在审

专利信息
申请号: 202210274340.8 申请日: 2022-03-21
公开(公告)号: CN114580964A 公开(公告)日: 2022-06-03
发明(设计)人: 范林杨 申请(专利权)人: 范林杨
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q10/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 610031 四川省*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 智慧 物流 配送 管理 方法
【权利要求书】:

1.一种基于智慧物流的配送管理方法,其特征在于,接收配送管理终端发送的物流配送方案并对物流配送方案进行配送指标分析以得到物流配送方案的所有配送指标的配送指标值;

根据配送指标的指标属性将所有配送指标划分不同的配送指标类型;所述配送指标类型包括第一类指标、第二类指标和第三类指标;

从数据库获取每个配送指标类型的类型优度,并将所有配送指标类型的类型优度进行两两比较以得到每两个配送指标类型之间的类型优度离差;从数据库获取每个配送指标的指标优度,并将所有配送指标的指标优度进行两两比较得到每两个配送指标间的指标优度离差;

根据类型优度离差和指标优度离差得到配送特征矩阵,对配送特征矩阵进行矩阵分解以得到配送特征向量,根据配送特征向量获取每个配送指标类型中每个配送指标的指标核心度,根据每个配送指标类型中每个配送指标的指标核心度对每个配送指标类型的所有配送指标进行排序以得到每个配送指标类型的配送指标序列;

根据配送特征向量获取每个配送指标类型的类型核心度,根据每个配送指标类型的类型核心度对所有的配送指标类型进行排序得到指标类型序列,根据配送指标序列和指标类型序列得到第一特征向量;

根据每个配送指标的配送指标值得到每个配送指标的状态量,并根据每个配送指标的状态量进行差异分析以得到每个配送指标的离散度,然后根据每个配送指标的离散度得到第二特征向量;

对第一特征向量和第二特征向量进行向量联合处理以得到综合特征向量,并根据综合特征向量、第一类指标、第二类指标和第三类指标进行分析以得到物流配送方案的方案评价值,并将物流配送方案的方案评价值发送到配送管理终端。

2.根据权利要求1所述的方法,其特征在于,对配送特征矩阵进行矩阵分解得到前特征矩阵和后特征矩阵,并分别计算前特征矩阵和后特征矩阵的特征值以得到前特征值和后特征值;

分别将前特征值和后特征值进行归一化处理得到前特征向量和后特征向量,并根据前特征矩阵和后特征矩阵计算前参考系数和后参考系数,并根据前特征向量和后特征向量、前参考系数和后参考系数得到配送特征向量;

根据配送特征向量对第一类指标、第二类指标和第三类指标进行分析以得到指标类型序列,并根据配送特征向量、第一类指标、第二类指标和第三类指标得到第一配送指标序列、第二配送指标序列和第三配送指标序列,然后根据指标类型序列、第一配送指标序列、第二配送指标序列和第三配送指标序列得到第一特征向量。

3.根据权利要求1或2之一所述的方法,其特征在于,所述根据配送特征向量获取每个配送指标类型中每个配送指标的指标核心度度包括:

获取每个配送指标类型的所有配送指标,并将每个配送指标类型中的所有配送指标进行随机排列以得到每个配送指标类型对应的指标核心度序列;

根据配送特征向量和指标核心度序列获取每个指标核心度序列中每个配送指标的指标核心度区间,并根据每个配送指标的指标核心度区间的左端点和右端点计算每个配送指标的指标核心度;

将每个配送指标类型中的所有配送指标按照指标核心度的大小进行排序以得到每个配送指标类型的配送指标序列。

4.根据权利要求3所述的方法,其特征在于,根据配送特征向量获取每个配送指标类型的类型核心度包括:

获取所有的配送指标类型,并将所有的配送指标类型进行随机排列以得到类型核心度序列;

根据配送特征向量和类型核心度序列获取每个类型核心度序列中每个配送指标类型的类型核心度区间;

根据每个配送指标类型的类型核心度区间的左端点和右端点计算每个配送指标类型的类型核心度并将所有配送指标类型按照类型核心度的大小进行排序得到指标类型序列。

5.根据权利要求4所述的方法,其特征在于,根据第一特征向量和第二特征向量进行向量联合处理得到综合特征向量包括:

其中,为综合特征向量中的第i个元素,为第一特征向量中的第i个元素,为第二特征向量中的第i个元素,i为配送指标的索引,n配送指标的数量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于范林杨,未经范林杨许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210274340.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top