[发明专利]本地局部反馈与云端全局优化结合的调配系统与方法

权利要求书

1.一种运用本地局部反馈与云端全局优化结合的调配方法的调配系统，所述调配系统包括云端全局优化子系统与本地局部反馈子系统，

所述调配方法应用于多个本地车载终端{V₁,V₂,…,V_n}，每个本地车载终端{V₁,V₂,…,V_n}具有当前运行路径{P₁,P₂,…,P_n}，其中本地车载终端V_i当前运行路径为P_i；每个本地车载终端{V₁,V₂,…,V_n}均与云端平台双向通信；

每个本地车载终端均为具备移动边缘计算能力的移动终端，配置于运输车辆上，基于5G通信网络执行数据处理和通信；

所述调配方法包括：

每个本地车载终端V_i基于接收的供应链数据变化信息，调整该本地车载终端V_i当前运行路径P_i，获取本地车载终端V_i调整后的运行路径P′_i；i＝1、2、……，n；

每个本地车载终端V_i将调整后的运行路径P′_i以及当前运行路径P_i发送至所述云端平台；

所述云端平台基于所述调整后的运行路径P′_i以及当前运行路径P_i的集合进行全局优化分析，并基于全局优化分析结果对至少一个本地车载终端的调整后的运行路径进行再次调配；

所述再次调配，对本地车载终端利用模型进行多目标线路优化，表达式为：

其中，表示第n次迭代时所述运行路径的位置向量，n表示迭代次数，为第n次迭代时，运行路径获得的最优解q的位置向量，r表示第r次迭代，和为均表示系数向量，为元素运算方式符号，当存在最优解时，为需要不断更新，D为运行路径和解之间的距离，表示车载终端迭代到第r次时的位置，表示车载终端的位置均值，而系数向量的计算公式为:

其中，和为均表示系数向量，u为控制参数，在迭代过程中，由2线性降低到0线性，为集合中的一个随机向量，其取值为利用减小控制参数u的值，减小随机变量即将随机变量的范围从[-u，u]，降低至[-1，1]，这样算法就可将新的位置，定义在原始位置和当前最优位置之间的任何位置，实现对最优调配线路的收缩包围，计算运行路径P′_i和当前最优解之间的距离，然后建立一个对数螺旋方程，形成螺旋更新位置的机制，该方程为:

其中，表示第n次迭代时所述运行路径的位置向量，n表示迭代次数，D*为运行路径和当前最优解之间的距离，e表示自然常数，π表示圆周率，h为螺线形状的控制参数，c为一个范围在[－1，1]的随机参数，表示第一次车载终端原始位置，表示车载终端迭代到第r次时的位置，表示车载终端的位置均值；

运行路径包括运行起点、运行终点以及至少一个运行途径点；

对所述运行路径进行调配，包括调节每个本地车载终端所在的运输车辆途径每一个运行途径点的顺序、在每一个运行途径点的停留时间、在每一个运行途径点要装载的运输标的数量和/或重量、在每一个运行途径点要卸载的运输标的数量和/或重量；

所述云端平台基于所述调整后的运行路径P′_i以及当前运行路径P_i的集合进行全局优化分析，并基于全局优化分析结果对至少一个本地车载终端的调整后的运行路径进行再次调配，具体包括：

若本地车载终端V_i调整后的运行路径P′_i与本地车载终端V_j调整前的运行路径P_j存在交集，并且ij，则对本地车载终端V_j调整后的运行路径P′_j进行调配，j＝2、……，n；

所述供应链数据包括与所述运行路径包括的目的地、途径地关联的运输标的数量、运输标的重量、运输标的价格之一或者其任意组合；

所述供应链数据包括客户的时效要求、客户的预算要求之一或者其组合；

所述本地局部反馈子系统包括多个本地车载终端{V₁,V₂,…,V_n}，每个本地车载终端V_i当前运行路径为P_i；每个本地车载终端{V₁,V₂,…,V_n}均与云端全局优化子系统双向通信；i＝1、2、……，n；

所述云端全局优化子系统用于接收针对本地车载终端V_k的供应链数据变化信息C_k，将所述供应链数据变化信息C_k发送至所述本地车载终端V_k；k＝1，2，…，n；

所述本地车载终端V_k基于接收的供应链数据变化信息C_k，调整该本地车载终端V_k当前运行路径P_k，获取本地车载终端V_k调整后的运行路径P′_k；

所述本地车载终端V_k将调整后的运行路径P′_k以及当前运行路径P_k发送至所述云端全局优化子系统；

所述云端全局优化子系统基于汇总的调整后的运行路径以及当前运行路径的集合进行全局优化分析，并基于全局优化分析结果对至少一个本地车载终端的调整后的运行路径进行再次调配；

所述再次调配，对本地车载终端利用模型进行多目标线路优化，表达式为：

其中，表示第n次迭代时所述运行路径的位置向量，n表示迭代次数，为第n次迭代时，运行路径获得的最优解q的位置向量，r表示第r次迭代，和为均表示系数向量，为元素运算方式符号，当存在最优解时，为需要不断更新，D为运行路径和解之间的距离，表示车载终端迭代到第r次时的位置，表示车载终端的位置均值，而系数向量的计算公式为:

其中，和为均表示系数向量，u为控制参数，在迭代过程中，由2线性降低到0线性，为集合中的一个随机向量，其取值为利用减小控制参数u的值，减小随机变量即将随机变量的范围从[-u，u]，降低至[-1，1]，这样算法就可将新的位置，定义在原始位置和当前最优位置之间的任何位置，实现对最优调配线路的收缩包围，计算运行路径P′_i和当前最优解之间的距离，然后建立一个对数螺旋方程，形成螺旋更新位置的机制，该方程为:

其中，表示第n次迭代时所述运行路径的位置向量，n表示迭代次数，D*为运行路径和当前最优解之间的距离，e表示自然常数，π表示圆周率，h为螺线形状的控制参数，c为一个范围在[－1，1]的随机参数，表示第一次车载终端原始位置，表示车载终端迭代到第r次时的位置，表示车载终端的位置均值；

运行路径包括运行起点、运行终点以及至少一个运行途径点；

对运行路径进行调整或者调配，具体包括：

调节每个本地车载终端所在的运输车辆途径每一个运行途径点的顺序、在每一个运行途径点的停留时间、在每一个运行途径点要装载的运输标的数量和/或重量、在每一个运行途径点要卸载的运输标的数量和/或重量；

所述云端全局优化子系统基于汇总的调整后的运行路径以及当前运行路径的集合进行全局优化分析，并基于全局优化分析结果对至少一个本地车载终端的调整后的运行路径进行再次调配，具体包括：

若本地车载终端V_i调整后的运行路径P′_i与本地车载终端V_j调整前的运行路径P_j存在交集，并且ij，则对本地车载终端V_j调整后的运行路径P′_j进行调配；

运行路径包括运行起点、运行终点以及至少一个运行途径点；

所述云端全局优化子系统基于汇总的调整后的运行路径以及当前运行路径的集合进行全局优化分析，并基于全局优化分析结果对至少一个本地车载终端的调整后的运行路径进行再次调配，具体包括：

若本地车载终端V_i调整后的运行路径P′_i与本地车载终端V_j调整前的运行路径P_j存在交集，并且ij，则对至少一个本地车载终端的调整后的运行路径进行再次调配，使得在所述交集中的每一个运行途径点要装载的运输标的数量和/或重量总和、在每一个运行途径点要卸载的运输标的数量和/或重量总和保持不变。