买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明提供了一种基于双重指针网络的车货匹配方法，对车货匹配问题建模，得到车货匹配问题数学模型，生成车货匹配情况，对车货匹配情况进行预处理；然后使用Critic网络与双重指针网络对抗的方法，训练双重指针网络，训练数据使用生成的预处理模拟车货匹配情况，得到优化的双重指针网络并用以求解实际车货匹配情况，求解后采用映射方法将优化车辆序列和优化货物序列映射成车货匹配问题的结果。本发明通过对车货匹配问题进行数学建模，然后生成多个车货匹配情况并采用对抗的方法来训练双重指针网络，最后使用训练后优化的双重指针网络来求解实际车货匹配问题，解决现有车货匹配问题中无法解决两个分属不同问题但相关的序列决策的问题。

主权项：1.一种基于双重指针网络的车货匹配方法，采用双重指针网络，其特征在于，包括以下步骤：步骤1：获取车货匹配问题并对车货匹配问题建模，得到车货匹配问题数学模型；所述车货匹配问题数学模型包括：定义1：将货物属性设定为六维向量[mc，vc，pc，dc，fc，cc]，对应单位分别为t、m3、元、、h和元；其中mc为货物质量，vc为货物体积，pc为货物运费，dc为目的城市编号，目的城市编号无单位，用表示，fc为最晚到达时间，cc为违约金；定义2：将车辆属性设定为六维向量[mt，vt，pt，st，at，bt]，对应单位分别为t、m3、元km、kmh、t和m3，其中mt为车辆载重上限，vt为车辆容积上限，pt为车辆每千米单价，st为车辆平均速度，at为车辆载重的使用情况，bt为车辆容积的使用情况，而且at≤mt，bt≤vt；定义3：设货物数量为n，货物序列Cseq＝[cargo1，cargo2，…，cargon],其中cargoi为定义1中所述货物属性向量，设判别变量dij，dij定义为： 定义4：设车辆数量为e，车辆序列Tseq＝[truck1，truck2，…，trucke]，其中trucki为定义2中所述车辆属性向量，设判别变量oi，变量定义如下： 定义5：由dij组成的e行n列的矩阵为车货匹配矩阵D，由oi组成的n维向量为超时判别向量记为列向量o，设第i个货物超时违约金为wi，由wi组成的n维向量为违约金列向量记为w，第i辆车的单价为pi元km，第i辆车需要行驶的距离为li，车辆单价和车辆行驶距离分别组成维度为e的列向量l和c，为一个维度与相乘的向量或者矩阵相容的元素全为1的列向量，p为一个由货物运费组成的n维列向量，其中第i个元素为第i个货物的运费，类似的方式定义货物质量列向量m和货物体积列向量v，车辆载重列向量m'和车辆容积列向量v'；所述车货匹配问题数学模型需要优化解决的问题为： 其中 的结果为车辆运输利润，为所有匹配货物的运费收入，lTc为车辆的成本，wTo为需要赔付的违约金，并有约束条件： Dm≤m′Dv≤v′其中 表示实现约束匹配结果中每一个货物最多由一辆车服务，一辆车服务至少一个货物，Dm≤m'表示车辆不能超载，Dv≤v'表示给车辆匹配到的货物不超过车辆的容积；步骤2：根据步骤1中的车货匹配问题数学模型，生成车货匹配情况，包括实际车货匹配情况和至少一种模拟车货匹配情况；步骤3：对步骤2中所述车货匹配情况进行预处理，得到预处理模拟车货匹配情况和预处理实际车货匹配情况；步骤4：输入步骤3中的所述预处理模拟车货匹配情况，使用Critic网络与双重指针网络对抗的方法，来训练所述双重指针网络，最终得到训练后优化的双重指针网络；所述双重指针网络具体为使用两个序列生成模块分别输入车辆序列和货物序列，所述序列生成模块采用了两个编码器以及同时检查车辆序列和货物序列两个序列的操作；步骤5：使用步骤4中所述优化的双重指针网络，求解步骤3中所述预处理实际车货匹配情况，得到优化车辆序列以及优化货物序列；步骤6：采用映射方法将步骤5得到的所述优化车辆序列和所述优化货物序列映射为所述实际车货匹配情况的匹配结果。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于双重指针网络的车货匹配方法