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！

龙图腾网恭喜内蒙古工业大学申请的专利一种低成本的快递包裹覆盖揽件方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115293426B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210933033.6，技术领域涉及：G06Q10/047；该发明授权一种低成本的快递包裹覆盖揽件方法是由孙鹏飞;李雷孝;史煜;张斌斌;贾金同设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本一种低成本的快递包裹覆盖揽件方法在说明书摘要公布了：本发明提出了一种低成本的快递包裹覆盖揽件方法，该方法为：建立低成本包裹覆盖揽件问题模型，然后基于编码器‑解码器架构的注意力模型算法设计低成本包裹覆盖揽件问题模型，再训练低成本包裹覆盖揽件问题模型，最后得到训练好的低成本包裹覆盖揽件问题模型；训练好的低成本包裹覆盖揽件问题模型在一段时间内收到寄件用户提交的要寄送的快递包裹信息和快递员的位置信息，输出最终的快递员揽件路径和用户包裹交付点分配方案，以便于快递员根据快递员揽件路径进行包裹揽收，用户根据包裹交付点分配方案进行包裹的寄送并支付快递费。本发明覆盖揽件的方式，最小化快递员的揽件成本，让利于用户。

本发明授权一种低成本的快递包裹覆盖揽件方法在权利要求书中公布了：1.一种低成本的快递包裹覆盖揽件方法，其特征在于，该方法包括：S1、建立低成本包裹覆盖揽件问题模型，以快递员的收入最大化为所述低成本包裹覆盖揽件问题模型的优化目标，以快递员的揽件路径中所有寄件用户只能被覆盖一次，且快递员的揽件路径无环存在为所述低成本包裹覆盖揽件问题模型的约束条件；S2、将以快递员的收入最大化为优化目标的低成本包裹覆盖揽件问题模型转化成以快递员覆盖揽件成本路径最小化为优化目标的低成本包裹覆盖揽件问题模型，然后基于编码器-解码器架构的注意力模型算法设计低成本包裹覆盖揽件问题模型，再训练低成本包裹覆盖揽件问题模型，最后得到训练好的低成本包裹覆盖揽件问题模型；S3、训练好的低成本包裹覆盖揽件问题模型在一段时间内收到寄件用户提交的要寄送的快递包裹信息，以及快递员的位置信息，根据收到的信息训练好的低成本包裹覆盖揽件问题模型输出最终的快递员揽件路径和用户包裹交付点分配方案，以便于快递员根据快递员揽件路径进行包裹揽收，用户根据包裹交付点分配方案进行包裹的寄送并支付快递费；S1中建立低成本包裹覆盖揽件问题模型，以快递员的收入最大化为优化目标，以快递员的揽件路径中所有寄件用户只能被覆盖一次，且快递员的揽件路径无环存在为约束条件；具体包括：S201、采用以下公式计算用户寄件应支付的快递费； 式中，pi表示用户寄件应支付的快递费；ε表示折扣因子，其取值范围为[0,1]，使用折扣因子的目的是让利于用户来激励用户寄件；pf表示快递公司规定的首重价格；pc表示快递公司规定的续重价格；Hf表示快递公司规定的续重重量；wi表示用户包裹的重量；S202、定义快递员的收入是所有寄件用户的快递费与快递员的揽件成本的差，通过以下公式计算快递员的收入： 式中，π表示快递员的揽件路径；N表示模型中所有寄件用户集合，i，j分别表示寄件用户i和寄件用户j，寄件用户数用n表示；xi表示寄件用户i在二维空间中的位置坐标，xj表示寄件用户j在二维空间中的位置坐标；cπ表示快递员的收入；χ表示快递员的单位移动成本；distxi,xj表示寄件用户i和寄件用户j之间的最短路径长度；βi,j为决策变量，当寄件用户i和寄件用户j是快递员揽件路径中的所经过的点时，βi,j＝1，否则βi,j＝0；S203、根据寄件用户可接受的移动距离长度r来定义两个决策变量ci,j和具体使用如下公式进行定义： S204、将低成本包裹覆盖揽件问题模型映射到一个完全图G＝X,E，X＝x0,x1,x2,…,xn，其中x0表示快递员在二维空间中的位置坐标，x1,…,xn表示寄件用户在二维空间中的位置坐标，E表示边的集合；S205、低成本包裹覆盖揽件问题模型中的寄件用户如果是快递员揽件路径中的所经过的点，称之为LP；如果低成本包裹覆盖揽件问题模型中的寄件用户以被LP为中心，以用户可接受的移动距离长度r为半径，被LP所覆盖，称之为DP；低成本包裹覆盖揽件问题模型中所有寄件用户必须是LP或者DP中的一种，建立约束以保证每个DP用户只能被覆盖一次，建立约束以保证每个LP用户只能被访问一次，建立约束以保证快递员的揽件路径无环存在；最终以快递员的收入最大化为优化目标，构造得到统一的形式化低成本快递包裹覆盖揽件问题模型的公式：maxcπ；其约束条件为： S2中所述基于编码器-解码器架构的注意力模型算法设计低成本包裹覆盖揽件问题模型，具体包括：构建一个基于编码器-解码器架构的注意力模型确定最终的快递员揽件路径和用户包裹交付点分配方案，所述注意力模型分为编码阶段和解码阶段，有助于有效挖掘更多节点之间隐藏的结构信息；所述注意力模型中的节点表示低成本包裹覆盖揽件问题模型中的寄件用户；在编码阶段的处理过程如下：首先将寄件用户的二维空间中的位置坐标集合输入到注意力模型中，然后进行升维操作，即将2维信息升维至维度为dh的高维向量具体操作如下： 其中，W,W0,b,b0都是注意力模型需训练的参数；由于编码器由L个相同的注意力子层组成，所以每个子层输出的向量hL可由如下公式得出：htemp＝NormLhL-1+MHALhL-1hL＝NormLhtemp+FFLhtemp；式中，NormL·表示对第L层节点结果输出进行归一化操作；MHAL·表示对第L层节点进行Multi-HeadAttention操作；FFL·表示对第L层节点进行前馈操作；htemp是运算过程中间产生的中间变量；然后，根据每个子层输出的节点i的向量来构建解码阶段节点i所使用的key向量Ki，具体操作如下： 通过上述这种方式，挖掘出更多节点之间隐藏的结构信息；在解码阶段的处理过程如下：根据编码阶段输出的key和解码阶段求得的部分解π1:t-1来决定接下来阶段的选择；在计算节点选择时，不仅要考虑之前选择的节点，还要考虑已经选择的节点与其余节点的兼容性；一般来说，在确定接下来要访问的节点时可能会优先考虑距离最近一次选择的节点较近的节点，所以首先采用GRU函数fGRU·来构造解码器GRU网络中的隐藏状态信息即之前访问的节点信息，具体构造过程如下： t表示解码阶段中第t步，表示解码器GRU网络中的隐藏状态信息；其中， 接着采用ScaledDot-ProductAttention机制来构造query值qt，具体构造过程如下： 式中：K1,V1表示hL的线性映射，表示向量K1的转置操作后的向量，dk是一个比例因子，一般而言，M由采用的Multi-HeadAttention机制决定，softmax·表示采用softmax·函数对结果进行归一化操作；通过以上操作，得到了key-query组合qt,ki，接下来将通过ScaledDot-ProductAttention计算选择的节点i在解码步骤t时刻被选择的概率式中：π1～t-1表示解码阶段前t-1步骤已经选择的节点集合；其中，将已经访问过的节点再次被选择的概率设置为以防再次被选择；为了方便计算，采用softmax·函数对概率值进行归一化处理，归一化处理后节点i在解码步骤t时刻被选择的概率为具体操作如下： 得到每一个节点在本次解码过程中被选择的概率，然后采用贪心策略选择概率最大的节点加入到快递员揽件路径中；重复执行上述步骤，直到所有节点都被选择，得到快递员揽件路径π和用户包裹交付点分配方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人内蒙古工业大学，其通讯地址为：010051 内蒙古自治区呼和浩特市新城区爱民街49号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。