典型文献
基于K均值聚类算法的生鲜运输路径优化模型
文献摘要：
针对生鲜农产品供应企业面临的生鲜配送时效性高,生鲜配送过程损耗高,配送车辆调度人工依赖性强的问题.本研究基于车辆路径优化方法,面向生鲜农产品城市配送场景,针对以上问题提出了基于K均值聚类算法的生鲜运输路径优化模型.模型求解过程引入K均值聚类算法,实现了根据配送目的地位置的配送单元划分,以配送车辆使用数量较少情况下配送距离和货物损耗最小为目标函数,并使用改进的遗传算法进行求解,从而实现了生鲜农产品城市配送场景下的车辆最优调度、路径自主优化等功能.本研究采用北京某生鲜供应企业实际的配送过程数据作为研究数据对模型进行训练求解,结果显示在对配送目的地不进行聚类情况下配送的里程为3753.01公里,使用的车辆数量为32辆;在对配送目的地进行聚类情况下配送的里程为2105.4公里,使用过的车辆数量为34辆;在使用的车辆数量没有大幅度增长的情况下,经过聚类分组的模型求解相比未进行聚类分组的模型求解其配送总里程降低了43.9％.因此,可以得出基于K均值聚类算法的生鲜运输路径优化模型适合城市生鲜配送场景的应用.最后,本研究基于以上研究模型设计研发了适用于城市生鲜农产品配送的车辆路径优化服务系统,实现了生鲜配送车辆调度优化等功能,为生鲜供应企业降低配送成本,提升企业效率提供了有效手段.
文献关键词：
城市生鲜配送;多目标路径优化;K均值聚类;生鲜农产品;农产品物流;农产品供应链
中图分类号：
作者姓名：
周蓉蓉;陈栋;刘思远
作者机构：
南京国家现代农业产业科技创新中心,南京211800;智慧农业技术集成与应用创新农业农村部重点实验室,南京211800;国家农业信息化工程技术研究中心,北京100097;广西大学计算机与电子信息学院,南宁530004
文献出处：
引用格式：
[1]周蓉蓉;陈栋;刘思远-.基于K均值聚类算法的生鲜运输路径优化模型)[J].农业大数据学报,2022(01):89-97
A类：
城市生鲜配送
B类：
均值聚类,聚类算法,运输路径,路径优化模型,生鲜农产品,配送车辆,车辆调度,车辆路径优化,城市配送,模型求解,目的地,单元划分,货物,损耗最小,改进的遗传算法,最优调度,径自,过程数据,研究数据,辆数,度增长,聚类分组,研究模型,模型设计,设计研发,农产品配送,优化服务,服务系统,调度优化,配送成本,企业效率,多目标路径优化,农产品物流,农产品供应链
AB值：
0.243921
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
