一种基于成本的电力物资配送路径规划方法、装置、设备及存储介质与流程

1.本发明涉及物流配送技术领域，特别涉及一种基于成本的电力物资配送路径规划方法、装置、设备及存储介质。


背景技术：

2.目前电力物资配送路径规划方式针对一个需求点只能对应一个取货点 (周转仓)，且是在各取货点的取货和送货数量已知的情况构建路径规划模型，进而对物资配送路径进行规划，但是实际情况中存在一个需求点对应多个取货点的情况，因此，如何在考虑多仓取货、多需求点以及取送货数量不确定的情况下，使得电力物资配送更有时效，以及降低运输成本是本领域技术人员应该解决的技术问题。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于成本的电力物资配送路径规划方法、装置、设备及存储介质，解决了现有技术中无法对物资配送路径进行准确规划的技术问题。
4.为解决上述技术问题，本发明提供了一种基于成本的电力物资配送路径规划方法，包括：
5.获取电力物资配送的基础数据；其中，所述基础数据与车辆路径问题优化模型中所包括的参数相对应；
6.调用预先存储的所述车辆路径问题优化模型；其中，所述车辆路径问题优化模型包括约束条件和目标函数；其中，所述目标函数为最小化总吨公里价格，所述约束条件包括取送货约束和时间窗约束，所述取送货约束用于计算取货和送货数量，所述时间窗约束用于约束取送货的时间；
7.根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
8.可选的，所述根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径，包括：
9.根据所述基础数据结合列生成算法得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
10.可选的，所述根据所述基础数据结合列生成算法得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径，包括：
11.使用节约里程法得到所述车辆路径问题优化模型的初始解；
12.将所述初始解带入限制主问题，得到对偶变量；
13.将所述对偶变量带入子问题，得到检验数；
14.若所述检验数小于0，则将其解加入所述限制主问题的可行解集合中，继续迭代直到所述检验数大于等于0；其中，根据最后一次求解所述限制主问题的结果作为所述车辆路
径问题优化模型的求解结果，确定电力物资配送路径。
15.可选的，所述获取电力物资配送的基础数据，包括：
16.当达到预设周期时获取电力物资配送的基础数据；
17.和/或当接收到路径规划请求时获取电力物资配送的基础数据。
18.可选的，所述目标函数，包括：
19.所述目标函数为其中，所述m为所有节点的集合，包括虚拟仓、需求节点和周转仓，所述k为车辆集合，参数pk表示第 k辆车的吨公里价格，参数q
ik
表示第k辆车在节点i的总重量，参数c
ij
表示节点i到节点j的距离，参数x
ijk
表示第k辆车是否从节点i到节点j。
20.可选的，所述约束条件，包括：
21.节点约束、禁行约束、流量约束、周转仓约束、车辆的容量约束、车辆的载重约束、载重平衡约束、取送货约束、时间窗约束、消除子回路约束、周转仓优先性约束和变量约束。
22.可选的，所述获取电力物资配送的基础数据，包括：
23.获取电力物资配送的基础数据；其中，所述基础数据包括节点、车辆、节点间的距离、节点间的时间、节点的需求体积、车的容积、车的载重、车的吨公里价格、车到节点送货的重量。
24.本发明还提供一种基于成本的电力物资配送路径规划装置，包括：
25.基础数据获取模块，用于获取电力物资配送的基础数据；其中，所述基础数据与车辆路径问题优化模型中所包括的参数相对应；
26.车辆路径问题优化模型获取模块，用于调用预先存储的所述车辆路径问题优化模型；其中，所述车辆路径问题优化模型包括约束条件和目标函数；其中，所述目标函数为最小化总吨公里价格，所述约束条件包括取送货约束和时间窗约束，所述取送货约束用于计算取货和送货数量，所述时间窗约束用于约束取送货的时间；
27.物资配送路径确定模块，用于根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
28.本发明还提供一种基于成本的电力物资配送路径规划设备，包括：
29.存储器，用于存储计算机程序；
30.处理器，用于执行所述计算机程序时实现上述基于成本的电力物资配送路径规划方法。
31.本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于成本的电力物资配送路径规划方法的步骤。
32.可见，本方法通过获取电力物资配送的基础数据；其中，基础数据与车辆路径问题优化模型中所包括的参数相对应；调用预先存储的车辆路径问题优化模型；其中，车辆路径问题优化模型包括约束条件和目标函数；其中，目标函数为最小化总吨公里价格，约束条件包括取送货约束和时间窗约束，取送货约束用于计算取货和送货数量，时间窗约束用于约束取送货的时间；根据基础数据得到车辆路径问题优化模型的求解结果，确定电力物资配送路径。该方法根据实际情况建立了根据一个考虑取送货地址、容量、时间窗等约束条件的车辆路径问题优化模型对物资配送路径进行规划，使得对路径的规划更加符合实际，进而
帮助物流配送模式的转型升级以及降本增效。
33.此外，本发明提供的一种基于成本的电力物资配送路径规划装置、设备及存储介质，同样具有上述有益效果。
附图说明
34.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
35.图1为本发明实施例提供的一种基于成本的电力物资配送路径规划方法的流程图；
36.图2为本发明实施例提供的一种利用列生成算法求解车辆路径问题优化模型初始解的示例图；
37.图3为本发明实施例提供的一种基于成本的电力物资配送路径规划方法的流程示例图；
38.图4为本发明实施例提供的一种列生成算法迭代过程图；
39.图5为本发明实施例提供的一种利用列生成算法求解得到的电力物资配送路径图；
40.图6为本发明实施例提供的一种基于成本的电力物资配送路径规划装置的结构示意图；
41.图7为本发明实施例提供的一种基于成本的电力物资配送路径规划设备的结构示意图。
具体实施方式
42.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.请参考图1，图1为本发明实施例提供的一种基于成本的电力物资配送路径规划方法的流程图。该方法可以包括：
44.s100，获取电力物资配送的基础数据；其中，基础数据与车辆路径问题优化模型中所包括的参数相对应。
45.该实施例并不限定获取电力物资配送的基础数据的具体时机，只要可以获取基础数据对车辆路径问题优化模型进行计算即可。例如，当接收到用户发出的路径规划请求时，获取电力物资配送的基础数据，或者当达到规定的预设时间周期时，获取电力物资配送的基础数据。该实施例并不限定基础数据的具体内容，只要是根据车辆路径问题优化模型中的参数设定的基础数据即可。例如，获取的基础数据可以为取货点、送货点、车辆总数、车辆到达下一个节点的时间，或者获取的基础数据可以为周转仓的取货数量、需求点的送货数量、有禁行约束的车辆集合、需求点所需取货周转仓的数量等。
46.s101，调用预先存储的车辆路径问题优化模型；其中，车辆路径问题优化模型包括约束条件和目标函数；其中，目标函数为最小化总吨公里价格，约束条件包括取送货约束和时间窗约束，取送货约束用于计算取货和送货数量，时间窗约束用于约束取送货的时间。
47.该实施例中的车辆路径问题优化模型是根据实际情况通过仿真的形式产生相关数据，进而利用相关数据建立更加符合实际的车辆路径问题优化模型。该实施例并不限定约束条件的具体个数，只要可以对车辆路径问题优化模型进行约束求解即可。由于车辆运算成本是以吨公里成本来计，且不同车型吨公里费用不同，所以目标函数为最小化总吨公里价格。
48.s102，根据基础数据得到车辆路径问题优化模型的求解结果，确定电力物资配送路径。
49.该实施例并不限定利用基础数据求解车辆路径问题优化模型的具体方法，只要可以对该车辆路径问题优化模型进行求解即可。例如，使用gurobi对车辆路径问题优化模型进行求解，或者使用启发式算法对车辆路径问题优化模型进行求解，或者使用列生成算法对车辆路径问题优化模型进行求解。
50.可见，本方法通过获取电力物资配送的基础数据；其中，基础数据与车辆路径问题优化模型中所包括的参数相对应；调用预先存储的车辆路径问题优化模型；其中，车辆路径问题优化模型包括约束条件和目标函数；其中，目标函数为最小化总吨公里价格，约束条件包括取送货约束和时间窗约束，取送货约束用于计算取货和送货数量，时间窗约束用于约束取送货的时间；根据基础数据得到车辆路径问题优化模型的求解结果，确定电力物资配送路径。和现有技术中的在各取货点的取货和送货数量已知的情况下建立的车辆路径问题优化模型相比，本方法根据实际情况建立了根据一个考虑取送货地址、容量、时间窗等约束条件的车辆路径问题优化模型对物资配送路径进行规划，使得对路径的规划更加符合实际，进而帮助物流配送模式的转型升级以及降本增效。
51.进一步，为了加速车辆路径问题优化模型的求解，上述根据基础数据得到车辆路径问题优化模型的求解结果，确定电力物资配送路径，可以包括：
52.根据基础数据结合列生成算法得到车辆路径问题优化模型的求解结果，确定电力物资配送路径。
53.该实施例并不限定使用列生成算法计算车辆路径问题优化模型的具体过程，只要可以使用类生成算法求解车辆路径问题优化模型即可。使用列生成算法(column generation)可以加速模型的求解。列生成是一种把线性规划问题分解为小规模子问题的技巧，可用于求解大规模线性优化问题。它的原理基于单纯形算法，从一个基本解(basic solution)出发，主问题的系数矩阵只考虑基本解对应的列，然后求解子问题来生成主问题系数矩阵的列。列生成基于单纯形法，其思路大致如下：先把主问题(masterproblem)限制到一个规模更小(即变量数比原问题少的)的限制主问题(restricted masterproblem)，在限制主问题上求最优解，但是此时求得的最优解只是限制主问题上的，并不是主问题的最优解。此时，就需要通过一个子问题(subproblem)去检查在那些未被考虑的变量中是否有使得检验数(reduced cost)小于零的。如果有，那么就把这个变量的相关系数的列加入到限制主问题的系数矩阵中。经过反复的迭代，直到子问题中的检验数大于等于零，那么主问题就求到了最优解。
54.进一步，为了确保使用列生成算法计算车辆路径问题优化模型的可靠性，上述根据基础数据结合列生成算法得到车辆路径问题优化模型的求解结果，确定电力物资配送路径，可以包括：
55.使用节约里程法得到车辆路径问题优化模型的初始解；
56.将初始解带入限制主问题，得到对偶变量；
57.将对偶变量带入子问题，得到检验数；
58.若检验数小于0，则将其解加入限制主问题的可行解集合中，继续迭代直到检验数大于等于0；其中，根据最后一次求解限制主问题的结果作为车辆路径问题优化模型的求解结果，确定电力物资配送路径。
59.该实施例并不限定限制主问题的具体内容，只要是根据该车辆路径问题优化模型确定的即可。该实施例中使用列生成算法求解车辆路径问题优化模型的求解过程可以包括，首先，使用启发式算法节约里程法(savingalgorithm) 进行求解，得到列生成模型的初始解(basic solution)。节约里程法的核心思想是依次将运输问题中的两个回路合并为一个回路，每次使合并后的总运输距离减小的幅度最大，直到达到一辆车的装载限制时，再进行下一辆车的优化。如图2所示，对于路线pa和pb其总路程为2a 2b，若将这两条路线合并为一条，则总路程变为a b c，故节约的路程为a b-c。节约里程法步骤：1)对于所有的客户对(i，j)，计算其合并节约的行程s
ij
＝c
0i
c
0j
c
ij
，c代表路程长度，0代表配送中心。2)把s
ij
从大到小进行排序，存入列表中。3)按列表顺序检查合并(i，j)后是否超出车辆容量限制，若没有则合并，否则从列表删除该客户对，检查下一组客户对，直到列表为空为止。
60.进一步，为了触发获取电力物资配送的基础数据，上述获取电力物资配送的基础数据，可以包括：
61.当达到预设周期时获取电力物资配送的基础数据；
62.和/或当接收到路径规划请求时获取电力物资配送的基础数据。
63.该实施例中触发获取电力物资配送的基础数据的时机可以为当达到预设周期时，和/或触发获取电力物资配送的基础数据的时机可以为当接收到路径规划请求时。该实施例中提供的触发获取电力物资配送的基础数据的条件只是为了获取电力物资配送的基础数据，并不是对获取电力物资配送的基础数据触发时机的限定。
64.进一步，为了限制目标函数，确保车辆路径问题优化模型的可行性，上述目标函数，可以包括：
65.上述目标函数为其中，m为所有节点的集合，包括虚拟仓、需求节点和周转仓，k为车辆集合，参数pk表示第k辆车的吨公里价格，参数q
ik
表示第k辆车在节点i的总重量，参数c
ij
表示节点i到节点j的距离，参数x
ijk
表示第k辆车是否从节点i到节点j。
66.该实施例中提供了一种具体的目标函数，该目标函数为
67.进一步，为了增加求解的可靠性，上述约束条件，可以包括：
68.节点约束、禁行约束、流量约束、周转仓约束、车辆的容量约束、车辆的载重约束、载重平衡约束、取送货约束、时间窗约束、消除子回路约束、周转仓优先性约束和变量约束。
69.该实施例中的节点约束条件可以为表示所有需求节点nc都有且仅有一台车经过，这里不包括周转仓节点，因为去哪个周转仓是根据需求节点所决定；禁行约束可以为其中，对于有禁行约束的需求点sf使其禁行车型sv不可进入；流量约束可以为表示任意一台车从虚拟仓出发前往任意一个节点，以及表示对于集合n中任意一个节点其车辆流入数等于流出数，即有车进则有车出，以及表示任意一台车最终回到虚拟仓；周转仓约束可以为表示选择需求点的所需取货周转仓，对于任意周转仓nd中的物资，若有一个及以上的需求点需要，则需要到此周转仓取货，反之不需要前往此周转仓。其中m' 的作用是使等式右端大于等于1的整数变为大于0小于1的小数，以使得对0-1 变量x进行赋值；车辆的容量约束可以为表示对于任何一台车所装的总货物不能超出其容积；车辆的载重约束可以为表示对于任何一台车所装的总货物不能超出其载重；载重平衡约束可以为q
0k
＝0，表示在虚拟仓时车辆载重为0， q
ik
w'
jk-m'(1-x
ijk
)≤q
jk
，k∈k和q
ik
w'
jk
m'(1-x
ijk
)≥q
jk
，k∈k表示使得车辆到达下一个节点时的载重等于当前节点时的载重加上取货/送货的重量(取货为正送货为负)，m'用于控制约束是否有效，若车辆不经过某节点i(x
ijk
＝0)，则载重平衡约束无效，反之约束有效；取送货约束可以为和其中，周转仓的取货重量约束可以为是路线上所有需求点所需的该周转仓中的物资重量的累加，表示需求点的送货重量，是该需求点对不同周转仓中的需求物资重量的累加；时间窗约束可以为t
ik
t
ij-m'(1-x
ijk
)≤t
jk
，k∈k和t
ik
t
ij
m'(1-x
ijk
)≥t
jk
，k∈k，以及t
ik
≤bi，k∈k，其中，t
ik
t
ij-m'(1-x
ijk
)≤t
jk
，k∈k和 t
ik
t
ij
m'(1-x
ijk
)≥t
jk
，k∈k使得车辆到达下一个节点时的时间等于当前节点时的时间加上路程时间，其中m'的作用用于控制约束是否有效，t
ik
≤bi，k∈k表示到达需求节点时的时间不能够超过其规定的时间窗，并且该时间窗只有上限无下限；消除子回路约束可以为 z
ik-z
jk
mx
ijk
≤m-1，k∈k，用于保证对于每条路线不会构成需求节点间的闭环；周转仓优先性约束可以为z
r(i)k
≤z
ik
，i∈nc，k∈k，使得周转仓要优先于需求点前往，但并不是所有周转仓都需要优先于所有需求点，只需要优先于需要该周转仓货物的需求点即可；变量约束可以为 x
ijk
∈{0,1}，k∈k、w'
ik
∈r，k∈k、q
ik
≥0，k∈k、 t
ik
≥0，k∈k和z
ik
≥0，k∈k，表示变量x
ijk
为0-1变量，w'
ik
属于r，其余变量均属于n。
70.此外，上述实施例约束条件中的集合m为所有节点的集合(包括虚拟仓) 集合n为需求节点集合，其中，虚拟仓是车辆路径问题优化模型中的出发仓库，虚拟仓到所有点(需求节点和周转仓)以及所有点(需求节点和周转仓)到虚拟仓的距离和时间都为0，设置虚拟仓是因为开始并不能确定出发仓库；集合nc为需求节点集合；集合k为车辆集合；sf为有禁行车辆需求点的集合；集合sv为sf中的禁行车辆集合；参数c
ij
表示节点i到节点j的距离；参数t
ij
表示节点 i到节点j的时间；参数vi表示节点i的需求体积；参数w
di
表示节点i对周转仓d 中货品需求的重量；参数q
ir
表示节点i是否需要从周转仓r的物资；参数vk表示 k车容积；参数wk表示第k辆车的载重；参数pk表示第k辆车的吨公里价格；参数m'表示一个很大的常数，参数m表示集合m的节点数量；变量x
ijk
表示第k 辆车是否从节点i到节点j；变量w'
ik
表示第k辆车到节点i取货/送货的重量(取货为正，送货为负)；变量q
ik
表示第k辆车在节点i的总重量；变量t
ik
表示第k 辆车在节点i的时间；变量z
ik
用于消除子回路以及保证周转仓的取货优先性。
71.进一步，为了对车辆路径问题优化模型进行求解，上述获取电力物资配送的基础数据，可以包括：
72.获取电力物资配送的基础数据；其中，基础数据包括节点、车辆、节点间的距离、节点间的时间、节点的需求体积、车的容积、车的载重、车的吨公里价格、车到节点送货的重量。
73.该实施例中并不限定获取电力物资配送的基础数据的时机，例如可以是周期性获取电力物资配送的基础数据，或者是接收到路径规划指令时获取电力物资配送的基础数据。
74.为了使本发明便于理解，具体请参考图3，图3为本发明实施例提供的一种基于成本的电力物资配送路径规划方法的流程示例图，具体可以包括：
75.当获取到基础数据时，使用启发式节约里程法对车辆路径问题优化模型进行求解，得到初始解，进而将初始解带入限制主问题中并求解限制主问题。求解限制主问题后，可得到其约束的对偶变量，带入子问题中求解可得到检验数(reduced cost)。若子问题求解结果小于0，则将其解加入限制主问题的可行解集合中，继续迭代此过程直到子问题的解大于等于0，最后一次求解限制主问题的结果即为主问题最优解，列生成求解的迭代如图4所示，图4是使用列生成算法迭代过程图。最后在地图上展示车辆路径问题优化模型求解结果，确定电力物资配送路径如图5所示。
76.综上，本发明实施例提供的基于成本的电力物资配送路径规划方法，根据实际情况建立了根据一个考虑取送货地址、容量、时间窗等约束条件的车辆路径问题优化模型，当需要路径规划时，可以获取基础数据对电力物资配送路径模型进行求解，进而确定电力物资配送路径。和现有技术未考虑多仓取货的电力物资路径规划模型相比，使用本发明实施例提供的基于成本的电力物资配送路径规划方法使得对电力物资配送路径的规划更加符合实际，进而帮助物流配送模式的转型升级以及降本增效。并且，使用列生成算法对该模型进行求解可以加快该模型的求解过程；并且，提供了两种触发获取基础数据的方法，使得获取电力物资配送的基础数据，进行电力物资配送路径规划更加灵活。
77.下面对本发明实施例提供的一种基于成本的电力物资配送路径规划装置进行介绍，下文描述的基于成本的电力物资配送路径规划装置与上文描述的基于成本的电力物资
配送路径规划方法可相互对应参照。
78.具体请参考图6，图6为本发明实施例提供的基于成本的电力物资配送路径规划装置的结构示意图，可以包括：
79.基础数据获取模块100，用于获取电力物资配送的基础数据；其中，所述基础数据与车辆路径问题优化模型中所包括的参数相对应；
80.车辆路径问题优化模型获取模块200，用于调用预先存储的所述车辆路径问题优化模型；其中，所述车辆路径问题优化模型包括约束条件和目标函数；其中，所述目标函数为最小化总吨公里价格，所述约束条件包括取送货约束和时间窗约束，所述取送货约束用于计算取货和送货数量，所述时间窗约束用于约束取送货的时间；
81.物资配送路径确定模块300，用于根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
82.基于上述实施例，所述物资配送路径确定模块300，可以包括：
83.列生成算法计算模块，用于根据所述基础数据结合列生成算法得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
84.基于上述任意实施例，所述列生成算法计算模块，可以包括：
85.初始解计算子单元，用于使用节约里程法得到所述车辆路径问题优化模型的初始解；
86.限制主问题求解子单元，用于将所述初始解带入限制主问题，得到对偶变量；
87.子问题求解子单元，用于将所述对偶变量带入子问题，得到检验数；
88.可行解求解子单元，若所述检验数小于0，则将其解加入所述限制主问题的可行解集合中，继续迭代直到所述检验数大于等于0；其中，根据最后一次求解所述限制主问题的结果作为所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
89.基于上述任意实施例，所述基础数据获取模块100，可以包括：
90.周期获取基础数据单元，用于当达到预设周期时获取电力物资配送的基础数据；
91.和/或请求获取基础数据单元，用于当接收到路径规划请求时获取电力物资配送的基础数据。
92.基于上述任意实施例，所述车辆路径问题优化模型获取模块200，可以包括：
93.目标函数确定单元，用于确定所述目标函数，其中所述目标函数为其中，所述m为所有节点的集合，包括虚拟仓、需求节点和周转仓，所述k为车辆集合，参数pk表示第k辆车的吨公里价格，参数q
ik
表示第k辆车在节点i的总重量，参数c
ij
表示节点i到节点j的距离，参数 x
ijk
表示第k辆车是否从节点i到节点j。
94.基于上述任意实施例，所述车辆路径问题优化模型获取模块200，可以包括：
95.约束条件确定单元，用于确定所述约束条件，其中所述约束条件包括节点约束、禁行约束、流量约束、周转仓约束、车辆的容量约束、车辆的载重约束、载重平衡约束、取送货约束、时间窗约束、消除子回路约束、周转仓优先性约束和变量约束。
96.基于上述任意实施例，所述基础数据获取模块100，可以包括：
97.基础数据获取单元，用于获取电力物资配送的基础数据；其中，所述基础数据包括节点、车辆、节点间的距离、节点间的时间、节点的需求体积、车的容积、车的载重、车的吨公
里价格、车到节点送货的重量。
98.需要说明的是，上述基于成本的电力物资配送路径规划装置中的模块以及单元在不影响逻辑的情况下，其顺序可以前后进行更改。
99.本发明实施例提供的基于成本的电力物资配送路径规划装置包括：基础数据获取模块100，用于获取电力物资配送的基础数据；其中，所述基础数据与车辆路径问题优化模型中所包括的参数相对应；车辆路径问题优化模型获取模块200，用于调用预先存储的所述车辆路径问题优化模型；其中，所述车辆路径问题优化模型包括约束条件和目标函数；其中，所述目标函数为最小化总吨公里价格，所述约束条件包括取送货约束和时间窗约束，所述取送货约束用于计算取货和送货数量，所述时间窗约束用于约束取送货的时间；物资配送路径确定模块300，用于根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。可以利用依据实际情况建立的一个考虑取送货地址、容量、时间窗等约束条件的车辆路径问题优化模型对物资配送路径进行规划，使得对路径的规划更加符合实际，进而帮助物流配送模式的转型升级以及降本增效。
100.下面对本发明实施例提供的基于成本的电力物资配送路径规划设备进行介绍，下文描述的基于成本的电力物资配送路径规划设备与上文描述的基于成本的电力物资配送路径规划方法可相互对应参照。
101.请参考图7，图7为本发明实施例提供的基于成本的电力物资配送路径规划设备的结构示意图，可以包括：
102.存储器10，用于存储计算机程序；
103.处理器20，用于执行计算机程序，以实现上述基于成本的电力物资配送路径规划方法的步骤。
104.存储器10、处理器20、通信接口31和通信总线32。存储器10、处理器20、通信接口31均通过通信总线32完成相互间的通信。
105.在本发明实施例中，存储器10中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本技术实施例中，存储器10中可以存储有用于实现以下功能的程序：
106.获取电力物资配送的基础数据；其中，所述基础数据与车辆路径问题优化模型中所包括的参数相对应；
107.调用预先存储的所述车辆路径问题优化模型；其中，所述车辆路径问题优化模型包括约束条件和目标函数；其中，所述目标函数为最小化总吨公里价格，所述约束条件包括取送货约束和时间窗约束，所述取送货约束用于计算取货和送货数量，所述时间窗约束用于约束取送货的时间；
108.根据所述基础数据得到所述车辆路径问题优化模型的求解结果，确定电力物资配送路径。
109.在一种可能的实现方式中，存储器10可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及至少一个功能所需的应用程序等；存储数据区可存储使用过程中所创建的数据。
110.此外，存储器10可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括nvram。存储器存储有操作系统和操作指令、可执行模块
或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。操作系统可以包括各种系统程序，用于实现各种基础任务以及处理基于硬件的任务。
111.处理器20可以为中央处理器(central processing unit，cpu)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件，处理器20可以是微处理器或者也可以是任何常规的处理器等。处理器20可以调用存储器10中存储的程序。
112.通信接口31可以为通信模块的接口，用于与其他设备或者系统连接。
113.当然，需要说明的是，图7所示的结构并不构成对本技术实施例中基于成本的电力物资配送路径规划设备的限定，在实际应用中基于成本的电力物资配送路径规划设备可以包括比图7所示的更多或更少的部件，或者组合某些部件。
114.下面对本发明实施例提供的存储介质进行介绍，下文描述的存储介质与上文描述的一种基于成本的电力物资配送路径规划方法可相互对应参照。
115.本发明还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的基于成本的电力物资配送路径规划方法的步骤。
116.该存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory， rom)、随机存取存储器(randomaccess memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
117.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
118.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应该认为超出本发明的范围。
119.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其他任何变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
120.以上对本发明所提供的一种基于成本的电力物资配送路径规划方法、装置、设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。