G7黑科技丨破解达尔文密码

通过物联网+AI科技力量，G7一直在深挖物流运输管理的不同场景、痛点，提升物流运输管理水准，提效降本，保障安全。

循环取货场景释义

循环取货（Milkrun）是一种制造商用同一货运车辆，从多个供应商处取零配件的操作模式，目前广泛适用于汽车物流行业等装配型的生产制造企业。

从名字联想，其原本描述了送奶工给若干用户送奶并回收空奶瓶的过程。对应在汽车物流场景中，具体运作方式是，每天货车从制造企业工厂或者集货、配送中心出发，到第一个供应商处装上准备发运的原材料，然后按事先设计好的路线到第二家、第三家，以此类推，直到装完所有安排好的材料再返回。发货与收货时间可弹性安排，发货方与收货方间循环发车，一般以天为单位，配送生产与消费产品。

该场景最核心的需求就是使用最少车辆数，在最短的运距中保证车辆满载率，减少空载浪费，在产量不变的前提下，保证发货方维持最小库存、收货方库存充足。这就需要事先计划好线路，尽可能地提高满载率，这样运输总里程将大大下降，相应降低运输成本。

今天带大家了解在循环取货这一典型物流场景中，G7重要的技术支撑——遗传算法，如何优选最佳方案。

遗传算法（Genetic Algorithm），是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。顾名思义，遗传就是要优胜劣汰，优中选优。

在循环取货场景中遗传算法的解析路径可以如下理解：

在途全程可视

基于G7强大的物联网部署，对于所有货车、司机、取货、送货地点等链条实现了全程在途可视，即时获取在途行驶数据，如时间、地点定位、司机驾驶行为状态等，并将相关数据实时地回传G7管理云端平台。

遗传算法优选方案

起先，G7运算系统按照所有取货地随机生成N个配送方案，作为初始配送备选方案，考虑载重、司机上下班时间等约束条件，并计算每种方案的成本；然后，选择备选方案中成本最低的几个方案，放弃其它方案；紧接着，对保留方案进行随机配对，在成对配送方案中，选取对应位置没有重叠的一段配送路径，进行互换，生成新的配送方案；然后，对备选个体随机产生两个变异位置对，交换两个位置的配送地点，再生成新的配送方案。经历了这一系列选择、交叉和变异之后的新的配送方案就生成了新的种群方案，继续开始新一轮的选择、交叉、与变异，直到找到成本最优的方案。

这样，就会得到针对该循环取货线路的最佳解决方案，涵盖了每辆车的装卸货次序、最短最优路线、到站时间、总成本以及成本构成。

降本提效

最佳解决方案得出后，在该场景中G7运营机器人即可轻松实现自动规划取货路线、车辆装载建议、地点和时间参照标准、配送成本核算等功能，帮助运力主更快、更多载、更准时交付。

借助遗传算法等AI智慧之芯，G7运营机器人不仅仅完美破解循环取货的场景密码，依照物流运输场景的更多、更深层次的需求，G7运营机器人将不断求解更多降本增效函数，迭代升级，用最优方案持续助益物流运输时效、成本管理。

特别感谢本文采访对象：G7研发中心娄伟锋，G7行业方案事业部王君、张鹏对文章内容的支持。

- END -

点击下方图片，查看往期精彩内容

G7与普洛斯和蔚来资本组建自动驾驶新能源卡车公司

G7黑科技丨没想到头号玩家是只蚂蚁