買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜內蒙古工業大學申請的專利一種低成本的快遞包裹覆蓋攬件方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115293426B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210933033.6，技術領域涉及：G06Q10/047；該發明授權一種低成本的快遞包裹覆蓋攬件方法是由孫鵬飛;李雷孝;史煜;張斌斌;賈金同設計研發完成，并于2022-08-04向國家知識產權局提交的專利申請。

本一種低成本的快遞包裹覆蓋攬件方法在說明書摘要公布了：本發明提出了一種低成本的快遞包裹覆蓋攬件方法，該方法為：建立低成本包裹覆蓋攬件問題模型，然后基于編碼器?解碼器架構的注意力模型算法設計低成本包裹覆蓋攬件問題模型，再訓練低成本包裹覆蓋攬件問題模型，最后得到訓練好的低成本包裹覆蓋攬件問題模型；訓練好的低成本包裹覆蓋攬件問題模型在一段時間內收到寄件用戶提交的要寄送的快遞包裹信息和快遞員的位置信息，輸出最終的快遞員攬件路徑和用戶包裹交付點分配方案，以便于快遞員根據快遞員攬件路徑進行包裹攬收，用戶根據包裹交付點分配方案進行包裹的寄送并支付快遞費。本發明覆蓋攬件的方式，最小化快遞員的攬件成本，讓利于用戶。

本發明授權一種低成本的快遞包裹覆蓋攬件方法在權利要求書中公布了：1.一種低成本的快遞包裹覆蓋攬件方法，其特征在于，該方法包括：S1、建立低成本包裹覆蓋攬件問題模型，以快遞員的收入最大化為所述低成本包裹覆蓋攬件問題模型的優化目標，以快遞員的攬件路徑中所有寄件用戶只能被覆蓋一次，且快遞員的攬件路徑無環存在為所述低成本包裹覆蓋攬件問題模型的約束條件；S2、將以快遞員的收入最大化為優化目標的低成本包裹覆蓋攬件問題模型轉化成以快遞員覆蓋攬件成本路徑最小化為優化目標的低成本包裹覆蓋攬件問題模型，然后基于編碼器-解碼器架構的注意力模型算法設計低成本包裹覆蓋攬件問題模型，再訓練低成本包裹覆蓋攬件問題模型，最后得到訓練好的低成本包裹覆蓋攬件問題模型；S3、訓練好的低成本包裹覆蓋攬件問題模型在一段時間內收到寄件用戶提交的要寄送的快遞包裹信息，以及快遞員的位置信息，根據收到的信息訓練好的低成本包裹覆蓋攬件問題模型輸出最終的快遞員攬件路徑和用戶包裹交付點分配方案，以便于快遞員根據快遞員攬件路徑進行包裹攬收，用戶根據包裹交付點分配方案進行包裹的寄送并支付快遞費；S1中建立低成本包裹覆蓋攬件問題模型，以快遞員的收入最大化為優化目標，以快遞員的攬件路徑中所有寄件用戶只能被覆蓋一次，且快遞員的攬件路徑無環存在為約束條件；具體包括：S201、采用以下公式計算用戶寄件應支付的快遞費； 式中，pi表示用戶寄件應支付的快遞費；ε表示折扣因子，其取值范圍為[0,1]，使用折扣因子的目的是讓利于用戶來激勵用戶寄件；pf表示快遞公司規定的首重價格；pc表示快遞公司規定的續重價格；Hf表示快遞公司規定的續重重量；wi表示用戶包裹的重量；S202、定義快遞員的收入是所有寄件用戶的快遞費與快遞員的攬件成本的差，通過以下公式計算快遞員的收入： 式中，π表示快遞員的攬件路徑；N表示模型中所有寄件用戶集合，i，j分別表示寄件用戶i和寄件用戶j，寄件用戶數用n表示；xi表示寄件用戶i在二維空間中的位置坐標，xj表示寄件用戶j在二維空間中的位置坐標；cπ表示快遞員的收入；χ表示快遞員的單位移動成本；distxi,xj表示寄件用戶i和寄件用戶j之間的最短路徑長度；βi,j為決策變量，當寄件用戶i和寄件用戶j是快遞員攬件路徑中的所經過的點時，βi,j＝1，否則βi,j＝0；S203、根據寄件用戶可接受的移動距離長度r來定義兩個決策變量ci,j和具體使用如下公式進行定義： S204、將低成本包裹覆蓋攬件問題模型映射到一個完全圖G＝X,E，X＝x0,x1,x2,…,xn，其中x0表示快遞員在二維空間中的位置坐標，x1,…,xn表示寄件用戶在二維空間中的位置坐標，E表示邊的集合；S205、低成本包裹覆蓋攬件問題模型中的寄件用戶如果是快遞員攬件路徑中的所經過的點，稱之為LP；如果低成本包裹覆蓋攬件問題模型中的寄件用戶以被LP為中心，以用戶可接受的移動距離長度r為半徑，被LP所覆蓋，稱之為DP；低成本包裹覆蓋攬件問題模型中所有寄件用戶必須是LP或者DP中的一種，建立約束以保證每個DP用戶只能被覆蓋一次，建立約束以保證每個LP用戶只能被訪問一次，建立約束以保證快遞員的攬件路徑無環存在；最終以快遞員的收入最大化為優化目標，構造得到統一的形式化低成本快遞包裹覆蓋攬件問題模型的公式：maxcπ；其約束條件為： S2中所述基于編碼器-解碼器架構的注意力模型算法設計低成本包裹覆蓋攬件問題模型，具體包括：構建一個基于編碼器-解碼器架構的注意力模型確定最終的快遞員攬件路徑和用戶包裹交付點分配方案，所述注意力模型分為編碼階段和解碼階段，有助于有效挖掘更多節點之間隱藏的結構信息；所述注意力模型中的節點表示低成本包裹覆蓋攬件問題模型中的寄件用戶；在編碼階段的處理過程如下：首先將寄件用戶的二維空間中的位置坐標集合輸入到注意力模型中，然后進行升維操作，即將2維信息升維至維度為dh的高維向量具體操作如下： 其中，W,W0,b,b0都是注意力模型需訓練的參數；由于編碼器由L個相同的注意力子層組成，所以每個子層輸出的向量hL可由如下公式得出：htemp＝NormLhL-1+MHALhL-1hL＝NormLhtemp+FFLhtemp；式中，NormL·表示對第L層節點結果輸出進行歸一化操作；MHAL·表示對第L層節點進行Multi-HeadAttention操作；FFL·表示對第L層節點進行前饋操作；htemp是運算過程中間產生的中間變量；然后，根據每個子層輸出的節點i的向量來構建解碼階段節點i所使用的key向量Ki，具體操作如下： 通過上述這種方式，挖掘出更多節點之間隱藏的結構信息；在解碼階段的處理過程如下：根據編碼階段輸出的key和解碼階段求得的部分解π1:t-1來決定接下來階段的選擇；在計算節點選擇時，不僅要考慮之前選擇的節點，還要考慮已經選擇的節點與其余節點的兼容性；一般來說，在確定接下來要訪問的節點時可能會優先考慮距離最近一次選擇的節點較近的節點，所以首先采用GRU函數fGRU·來構造解碼器GRU網絡中的隱藏狀態信息即之前訪問的節點信息，具體構造過程如下： t表示解碼階段中第t步，表示解碼器GRU網絡中的隱藏狀態信息；其中， 接著采用ScaledDot-ProductAttention機制來構造query值qt，具體構造過程如下： 式中：K1,V1表示hL的線性映射，表示向量K1的轉置操作后的向量，dk是一個比例因子，一般而言，M由采用的Multi-HeadAttention機制決定，softmax·表示采用softmax·函數對結果進行歸一化操作；通過以上操作，得到了key-query組合qt,ki，接下來將通過ScaledDot-ProductAttention計算選擇的節點i在解碼步驟t時刻被選擇的概率式中：π1～t-1表示解碼階段前t-1步驟已經選擇的節點集合；其中，將已經訪問過的節點再次被選擇的概率設置為以防再次被選擇；為了方便計算，采用softmax·函數對概率值進行歸一化處理，歸一化處理后節點i在解碼步驟t時刻被選擇的概率為具體操作如下： 得到每一個節點在本次解碼過程中被選擇的概率，然后采用貪心策略選擇概率最大的節點加入到快遞員攬件路徑中；重復執行上述步驟，直到所有節點都被選擇，得到快遞員攬件路徑π和用戶包裹交付點分配方案。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人內蒙古工業大學，其通訊地址為：010051 內蒙古自治區呼和浩特市新城區愛民街49號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。