本发明总体上涉及用于识别最佳模型的系统和方法，更具体地，涉及自适应识别用于选择通向位置的路径的最佳模型的系统和方法。
背景技术：
1、在递送业务中，最后一公里路径优化是重要组成，它直接影响了客户体验、递送成本和资源利用率。它可以通过影响递送完成前的持续时间(即时递送服务中的关键指标)来影响客户体验。当存在递送时间承诺或其他递送要求(诸如保持在递送的新鲜和冷冻货物的质量)时，它也可以影响客户体验。也可以通过良好的路径优化来降低递送成本，因为该成本与所使用的车辆数量以及所有车辆履行所有递送所行驶的总距离直接相关。路径优化也通过在满足所有规定约束的同时确保使用车辆递送尽可能多的订单来提高资源利用率。这样的车辆路径优化软件通常也称为路径优化器。
2、通常，递送路径问题被建模为车辆路径问题(vrp)(下文中称为路径约束)，其中目标函数将在满足按照业务要求的各种约束的同时，最小化履行所有订单的成本(在这种情况下，成本可以是货币成本、行驶距离、路上花费的时间、或甚至这些的组合)(下文中称为路径费用参数)。这些路径约束中的一些路径约束包括受限的车辆可用性、车辆容量、递送时间窗口、递送之前拾取等等。在vrp中，需求被建模为要访问的一组节点位置。通常通过路径优化器解决该问题，以提供指定车辆为以一定序列履行客户请求而要采取的路径的解决方案。
3、对于问题/约束尺寸较小的vrp，可以通过基于精确优化算法(诸如分支定界或列生成)的路径优化器来解决它们。由于精确求解算法依赖于vrp的数学表示，因此它们本质上是可扩展且灵活的。然而，它们遭遇维数灾难(即，不能在合理的时间量和计算资源内解决大规模问题)。因此，该类型的优化器不适合解决具有大量不同类型约束的大规模vrp，这是一项计算繁重的任务，找到可行的解决方案并不容易。这样的通用的数学优化器的示例包括google or工具、gurobi、cplex等。
4、如此，大规模vrp通常用基于启发式算法的路径优化器来解决，并且能够在合理的时间量和计算资源内获得高质量的解决方案。这些基于启发式的优化器通常是专用的、被开发用于解决路径约束/问题的具体变体(例如，具有容量和/或时间窗口)并且没有提供大量的可扩展性和灵活性。此外，所实现的启发式是针对预期的变体进行调谐的，并且在解决约束/问题的不同变体时通常做得不好。这是算法的“没有免费午餐定理”，该定理粗略地指出，在解决给定问题时，没有一种算法比所有其他算法都更好-换句话说，取决于当前问题的性质(例如，约束的类型、问题大小等)，所有算法都有它们自身的优点和缺点。这样的专用的vrp优化器的示例包括optimoroute、circuit、bringoz等。
5、因此，需要设计用于自适应识别用于选择通向位置的路径的最佳模型来解决问题的新颖的方法和系统，更具体地说，需要将精确(灵活性和可扩展性)方法和启发式(可扩展性和性能)方法的益处相结合。
6、此外，结合本公开的附图和该背景技术，从随后的详细描述和所附权利要求，其他期望的特征和特性将变得显而易见。
技术实现思路
1、在第一方面中，本公开提供了一种用于自适应识别用于选择通向位置的路径的最佳模型的方法，该方法包括：基于与位置相关联的路径特性来提供一个或多个第一模型；检索与路径特性相关联的一个或多个第一参数以确定一个或多个第一模型中的每一者在最小化路径费用参数中的有效性；以及基于该有效性从一个或多个第一模型中选择最佳模型。
2、在第二方面中，本公开提供了一种用于自适应识别连接多个目的地的最佳路径的系统，该系统包括：至少一个处理器；以及至少一个存储器，其包括计算机程序代码；该至少一个存储器和计算机程序代码被配置为与该至少一处理器一起使服务器至少进行包括以下的步骤：基于与位置相关联的路径特性来提供一个或多个第一模型；检索与路径特性相关联的一个或多个第一参数以确定一个或多个第一模型中的每一者在最小化路径费用参数中的有效性；以及基于该有效性从一个或多个第一模型中选择最佳模型。
3、从说明书和附图，所公开的实施方式另外的益处和优点将变得显而易见。益处和/或优点可以通过说明书和附图的各种实施方式和特征单独获得，其不需要全部提供以便获得这样的益处和/或优点中的一个或多个。
1.一种用于自适应识别用于选择通向位置的路径的最佳模型的方法，包括：
2.根据权利要求1所述的方法，其中，检索与路径特性相关联的一个或多个第一参数以确定所述一个或多个第一模型中的每一者在最小化路径费用参数中的有效性的步骤包括：
3.根据权利要求1或2所述的方法，其中，所述一个或多个第一参数包括以下各项的至少一项：所述位置处的要卸载/提取的物品的数量、负载、位置坐标、距离、时间；车辆的类型、负载能力、速度、以及容量；可用车辆的数量；以及与所述位置相关联的车辆类型约束、累积时间约束、累积距离约束、累积负载约束、路径序列约束、到达时间窗口约束。
4.根据权利要求1至3中任一项所述的方法，其中，检索与路径特性相关联的一个或多个第一参数以确定所述一个或多个第一模型中的每一者在最小化路径费用参数中的有效性的步骤包括：
5.根据权利要求1至4中任一项所述的方法，还包括：
6.根据权利要求5所述的方法，其中，从所述最佳模型生成所述第二模型的步骤包括：
7.根据权利要求6所述的方法，生成通向所述位置的所述第二路径的步骤包括以下各项中的一项：
8.根据权利要求5至7中任一项所述的方法，还包括：
9.根据权利要求5至8中任一项所述的方法，其中，所述第二模型是多个第二模型中的一者，并且所述第二模型的生成是基于加权数，与所述多个第二模型中的其余第二模型的加权数相比，所述第二模型具有最高加权数。
10.根据权利要求5至9中任一项所述的方法，还包括：
11.一种用于识别连接多个目的地的最佳路径的系统，所述系统包括：
12.根据权利要求11所述的系统，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进一步进行以下的步骤：
13.根据权利要求11或12所述的系统，其中，所述一个或多个第一参数包括以下各项的至少一项：所述位置处的要卸载/提取的物品的数量、负载、位置坐标、距离、时间；车辆的类型、负载能力、速度、以及容量；可用车辆的数量；以及与所述位置相关联的车辆类型约束、累积时间约束、累积距离约束、累积负载约束、路径序列约束、到达时间窗口约束。
14.根据权利要求11至13中任一项所述的系统，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进一步进行：
15.根据权利要求11所述的系统，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进一步进行：
16.根据权利要求15所述的系统，其中，为从所述最佳模型生成所述第二模型，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进行：
17.根据权利要求16所述的系统，为生成通向所述位置的所述第二路径，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少执行以下步骤中的一者：
18.根据权利要求15至17中任一项所述的系统，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进行：
19.根据权利要求15至18中任一项所述的系统，其中，所述第二模型是多个第二模型中的一者，并且所述第二模型的生成是基于加权数，与所述多个第二模型中的其余第二模型的加权数相比，所述第二模型具有最高加权数。
20.根据权利要求15至19中任一项所述的系统，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述服务器至少进一步进行：
