一种物流配送方法、装置及计算机可读存储介质

技术领域

本发明属于物流技术领域，尤其涉及一种物流配送方法、装置及计算机可读存储介质。

背景技术

MTSP问题(Multiple Travelling Salesman Problem，多旅行商问题)是指多位旅行商去旅游城市，都从同一个出发地点出发，在将所有的城市遍历完毕后返回原出发点，而且要求每个城市只能被某一位旅行商游历一次。而在城市物流配送中，则需要通过多辆配送车辆将货仓中的货物分别运输至遍布城市各处的配送点处，并且，为了节约配送成本，要求每一个配送点只能由一辆配送车辆送货。

根据上述内容可见，城市物流配送与MTSP问题之间有着一定的相似性，但是，与MTSP问题不同的是，城市物流配送的过程中，配送车辆的最大载重量以及工作时长都是有限制的，不能单纯的等效为MTSP问题，从而导致现有技术中解决MTSP问题的方法难以有效解决城市物流配送问题。

发明内容

有鉴于此，本发明的目的在于提供一种物流配送方法、装置及计算机可读存储介质，能够给出完成货物配送所需的配送车辆数量以及各配送车辆对应的配送路线，解决现有技术中的城市物流配送问题，具体方案如下：

第一方面，本发明提供一种物流配送方法，包括：

获取影响配送过程的基础信息，所述基础信息包括：货仓的位置、各配送点的位置和需求货物重量、配送车辆的载重阈值和工作时长阈值；

根据所述货仓的位置和各所述配送点的位置生成目标配送网络；

将所述目标配送网络划分为多个子网络，且任一所述子网络内包括的配送点的需求货物重量之和不大于所述载重阈值；

计算各所述子网络对应的配送时长；

根据各所述子网络对应的配送时长和所述工作时长阈值，确定所述配送车辆的需求数量以及各所述配送车辆对应的子网络；

根据各所述配送车辆对应的子网络，分别生成各所述配送车辆的配送路线。

可选的，所述根据所述货仓的位置和各所述配送点的位置生成目标配送网络，包括：

根据所述货仓的位置和各所述配送点的位置，生成初始配送网络；

按照预设剪枝原则修正所述初始配送网络，得到目标配送网络。

可选的，所述根据所述货仓的位置和各所述配送点的位置，生成初始配送网络，包括：

根据所述货仓的位置和各所述配送点的位置，确定所述货仓至任一所述配送点以及任意两个所述配送点之间的配送成本；

根据所述配送成本生成初始配送网络。

可选的，所述按照预设剪枝原则修正所述初始配送网络，得到目标配送网络，包括：

将所述初始配送网络中，与所述货仓直接相连的配送点作为一级配送点；

按照第一预设顺序分别判断各所述一级配送点是否存在配送成本更低的优化配送路线；

若至少一个所述一级配送点存在配送成本更低的优化配送路线，根据各所述一级配送点对应的优化配送路线对所述初始配送网络进行修正，得到修正后配送网络；

将所述修正后配送网络中，仅与一个其他的配送点相连的配送点作为末级配送点；

按照第二预设顺序分别判断各所述末级配送点是否存在配送成本更低的优化配送路线；

若至少一个所述末级配送点存在配送成本更低的优化配送路线，根据各所述末级配送点对应的优化配送路线对所述修正后配送路线进行修正，得到目标配送网络。

可选的，所述按照第一预设顺序分别判断各所述一级配送点是否存在配送成本更低的优化配送路线，包括：

根据第一预设评分函数确定各所述一级配送点的评分；

其中，所述第一预设评分函数输出的评分与配送点至货仓的配送距离以及配送点的需求货物重量呈正相关；

按照各所述一级配送点的评分由高到低的顺序分别判断各所述一级配送点是否存在配送成本更低的优化配送路线。

可选的，所述将所述目标配送网络划分为多个子网络，包括：

将所述目标配送网络中，与所述货仓直接相连的配送点作为基准配送点；

针对每一所述基准配送点，将所述目标配送网络中与所述基准配送点具有直接或间接连接关系的配送点以及所述基本配送点划分为一个初始子网络；

根据各所述初始子网络内各配送点的需求货物重量之和与所述载重阈值的大小关系，对各所述初始子网络进行处理，以使所得任一子网络内各配送点的需求货物重量之和不大于所述载重阈值。

可选的，在所述计算各所述子网络对应的配送时长之前，还包括：

将满足预设合并规则的至少两个子网络合并为一个子网络。

可选的，在所述计算各所述子网络对应的配送时长前，还包括：

判断所述目标配送网络中是否发生配送点变化；

若所述目标配送网络发生配送点变化，更新所述目标配送网络。

第二方面，本发明提供一种物流配送装置，包括：

获取单元，用于获取影响配送过程的基础信息，所述基础信息包括：货仓的位置、各配送点的位置和需求货物重量、配送车辆的载重阈值和工作时长阈值；

第一生成单元，用于根据所述货仓的位置和各所述配送点的位置生成目标配送网络；

划分单元，用于将所述目标配送网络划分为多个子网络，且任一所述子网络内包括的配送点的需求货物重量之和不大于所述载重阈值；

计算单元，用于计算各所述子网络对应的配送时长；

确定单元，用于根据各所述子网络对应的配送时长和所述工作时长阈值，确定所述配送车辆的需求数量以及各所述配送车辆对应的子网络；

第二生成单元，用于根据各所述配送车辆对应的子网络，分别生成各所述配送车辆的配送路线。

第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行本发明第一方面任一项所述的物流配送方法的步骤。

基于上述技术方案可见，本发明提供的物流配送方法，在基于货仓的位置以及各配送点的位置生成目标配送网络后，将目标配送网络划分为多个子网络，且任一子网络内包括的配送点的需求货物重量之和不大于配送车辆的载重阈值，根据各子网络对应的配送时长和配送车辆的工作时长阈值，确定配送车辆的需求数量以及各配送车辆对应的子网络，并进一步基于各配送车辆对应的子网络，分别生成各配送车辆的配送路线，本发明提供的物流配送方法，综合考虑配送车辆的载重阈值和工作时长阈值，确定配送车辆的需求数量以及各配送车辆的配送路线，能够有效解决现有技术中城市物流配送的问题。

附图说明

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，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种物流配送方法流程图；

图2是本发明实施例提供的初始配送网络的结构示意图；

图3是本发明实施例提供的目标配送网络的结构示意图；

图4是本发明实施例提供的一种物流配送装置的结构框图；

图5是本发明实施例提供的另一种物流配送装置的结构框图；

图6是本发明实施例提供的再一种物流配送装置的结构框图。

具体实施方式

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。

参见图1，图1是本发明实施例提供的一种物流配送方法流程图，该方法可应用于电子设备，该电子设备可选如笔记本电脑、PC(个人计算机)、平板电脑等具有数据处理能力，能够运行不同应用软件的电子设备，显然，该电子设备在某些情况下也可选用网络侧的服务器实现。本发明实施例提供的物流配送方法的流程，可以包括：

S100、获取影响配送过程的基础信息。

在实际的城市物流配送过程中，货仓与配送点之间的供需关系往往是确定的，即通过某一货仓向其附近的若干配送点提供货物，因此，在处理确定的区域内或者确定货仓的物流配送问题时，影响配送过程的基础信息都是可以明确获知的。

具体的，这些基础信息包括：货仓的位置、各配送点的位置和需求货物重量、配送车辆的载重阈值和工作时长阈值。其中，各配送点的需求货物重量会因配送点规模、货物销售能力等不同而存在差异，在实际应用中，可以根据各配送点反馈的需求信息以及历史数据确定；配送车辆的载重阈值则可以根据货仓具体选用的车型的额定载重确定；至于配送车辆的工作时长阈值可以根据具体的工作要求确定，比如，工作时长阈值可以设置为8小时的法定工作时长，也可以在此基础上进行一定范围内的浮动等。

对于基础信息的具体获取过程，可以在上述内容的基础上，结合实际应用中的实际情况确定，此处不再详述。

S110、根据货仓的位置和各配送点的位置生成目标配送网络。

可选的，本发明实施例提供的物流配送方法，首先基于货仓的位置和各配送点的位置生成初始配送网络，然后对初始配送网络进行两次剪枝处理后最终得到目标配送网络。

具体的，首先根据货仓的位置和各配送点的位置，确定货仓至任一配送点之间的配送成本，以及任意两个配送点之间的配送成本。可选的，本发明实施例中述及的配送成本可以用配送距离和配送时间之中的至少一种来表示。需要特别说明的是，在同时采用配送距离和配送时间来表征配送成本的情况下，可以通过设置不同的权重系数的方式将二者结合，即配送成本＝a×配送距离+b×配送时间，其中，a表示与配送距离相对应的权重系数，b表示与配送时间相对应的权重系数，在实际应用中，可以根据二者对最终配送成本的影响情况确定a和b的具体取值。

进一步的，即可基于所得配送成本生成初始配送网络。

可选的，可以在所得货仓至任一配送点之间的配送成本以及任意两个配送点之间的配送成本的基础上，构建配送成本矩阵，该配送成本矩阵的行和列均为货仓以及各个配送点，相应的，行与列之间的交叉点即为货仓至配送，或者，配送点之间的配送成本。当然，同一配送点对应的交叉点是不存在配送成本的。

基于所得配送成本矩阵，就可生成初始配送网络。需要说明的是，现有技术中很多生成初始配送网络的方法，比如，可以基于Dijkstra算法得到，本发明对于初始配送网络的具体生成过程不做限定。对于初始配送网络的基本结构，可以参见图2所示，其中，图2中点H表示货仓，点H以外的其他各点则表示配送点。需要注意的是，在实际运输中，由于路线往往不是直线，所以在三角形中的“两边之和大于第三边”在实际运输中可能不成立，即由A点经由B点到C点，并不一定比A点直接到达C点远/慢。

得到初始配送网络之后，即可按照预设剪枝原则对其进行修正，最终得到目标配送网络。具体的修正过程为：

为便于表述，将所得初始配送网络中与货仓直接相连的配送点，即能够在不经过其他任何配送点的情况下直接到达货仓的配送点，作为一级配送点。按照第一预设顺序分别判断各一级配送点是否存在配送成本更低的优化配送路线。

可选的，本发明实施例提供一个第一预设评分函数，该第一预设评分函数输出的评分与配送点至货仓的配送距离以及配送点的需求货物重量呈正相关，也就是说，配送点与货仓之间的配送距离越远、配送点对应的需求货物重量越高，该配送点的评分也就越高。基于该第一预设评分函数，可以对前述内容中确定的各个一级配送点进行评分，然后按照各一级配送点的评分由高到低的顺序分别判断各一级配送点是否存在配送成本更低的优化配送路线。

针对任意一个一级配送点，如果该一级配送点通过初始配送网络中其他配送点至货仓的配送成本低于直接到达货仓的配送成本，则可以认定该一级配送点存在配送成本更低的优化配送路线，相反的，如果不存在比现有路径更低配送成本的配送路线，则判定该一级配送点不存在配送成本更低的优化配送路线。

在遍历所有的一级配送点之后，如果存在至少一个一级配送点存在配送成本更低的优化配送路线，则根据各一级配送点对应的优化配送路线对初始配送网络进行修正，具体的修正方式可以为，将存在优化配送路线的一级配送点与货仓之间的连接切断，按照相应的优化配送路线更新配送网络，直至所有存在优化配送路线的一级配送点修正完毕，得到修正后配送网络，实现对初始配送网络的第一次剪枝操作。

在得到修正后配送网络之后，将修正后配送网络中仅与一个其他的配送点相连的配送点作为末级配送点，在实际应用中，末级配送节点往往对应着最后一个配送的配送点。然后按照第二预设顺序分别判断各末级配送点是否存在配送成本更低的优化配送路线。

可选的，与第一次剪枝操作的过程类似，本发明实施例提供第二预设评分函数，第二预设评分函数输出的评分与配送点至货仓的配送距离以及配送点的需求货物重量呈正相关，可通过第二预设评分函数确定各末级配送点的评分，具体的评分过程可参照前述内容，此处不再展开。需要说明的是，第二预设评分函数和第一预设评分函数虽然在评分原则上是相同的，但在实际应用中，二者可能采用不同的函数式来实现，具体需要根据实际项目中对一级配送点以及末级配送点的考核重点设置。

在得到各个末级配送点的评分之后，即可按照各末级配送点的评分由高到低的顺序分别判断各末级配送点是否存在配送成本更低的优化配送路线。末级配送点的优化配送路线与一级配送点的优化配送路线略有差异，针对任一末级配送点，如果该末级配送点通过现有配送路线以外的其他配送点最终到达货仓的配送成本低于现有配送路线的配送成本，则可以判定该末级配送点存在优化配送路线。

如果在遍历所有的末级配送点之后，存在至少一个末级配送点存在配送成本更低的优化配送路线，根据各末级配送点对应的优化配送路线对修正后配送路线进行修正，删除修正后配送网络中的配送路线，同时更新各末级配送点对应的优化配送路线，最终得到目标配送网络，完成二次剪枝操作。可选的，参见图3，图3是本发明实施例提供的目标配送网络的结构示意图，结合图2对应的初始配送网络和图3对应的目标配送网络可以看出，经过两次剪枝操作所得到的目标配送网络具有更为简单、清晰的配送路线。

S120、将目标配送网络划分为多个子网络，且任一子网络内包括的配送点的需求货物重量之和不大于所述载重阈值。

经过前述步骤所得的目标配送网络中，包括所有需要进行货物配送的配送点，在绝大多数情况下，使用一辆配送车辆是无法完成货物配送的，也就是说，目标配送网络对应的依然是MTSP问题，为了解决降低处理难度，本发明实施例所提供的物流配送方法，进一步对目标配送网络进行拆分，得到多个相互独立的子网络，从而将MTSP问题简化为多个TSP问题。

可选的，首先将目标配送网络中与货仓直接相连的配送点作为基准配送点(等同于前述内容中的一级配送点，为了与之区分，此处定义为基准配送点)，针对每一个基准配送点，将目标配送网络中与基准配送点具有直接或间接连接关系的配送点以及该基本配送点划分为一个初始子网络。

与前述内容类似，在依据基准配送点进行网络划分时，同样可以对各个基准配送点进行评分，为此，本发明实施例提供第三预设评分函数，该函数主要涉及两方面的输入内容，其一是与基准配送点以及和基准配送点有直接或间接连接关系的其他配送点的需求货物重量的总和，可以定义为初始子网络需求货物重量；其二是配送车辆的载重阈值。在本实施例中，第三预设评分函数与初始子网络需求货物重量和载重阈值的差值负相关。

在基于第三预设评分函数对各个基准配送点进行评分后，即可按照评分由高到低的顺序，即可根据各初始子网络内各配送点的需求货物重量之和与前述载重阈值的大小关系，对各初始子网络进行处理，以使所得任一子网络内各配送点的需求货物重量之和不大于载重阈值。也就是说，在经过本步骤的处理后所得的任一子网络，都可以通过一辆配送车辆完成配送。

具体的，针对每一个初始子网络，判断该初始子网络的初始子网络需求货物重量与前述载重阈值的大小关系，如果初始子网络需求货物重量不超过配送阈值，则直接将该初始子网络作为一个子网络；相反的，如果初始子网络需求货物重量超过配送阈值，则需要将该初始子网络拆分为至少两个，直至拆分所得的网络的需求货物重量小于载重阈值，得到多个子网络。

在对初始子网络进行拆分时，可以针对任一初始子网络中的末级配送点，按照本发明实施例提供的第四预设评分函数对各个末级配送点进行评分，然后按照评分由高到低的顺序从初始子网络中截取与末级配送点相关的子分支，使得去除该子分支后的初始子网络的初始子网络需求货物重量不超过载重阈值，进一步将去除子分支后的初始子网络作为后续步骤中使用的子网络。同时，将截取下的子分支连接到原点。重复执行上述操作，直至整个目标配送网络被分为若干个互相不连接的子网络，且每个子网络内各配送点的需求货物重量之和不大于配送车辆的载重阈值。

其中，对于第四预设评分函数，应与初始子网络删除子分支之后包括的各个配送点的需求货物重量的总和与载重阈值之差正相关，与初始子网络对应的基准配送点以及末级配送点之间的配送距离正相关。

可以想到的是，上述划分过程还有可能出现一种情况，即所得多个子网络中可能包括需求货物重量之和远远小于载重阈值的子网络，为了尽量减少配送车辆的使用数量，可以对这样的子网络进行合并处理，将至少两个子网络合并为一个子网络。

可选的，对子网络进行合并的预设合并规则可以为：

1、合并后所得子网络内各配送点的需求货物重量之和，仍小于载重阈值。

2、合并后子网络的最短配送路线小于合并前每个子网络的最短配送路线的和。

需要说明的是，上述两个合并条件，是需要同时满足的。而对于每一个子网络对应的最短配送路线，均可以基于K-opt算法或其他算法实现，此处不再展开。

S130、计算各子网络对应的配送时长。

在将目标配送网络划分为多个子网络之后，需要进一步计算各个子网络对应的配送时长，为后续步骤中根据子网络配送时长确定配送车辆数量做准备。

如前所述，货仓以及各个配送点的位置都是确定的，因此，对于任一子网络而言，经由货仓触发并完成子网络内各个配送点的配送距离也是可以明确确定的，在车辆行驶速度已知的前提下，自然可以得到各个子网络的配送时长。对于各个子网络配送时长的计算，还可以采用现有技术中的其他计算方法计算得到，此处不再赘述。

S140、根据各子网络对应的配送时长和工作时长阈值，确定配送车辆的需求数量以及各配送车辆对应的子网络。

在此步骤中，主要的原则是在保证各配送车辆的工作时长不超过工作时长阈值的前提下，尽可能的充分利用各个配送车辆。比如，子网络A的配送时长为4小时，子网络B的配送时长为3小时，而工作时长阈值为8小时，这意味着，一辆配送车辆在完成子网络A和子网络B的配送任务之后，其全天工作时长仍然小于8小时，此种情况下，便可将子网络A和子网络B分配给同一辆配送车辆。再比如，子网络C的配送时长为6小时，而其他子网络的配送时长均大于2小时，此种情况下，负责子网络C配送任务的配送车辆，一天内只能负责子网络C的配送，之后便处于闲置状态。

基于上述内容可见，实际应用中，配送车辆的需求数量不超高子网络的数量，任一配送车辆可以对应至少一个子网络，且各个配送车辆之间对应的子网络不同，而对于子网络而言，任一子网络只能对应一辆配送车辆。

可以想到的是，经过本步骤处理后，配送车辆在逐一为子网络配送货物时，均属于TSP问题，即如何使得一辆配送车辆完成一个子网络内各配送点的配送任务，通过本发明实施例提供的方法，可以有效的将MTSP问题，转换为更为简单的TSP问题。

需要说明的是，在车辆分配时，还可以采用现有技术中的其他分配方法，比如总路程均衡法、总货物均衡法等，此处不再详细展开，具体应用时可参照现有技术实现。

S150、根据各配送车辆对应的子网络，分别生成各配送车辆的配送路线。

如前所述，经过前述步骤已经将MTSP问题转换为TSP问题，因此，在执行此步骤时，可以参照现有技术中方法根据各配送车辆对应的子网络，分别生成各配送车辆的配送路线，此处不再展开。

综上所述，本发明提供的物流配送方法，能够将复杂的MTSP问题转换为更易处理的TSP问题，同时，在转化过程中，综合考虑配送车辆的载重阈值和工作时长阈值，确定配送车辆的需求数量以及各配送车辆的配送路线，能够有效解决现有技术中城市物流配送的问题。

可选的，在实际应用中，难免会出现配送点增减的变化，为此，本发明实施例提供的物流配送方法在计算各子网络对应的配送时长之前，还可以判断目标配送网络中是否发生配送点变化，如果目标配送网络发生配送点变化，则更新目标配送网络。

可以想到的是，本方法对于配送点增减变化的处理是在目标配送网络的基础上完成的，此时只需要将增删的节点在子网络的基础上进行修改，然后直接对比原分配方案，进行子网络处理等步骤。由于新产生的结果与原结果仅存在子网络的某一支上的区别。对于实际操作的运输人员来说，与日常路线相比，临时更改的线路仅仅产生了某一个或几个配送点的变化，并不影响整体区域和线路，有助于维持工作内容的熟悉度，减少工作失误。

进一步的，本实施例提供的方法能够适应车辆数量及载重的大幅更改，并及时响应配送点及配送货物量等的临时增删，不影响整体配送网络，使得系统具有一定的鲁棒性，自动化程度高。

下面对本发明实施例提供的物流配送装置进行介绍，下文描述的物流配送装置可以认为是为实现本发明实施例提供的物流配送方法，在中央设备中需设置的功能模块架构；下文描述内容可与上文相互参照。

图4为本发明实施例提供的一种物流配送装置的结构框图，参照图4，该装置可以包括：

获取单元10，用于获取影响配送过程的基础信息，基础信息包括：货仓的位置、各配送点的位置和需求货物重量、配送车辆的载重阈值和工作时长阈值；

第一生成单元20，用于根据货仓的位置和各配送点的位置生成目标配送网络；

划分单元30，用于将目标配送网络划分为多个子网络，且任一子网络内包括的配送点的需求货物重量之和不大于载重阈值；

计算单元40，用于计算各子网络对应的配送时长；

确定单元50，用于根据各子网络对应的配送时长和工作时长阈值，确定配送车辆的需求数量以及各配送车辆对应的子网络；

第二生成单元60，用于根据各配送车辆对应的子网络，分别生成各配送车辆的配送路线。

可选的，第一生成单元20，用于根据货仓的位置和各配送点的位置生成目标配送网络，包括：

根据货仓的位置和各配送点的位置，生成初始配送网络；

按照预设剪枝原则修正初始配送网络，得到目标配送网络。

可选的，第一生成单元20，用于根据货仓的位置和各配送点的位置，生成初始配送网络，包括：

根据货仓的位置和各配送点的位置，确定货仓至任一配送点以及任意两个配送点之间的配送成本；

根据配送成本生成初始配送网络。

可选的，第一生成单元20，用于按照预设剪枝原则修正初始配送网络，得到目标配送网络，包括：

将初始配送网络中，与货仓直接相连的配送点作为一级配送点；

按照第一预设顺序分别判断各一级配送点是否存在配送成本更低的优化配送路线；

若至少一个一级配送点存在配送成本更低的优化配送路线，根据各一级配送点对应的优化配送路线对初始配送网络进行修正，得到修正后配送网络；

将修正后配送网络中，仅与一个其他的配送点相连的配送点作为末级配送点；

按照第二预设顺序分别判断各末级配送点是否存在配送成本更低的优化配送路线；

若至少一个末级配送点存在配送成本更低的优化配送路线，根据各末级配送点对应的优化配送路线对修正后配送路线进行修正，得到目标配送网络。

可选的，第一生成单元20，用于按照第一预设顺序分别判断各一级配送点是否存在配送成本更低的优化配送路线，包括：

根据第一预设评分函数确定各一级配送点的评分；

其中，第一预设评分函数输出的评分与配送点至货仓的配送距离以及配送点的需求货物重量呈正相关；

按照各一级配送点的评分由高到低的顺序分别判断各一级配送点是否存在配送成本更低的优化配送路线。

可选的，划分单元30，用于将目标配送网络划分为多个子网络，包括：

将目标配送网络中，与货仓直接相连的配送点作为基准配送点；

针对每一基准配送点，将目标配送网络中与基准配送点具有直接或间接连接关系的配送点以及基本配送点划分为一个初始子网络；

根据各初始子网络内各配送点的需求货物重量之和与载重阈值的大小关系，对各初始子网络进行处理，以使所得任一子网络内各配送点的需求货物重量之和不大于载重阈值。

可选的，参见图5，图5是本发明实施例提供的另一种物流配送装置的结构框图，在图4所示实施例的基础上，还包括：

合并单元70，用于将满足预设合并规则的至少两个子网络合并为一个子网络。

可选的，参见图6，图6是本发明实施例提供的再一种物流配送装置的结构框图，在图4所示实施例的基础上，还包括：

更新单元80，用于判断目标配送网络中是否发生配送点变化；若目标配送网络发生配送点变化，更新目标配送网络。

可选的，本发明还提供一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行本发明上述任一项所述的物流配送方法的步骤。

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他实施例的不同之处，各个实施例之间相同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。

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，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。