基于客户信用度的物流配送车辆路径问题研究

针对当前城市物流配送过程中普遍存在的客户中途取消订单、无故退换货等交易违约问题,引入客户信用度的测度方法。根据客户历史交易违约数据计算客户信用值,并转化求解客户信用度,构建了包含车辆配送成本、租赁成本以及违反时间窗惩罚成本的配送路径优化模型。设计了一种遗传(GA)-禁忌搜索(TS)混合算法进行模型求解,在算法过程中应用精英保留策略进行循环迭代寻优。结合重庆某外卖物流配送网络的实例数据,验证了模型和算法的有效性和可行性。实验结果给出了不同服务策略下的物流配送调度方案,并进行了基于客户信用度的客户配送服务序列调整比较和敏感度分析。研究表明客户信用等级的合理划分可以有效降低物流配送成本和提高客户服务水平。     

基于Epsilon约束法的短纤维生产调度的双目标优化研究

针对短纤维生产行业实际,本文综合考虑客户的需求差异、客户的重要程度、纤维生产设备的准备时间以及交货期差异等因素,研究连续需求下的短纤维生产排序优化问题。首先,本文建立双目标整数规划模型,即最小化客户订单总延迟和最小化机器总准备时间;其次,设计Epsilon约束算法并调用CPLEX精确求解调度方案,即帕累托前沿;最后设计非支配排序的遗传算法(NSGA-II)求解大规模生产下的调度优化方案。通过实验,证明该整数规划模型和算法对解决多客户连续需求问题具有实际价值,进而可以为短纤维生产企业提供参考。     

考虑外协服务的车辆路径优化问题

降低零售企业的末端配送成本是控制物流成本的关键,共享经济的发展为此提供了新思路。因此,针对零售企业末端上门配送服务成本较高的情况,提出了考虑外协的车辆服务策略,将有意愿进行单次交付的线下客户作为协作车辆配合普通车辆来完成线上客户订单的配送,建立了以最小化普通车辆路径成本,普通车辆使用成本,时间窗惩罚成本和协作车辆补偿成本为目标函数的数学模型,并设计匹配算法和混合遗传算子的模拟退火算法对该模型进行求解,最后结合算例对提出的算法进行检验与分析。     

蔬菜B2C直销中基于批配送模式的拣货方案序贯求解方法

针对蔬果类商品B2C直销模式下拣货与配送环节拣货量大、订单个性化强、时间性强及批配送等特点,基于相似订单成组拣货这一现实需求,引入成组作业思想,建立最小化拣货成本和配送成本之和的成批成组拣货序列优化模型;针对该模型多阶段决策、多决策变量及NP-难等特点,以降低求解维度和减少求解时间为目标,基于逆序决策思想,提出序贯求解方法,并给出了客户成批聚类、批次内相似订单成组及成批成组拣货序列优化求解算法;通过应用实例验证本文模型和算法的可行性和有效性。研究结果表明,本文方法得到的方案比成组拣货与配送独立决策,以及批配送但非成组方法大大缩减了拣货时间,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导。     

考虑释放时间的单机JIT调度问题

本文主要研究二级供应链中的生产-库存-直接配送协同调度问题,其中存在一个制造商和多个零售商, 制造商根据订单进行生产, 然后将产品配送给零售商。该类问题可以抽象为考虑释放时间的单机JIT调度问题。借助于禁忌搜索算法, 本文提出了求解问题的CTA-TS算法, 并通过大量的实验数据与已有算法进行比较,说明了本文提出算法的有效性。     

成品油配送多车舱车辆指派及路径优化问题研究

针对成品油配送中多车型、多车舱的车辆优化调度难题,综合考虑多车型车辆指派、多车舱车辆装载及路径安排等决策,以派车成本与油耗成本之和的总成本最小为目标,建立了多车型多车舱的车辆优化调度模型。为降低模型求解的复杂性,本文提出一种基于C-W节约算法的“需求拆分→合并装载”的车辆装载策略,并综合利用Relocate和Exchange算子进行并行邻域搜索改进,获得优化的成品油配送方案。最后,通过算例验证了本文提出的模型与算法用于求解大规模成品油配送问题的有效性。并通过数据实验揭示了以下规律:1)多车舱车辆相对于单车舱车辆在运营成本上具有优越性;2)大型车辆适合远距离配送,小型车辆适合近距离配送;3)多车型车辆混合配送相对于单车型车辆配送在运营成本上具有优越性。这些规律可为成品油配送公司的车辆配置提供决策参考。     

多车场多车型车辆调度问题及其遗传算法

研究多车场多车型车辆调度问题,建立了一种基于最小配送费用的数学模型,模型的配送费用在考虑基本运输费的基础上又引入了司机的工资支出,包括基本工资和加班费.在多车场多车型车辆调度模型中,一辆车可以为多个客户服务,但一个客户只能由一辆车提供服务.根据模型的这些特点,提出了一种新的染色体混合编码方案和遗传操作策略,从而借助遗传算法成功实现了模型的求解.数值仿真结果验证了算法的可行性.     

带客户协同分仓的动态车辆路径问题研究

随着互联网商业迭代的不断深化,越来越多的企业倾向于从商品前置视角解决配送距离与配送时效性的矛盾。为此,本文研究基于客户协同分仓备货的动态车辆调度问题(Dynamic Vehicle Routing Problem with Inventory Synergetic Customer, DVRP-ISC),设计考虑区域分异特征的协同分仓客户选择方法,建立多阶段动态配送网络优化模型。鉴于研究问题的特殊性,设计多阶段两级网络协同配送路径优化算法;最后,以仿真算例、自定义算例集和基准算例,验证所提模型和算法性能及其拓展性。     

考虑共同客户的协同配送优化方法研究

本文针对一些客户仅需要一个配送中心提供配送服务，而某些客户需要多个配送中心提供配送服务(需要多个配送中心提供服务的客户就是企业的共同客户)的情形，提出了一类具有多配送中心、有时间窗限制的车辆路径问题，建立了相应的数学模型。基于“先分类，后求解”的思想，本文设计了两阶段启发式算法：第一阶段提出基于客户聚类的启发式算法，形成聚类信息，将多中心问题转化成单中心问题；第二阶段通过改进的蚁群算法对每个配送中心的情况进行求解。最后，通过算例对该模型的可行性和有效性进行了验证，结果表明与非协同配送方式相比，在配送距离、降低配送成本、提高客户满意度等方面均有明显改进。     

基于前摄性调度的电动汽车路径问题研究

针对车辆调度过程中资源不均衡的问题,利用需求的不确定性,将配送周期划分为初始配送阶段和补货阶段,建立多阶段电动汽车的两级车辆路径优化模型.根据需求的动态程度对配送区域进行划分,结合前摄性调度和反应性调度策略,提出了一种混合禁忌搜索算法(HTSA)来求解该模型.在真实的案例和多个基准评估算例上的实验结果表明:模型和算法的性能优于传统的启发式算法,具有一定的实用价值.     

考虑客户风险偏好的4PL路径问题研究

以往关于第四方物流(4PL)路径问题的研究对客户的风险偏好考虑较少.考虑了客户的风险偏好,采用前景理论中的价值函数衡量客户对配送成本和配送工期的风险态度,建立最大化客户心理评价效用的数学模型.根据物流网络路径优化的问题特点,设计了嵌入Dijkstra算法的自适应遗传算法对问题进行求解,设计多个不同规模的数值算例,在仿真实验的基础上说明了建立模型和算法的可行性和有效性.研究从行为对决策结果影响的视角为第四方物流路径优化问题的解决提供了一套新的决策模型和优化方法.     

智能制造环境下的备件生产与运输协同调度问题研究

智能制造和即时配送环境下的备件生产与运输协同调度问题是目前国内研究的一大热点,这是因为备件供应链响应速度已成为当前备件制造企业赢得客户的关键因素。为了提高客户满意度,尽可能缩短从客户下达定制化生产订单到订单配送完成的时间,本文建立了以所有客户总等待时间最短为目标的混合整数规划模型和集合覆盖模型,推导了最优解性质,并设计改进的分支定价算法求得最优解。通过将小规模算例结果与CPLEX进行对比,验证了模型和算法的有效性。多组算例测试结果表明,所提出的模型和算法可以有效提升智能制造环境下的备件供应链运作效率。     

基于预判发货的网络零售商双模式批量配送研究

基于预判发货的背景,考虑订单处理中心和配送站之间存在第三方物流和自营物流两种配送模式,研究了B2C网络零售商的动态批量配送问题。首先利用混合整数规划构建了一个三级供应链系统下的动态批量配送模型,接着采用网络流规划的技术重新建模,并在其基础上对最优解的性质进行了分析,进而设计了计算时间复杂度为O(T²)的精确动态规划求解算法。最后用算例实验验证了该算法的有效性和适用性。     

城市配送车辆路径优化集束式算法的客户点归并策略

VRP问题的研究起步较早,求解方法也非常丰富,然而,面对客户规模庞大,交通网络复杂的多约束车辆优化调度问题,现有算法显得无能为力.为有效解决需求点规模庞大的城市配送车辆优化调度问题,提出一种新的两阶段启发式算法——集束式算法,采用"集中后分派,分派后扩展"的思想,对末梢客户和同路段客户进行客户点合并,从全局上降低搜索范围,并提出相关客户点归并算法.     

以商圈为中心的O2O动态外卖配送路径优化模型与算法

针对线上到线下(Online to Offline,O2O) 外卖路径优化问题,综合考虑其动态配送需求、货物区分等特点以及时间窗、载货量等约束条件,将商圈看作配送中心,将快递员数量与快递员总行驶时间作为最小化目标,提出了以商圈为中心的O2O动态外卖配送路径优化模型。采用周期性处理新订单的方法将相应的快递员路径的动态调整问题转化为一系列静态TSP子问题,设计了一种分阶段启发式实时配送路径优化算法框架,并给出了一个具体算法和一个数值计算实例。在VRP通用算例的基础上,以商圈为中心生成测试算例,对本文算法进行仿真实验,并与其他算法比较。结果表明：本文算法能充分利用新订单附近的快递员进行配送,并优化其配送路径,有效减少了快递员数量与快递员总行驶时间。     

基于MAS的多模式分布式资源约束多项目调度

针对实践中分布式多项目的活动往往具有多种执行模式,提出多模式分布式资源约束多项目调度问题。在项目动态到达环境下,考虑活动不同的执行模式,以工期最短和多项目延期成本最小为目标分别构建局部单项目调度模型和全局多项目决策模型,采用改进变邻域搜索算法求解初始局部调度计划,并设计基于模式调整的全局协商调度算法求解全局决策模型,通过双层算法实现分布式多项目调度中局部单项目调度与全局多项目调度系统性协调,减少项目中断和多项目延期成本。基于构建的多模式测试集进行的多项目数值实验表明：本文设计的双层算法可有效求解多模式分布式多项目调度问题,并且对不同规模问题求解具有良好的适应性。     

带退货和软时间窗的多仓库选址-路径问题研究

选址-路径问题(location routing problems, LRP)是集成物流网络研究中的难题,也是任何一个大型物流配送企业必须面对的管理决策问题。本文在仓库容量约束和车辆容量约束的基础上,结合送取货一体化的配送模式和客户服务时间要求,建立了带退货和软时间窗的多仓库选址-路径(MDLRP)数学模型。针对MDLRP问题求解的复杂性,引入局部搜索算法和重组策略,设计了自适应混合遗传算法,对模型进行整体求解。最后进行数值实验,表明本文提出的模型和改进算法具有实用性和优越性,可为选址和车辆运输决策提供重要参考依据。     

以商圈为中心的O2O动态外卖配送路径优化模型与算法

针对线上到线下(Online to Offline,O2O) 外卖路径优化问题,综合考虑其动态配送需求、货物区分等特点以及时间窗、载货量等约束条件,将商圈看作配送中心,将快递员数量与快递员总行驶时间作为最小化目标,提出了以商圈为中心的O2O动态外卖配送路径优化模型。采用周期性处理新订单的方法将相应的快递员路径的动态调整问题转化为一系列静态TSP子问题,设计了一种分阶段启发式实时配送路径优化算法框架,并给出了一个具体算法和一个数值计算实例。在VRP通用算例的基础上,以商圈为中心生成测试算例,对本文算法进行仿真实验,并与其他算法比较。结果表明：本文算法能充分利用新订单附近的快递员进行配送,并优化其配送路径,有效减少了快递员数量与快递员总行驶时间。     

交货期可以指派的供应链排序问题

考虑了由一个制造商和多个客户组成的供应链系统.每个客户有多个订单交给制造商加工,且每个客户有一个可以接受的完工订单到达时间.制造商可以与客户进行协商来选定合适的交货期.完工的订单是采用直接运输方式分批配送的,每一批配送需要花费一定的时间和费用.目标是对每个订单指派合适的交货期,并且进行生产和配送的排序,以极小化总的交货期指派费用,订单误工费用与配送费用的和.考虑了多种情况,分别给出了相应的算法.     

不确定条件下双目标组批生产的交货期设置研究

交货期是调度方法的函数,因而具有不确定性.研究变批量、变批次、变生产能力下,单阶段、双目标有条件相容组批的交货期设置问题,将它转化为订单投放策略和调度模式研究.建立了一个基于目标的双目标订单投放策略数学模型.采用目标序列优先方法进行双目标求解,用两种调度模式求出区间值,进行最优交货期逼近.模式1:松弛掉产品加工约束条件,基于负荷考虑、给出离散生产模式下订单完工率最大的订单排序算法,算法综合考虑了任务紧急程度、可调度性、重要度和流程时间最短四个方面,得到区间的一个端点.模式2是有条件相容的启发式组批调度算法,即通过聚类计算将订单安排问题转化为多队列调度问题,将新来订单的投放转化为某个队列的插单和批量分割问题,不同队列中批的投产顺序由批中优先级最高的订单决定,并在能力约束下进行批量分割计算,得到区间的另一个端点,结合流程可靠性求出区间.实例证明,模式2的交货期设置小,订单完工率和生产率高.