在线订餐生产配送联合调度模型及算法

当前在线订餐配送延迟严重,如何协调生产和配送环节使快餐最快送达,已成为在线订餐亟待解决的问题。针对订单信息提前未知、厨师及配送车辆有限等特点,构建并行机生产多车多任务配送联合优化模型,以最小化所有订单的总服务时间跨度之和,并设计三阶段启发式在线调度算法进行求解。以某在线餐厅高峰期到达率服从泊松分布(λ=1,2,3,4)的订单进行数值实验,将三阶段启发式算法与传统算法实验结果进行比较。研究表明,当λ=2,3,4时,三阶段启发式算法的总服务时间跨度之和较短且对总服务时间跨度之和的优化幅度随λ值的增大而提高。构建的模型及算法有利于高峰期餐厅生成生产配送联合调度方案,优化生产配送资源。     

交付期约束下的网络零售配送多时隙选项定价

研究交付期约束下网络零售商配送时隙定价问题,针对客户在线时隙选择具有随机性的特点,引入效用函数描述基于Logit的时隙选择概率公式,建立了考虑订单交付期约束并均衡配送能力的多时隙定价模型.根据客户对价格和交付期的敏感性进行客户等级分类,在客户订单随机到达的情况下,通过选择概率公式定量分析客户的时隙选择行为,引入0-1决策变量为其提供时隙选项及价格;进一步采用动态规划方法研究了机会成本对时隙价格的影响.最后通过算例演示了时隙效用,交付期以及订单到达率对时隙定价的影响,并分析了不同客户等级的定价差异,验证了模型的科学性和实用性.     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

带硬时间窗的O2O生鲜外卖即时配送路径优化

针对线上到线下（O2O）生鲜外卖订单动态性高和配送服务时效性强的特征，建立以配送距离最小为目标，带硬时间窗的O2O生鲜外卖即时配送路径优化模型。根据硬时间窗的要求和合单配送思想，设计滚动时域延迟配送算法进行求解。通过大量数值仿真实验验证了该算法在实际网络与一般仿真网络中均具有有效性，并且配送距离比滚动时域非延迟配送算法短。通过对各项参数的敏感性分析，发现滚动时域时长不宜过长或过短，且订单的时间窗对配送距离的影响不明显。为了缩短配送距离，可以增加配送员车容量。研究结果可为生鲜企业的即时配送车辆调度提供理论指导。     

基于电动物流车的充电和换电设施选址模型

本文研究了在充电和换电两种模式下基于电动物流车的充换电设施选址问题.首先,分别建立无充电行为时的路径规划和车辆调度模型以及充电和换电模式下,以用电成本,车辆固定出行成本,机会成本和惩罚成本之和最小化为目标的充换电设施选址模型.然后设计了一种改进的遗传算法求解路径规划和选址模型.最后,对比分析了充电和换电模式下充换电设施的选址决策及配送总成本,并得到结论:充电未造成配送延迟时,充电模式下的配送成本较低;充电导致配送延迟时,提高充电速度或选用换电模式能够使配送成本更低.另外,公用充电站服务费用的高低会显著影响物流企业关于自建充电设施还是使用公用充电站的决策.     

基于邻域搜索的成品油多舱多目标配送路径优化算法研究

针对成品油配送中多车型,多车舱的优化调度难题,综合考虑路径安排,舱位指派及车辆指派等决策.以配送成本最小,路径风险最小以及油品准时送达为目标,建立了成品油配送多目标路径优化模型.基于邻域搜索的基本思想,提出求解成品油配送多目标路径优化问题的MOVNS算法框架,并结合不同的可行解运行策略和比较准则,衍生出三类MOVNS算法(MOVNS-1、MOVNS-2、MOVNS-3).采用12组算例进行数值实验,结果表明,三种算法均能有效的求解配送模型,提升成品油多舱配送问题的解决效率;且MOVNS-2算法具有较强的局部搜索能力,MOVNS-3算法容易跳出局部最优:同时,考虑节点关联性的可行解构造策略和并行邻域搜索策略能够增强算法的寻优能力.     

电子商务中订单配送优化模型及两阶段算法

针对电子商务环境下订单配送问题的特点,建立了以最小化车辆行驶费用及订单惩罚费用为目标的数学模型.设计了两阶段启发式求解算法.第一阶段用禁忌搜索算法求解在作计划日当天已到交货期的订单的基本配送问题;第二阶段考虑了订单的未来信息,用基于评价值的贪婪插入算法将未到交货期的订单与已有的配送方案进行整合配送,该方法能够提高车辆的使用率及配送企业的配送效率.实验结果验证了模型的合理性及算法的有效性.     

基于学习效果的蔬菜电商成组拣货排序方法

按单拣货是电子商务背景下物流配送中心最关键、最复杂的作业环节.它直接衔接着物流配送和客户,且大部分是劳动密集型作业,因此按单拣货也是出错率最多,耗费时间最长的环节.在拣货之前对订单考虑配送因素和相似性成组,能够大大降低拣货成本.蔬菜电商拣货系统是基于人的柔性作业系统,拣货人员的学习效果导致作业效率随时间变化,从而订单的拣货时间不确定,对按单拣货作业有着不可忽视的影响.本文针对蔬菜B2C电子商务直销背景下拣货环节的订单成组作业优化问题进行研究,基于拣货人员的学习效果,建立最小化订单拣货完成时间之和的拣货序列优化模型.针对该问题多阶段,多层次决策特点,基于序贯决策思想,提出两阶段的求解方案:第一阶段订单成组,提出同时考虑订单配送距离,打包材料相似性和订单相似性三种指标融合的订单成组准则,并给出启发式算法对订单进行成组;第二阶段成组订单作业调度,提出基于修订式非递减的订单规模排序方法对组内订单进行排序,组间排序是基于具有降低搜索范围,提高搜索能力的改进模拟退火-遗传算法.通过数值实验和算法比较,验证了本文算法的有效性和实用性.研究结果表明,本文得到的方法能大大缩减拣货时间成本,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.     

时变路网下带时间窗的易腐食品生产-配送问题

为减少易腐食品在生产配送过程中的价值损耗,通常按订单确定的交货期合理组织生产并立即配送.为此,针对多品种易腐食品的集成生产-配送问题,考虑实际配送过程中路网交通的时变特性,建立了以系统总成本最小为目标、带时间窗的易腐食品集成生产-配送问题优化模型.根据该模型特点设计了一种混合遗传算法,并通过数值算例验证了所提模型和算法的有效性.结果表明,路网的时变特性显著影响客户服务水平,优化投入配送的车辆数可有效降低系统总成本和易腐食品的价值损耗.     

基于单件小批量生产企业的动态随机生产函数

本文以单件小批量订货生产类型企业为对象，通过引入某些主要的随机因素，建立了动态随机生产函数模型．与现有模型相比，能更有效地描述生产系统的实际状况．模型中考虑的随机因素有订单的内容及其到达时间的随机性、影响加工时间的随机因素以及原材料属性的随机性     

考虑中断的制造型供应链协调调度模型

供应链协调调度能有效提高企业应对供应链中断的能力。以两阶段制造供应链为研究对象，研究了中断情境下具有交付时间约束的多产品类型制造供应链协调调度问题。制造商接到包含多产品类型的工件加工订单，各工件需经供应商处理为原材料工件后，交付给制造商处理为完成品，各工件均有一个独立的交付期。如果供应商单方面调整工件加工顺序，会导致制造商冲突成本的增加，需双方协商处理。以最小化供应商总拖期交付成本和最小化制造商总冲突成本为目标，基于收益共享契约协调机制，构建了考虑中断的制造型供应链协调调度模型。设计了一个融合自适应邻域搜索算子的混合自适应遗传算法。通过算例仿真，验证了所提模型与算法的有效性。     

面向复杂航道的引航员与船舶集成调度优化

为提高复杂航道条件下港口的引航调度服务水平,本文研究了船舶和引航员调度的集成优化问题.本文考虑了潮汐、封航、安全距离以及单双向航道的对向避让等因素,以船舶延误成本和引航员调度成本最小化为目标,建立了整数规划模型.结合问题的特征,设计了一种两阶段变邻域搜索算法对模型进行求解.其中第一阶段讨论了引航员调度对于船舶延误的影响,求得了所有船舶和部分引航员调度方案的集合;第二阶段以传统调度规则得到的所有船舶和引航员的完整调度方案为初始解,使用变邻域搜索算法求解所有调度方案中最优的调度方案.最后,通过一系列数值试验验证了模型和算法的有效性.     

商品配送中车辆调度随机模型的建立及其求解

在物流活动的商品配送运输中，由于受不确定因素的干扰，对配送车辆调度的适时性造成了很大影响，从而增加了配送成本和降低了配送的服务质量。本文针对这一问题，建立一种车辆调度的随机模型。通过实例并运用遗传算法对模型求解，极大地提高车辆调度适时性的保证度和配送运输服务的质量，说明该模型及算法具有较好的应用价值。     

同类机的供应链排序

研究同类机环境的供应链排序,即研究如何安排工件在同类机器上加工,把加工完毕的工件分批发送给下游客户,使得生产排序费用和发送费用总和最少.生产排序费用是用工件送货时间的函数表示,发送费用是由固定费用和与送货路径有关的变化费用组成.研究以工件最大送货时间和平均送货时间为生产排序费用的不同目标函数下的同类机供应链排序问题,用动态规划算法构造了多项式时间近似算法,并分析算法的性能比.     

基于自相似业务流的AOS延时累积调度算法

针对自相似业务流量下的高突发性及重尾性所引起的空间数据系统调度性能下降问题,分析了高级在轨系统(advanced orbiting system, AOS)虚拟信道存取(virtual channel access, VCA)子层调度策略以及现有基于短相关模型调度算法的不足,引入Hurst参数、紧迫度、流量离差、成帧时间因子等权值参量,提出一种基于延时累积的自适应轮询调度(scheduling of delay accumulated adaptive polling, SDAAP)算法,通过自适应改变延时阀值因子实现多业务的差异化调度,从而优化AOS虚拟信道服务质量及调度性能。采用多信源重尾分布的ON/OFF流量分布模型进行仿真验证,实验结果表明,针对自相似业务流,SDAAP算法在溢出率、平均延迟等方面优于AOS固定阀值和等时调度算法。     

考虑等待提示机制的呼叫中心联合排班方法

针对带有等待提示的呼叫中心进行联合排班方法研究,针对带等待提示的呼叫排队模型,根据顾客耐心及其放弃行为的影响规律,预测顾客等待时间,从而建立呼叫中心等待提示机制;考虑非平稳到达等因素的影响,结合等待提示的评估方法,利用离散事件调度法建立呼叫中心排班模型,提出基于改进遗传算法的联合排班方法。依据某呼叫中心的实际数据,与传统的两阶段方法进行对比分析,从而验证所提出方法对于解决排班问题的优越性及显著的应用价值。     

行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.     

具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.