网上超市订单分配与物流配送联合优化方法

针对网上超市一地多仓环境下的订单分配与物流配送两个环节,从联合优化的视角出发,以最小化物流配送成本为目标建立了非线性混合整数规划模型,并设计了一种启发式算法进行求解.在该启发式算法中,基于缩减问题求解空间的思想,引入人工智能状态空间搜索,利用物流配送阶段影响配送成本的关键因素作为订单分配的规则,采用改进的广度优先搜索算法生成较好的订单分配方案集合.利用C-W节约算法和邻域搜索技术,在优化配送路径时调整订单分配方案.最后构造算例验证了该算法的有效性.     

网上超市拆分订单的合并打包优化决策方法

大型网上超市"一地多仓"和"多地多仓"等仓储布局导致"一单多品型"订单被拆分在不同仓库进行拣选并分多次配送给顾客,这就诱发了"高成本、高污染、高扰民"等影响电子商务绿色健康发展的挑战性难题.被拆分订单在多个仓库间的合并打包是化解这一难题的重要手段.本文从化解问题求解难度入手,以提高拆分订单合并打包方案在线生成的科学性和高效性为目标,综合运用组合优化和状态空间搜索理论,围绕拆分订单是否合并打包,选择哪些仓库打包,哪些商品可以合并打包这三个关键问题提出拆分订单合并打包问题的两阶段在线智能优化决策方法.第一阶段归纳总结决策影响因素,制定判定规则,决策合并打包必要性;第二阶段,采用状态空间搜索算法生成备选的合并打包方案集合,将定性的控制策略转换成控制规则纳入方案生成过程来缩减方案空间.数值实验表明,本文提出的合并打包优化策略可有效降低网上超市拆分订单履行成本,理论成果可为指导网上超市或其它拆单现象显著的B2C电商企业的实际合单作业提供借鉴.     

考虑前置仓选址与服务策略的同时取送货车辆路径问题研究

本文在电子商务环境下研究了面向城市小件物流配送的同时取送货车辆路径问题,兼顾前置仓的选址策略,允许车辆在配送途中前往前置仓进行补货与存货操作.依据退回货物的状态差异构建两类配送子模型,统筹安排车辆的服务路径、前置仓选址以及补货存货策略使得物流企业整体运营成本最低.其次,设计了一种基于节约算法与自适应大邻域搜索的混合启发式算法CWIGALNS求解上述问题,提出改进算子提升算法的求解效率.随后,通过9组小规模算例验证了模型的准确性和算法的有效性.最后,采用多组较大规模算例进行数值实验.实验结果表明,两类配送子模型中,前置仓提供存货服务的模式有助于车载容量的循环使用,减少车辆使用数目降低物流配送成本.本文提出的模型与算法可以为城市小件物流配送企业服务策略的制定提供良好借鉴与帮助.     

新零售背景下药品协同配送优化研究

随着药品网上零售的发展以及将线上线下融合为核心理念的新零售模式的涌现,药品的全渠道运作特别是协同配送优化问题引起学术界和产业界的广泛关注.新零售背景下药品的前置仓储,配伍使用和客户需求时效性等运营特点给新零售背景下药品配送策略的制定带来了新的难题.本文采用时空网络建模思想,在精准刻画系统决策过程的同时简化模型结构.根据优化问题的两阶段复杂决策特性,本文设计基于拉格朗日松弛方法的综合优化算法求解该模型.最后通过算例分析验证了方法的有效性和高效性,并通过参数敏感性分析提出相应的管理启示,给新零售背景下的药品协同配送运营决策提供参考和建议.     

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.     

限行条件下配送车辆配置的二阶段随机规划

针对车辆限行下配送车辆数量和配送时间均具有不确定性这一难题，通过建立二阶段随机规划模型，实现物流配送车队中传统能源和新能源车辆比例和数量的合理配置，以保障后续生产配送的协同进行.以最小化日均车辆采购成本和后续生产配送期望成本为目标建立二阶段随机整数规划模型；为求解模型，提出改进的随机分支定界算法，并嵌入局部搜索以提高上界的估计效率；通过数据实验验证了模型和算法的有效性.此外，利用该模型和算法，探讨了不同车辆限行措施的执行类型和执行概率对企业车辆配置决策的影响.本文研究有利于解决车辆限行导致的城市物流配送难题，为保障我国城市物流相关企业日常运营提供决策方法.     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

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Agent的网络物流配送决策系统研究

针对电子商务下企业物流配送决策面临的新要求,将Agent技术应用于企业物流网络配送决策。分析了电子商务下企业物流配送决策的基本流程,在此基础上构建了基于多Agent的网络物流配送决策系统结构,分析了该系统中Agent间的运作方式,并详细剖析了各子Agent的内部结构。探讨了系统中多Agent间的协调机制,定义了Agent状态转移的协调规则。采用分布式组件对象模型(DCOM)技术实现了Agent间的交互和通讯接口。通过该系统的调试运行,证明将Agent技术应用于物流配送决策提高了决策的效率。     

配送系统优化问题的分析与建模——以多对一配送网络为研究对象

在VMI模式下,物流配送系统中,供需双方的库存与运输的全面整合优化问题是获得配送系统总成本最优化的重要问题.通过运用双层规划法,为物流配送系统中典型的多对一配送网络建立具有随机需求的、多产品的库存与运输整合优化数学模型;用改进启发式算法分析其解法;并确定配送系统优化问题的最优成本下限以验证所用启发式算法的有效性;最后,运用算例验证模型与算法在实践中对改善库存与运输系统总绩效的重要作用.     

基于多智能体仿真的电商物流配送波次策略分析

为了提供良好的网络购物体验同时保证公司较高的盈利水平,电商物流企业需要规划合理的配送波次来寻求配送成本和配送时效之间的平衡。提出了一个基于多智能体的仿真框架,将物流配送中的业务流程建模为仿真网络中的不同节点来进行仿真。以北京市区为例,研究了不同配送波次策略下的订单交付过程。实验结果表明,配送波次策略的选择对不同的网络购物需求具有一定的敏感性。     

实体店及其网上商店产品的动态定价及订货策略

以实体店和网上商店两种销售模式通常共用一个订货渠道来满足顾客的不同需求为背景,分析了拥有实体店和网上商店公司的最优订货策略、最优的价格调整次数问题,并推导出了不同时期的最优定价策略.然后,利用数值算例分析了价格调整次数未知与已知两种情况下的最优决策.最后,指出了未来可能的几个研究方向.     

Analytical Study of Multi-Item Joint Replenishment Problem

This study evaluates the performance of a multi-item joint replenishment inventory model. In this model, the retailer uses a continuous review QS inventory policy. We assume that the customers who can not be satisfied by the retailer immediately will be lost, which is the main difference between this study and the previous research, and also the main contribution of this article. Based on the lost sale assumption and other assumptions on the outstanding orders during retailer lead time, we analyze the order quantity distribution of each item in their joint order. After that, by decomposing the multi-item joint replenishment problem to multiple single item inventory models, we derive the expression of the retailer cost analytically. At last, we give some suggestions for future research.     

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。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.