线上线下融合的新零售模式运营管理研究现状与展望

近年来,线上线下融合的新零售模式得到了飞速发展,加速了中国乃至世界零售业的新变革,极大地影响和改变了人们的生产和消费方式.这种新模式实现线上线下优势互补、催生新的商务模式.伴随着这一新零售模式的飞速发展和落地实践,它所呈现出的协同性、集成性、网络化、数字化和智能化等特征,给新零售企业的运作管理带来了前所未有的挑战,使其面临重重困难.本文将从价值共创的视角,对新零售模式运营管理的几个核心问题展开剖析,重点从线上线下融合相关的基于价值共创的新零售模式创新、多利益主体协同运作激励机制、消费者需求拉动下的全渠道产品动态定价、新零售模式的全渠道运营库存管理以及"最后一公里"物流即时-协同配送优化等方面对国内外的相关研究进行综述,并展望未来研究的发展趋势.     

网上药店“一单多品”订单的协同配送优化方法

线上线下融合的商业模式是当前电子商务乃至网上药店新的经营模式和发展方向.由于药品是特殊商品，其物流配送的"安全性"和"时间紧迫性"等要求远远高于一般日用品.网上药店和实体药店融合并协同运作，这是解决药品电子商务物流配送难题的有效手段.不同药品由于存储条件不同，必须分类存储，由此产生了"一地多仓"的布局.实体药店作前置仓的履行模式能够满足药品订单的时效性，但药品种类繁多且实体药店库存有限，部分"一单多品"订单需要多个实体药店协作才能完成订单.在"一地多仓"以及"一单多品"的网上药店背景下，本文针对带时间窗的药品订单的多主体协同配送问题，研究订单拆分、子订单分配以及订单主体之间的联合配送决策，构建目标函数为订单配送成本最小化的非线性规划模型.然后，设计定性的控制规则缩减解空间，嵌套C-W节约算法构造改进粒子群算法，能够有效求解本文的多个子问题联合决策的复杂问题.最后通过算例实验，验证了模型与算法的科学性和有效性，并且在一定程度上论证了药品协同配送模式的可行性和实用性，为网上药店实践提供一定的思路和启示.     

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.     

考虑多重不确定性的托管药房物流调度优化

为有效控制药房托管的药品物流运营成本,本文首先结合时空网络架构,将托管药房的药品物流调度过程描绘成一种多层时空网络,继而将研究问题构建为优化领域中的多重货物网络流问题.在此基础上,综合考虑药品物流调度过程中的需求不确定性、配送服务时间不确定性以及药品供应成本的可变性,建立基于药房托管模式的药品物流调度随机优化模型并设计具有挑选规则的混合遗传算法进行求解.参数测试表明,当挑选判断系数设为0.6时,求解算法可以收敛到比较理想的解;算例分析表明,本文所设计的随机优化模型在各决策回合的解与完全信息模型解之间的逼近程度不一,但总误差仅为0.56%;敏感性分析则发现药房最低安全库设置存在一个最优均衡点.     

多中心共同配送开闭混合式的车辆路径优化问题

针对多中心共同配送开闭混合式车辆路径优化研究在资源集成共享和合作收益分配机制设计结合方面存在的不足,提出研究多中心共同配送开闭混合式的车辆路径优化问题。首先,构建了包含运输成本、惩罚成本、租赁成本和配送成本等物流运营总成本最小的优化模型。其次,根据模型特征设计了考虑客户点地理位置和时间窗约束的三维K-means聚类算法,进而提出了遗传-粒子群混合优化算法求解模型。该混合算法设计了遗传算法和粒子群算法间的选择性赋予机制,提高了种群的多样性和获取优化解的收敛性,并增强了混合算法的局部和全局搜索能力。再次,应用成本差值分配方法进行多中心共同配送的收益分配优化研究,进而应用严格单调路径原则研究了联盟合作序列选择问题,并进行了多中心共同配送的联盟稳定性检验研究。最后,通过算法比较分析和实例数据对所提出模型及算法进行了验证研究,并比较分析了不同配送模式下多中心共同配送优化方案各指标的差异,进而验证了所提方法的有效性和适用性。研究成果可为多级多中心共同配送的网络优化问题研究提供方法参考和决策支持。     

基于库存成本优化的配送中心选址问题研究

研究了需求不确定、存在运输规模经济下的连锁零售企业的配送中心选址问题．在传统选址分析中加入了详细的库存系统分析，在此基础上，以配送中心和门店的服务水平为约束条件，建立了较为全面的配送系统年总成本优化模型，并通过该模型找到了各方案下的最优库存水平和最小成本，从而选出最佳方案．最后。通过仿真，分析了需求变化和运输距离变化对系统的总成本以及方案选择的影响，为连锁零售企业的物流配送中心选址提供了决策支持．     

新零售运营管理面临的问题与挑战

“互联网+”背景下，一方面，实体零售市场因电子零售的虹吸逐渐萎缩；另一方面，互联网普及所带来的流量红利在逐年衰减，使得电子零售的发展也陷入瓶颈，再加上持续技术创新与消费不断升级的联合驱动，致使线上线下与物流深度融合的新零售应运而生。通过梳理新零售的产生背景与发展态势，阐述了新零售概念及其本质特征，分析了新零售与传统零售之间的差异。基于新零售企业实际运营管理中面临的问题与挑战并结合相关研究现状，提出了新零售运营管理研究面临的新课题与新机会。     

多种横向转运配送方式下的成品油配送方案优化方法

针对多种横向转运配送方式下的成品油配送方案优化问题，以配送成本最小化为目标，构建了可同时表达多种配送方式的优化模型。设计了能够同时求解多种配送方式下的配送方案，且求解精度高、速度快的启发式算法。数据实验验证了模型、算法的有效性，并得出：合并配送方式不可能成为成本最低的配送方式；当车辆不满载时，混合配送方式的优化空间更大；随着转运油库与配送区域的趋近，混合配送方式的成本优势越来越明显；所提算法求解不同配送方式下的配送方案的时间差极小，在制定配送计划时，可同时生成分开配送方案和混合配送方案，择优选用。本研究为横向转运背景下成品油配送方式的选择和配送方案的优化提供了一种科学的决策方法，有利于降低企业的配送成本。     

考虑取送作业的生鲜农产品配送路径优化模型与算法

随着人们对生鲜农产品的需求越来越大,生鲜农产品配送路径优化问题得到了越来越多学者的关注。本文在传统生鲜农产品配送路径优化的基础上,结合软硬时间窗约束,考虑配送过程带取送的双向作业模式,以配送总运营成本最小为目标函数,建立非线性混合整数规划模型。通过使用Gurobi对问题进行求解,验证了模型的准确性。同时,为了解决大规模路径优化问题以及证明本文提出的取送结合的配送模式具有明显优势,本文设计了遗传算法对算例进行求解分析,最终证明了该模型的准确性和算法的有效性及稳定性。     

边远群岛物流体系的选址-库存-路径优化

针对边远群岛海运物流体系在构建与优化中所面对的选址-库存-路径问题,从边远群岛的地理结构和自然环境出发,分析了这一特殊背景下物流体系的内在运作机理和特点.以物流节点选址、港口布局、仓储规划和航线配置为基本内容,以各岛屿物资供应不问断为前提,构建出物流成本最低的优化模型.根据问题特点,提出一种基于遗传算法和模拟植物生长算法的混合算法.通过对我国南海某群岛海运物流体系实例计算和不同算法的对比,说明所建模型和算法的合理性与有效性.最后,经过灵敏度分析,指出了决策时应更关注运输系统优化的内容.文中提出的模型、算法为边远群岛海运物流体系的构建提供了理论支撑和优化方法,对于我国南海群岛建设决策及物流体系的构建具有重要的理论意义和实用价值.     

度约束最小生成树(DCMST)的竞争决策算法

度约束最小生成树是网络设计和优化中的一个NP难题，介绍了一种基于竞争造就优化和决策左右结果的新型算法——竞争决策算法，利用竞争决策算法的通用模型，给出了一种基于竞争决策思想求解度约束最小生成树的快速求解方法，经过数据测试和验证，并与其它算法的结果进行了比较，得到了较好的结果．     

基于多维特征差异的个性化学习资源推荐方法

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标,且模型数据较难预测,不符合在线智能化学习的趋势.针对以上问题,提出了基于多维特征差异的个性化学习资源推荐算法:首先根据学习者和学习资源多维特征差异建立学习资源推荐模型,并考虑了学习偏好;其次引入协同过滤技术对模型数据进行预测;最后针对推荐模型的多目标优化特征,将协同过滤算法和二进制粒子群算法结合,提出了对惯性权重和种群多样性进行动态协同调整的自适应二进制粒子群算法,实现了个性化学习资源推荐.实验证明,该算法具有较好的准确性,能够满足个性化学习资源推荐的需要.     

考虑同时取送货需求带模糊容量限制的在线设施动态选址问题

共享环境下配送设施作为在线资源，其空闲容量受线下负荷影响而呈现动态可得性与波动模糊性.同时，在线资源的引入也使得城市配送中的设施选址问题由单周期决策模型转变为多周期动态决策.为此，本文构建了考虑同时取送货需求带模糊容量约束的在线设施动态选址模型，改进了五角模糊数隶属度函数用以表示模糊容量约束.在此基础上，将禁忌搜索与自适应大规模邻域搜索算法相结合，提出了邻域生成算子和新解接受准则改进方案.最后，算例结果表明该改进方案能有效提升算法全局搜索能力，降低企业在线设施动态选址成本.     

考虑消费者退单行为的生鲜电商分级退款决策

针对生鲜电商企业面临的订单取消难题,考虑订单履约成本随时间变化的特点,结合消费者退单行为分析和制定分级退款最优决策以提升企业整体收益.本文首先基于经典Hotelling模型分析和刻画消费者退单行为偏好,然后构建消费者效用函数并在此基础上建立零售商的收益模型,在单一退款决策的基础上分段优化得到了最优的分级退款决策.研究发现零售商采用分级退款最优决策不仅能够提升自身收益,还可激发消费者的购买意愿提高其市场参与度,并能有效引导消费者的退单行为,显著提升收益,减少履约成本,提高顾客满意度,实现零售商和消费者的"双赢".最后,本文通过数值实验充分验证了理论结果,为生鲜电商企业制定退单退款策略提供了辅助决策支持和管理启示.     

浸出过程浸出率预测与在线优化

本文建立了浸出过程浸出率混合预测模型;基于该预测模型及生产的实际需要,将一个动态浸出问题转化为带约束的优化问题;针对在线优化计算时间长,精度要求高的难题,提出了变邻域搜索PSO算法及基于该算法的动态生产过程在线优化策略.通过实际应用证明混合预测模型预测精度高;在线优化算法自适应性强、运算量小、精度高,具有较高的实际应用...     

在线组建协作配送联盟中企业成本节约相对量估算方法研究

企业参与在线协作配送联盟的重要决策依据是成本的节约程度,但计算该信息需要求解2~N-1个(N为企业数)类似多配送中心车辆路径问题的复杂难题,且在线协作联盟组建允许计算的时间十分有限.本文针对该难题,提出了一种估算协作配送问题结果的快速方法.首先,基于合作博弈中经典成本分摊方法,证明得出了计算过程中采用估算方法的可行性;然后,基于Beardwood研究的包含n个点的旅行商问题最优解路径长度,会近似等于α(An)~(1/2)的结论(α为参数,A为n个点的分布面积),提出了能够根据各企业顾客位置、分布区域面积等信息,预估协作配送问题目标函数结果的方法;最后,分别采用本文方法和传统优化方法求解了大量的实例和算例.结果表明:本文提出的方法计算速度迅速且质量准确,与传统方法相比耗时几乎可以忽略不计,能够满足在线实时计算的要求;估算的企业节约成本相对量误差均在10%之内,并且问题规模越大误差越小.