基于平台的在线大规模协作配送联盟拆分策略研究

基于平台的在线协作配送模式,容易形成大规模联盟,成本分摊时所需2n-1个子联盟成本值的数量呈指数增长,难以在合理时间内计算出成本分摊方案.基于此,文章构建成本最小化协作配送模型来分析联盟拆分的必要性,通过动态规划思想求解拆分方案种类,分析拆分的复杂性,借助网络图提出了先依据顾客地理位置分布、再根据配送区域重叠度,快速将大规模联盟拆分成数个小规模联盟的两阶段拆分策略,从而减少子联盟数量.最后,通过数值实验和实例分析,对两阶段拆分策略的有效性进行验证.结果表明:1)传统方法求解子联盟成本C(S)耗时28.15 h,而采用两阶段拆分策略后,在实验电脑上基于三阶段算法仅需64.57 s; 2)文章提出的第二阶段拆分策略所得方案与精确拆分方案的偏差不超过8%,求解质量较优; 3)采用第二阶段拆分策略将规模为30的大联盟拆分后,成本分摊输入数据计算耗时不到1 h.文章提出的大规模协作配送联盟两阶段拆分策略能够极大缩短耗时,在合理时间内计算出成本分摊方案.更重要的是,文章研究思路可以为其他大规模合作博弈问题提供启发.     

一种均衡协作配送子联盟满意度的成本分摊方法

协作配送是经典的合作博弈问题,其关键问题之一是确定合作成员之间的成本分摊方案.其中核仁解是公认合理的成本分摊方法,核心为使子联盟满意度达到一个总体均衡状态,但当前核仁解的子联盟满意度均衡程度未能达到最优状态.文章以核仁解为基础,提出奇偶循环线性规划模型,得到子联盟满意度均衡程度更高的联盟均衡解(alliance equilibrium solution, AES).最后通过实例分析,验证联盟均衡解与核仁解的均衡性偏差,得出:当企业合作的成本节约空间大时,联盟均衡解与核仁解对应的子联盟满意度分布的方差偏差可高达17.31%,极差偏差可达15.15%.即联盟均衡解的公平性高于核仁解,为合作博弈的成本分摊问题提供一个更优的方案.     

一种求解协作配送成本分摊问题核仁解的近似迭代算法

协作配送问题是典型的组合优化合作博弈问题,也可称为协作车辆路径问题,其核心问题之一是确定公平合理的成本分摊方案.其中核仁解由于具有唯一性和公平性等特点,是成本分摊领域中公认的科学分摊方案.本文提出了一种近似求解协作配送问题核仁解的方法.首先分析证明了当顾客位置分布均匀,从理论上协作配送成本分摊问题会是凸博弈问题,然后,基于凸博弈的核仁解会等同于预内核解的理论,提出了一个能够求解凸博弈问题核仁解的迭代逼近算法(approximate iterative algorithm,AIA),分析了AIA算法的复杂度为O(n~42~n),为此又提出了AIA的有效提速策略,可将AIA的复杂度降低至多项式.最后,通过求解协作配送算例和实例,验证了本文AIA算法能够准确求解得到协作配送成本分摊问题的核仁解,提出的求解策略能有效的减少求解耗时,并且得到的最终结果与实际核仁解的平均偏差不到0.02%,更重要的是AIA能够用于求解所有凸博弈问题的核仁解.     

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.     

带软时间窗整车物流配送路径优化研究

为更好地解决整车物流配送问题,提高客户满意度,以总成本最小化为目标,构建了带软时间窗约束的整车物流车辆路径优化问题模型,进而对于该模型设计了自适应遗传算法,并用成品汽车配送案例对算法进行了验证.算例的数值结果表明,基于自适应遗传算法提出的整车物流车辆路径优化方案,可以满足分销商和客户需求,能够减少配送车辆数量、节省早到或晚到惩罚成本、提高企业的经济效益.该研究为改善整车物流配送问题提供了新的解决思路.     

基于信用监管与防范的战略联盟演化博弈

为研究联盟成员信用与自身防范对联盟稳定性的影响,基于对专有性资源的攫取是机会主义行为的动机这一前提,建立战略联盟演化博弈模型,从理论上分析了信用惩罚额度和防范成本对战略联盟稳定性的影响.研究认为,通过进行信用监管,以及联盟成员自身实施一定的防范措施,有助于实现联盟稳定.过高或过低的惩罚额度与防范成本,将不利于联盟稳定.     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

竞争条件下纵向合作创新企业的联盟策略

基于Samiran Banerjee和Ping Lin的纵向合作创新模型,通过引入上游企业间双寡头竞争关系和创新成本函数,探讨在产业链上游双寡头竞争条件下,当以过程创新为目的上游创新企业的研发成本分担比例一定时,上游创新企业与下游成员企业的联盟策略,及其对四类企业利润函数的影响.研究表明:上游创新企业的合作创新活动不仅可以提高合作创新联盟企业的利润,而且下游非成员企业也会从中受益,从而使行业总利润得到提升.     

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.     

联合订货区间值EOQ模型及成本分摊合作博弈方法

针对含有单个供应商和多个销售商的供应链中销售商企业联合订货的情形,研究需求为区间值的不允许缺货的销售商企业联合订货区间值EOQ模型,求解出各销售商企业的区间值订货量及联合订货联盟的区间值库存成本.构建相应的区间值库存成本分摊合作博弈,提出区间值比例剩余分配值作为成本分摊方案,给出求解一大类具有类联盟单调性的区间值库存成本分摊合作博弈的区间值比例剩余分配值的一种简便算法.利用该算法,区间值比例剩余分配值可直接利用联盟库存成本区间值的左、右端点值计算得到.通过一个实例说明了文中算法的有效性及可应用性.本文可为解决复杂库存成本分摊问题提供理论与方法支持.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

模糊需求联合订货模型及均分Shapley值成本分摊方法

销售商企业联合订货可以共同承担固定订购费和仓库存储费,是企业降低订货成本、提高利润的有效途径.在实际问题中,市场环境的复杂多变导致企业很难预测需求的精确值.本文用三角模糊数表示需求,研究不允许缺货的销售商企业联合订货三角模糊数EOQ模型,并探讨相应的联合订货成本分摊方法.结合三角模糊数的均值面积度量法,解得联合订货策略及三角模糊数平均成本.三角模糊数减法的不可逆性影响了三角模糊数合作博弈的求解,本文通过定义一组类联盟单调性条件,提出计算三角模糊数均分Shapley值的方法,得出三角模糊数均分Shapley值的计算公式,并证明三角模糊数均分Shapley值满足的重要性质.利用三角模糊数均分Shapley值分摊公共成本,兼顾效率和公平,并通过实例说明模型的实用性及成本分摊方法的有效性.     

一种考虑子公司竞合关系的跨国公司固定成本分摊方法

跨国公司固定成本分摊结果直接关系到跨国公司、子公司以及子公司所在地税务机关的利益,因此如何合理分摊跨国公司固定成本引起相关各方的关注.本文从跨国公司的特点出发,提出一种考虑子公司间竞争和合作(竞合)关系的跨国公司固定成本分摊方法.首先,以被广泛认可的公平交易原则为基础刻画成本分摊约束集,并指出其与数据包络分析中的有效成本分摊集是一致的.其次,在公平交易原则约束下,根据先最大化集体利益进而最大化个体利益的思路,设计相应的跨国公司成本分摊模型.最后,利用2013年某跨国石油公司的数据对方法进行验证.结果发现决策单元(DMU)规模影响在成本分摊结果得到体现,有利于分摊方案被DMU接受;同时发现联盟策略并不能保证所有DMU都能够获得比中立策略更优的成本分摊结果,但DMU联盟策略在大部分情况下有益于改善其分摊结果;此外发现迟钝型DMU更适合采取中立策略,而敏感型DMU则适合采取竞合策略.研究为解决跨国公司固定成本分摊问题提供了一种可行的思路,可为相关决策者提供有效的决策支持.     

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.     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.     

基于DEA与联盟博弈的固定成本分摊方法

结合DEA(Data Envelopment Analysis)和联盟博弈方法研究固定成本分摊问题.首先证明了如果将分摊成本作为新的投入,则所有的决策单元将是DEA有效.在此基础上,结合联盟博弈理论,定义了联盟博弈的特征函数,提出了Shapley值的成本分摊方案,最后通过算例说明了该方法的有效,以及与已有的用DEA进行固定成本分摊的方法相比在可实施方面具有一定的优势.     

考虑罐容限制的多油库多行程加油站配送优化问题研究

针对加油站的成品油配送需求,提出一个多油库、多车型、多行程、带隔舱和软时间窗的车辆路径问题(MDFDP).车辆从所属油库出发,在调度期内访问其它油库进行配送,并最终返回所属油库.当自有车辆不足时,可以租借外部车辆.由于加油站各油品的罐容有限,车辆必须在容纳时点后卸油.出于安全原因,车辆在卸油前需要静置一段时间.在车辆静置和卸油期间,加油站因临时关闭而产生销售损失.以最小化车辆固定成本、行驶成本、卸油成本、缺货惩罚所组成的总成本为目标,建立了该问题的混合整数规划模型.设计了一种结合局部优化的混合蚁群算法解决该问题.针对多车型,提出一种多信息素矩阵更新策略,使得每种类型车辆具有各自的信息素矩阵.将混合蚁群算法和CPLEX、变邻域搜索算法进行比较,实验验证了混合蚁群算法以及多信息素矩阵策略的有效性.企业应用实例表明:混合蚁群算法能有效求解实际问题;与车队、销售部门的单独配送决策相比, MDFDP统筹了两个部门的利益,能够大幅降低企业运营总成本.     

基于实时信息的城市配送车辆动态路径优化

针对城市物流配送的现状,研究了信息在配送过程中实时变化的动态车辆调度问题。分析了需求量在配送途中发生变化、需求点增减、道路交通中断、车辆在行驶过程中出现故障四种动态事件情形下的配送线路实时优化问题。通过引入虚拟顾客,将动态车辆路径问题转化为经典的静态单车型车辆路径问题,提出了动态车辆路径问题的模型构建方法。分构建初始线路和对线路进行实时优化两阶段完成对配送线路的规划,并运用混合遗传算法对其寻优。实验结果表明,本文模型和算法可以有效降低企业配送成本。     

基于DEA和核心解的固定成本分摊方法研究

结合DEA(data envelopment analysis)和联盟博弈方法研究了固定成本分摊问题.首先证明了如果将分摊成本作为新的投入,则所有决策单元个体和整体将是DEA有效.在该结论的基础上,结合DEA和联盟博弈理论,定义了联盟博弈的特征函数,提出了三种基于核心解的固定成本分摊方案,并通过算例验证了这些方法的合理性.