基于众包平台的跑腿代购即时配送优化研究

根据跑腿订单稀疏且取送货距离远,配送员收益依赖于配送距离等特征,为了提高跑腿代购订单的配送时效及配送员收益,建立实时订单分配与路径优化模型,设计基于滚动时域的远程直配与短程合单策略。运用数值分析的方法,验证该策略的有效性,并与普通众包合单策略进行对比研究,进一步通过配送员的车容量、限制配送距离和总订单数量等参数的敏感性分析研究其适用性。结果表明,所建立的数学模型及设计的策略在配送时效及配送员使用率方面存在优势,更适用于跑腿代购订单;增加限制配送距离,可以降低顾客等待时间,提高客户满意度;减少配送员总数或增加订单量,可以提高配送员收益与配送积极性;可以通过增加限制配送距离提高配送时效,通过减少配送员总数增加配送员平均收益。     

基于众包平台的外卖实时配送订单分配与路径优化研究

众包配送平台通过集结社会闲散运力,为应对激增的外卖实时配送需求提供了新的思路,其核心的订单分配与路径优化问题作为影响其配送成本与效率的关键问题受到关注。针对该问题中订单的实时性、时效性、配送员的自由性等特征,建立以平均每单配送距离以及平均每单完成时间最小为目标的实时订单分配与路径优化模型。分别设计了贪婪策略、最小差值策略用于求解该问题。最后通过大量的数值仿真研究验证了两个策略的有效性,发现最小差值策略所得的平均每单配送距离更短,贪婪策略所得的平均每单完成时间更短。进一步研究了两种策略在不同配送员容量限制、配送员数量、订单密度等参数变化时的适用性,需要控制成本宜采用最小差值策略,追求配送效率宜采取贪婪策略,研究结果可为众包配送平台的订单分配与路径优化策略的选择提供决策支持。     

外卖配送路径多目标实时优化研究

随着外卖行业的不断发展,外卖配送的路径优化问题已引起学者们的广泛关注。但现有研究未将骑手的目标考虑在内,且未考虑动态场景下多目标如何设定权重的问题。因此,本文对外卖配送路径的多目标实时优化进行深入研究。建立多目标外卖配送路径优化模型。该模型不仅考虑订单履行时间、平台利润和骑手服务质量3个常用的目标,另外增加骑手等待时间和骑手空驶距离这两个目标,充分将外卖平台、顾客和骑手的目标综合考虑。设计动态调整权重的多目标外卖配送路径启发式算法,解决动态场景下多目标权重如何设定的问题。通过外卖配送的实时数据进行算例分析。结果表明,本文提出的算法可以有效对多目标的外卖配送问题进行实时路径优化,且订单的密集程度对骑手等待时间和订单履行时间有直接的影响。     

考虑顾客满意度的生鲜外卖路径规划北大核心

生鲜外卖超时送达严重影响顾客满意度,而保障顾客满意又会大幅增加配送成本,顾客满意度和配送成本间存在背反。基于商家自营生鲜外卖模式,以配送成本最低和顾客满意度最高建立多目标优化模型,针对生鲜外卖特点设计货损成本及模糊时间窗计算方法,使用改进的遗传算法进行路径规划,避免了传统遗传算法容易陷入局部最优的缺点,平衡了配送成本和顾客满意度这两个目标。与节约里程算法对比证实模型及算法的有效性,再以盒马鲜生门店作为实例,通过真实路网条件下的位置信息,采用上述方法进行求解,得到配送成本和顾客满意度的最优组合。     

考虑顾客满意度的生鲜外卖路径规划

生鲜外卖超时送达严重影响顾客满意度,而保障顾客满意又会大幅增加配送成本,顾客满意度和配送成本间存在背反。基于商家自营生鲜外卖模式,以配送成本最低和顾客满意度最高建立多目标优化模型,针对生鲜外卖特点设计货损成本及模糊时间窗计算方法,使用改进的遗传算法进行路径规划,避免了传统遗传算法容易陷入局部最优的缺点,平衡了配送成本和顾客满意度这两个目标。与节约里程算法对比证实模型及算法的有效性,再以盒马鲜生门店作为实例,通过真实路网条件下的位置信息,采用上述方法进行求解,得到配送成本和顾客满意度的最优组合。     

基于自适应大邻域搜索算法的外卖配送车辆路径优化

目前我国外卖配送体量已达到单日数千万单的级别,外卖配送车辆的有效调度优化显得至关重要。针对外卖需求产生时间集中、配送时间要求严格的特点,设定顾客期望送餐时间窗以及时间惩罚成本,在考虑成本因素分析基础上,建立物流配送平台总成本最低为目标的数学模型。设计三种订单删除操作及两种订单插入操作,运用自适应大邻域搜索算法对不同规模算例进行求解。最后,利用CPLEX对算法结果进行最优验证,证明了算法的效率和精度。相关方法与结论可为即时配送调度优化提供决策支持。     

考虑空载损失的非集中式共同配送订单分派及路径优化研究

物流活动的空载率居高不下源于路径规划不合理及企业间缺少合作,共同配送是降低空载损失的有效模式,但非集中式共同配送下物流企业可能基于被分派的订单选择自身成本最小的配送路径,从而导致共同配送联盟的空载损失变大。本文研究考虑空载损失的非集中式共同配送订单分派及路径优化,首先提出空载损失定义,权衡整个配送过程的成本最小和空载损失最小两个目标,基于非集中式共同配送的特征设计订单分派策略,进而建立订单分派及路径优化模型。设计了基于ε约束法的精确算法、改进的MOPSO (multiple objective particle swarm optimization)算法、多项式时间快速算法进行求解,并结合算例验证算法的有效性。数值分析结果表明,即使物流企业均追求自身成本最小化,提出的订单分派策略也可得到与全局优化相近的结果。     

顾客可选时间窗下城市配送订单接收策略研究

在顾客可选城市配送时间窗的情境下,研究了带硬时间窗约束的动态车辆路径问题,提出了基于辐射半径的订单接收策略,设计了可接受时间窗分配初始化、可接受时间窗动态调整、参照点动态选择及基于时间窗偏差阈值的配送需求评估等方法,构建了求解动态车辆路径问题的插入算法。通过与先到先服务策略的对比表明,提出的策略能够实现配送收益和行驶距离的有效平衡;基于辐射半径的订单接受策略在平均接受决策耗时、路径更新耗时和全局优化耗时与先到先服务策略差异较小;随着参照点数量增多,算例中收益和行驶距离都在逐渐增长,总收益/距离之比呈现先下降后上升的趋势。     

O2O外卖配送预计送达时间决策模式的选择策略

针对O2O外卖配送预计送达时间决策模式选择问题,根据决策主体不同构建三个模型:外卖平台与第三方配送机构合作,分别由外卖平台决策预计送达时间(模型1)和第三方配送机构决策预计送达时间(模型2);外卖平台自营配送(模型3)。当平台与第三方配送机构合作时,二者所选择的最优预计送达时间的差异在一定范围内,二者模式选择一致。若三种情景中最优预计送达时间相同,模型3的总利润最高,而模型1的总利润最低。     

质量体积双约束下车辆装载与配送路径联合优化研究

目的 针对质量与体积共同限制的配送路径问题,综合考虑订单不可拆分、货物的体积等约束,构建包含路径最短和装载率最高双目标的车辆装载与配送路径联合优化模型。方法 在车辆路径优化模型的求解方面,首先利用聚类算法对配送区域进行划分,然后通过车辆的载质量判断是否能进行站点货物的配送,最后利用遗传算法求得最优路径。在三维装载模型的求解上使用贪心算法和基于块的启发式算法,解决了货物的装箱问题。结果 基于某公司具体实例对模型与算法的可行性进行了验证,优化后配送的车辆减少了1辆,配送距离减少了154.247km,平均装载率达到了93.89%,节省了企业的配送成本。结论 所构建的模型以及求解的算法可以提高装载率和配送效率,为解决车辆装载与配送路径联合优化问题提供理论依据。     

城市物流配送系统的多目标优化LRP模型研究

建立了准时到达、总成本最低的多目标定位--运输路线安排问题（LRP）的数学模型;此LRP问题包括配送中心的分派和运输路线优化两方面的决策,属于NP难题.在构建模型算法过程中,采用了两阶段法：首先采用启发式算法确定配送中心分派问题;其次,给出各个目标的优先级,根据优先因子建立以准时到达为最高优先级、总成本最低为次优先级的新的数学模型,并运用遗传算法求解优化运输路线问题.     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

A Crowdsourcing Recommendation that Considers the Influence of Workers

In the context of the continuous development of the Internet, crowdsourcing has received continuous attention as a new cooperation model based on the relationship between enterprises, the public and society. Among them, a reasonably designed recommendation algorithm can recommend a batch of suitable workers for crowdsourcing tasks to improve the final task completion quality. Therefore, this paper proposes a crowdsourcing recommendation framework based on workers’ influence (CRBI). This crowdsourcing framework completes the entire process design from task distribution, worker recommendation, and result return through processes such as worker behavior analysis, task characteristics construction, and cost optimization. In this paper, a calculation model of workers’ influence characteristics based on the ablation method is designed to evaluate the comprehensive performance of workers. At the same time, the CRBI framework combines the traditional open-call task selection mode, builds a new task characteristics model by sensing the influence of the requesting worker and its task performance. In the end, accurate worker recommendation and task cost optimization are carried out by calculating model familiarity. In addition, for recommending workers to submit task answers, this paper also proposes an aggregation algorithm based on weighted influence to ensure the accuracy of task results. This paper conducts simulation experiments on some public datasets of AMT, and the experimental results show that the CRBI framework proposed in this paper has a high comprehensive performance. Moreover, CRBI has better usability, more in line with commercial needs, and can well reflect the wisdom of group intelligence.     

一种联合优化的水声通信网路由算法设计

针对传统的无线网络路由建立算法在水下小型网络中时延及能耗代价高的问题,提出了改进的DSDV(Destination Sequenced Distance Vector)路由过程,并在此基础上设计出与拓扑结构、MAC层联合优化的算法。该算法建立了以改进的DSDV路由建立时间、能耗及路由信息的完整性为代价函数,以MAC层的包长度、包间隔、拓扑结构中的点和边数等为矢量参数的数学模型,并结合无向图的广度优先搜索算法及最短路径算法,提出了在上述矢量参数条件下代价函数的最优化设计,形成一套适用于小规模区域性观测应用背景的水声通信网的路由建立方法。仿真结果表明,在相同的物理层条件下,联合优化的算法与未优化的DSDV相比,在相同的时间内建立完整的全网路由的概率最大可提高30%。     

A capacitated vehicle routing problem with order available time in e-commerce industry

In this article, a variant of the well-known capacitated vehicle routing problem (CVRP) called the capacitated vehicle routing problem with order available time (CVRPOAT) is considered, which is observed in the operations of the current e-commerce industry. In this problem, the orders are not available for delivery at the beginning of the planning period. CVRPOAT takes all the assumptions of CVRP, except the order available time, which is determined by the precedent order picking and packing stage in the warehouse of the online grocer. The objective is to minimize the sum of vehicle completion times. An efficient tabu search algorithm is presented to tackle the problem. Moreover, a Lagrangian relaxation algorithm is developed to obtain the lower bounds of reasonably sized problems. Based on the test instances derived from benchmark data, the proposed tabu search algorithm is compared with a published related genetic algorithm, as well as the derived lower bounds. Also, the tabu search algorithm is compared with the current operation strategy of the online grocer. Computational results indicate that the gap between the lower bounds and the results of the tabu search algorithm is small and the tabu search algorithm is superior to the genetic algorithm. Moreover, the CVRPOAT formulation together with the tabu search algorithm performs much better than the current operation strategy of the online grocer.     

带软时间窗的同时取送货车辆路径问题研究

考虑软时间窗下的车辆路径问题,客户点常伴有同时取送货的双重需求。针对此类问题,通过对软时间窗、车辆在途前后时间关系及二者融合问题进行刻画,同时将车辆行驶距离、车辆使用数、违反软时间窗总时间、客户满意度等纳入综合考量,构建相应混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型。设计相应多目标优化求解算法,运用理想点法对目标函数进行转化,将多目标优化问题转化为单目标优化问题。结合相应算例集,运用LINGO 17.0全局求解程序求得每组算例的全局最优解。结果表明,针对带软时间窗的同时取送货车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery and soft time windows, VRPSPDSTW),所建模型及算法是有效且可行的。     

考虑时间可靠度约束的4PL路径优化问题研究

运输时间的不确定性是影响第四方物流路径选择的重要因素。本文 将可靠性理论应用到路径优化问题中,把客户对时间可靠度的要求作为约束条件,以运输总费用最小为目标,基于多重图建立考虑时间可靠度约束的第四方物流路径优化问题的机会约束规划模型,设计双列变长编码机制的遗传算法求解模型。通过仿真实例验证模型和算法的有效性,结果表明针对客户对时间可靠度要求的不同,该算法可以快速并有效地帮助决策者做出最优的路径选择。     

面向成套订单的生产与配送协调的排序研究

在工件体积和运输车辆容量的双重约束条件下,建立了以最大化成套订单数和最小化工件总配送时间的多目标规划模型,使用多目标排序寻找"约束解"的方法结合遗传算法求解此模型.最后通过算例分析,给出多目标规划模型及其综合算法在FLOW SHOP生产作业环境中的应用.计算结果表明,应用此模型和算法能够满足最大化成套订单数的要求,同时节省总的工件配送时间,有潜在的应用价值.     

动态的可选择可重复取送货基站运维路径优化研究

为了解决动态的可选择可重复取送货车辆路径优化问题,建立了基于动态需求的VRP模型。对于实时到来的需求,将动态的问题分解成多个静态的问题来求解。每次求解时,用初始插入算法得到初始解,设计改进的变邻域搜索算法来改善初始解。为了准确计算车辆到达配送点的时间,从百度地图实时读取任意两点的交通时间。利用铁塔公司历史数据构造多个算例表明,所提算法在1 min内得到较优解,和公司现有经验相比平均提升了46.47%,与插入算法相比平均提升30.38%。目前该算法已应用在该公司实际的基站运维中,有效地降低了该公司运维成本。     

带时间窗的汽车总装线物料配送路径规划

分析了现阶段汽车总装线物料配送中存在的问题,建立了适用于汽车总装线物料配送路径规划的混合时间窗模型,提出了解决带时间窗的汽车总装线物料配送路径优化问题的改进遗传算法,使用了一种新的染色体编码方式和与之对应的交叉算子。针对传统轮盘赌随机操作选择误差比较大的弊端,提出改进的轮盘赌选择算子,加大随机数的产生次数并加入排序选择的思想,融合了最佳个体保存选择策略,提高算子的选优性能。实验表明该算法用于求解带时间窗的汽车总装线物料配送路径问题的有效性。