可选交付方式及时间窗下城市配送服务选项多目标联合定价

为解决末端交付方式和时间窗等可选配送服务选项的联合定价问题,考虑送货上门和自提柜两种交付方式,首先构建了考虑服务选项联合定价的嵌套Logit选择模型,描述了服务选项定价对顾客选择行为的影响;然后,考虑配送成本最小化和期望收益最大化,基于混合整数规划建立了城市配送服务选项多目标联合定价模型,着重分析了交付方式尺度因子对末端交付方式和时间窗联合定价的影响。仿真分析发现,RC201和RC206算例均存在明确的帕累托前沿;随着送货上门尺度因子的增加,顾客在选择不同服务选项时替代性降低,定价调整对优化目标影响较小,送货上门交付定价和时间窗定价的变化趋势不明显;由于自提柜交付时间窗约束弱于送货上门交付,随着自提柜交付尺度因子增大,提高时间窗定价有利于实现优化多目标帕累托改进。     

考虑顾客替代选择的城市配送备选服务选项集多目标优化研究

在顾客可选末端交付方式和时间窗等服务选项的情境下，为被拒绝的配送需求提供备选服务选项集是供应商平衡顾客满意度和服务成本的重要措施之一。首先使用嵌套Logit模型分析顾客对配送服务选项的替代选择行为，然后构建考虑期望距离最小和顾客替代选择累计转移率最大的城市配送备选服务选项集多目标优化模型。仿真发现：在配送点分布呈分散和聚集结合的情形下，非支配排序遗传算法更适用于配送点数量更多的算例，可以有效降低车辆行驶距离、车辆数量等成本因素；随着时间窗偏差阈值增大，总收益逐渐下降，其中送货上门服务收益下降趋势明显，自提柜服务收益则震荡上升；顾客替代选择累计转移率最小约束值对收益的影响不存在线性关系；在时间窗偏差阈值较小、顾客替代选择累计转移率最小约束值较大的区域，往往能获取更高的总收益。     

网购城市配送多容量终端选址与多车型路径集成优化

针对网购物流城市末端配送个性化配送服务需求,分析了末端交付系统的特点,建立了送货上门与客户自提二元需求模型,并引入针对客户群的车辆路径近似连续模型。建立了集送货上门和客户自提于一体的多容量终端选址—多车型路径集成优化模型,并设计一种先"多容量选址—分配"再"多车型路径"的两阶段模拟退火启发式算法。通过末端交付系统不同配置方案对比与算例仿真,验证了模型及算法的实用性与有效性。     

考虑送货上门影响的自提点多目标选址问题

为提高自提点运行的效率和效益,研究了考虑受送货上门影响的自提点选址问题。基于巢式逻辑模型,提出顾客选择自提服务的决策过程,并刻画了顾客无法准确评估送货上门等待效用或者自提损失效用的有限理性。从顾客期望效用最大化的角度出发,基于排队模型,考虑取货距离、取货时间、运费、安全性、沟通便利性、退货方便性等因素,构造送货上门与不同自提点的分段效用函数。在此基础上,构建了有限理性下自提点选址的多目标优化模型,用自提点的总成本反映效益目标,用总服务需求反映效率目标。针对优化问题,采用非支配排序遗传算法进行求解。算例结果显示:忽略送货上门的影响将导致设立的自提点总成本和总服务需求量增加;顾客理性程度越高,自提点的总成本和总服务需求将越大;在低运费条件下,顾客将更多地选择送货上门服务,反之将选择自提服务。     

多需求多类型自提点选址分配问题

为了降低快递企业成本、提高市场竞争力,研究了多需求多类型自提点的选址分配问题,以顾客自提和退换货两种需求为例,在考虑3种不同类型自提点的建设成本、服务能力、顾客满意度等的前提下,建立了以快递企业总成本最小化为目标的混合整数规划模型。根据模型可以确定各类型自提点的建立位置,以及各个自提点服务的需求点集合,进一步根据多需求多类型自提点选址分配问题的特征设计了求解模型的遗传算法。利用具体算例进行了模拟计算,结果显示,所设计的遗传算法能有效求解带容量约束和顾客满意度约束的多需求多类型自提点选址分配问题,研究成果为解决快递企业末端配送设施选址分配问题提供了理论依据。     

最后一公里配送服务选择均衡问题

为设计高效的配送服务,研究了顾客有限理性条件下送货上门、有人值守自提点与无人值守自提点三种最后一公里配送服务选择均衡问题。从顾客期望效用最大化角度出发,基于排队模型,考虑取货距离、取货时间、运费、安全性、沟通便利性、退货方便性等因素,建立了三种配送服务的分段效用函数。基于Nested Logit(NL)模型,构建了有限理性下顾客配送服务选择模型,刻画了顾客无法准确计算他们的期待损失或者等待效用的有限理性。基于随机最优反应均衡,证明了最后一公里配送服务系统存在Logit均衡且均衡唯一。通过数值实验验证了模型的正确性,揭示出取货距离、取货时间、运费及顾客理性程度是最后一公里配送服务设计的重要影响因素。     

基于顾客点分布的自提点逐渐覆盖选址模型

为了研究网络零售配送中基于顾客点分布的自提点数量和位置的集成选址问题。根据顾客点的分布设计网格动态密度聚类算法,确定自提点的选址数量和备选位置;然后建立以顾客满意度和最大覆盖为双目标的自提点逐渐覆盖选址模型来实现自提点选址。在IBM CPLEX中对算例进行求解,验证了算法和模型的有效性,同时根据计算结果提出两种适用于网络零售配送的自提点选址策略。     

模糊时间窗约束下的装配线物料配送方案优化

为解决装配线物料无法及时准确配送的问题,提出了一种动态的联合配送策略,在此基础上以最小化单个产品配送成本、最大化工位满意度为目标,建立模糊时间窗约束下的物料配送数学模型。利用NSGA-Ⅱ算法求解出最佳的工位组划分、小车出发时间和配送路径,并对配送小车容量及配送时间窗进行优化。利用Plant Simulation软件搭建某生产线仿真模型进行模拟,验证了配送方案的可行性。与一般配送策略进行对比,结果表明,在保证配送工位满意度的前提下,优化时间窗能进一步降低单个产品的配送成本。     

基于客户点行政地址的自提点选址—路径优化

为解决基于客户点行政地址的自提点选址—路径问题,研究了网络零售配送中基于客户点混合地址的自提点选址和路径规划问题的集成优化。根据客户点的行政地址设计了客户点地址聚类算法,确定了代表各客户点的索引点作为自提点备选位置。制定了双层路径规划策略,分别通过改进蚁群算法求解以配送路径最短为目标的上层路径规划模型,实现配送区域块内索引点之间的路径规划;通过下层门牌号码排序算法,利用客户点的行政地址实现了索引点内客户点之间的路径规划。以重庆市巴南区鱼洞街道内的客户点为研究算例,对自提点选址和配送路径规划两方面算法与模型进行验证,计算结果表明了算法和模型的有效性和实用性。     

送提一体与终端共享下的最后一公里配送选址—路径问题

为有效解决电商物流最后一公里配送问题,基于最后一公里配送特征分析,从系统集成优化的角度出发,对送提一体与终端共享下的多主体共同配送选址—路径问题进行了研究。在该问题中,任意客户均存在两种服务方式,自提点可同时服务不同企业的客户,且能够被不同企业的配送车辆访问。针对该问题,建立了以系统总成本最小化为目标的整数规划模型,并设计了一种融合遗传算法、局部搜索算法及多种先进进化与搜索策略的混合遗传算法予以求解。在此基础上,通过基于标准算例库和实际案例的对比仿真实验验证了算法和模型的有效性。     

B2C模式下配送中心与末端节点的两阶段布局优化模型

在配送中心数量已知的假设下,分别考虑顾客满意度最大和运输成本最低两个目标,对B2C模式下城市配送物流网络中的末端节点选址数量、配送中心和末端节点的选址位置问题进行研究,建立了两阶段布局优化模型。第一阶段,通过中心偏移二次聚类算法求解末端节点的数量和位置;第二阶段,通过基于最小生成树的聚类算法和非线性规划模型实现配送中心的选址。通过算例验证了该模型的有效性,在电子商务企业构建B2C模式下的城市配送物流网络时,可为配送中心和末端节点的布局规划提供一个较好的方案。     

基于强化学习的电商促销期时隙运能柔性分配研究

针对促销期间订单激增、车辆运能不足且分配不均的情况,分析客户时隙选择行为的影响因素,为顾客提供准时和延迟两种配送模式的选择,采用强化学习的思想,建立了基于马尔可夫决策过程的时隙运能分配模型,并采用替代配送、外包配送柔性方式对到达订单做出运能分配。算例结果证明,基于强化学习的时隙运能柔性配送策略,使得促销期间前后的时隙需求得以均衡,获得更高的订单配送率及车辆利用率;顾客对交付期的偏好程度影响顾客对时隙选择,延迟配送策略的延迟天数影响着商家的收益。研究结果对电商制定促销期间时隙运能分配策略有参考价值。     

消费者"最后一公里"配送模式、服务方式与配送时隙的联合选择

为描述消费者对"最后一公里"配送模式、服务方式和配送时隙的联合选择行为,选取社会经济属性、配送活动属性和配送服务属性3类变量作为效用变量,以配送模式子集合、服务方式子集合和配送时隙子集合的组合作为选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型。通过问卷调查获得的数据,对模型参数进行估计和检验,并进行配送服务属性类效用变量的直接弹性分析。参数估计结果表明,当效用变量改变时,如果配送服务发生在上午,消费者会先变更其配送时隙,然后变更配送模式,最后考虑改变服务方式;如果配送服务发生在下午,消费者会先变更配送模式,然后变更配送时隙,最后变更服务方式。直接弹性分析表明,消费者对送货上门带来的等待时间、服务水平和经济损失都比较敏感;对职业人的配送服务相对信任,而对非职业和无人的服务方式较为顾虑;对8:00～10:00送货上门服务和12:00～16:00自提货物服务的各方面都很关注。     

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题，综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响，构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型，该算法采用聚类法生成初始解，基于运力平衡的返回策略设计交叉和变异算子，并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性，并分析了运力平衡策略和混合时间窗对制定配送方案的影响。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了理论依据。     

基于直角距离的设施选址优化问题

简要介绍了制造业设施选址相关因素及设施间距离度量方式.基于直角距离度量方式,建立了3种贴合实际工作的选址模型:单设施加权距离之和最小化模型、单设施最大距离最小化模型和多设施选址-分配模型,并阐述了使求解变得简单的技巧.     

基于混流生产模式的装配车间物料配送路径规划方法

合理规划物料配送路径能够提升车间生产效率,降低车间物流成本和生产成本。针对混流装配车间配送不及时、费用高等问题,提出基于混流生产模式的物料配送路径规划方法。以工位为物料配送对象,对混流装配车间物料配送环境进行分析,找出混流装配线的物料消耗规律,明确物料配送数量,简化物料配送过程。在此基础上,结合生产实际的时间窗约束,以最小化物料配送总费用为目标建立了物料配送模型,采用改进蚁群算法对该模型进行求解,最后以某视频控制卡混流装配车间为实例,验证了该方法的可行性和有效性。     

基于时间窗指派的污染路径问题

考虑物流企业与客户对配送到达时间一致性的诉求,同时结合国家节能减排要求对车辆路径问题进行研究.物流企业需要在配送开始前为客户指派一个时间窗,由于客户具有配送前不确定需求的特点,通过引入需求场景概念,建立了以最小成本(碳排放成本和旅行成本)与最小配送时间为目标的基于时间窗指派污染路径问题的双目标优化模型.考虑到模型的复杂性,设计混合遗传—禁忌搜索算法.通过算例对设计的混合算法与构建的双目标模型进行分析,验证模型与算法的有效性,并与传统目标行驶距离最小和配送时间最小的指标进行数据对比分析.实验结果表明,基于时间窗指派污染路径问题的模型能够有效减少碳排放成本和旅行成本,但会引起配送时间的增加.     

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该算法的可行性和有效性.     

基于直角距离的设施选址优化问题

简要介绍了制造业设施选址相关因素及设施间距离度量方式。基于直角距离度量方式,建立了3种贴合实际工作的选址模型：单设施加权距离之和最小化模型、单设施最大距离最小化模型和多设施选址一分配模型,并阐述了使求解变得简单的技巧。     

三维装载约束下基于运输资源共享的车辆路径问题

针对车辆路径问题研究在三维装载方式和运输资源共享模式结合方面存在的不足,提出三维装载约束下基于运输资源共享的车辆路径优化策略。首先,结合客户点地理位置特征和服务时间窗属性确定多个服务周期,建立了多个服务周期内物流运营成本最小化和车辆使用数最小化的双目标优化模型。其次,设计了集成k-means时空聚类的Clarke-Wright—非支配排序遗传算法求解模型,该算法引入Clarke-Wright节约算法以提高初始解的质量,并结合非支配排序遗传算法提高了混合算法寻找优化解的全局和局部空间搜索能力。最后,结合实例数据对所提方法进行了计算验证,给出了三维装载约束下基于运输资源共享的车辆路径优化方案并探讨了不同车厢空间分区模式下物流运营总成本、车辆使用数、车辆平均装载率和车辆平均使用频次的变化情况。研究表明：根据客户需求货物种类数和货物规格划分配送车辆装载空间,可有效降低物流运营总成本,减少配送车辆使用数,增加车辆共享频次和有效提高车辆平均装载率,并可为基于运输资源共享的三维装载物流网络优化问题提供决策参考和方法支持。