考虑动态需求的外卖配送路径优化模型及算法

外卖业务模式高度复杂,现有文献中缺少针对外卖配送路径优化问题的研究.鉴于此,基于同时送取货VRP问题的求解策略,引入时间惩罚成本衡量外卖配送超出时间窗的情况,定义目标函数为外卖配送成本增量总和,包括新订单的固定配送成本、额外配送成本和时间惩罚成本之和.考虑随机参数对计算复杂程度产生的影响,设定配送区域范围,对新订单进行调度时,已指派但尚未完成的订单仍由原车配送,且将时间惩罚成本作为变动成本修正目标函数,直接去掉时间窗约束,降低算法求解难度.设计“商家-客户”配对策略,引入k-means对“商家-客户”进行聚类,同一类内设计“商家-客户”遗传算法,得到启发式路径优化方案.最后,采用随机模拟算法生成动态订单测试算例,通过R语言测试模型及算法的有效性.     

农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端，是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题，考虑无人机与车辆协同方式、多无人机多包裹配送等约束，以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围，第二阶段设计爬山算子与分裂算子改进遗传算法，求得无人机与车辆配送路径。最后，通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。     

如何看待外卖骑手与平台之间的关系

近日,一则关于某平台外卖员送餐时猝死的新闻被曝出,令人惊讶的是往日身着平台配送服的外卖小哥却因"无劳动关系"只获得平台人道主义2000元的补偿款,这也引发对外卖骑手群体权益保障的思考.     

基于集群的卡车与无人机联合配送调度研究

基于集群提出卡车与无人机联合配送新模式,来解决农村地区送货上门难的问题。考虑无人机载重和续航能力,以总运营成本最小为目标建立带时间窗的混合整数规划模型,并提出两阶段算法,通过改进后的K-means算法求出卡车停靠点,采用遗传模拟退火算法优化卡车与无人机联合配送路线。将其与传统K-means算法加CPLEX结果对比,可证明算法和模型的可行性与有效性。案例分析选取江苏某农村地区来进行末端物流配送的应用研究,结果表明卡车与无人机联合配送模式与纯卡车运输模式相比可有效减少总运营成本。研究成果可为农村地区末端配送中无人机的应用提供新思路和参考价值。     

多中心半开放式送取需求可拆分的车辆路径优化

针对多中心半开放式送取需求可拆分的车辆路径问题,构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解,采用二维染色体编码及顺序交叉策略,同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力,通过算例对比验证了所提模型与算法的有效性。算例实验表明,大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定,同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题,还可为相关快递物流企业配送优化提供决策参考。     

无接触智能外卖配送系统设计

无接触智能外卖配送系统可以解决外卖配送中的人员接触问题,并且实现外卖统一、高效的管理。本设计以单片机为控制核心,利用传感器、无线通信、温度控制等技术实现系统功能,以外卖暂存柜为媒介,对外卖统一存放和管理,实现了骑手与消费者之间的无接触配送,也能给消费者提供更为灵活的取餐时间。     

Dijkstra算法在送餐范围划分中的应用

随着外卖服务越来越受到消费者的青睐,外卖订单量随之与日俱增.为了保证餐品的新鲜,缩短送餐时间尤为重要.针对某区的交通网络和外卖门店分布情况查找相关数据,使用Dijkstra算法解决了外卖门店送餐范围的划分问题.     

不确定需求和配送时间窗约束下的供应链优化

供应链中生产配送的协调对于生鲜食品有重要作用.为解决不确定需求下生鲜食品的生产配送联合决策问题,考虑生鲜食品的送达需满足零售商的硬时间窗;同时商品一旦送达就会产生腐坏,而供小于需也有缺货成本.研究构建了一种数学模型来考虑生鲜食品的生产配送,采用改进的蚁群算法求车辆路径问题,迭代解带入目标函数,再采用Nelder-Mead单纯形法求生产调度,从而得到总优化成本.结果表明,采用集成决策时,供应链中生产和配送成本有较大幅度下降,但同时车辆启动成本的存在会使目标成本出现转折点.实验结果表明了模型的正确性和算法的良好性能.     

生产线物料配送的路径优化研究

物料准时送达流水线的每个工位是保证流水线连续性生产的前提和保障.在生产系统配送车辆数量有限的条件下,为了实现物料的准时化配送,必须合理地分配每辆车需要配送的工位及工位的配送次序.建立了车辆配送的数学模型,并提出了改进的遗传算法和三阶段的启发式算法对模型进行求解.通过具体的算例证明了模型的正确性和算法的有效性.     

基于嵌套Logit选择模型的城市配送自提柜选址路径问题

为了分析城市配送中顾客选择末端交付方式和配送时间窗的相关性对自提柜选址、时间窗分配与路径规划等运营决策的影响,首先使用嵌套Logit选择模型量化顾客对配送服务选项的选择行为,提出了城市配送两层嵌套Logit选择模型;然后以配送数量最大化和配送成本最小化为目标,建立了自提柜选址-时间窗分配-路径规划集成优化模型;最后采用非支配排序、动态网格和拥挤距离等技术,构建了多目标粒子群优化（MOPSO）算法进行仿真分析,获取了末端交付方式和配送时间窗相关性对运营决策的影响。研究表明：随着送货上门服务尺度因子逐渐增大,顾客需求在不同配送时间窗之间的替代性变小,无论是追求配送成本最小化、还是追求配送数量最大化,获取的最优方案均倾向于提高配送准时性,配送数量逐渐上升;相反,随着自提柜服务尺度因子逐渐增大,不同于送货上门服务,获取的最优方案倾向于降低配送准时性,配送数量逐渐下降。     

面向最后一公里配送的无人机配送模式与路径规划综述

随着电子商务的快速发展,中小件快递数量急剧增多,快递行业最后一公里配送面临诸多挑战,亟需更高效、更环保的配送模式.小型无人机具有配送效率高、成本低、环保、部署灵活等优点,受到物流行业和学术界的广泛关注.针对无人机在最后一公里配送中的创新应用与路径规划问题,系统总结了当前4类典型配送模式:无人机独立配送(一机多包配送模式、无人机中继停靠配送模式),车和无人机并行配送(无人机和卡车并行配送模式、带中转点的无人机和卡车并行配送模式),车和无人机协同配送(无人机同车起降配送模式、无人机异车起降配送模式、无人机-公共交通协同配送模式、无人机送货取货一体配送模式、无人机卡车途中起降配送模式),车和无人机混合配送(无人机-卡车多模式融合配送模式).然后,对无人机最后一公里配送路径规划算法进行分类总结,并梳理了现有无人机参与最后一公里配送的相关测试数据集.最后,探讨了最后一公里配送中无人机的未来应用与研究方向.     

有禁飞区的时间依赖型车辆与无人机协同配送路径优化

本文针对有禁飞区的时间依赖型车辆与无人机协同配送路径问题,综合考虑分时段禁飞的无人机禁飞区域、车辆行驶速度连续变化、车辆及无人机能耗等因素,以车辆派遣成本、车辆能耗成本、无人机能耗成本之和最小为目标建立优化模型.根据问题特征,设计遗传变邻域搜索算法对其进行求解.针对遗传算法易早熟、局部搜索能力较差等缺陷,将变邻域搜索算法与其结合以增强算法的局部搜索能力,引入自适应邻域搜索次数以增强对种群的搜索深度,采用精英保留策略不断改进最优解.通过多组算例验证了算法的有效性,并分析了配送模式、禁飞区数量、车辆行驶速度变化对配送方案的影响,结果表明禁飞区及车辆速度等因素在很大程度上影响物流配送成本.研究成果不仅丰富了车辆与无人机协同配送的场景,拓展了VRP问题的研究,也为物流企业制定配送方案提供了依据.     

考虑交通时变特性的城乡快递无人机配送优化研究

针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高问题,提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通的时变特性的情况下,以无人机—车辆配送系统总成本最小为优化目标,建立了时变网络下带时间窗的无人机—车辆路径问题（TDVRPDTW）模型,并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后,通过算例求解验证构建模型的合理性和求解算法的有效性,为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。     

空地异构机器人系统协作巡逻路径规划方法EI北大核心CSCD

空地异构机器人系统由空中无人机和地面无人车组成,当两者协作执行持续巡逻任务时,使用无人车充当无人机的地面移动补给站能够解决无人机续航能力不足的问题.运动受限于路网中的无人车必须在适当地点为无人机补充能量,这使得两者的路径高度耦合,给空地协作路径规划带来了挑战.针对此问题,本文通过分析无人机能量、路网、空地汇合时间、巡逻任务全覆盖等多种约束,以无人机完成全部巡逻任务的总距离为代价,建立了空地协作巡逻路径规划模型.该模型可推广至多架无人机与多辆无人车协作的情形.然后,采用遗传算法与蚁群算法相融合的方法,对无人机巡逻路径和无人车能量补给路径进行优化求解.仿真实验表明,本文的方法不仅可以得到很好的路径规划结果,而且较其他算法具有更优的收敛性和执行速度.     

On the Scheduling of Conflictual Deliveries in a last-mile delivery scenario with truck-carried drones

In this paper, we investigate the symbiosis between a truck and multiple drones in a last-mile package delivery scenario, introducing the Scheduling Conflictual Deliveries Problem (SCDP). From the main depot, a truck takes care of transporting a fleet of drones that will be used to deliver packages to customers. The route of the truck is predefined. Each delivery is associated with the energy cost of a drone, a reward that characterizes the priority of the delivery, and an interval between two points of the truck’s route: the point from which the drone departs (launch point) and the point at which the drone returns to the truck (rendezvous point). The objective of the SCDP is to find a scheduling for the drones that maximizes the overall reward subject to the drone’s battery capacity while ensuring that the same drone performs deliveries whose delivery intervals do not intersect. After showing that SCDP is an NP-hard problem, we devise an Integer Linear Programming (ILP) formulation for it. Furthermore, we devise a pseudo-polynomial time optimal algorithm for the single drone case and additional approximation algorithms for both the single and multiple drones case. Finally, we thoroughly compare the performances of our presented algorithms on different synthetic datasets.     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。     

隐私保护的网约出行的研究综述

为高效利用交通资源,在线网约出行(ORH)服务整合车辆供给和乘客请求信息,派遣符合条件的车辆提供非巡游的出行服务。人们在享受ORH服务带来的便利时,也面临着严重的隐私泄露风险。为此,许多研究利用密码学技术设计隐私保护的ORH服务。首先,本文介绍了隐私保护的ORH服务主要面临的城市动态场景下高效计算密态行程开销、实时动态规划密态行程、安全共享不同ORH服务的运力资源等挑战。然后,回顾了欧式距离、路网距离和行驶时间三类行程开销的安全计算方法,其中,欧式距离计算效率高,但误差大,现有路网距离和行驶时长的安全计算方法多数面向静态路网场景,针对城市动态路网场景的安全计算方法有待进一步研究。分析了面向司机、乘客、ORH平台的行程规划问题的求解方法,现有研究往往仅针对司机、乘客或ORH平台的单一目标进行行程规划,事实上行程规划不但要考虑ORH平台自身收益,更要同时兼顾乘客和司机的用户体验。综述了隐私感知的行程预处理方法,单车单客模式、单车多客模式的行程安全共享方法,并总结了其不足与启示。多车单客、多车多客动态模式的行程安全共享有待进一步研究。最后,从城市动态路网下高效的密态行程开销的安全计算与比较、...     

一种联合多信道分配决策的认知Mesh系统数据传输优化算法

在认知Mesh系统进行数据传输的过程中,为了提高数据包投递成功率及网络的吞吐量,减少网络延迟时间,提出一种联合多信道分配决策的认知Mesh系统数据传输优化算法(JCWN)。针对信道的干扰问题,建立了认知Mesh系统的干扰无向图,分析节点链路的网络干扰电平。在节点的路由请求阶段通过提出基于信道干扰电平的路由指标函数,并通过权重阈值来为节点链路分配干扰较小的信道。在路由选择上,联合多路由算法计算每条路由路径的信道干扰程度,为了保障节点传输数据的成功率而选择干扰程度更小的路由。实验仿真结果表明,在数据包投递成功率上,该算法相比POC算法以及基于RL的算法提高了20%以上,在提高网络吞吐量,减少延迟时间上也表现出了更好地效果。     

面向MANET云平台应用的多目标蚁群优化AODV路由协议

为增强网络中路由的稳健性,提出了一种优化的AODV路由协议,结合多目标优化和蚁群优化选择最优路由。首先,计算各节点的传输距离、进展、传输延迟、方向和生存时间5个度量;然后,以传输距离、传输延迟和方向3个度量的最小化,以及进展和生存时间两个度量的最大化为优化目标,构造蚁群算法中的移动概率函数,并结合局部最优路径更新全局信息素;此后,在AODV路由协议的基础上,选择移动概率最大的节点作为最佳下一跳节点,生成最优路由。最后,在部署的大学区实验云模型平台上进行了验证。仿真结果表明,与AODV和EN-AODV路由协议相比,新路由协议的报文送达率更高,同时端到端的平均时延和路由开销更小。