车辆与无人机联合配送模式在产业界受到青睐,该模式有效地降低了配送成本,但却有极大的调度难度,问题的求解也非常复杂。本文对问题进行明确定义并建立模型,根据问题特性设计了一个自适应大规模邻域搜索(Adaptive Large Neighborhood Se...
详细信息
车辆与无人机联合配送模式在产业界受到青睐,该模式有效地降低了配送成本,但却有极大的调度难度,问题的求解也非常复杂。本文对问题进行明确定义并建立模型,根据问题特性设计了一个自适应大规模邻域搜索(Adaptive Large Neighborhood Search,ALNS)算法,进行了大量的实验的对比和分析。研究结果表明,ALNS算法相比Gurobi在运行时间上有明显优势,结果相同甚至更优;车辆与无人机联合配送模式也较仅卡车配送模式节约了成本。
物流是国民经济与社会发展的重要支撑和保障。近年来,我国配送服务规模逐渐扩大,2021年,我国快递业务量突破1千亿件,同比实现了大幅度的增长。随着市场规模的扩大,用户对于末端配送方式、时间、地点等方面的需求不断提高,而企业为进一步匹配用户需求,推出多样化服务产品,自身运营成本也不断提高。城市物流末端配送环节中,配送员与配送服务用户直接衔接,配送效率直接影响到用户的满意度,进而影响到市场需求,因此提升配送路径选择的科学化,是提升物流配送服务水平、控制企业成本的核心。当前,现有研究考虑了不同的因素影响下,如何优化配送路径来提升服务水平,但我国城市物流末端配送路径的选择方法仍存在一些问题,包括:(1)末端配送服务与需求不匹配;(2)路径选择随机性较强;(3)企业成本有待进一步控制;(4)缺少针对性的政策支持。为解决末端配送路线的问题,本文一是构建城市物流末端配送用户特征“四维度八层次”模型体系,剖析当前城市物流末端配送的现状与问题;二是建立城市物流末端配送路径优化模型体系,从用户配送方式、时间、地点三个偏好特征出发对配送路径进行优化;三是建立考虑多因素的城市末端物流配送路径优化模型,求解同时考虑用户配送方式、时间、地点特征偏好的路径问题,控制企业成本。本文的主要内容如下:基于城市物流末端配送的背景与问题,从研究的问题、构建的模型、使用的算法角度出发,对国内外学者对基于用户需求特征的城市物流末端配送的研究现状进行梳理;从国家行业、城市、企业、用户四个维度出发,建立城市物流末端配送用户特征四级模型及八层分析表,对四个维度对市场的影响及其相互间的关联性进行分析,构建完整的城市物流末端配送用户特征“四维度八层次”模型体系,剖析城市物流末端配送函待解决的问题;以问题、需求为导向,以用户满意成本与企业运营成本为特征关联点,分别以用户配送方式、配送时间、配送地点为基础,构建配送路径优化模型,通过运用自适应大规模邻域搜索算法(Adaptive Large Neighborhood Search,ALNS)等对末端配送路径进行调整以提升配送效率并控制企业成本;基于相关计算结果,构建同时考虑用户配送方式偏好、时间偏好、地点偏好的路径优化模型,对相关因素进行识别和聚类,进一步做好企业成本控制;结合前述模型计算分析结果,从行业、企业及用户三个角度,提出了保障城市物流末端配送路径优化模型结果顺利实施的相关政策措施建议,并提出研究中的不足及下一步展望。本文的创新点包括:(1)提出了城市物流末端配送用户特征“四维度八层次”模型体系。基于国家行业、城市、企业、用户四个维度,构建城市物流末端配送用户特征四级模型,对国家行业维度政策实施现状及特点进行归纳,选取6个典型城市并结合其特色对物流配送相关举措进行分析,选取5家典型企业对其末端配送运行模式、特点及关联性进行剖析,从用户维度归纳配送主要需求偏好特征及关联性,并建立八层分析表,逐层递进总结、提炼出目前面临的问题,构建完整的城市物流末端配送用户特征“四维度八层次”模型体系,从外部环境到内部自身动力,从理论研究到实践应用,对城市物流末端配送市场进行系统阐释。(2)构建了城市物流末端配送路径优化模型体系。根据“四维度八层次”模型体系分析结论,基于用户配送方式、时间、地点动态因素偏好特征,以用户满意成本与企业运营成本为特征关联点,分别建立基于用户配送方式、时间、地点的路径优化模型并组成模型体系;以优化配送路径以及投递方式为目标,构建了ALNS算法框架并进行计算,通过贪婪算法获得初始解并设为最优解和当前解,对当前解进行destroy和repair,获得邻域解,之后运用模拟退火接受准则更新当前解,根据当前解表现更新destroy和repair方法的权重;代入企业增值服务成本及收益优化结果,对用户备选地址配送模式进行了分析,提出了企业末端配送成本降低的同时,提升用户满意度的优化路径。(3)建立了考虑多因素的城市物流末端配送路径优化模型。同时考虑配送方式、时间、地点偏好的多因素影响,构建具有鲁棒性的城市物流末端配送路径规划模型。根据用户动态偏好数据,利用先聚类再路径规划的方法,求解同时考虑用户配送方式、时间、地点偏好的路径问题,根据用户的特点进行聚类,每一类归为一个路径问题的子问题,将路径问题转化为小规模的问题,再对每个小规模的问题进行优化,从而达到降低计算量节约计算时间的目的。根据数据进行实证分析,针对企业总配送成本的控制情况进行对比分析,为企业及部门提供科学的决策参考。
暂无评论