混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

基于GPS信息的物流配送车辆路径优化模型

物流配送车辆路径优化是物流领域中亟待解决的重要问题和研究热点.本文通过对国内外物流车辆路径优化研究现状的分析研究,以及GPS等智能交通技术在该领域中的应用现状分析,以最小化物流运送成本为优化目标,引入动态VRP和不确定影响因素,提出了一种改进的新模型,利用已有的算法,并通过算例对模型算法进行检验.     

基于VRP模型的两阶段物流网络路径优化模型

以基于VRP模型的两阶段三层次物流网络路径优化问题为研究对象,利用启发式算法中的分解法将问题分为选择物流中心与配送路径优化两个子问题,并与数理规划软件LINGO 8.0相结合给出了基于VRP模型的MSDL-RP问题——多供应商、多配送中心选址与路径优化问题的求解模型。利用所提出的模型可以求出商品从多供应商经过多物流中心到最终客户这一过程中能使费用最小的供应商的最佳位置与数量、物流中心的最佳位置与数量及从物流中心到客户的最佳配送路径,并通过实例进行了验证。对于小规模问题,运用所提出的方法能在很短的时间内求出问题的最优解,具有一定的实用价值。     

时间窗约束下需求可拆分的拣选与配送联合优化问题研究

针对企业急需解决的订单履行效率低问题,基于需求可拆分的思想,综合考虑时间窗和组合拣选策略特征,建立时间窗约束下需求可拆分的拣选与配送联合优化模型。通过拣选成本、拆分需求成本、配送成本、时间惩罚成本反映订单履行效率,指出拆分需求、组合策略以及算法对于模型的优化。利用两阶段算法对模型求解,通过算例验证了模型和算法的有效性。最后以不拆分需求、S-Shape策略和顺序决策算法为对比方案,发现总成本分别下降了33.43%、12.3%和28.17%,证明本文建立的模型和算法可以有效提高订单响应速度,降低订单履行成本。     

����������·�Ż��ĸĽ��Ŵ��㷨�о�

物流配送线路优化问题，即车辆路线问题(VRP，Vehicle Routing Problem)是组合优化领域中的著名NP(Nonlinear Programming)难题。本文以VRP为基础，建立该问题的数学模型，设计了改进的遗传算法，通过大量计算机计算分析验证，此改进算法对VRP有良好的近似解和较高的收敛速度。     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题，考虑门店商品种类、库存容量及客户退货等因素，提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标，构建基于订单拆分的O2O门店配送优化模型；设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法，采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比，订单拆分能够提高客户订单履约率，各门店商品总库存量不小于客户订单总需求量时，客户订单履约率达到100%.     

基于共同配送的农村快递车辆调度问题

为降低农村物流成本,助力"快递下乡"工程的实施,在考虑重量、体积、订单、路径等约束条件下,以总利润最大化为目标构建基于共同配送模式的农村快递车辆调度模型;并提出采用基于随机修复非可行解策略的遗传算法求解该模型,同时在算法中引入多种群机制以提高求解的效率和效果。最后,结合实际算例对模型进行验证;设计不同订单规模的仿真算例对算法性能进行分析。研究结果表明:共同配送策略能从全局优化的角度合理配置区域内物流资源,与独立配送模式相比可降低30%的配送成本。仿真实验表明:相较于标准遗传算法,改进遗传算法能快速地搜索到更优的满意解,可以有效求解共同配送模式下的农村快递车辆调度问题。     

不确定信息条件下动态车辆路径

从2001年承担该项课题的研究开始，本课题组就在收集、整理国内外相关文献的基础上，对动态VRP的机理、性质、模型、算法及实现等做了多方面、比较深入的研究工作。课题组系统分析了动态车辆路径问题中的各种不确定因素，研究了多种因素对安排车辆线路的影响。     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题,考虑门店商品种类、库存容量及客户退货等因素,提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标,构建基于订单拆分的O2O门店配送优化模型;设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法,采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比,订单拆分能够提高客户订单履约率,各门店商品总库存量不小于客户订单总需求量时,客户订单履约率达到100%.     

有时间约束的城市配送网络结构研究

城市配送网络结构设置应考虑服务水平和成本两个影响因素。针对有时间限制的货物配送,以城市配送网络总费用最小化为目标,研究不同配送需求下的最优城市配送系统结构,建立非线性混合0—1规划模型。用蚁群算法求解,得出满足时间约束且使系统成本最小的城市配送网络层数和节点设置情况。对城市配送网络的设置进行实例分析,以验证模型和算法的可行性,为城市配送网络的建设、运营和优化提供理论依据。     

单配送中心快递企业共同配送车辆鲁棒调度研究

考虑到不确定因素在快递企业共同配送车辆鲁棒调度问题中广泛存在，为了改善快递企业的服务水平，并缓解快递派送中由于不确定因素带来的客户满意度低的现状，采用鲁棒离散理论的相关知识，建立了车辆路段等待时间不确定情形下的单配送中心快递企业共同配送车辆调度的多目标鲁棒优化模型，然后根据转化规则，将鲁棒优化模型转化为确定型优化模型，并采用改进的遗传算法对其进行求解。结果表明，快递企业采用共同配送模式可以有效降低成本，节约时间，而且企业决策者可以根据所考虑的不确定性值G 的大小，选择自己偏好的车辆调度方案。     

基于货物运到期限的编组站动态配流优化研究

运到期限是铁路货物运输组织的关键问题,保障运到期限,对提升铁路货物运输质量与竞争力有重要意义.本文以编组站动态配流为研究对象,考虑不同货物对运输时效性要求的不同,以车流在站停留时间加权值总和最小为优化目标;采用均值比例分配法将运到期限分配到货物运输编组站作业环节,成为车流最大在站停留时间约束,同时考虑编组去向等约束,建立基于运到期限的编组站调机运用计划与配流计划综合优化模型,设计模拟退火算法对模型进行求解.最后通过算例分析表明,本文的模型和算法能够有效地解决编组站动态配流问题,同时满足车流的运到期限要求.     

订货生产经营中的产品运送策略

为了在订货生产经营中快速响应用户需求，并使产品运送费用最低，分析了用户等待时间和产品运送环节费用的组成，建立了使产品存储、用户等待时间和产品运输等总费用低的非线性模型．研究表明，产品运送的最优需用车辆数取决于用户的订购数量、车辆固定使用费用、制造商的生产效率、产品存储费用和用户等待时间费用．产品运送策略的选取仅取决于实际可用车辆数和最优需用车辆数．得到了产品运送策略选择表，并举例说明了该表的应用．     

同时接送模式下响应型接驳公交运行路径与调度的协调优化

研究了同时接送模式下响应型接驳公交运行路径与车辆调度的协调优化问题, 考虑乘客出行时间窗的个性化, 构建了基于乘客而不是基于途经需求点的车辆路径表示方法; 综合车辆发车和行驶成本、车辆早到和晚到的惩罚成本、票价收入构建了表征系统效益的目标函数, 并以车辆容量、乘客时间窗、车辆运行时间、车辆保有量、发车时间等为约束, 构建了发车间隔、发出车型与车辆路径的一体化优化模型; 针对一体化优化模型的特点, 设计了双遗传算法, 其中染色体为多链编码结构, 染色体交叉方式包含个体内、个体间交叉2种方式; 为了验证同时接送模式的优越性、一体化优化模型及算法的有效性, 进行了算例分析, 对比了同时接送模式与单独接和单独送模式的计算结果, 分析了车辆运行车速、单程运行时间限制、车型比例对响应型接驳公交运营效率的影响。计算结果表明: 在给定的相同乘客需求下, 与单独送和单独接模式相比, 同时接送模式发车次数减少了1次, 所需车辆数减少了2辆, 平均座位利用率提高了8.3%, 运送单位乘客的平均车辆行驶距离降低了11.0%, 运行成本降低了15.9%, 因此, 同时接送模式有效地提高了运营效率; 同时接送模式下, 运行车速、单程运行时间限制、小型车比例分别在基准值附近上下波动15.0%、15.0%、12.5%时, 发车次数、座位平均利用率、目标函数值的最大变化率分别达到了20.0%、15.7%、27.1%, 这些参数对系统运营效率均有显著影响。      

带有固定运费的多式联运方式选择

为更经济有效地组织多式联运,在同时考虑固定运输费用和变动运输费用的前提下,针对一批货物在其运输路径上各路段运输方式的优化选择问题,以包括运输费用、中转费用和惩罚费用在内的总费用最少为优化目标,以货物送达时间和运输能力为约束条件,构建了混合整数线性规划模型,并设计了相应的整数编码遗传算法.算例结果表明,本文模型比既有不考虑固定运费的模型具备找到更优解的能力;对于15个包括20~100个路段和5~20种运输方式的随机算例,与商业优化求解器LINGO相比,本文算法在设定计算时间60 s内找到了2个大规模算例的更优解,总费用平均节省0.75%,证明了该算法对大规模问题的有效性.