基于客户价值和满意度的城市冷链物流时变路径问题

针对车辆保有量日益增加和拥堵情况日趋严重而造成的城市冷链物流时效性不强、客户价值不高、顾客满意度降低等问题，综合考虑客户价值、客户满意度以及成本等因素，提出一种城市冷链物流时变路径优化方法。考虑到冷链配送过程中不同时段的道路拥堵问题，采用分段函数刻画车辆行驶速度，并同时考虑时间窗和车辆载重量等约束，建立了多目标数学模型。使用线性加权法和主要目标法对多目标进行处理，将其转换成单目标数学模型。结合问题NP难特性，设计了单亲遗传算法对小、中、大规模算例进行了求解，结果表明：与未考虑客户价值模型相比，该模型在平均增加3.28%成本的情况下，提高14.96%的客户价值和14.64%的满意度；与未考虑成本模型相比，该模型在减少1.55%的客户价值的前提下，节约17.32%的成本；对比静态路网模型，模型减少0.92%的成本，提高6.27%的客户满意度和16.06%的客户价值。通过对目标函数中成本权重和客户价值权重进行参数分析，表明成本和客户价值之间存在明显的背反关系。     

需求变动下的冷链品配送路径规划

为探讨顾客需求变动下冷链品配送路径的规划与优化模型选择问题,首先以带时间窗的车辆路径问题模型为基础,构建了以配送总成本最小化为目标的冷链品配送模型;然后,通过节约算法进行配送路径的优化;最后,通过算例比较了运用随机性配送模型(考量顾客需求的变动)与确定性配送模型(使用给定需求期望值)所规划的优化路径及其差异.结果显示,当顾客需求波动幅度较大时,随机性模型规划优于确定性模型,当顾客需求波动幅度较小时,确定性模型规划优于随机性模型;此外,随着需求变动程度的增大,两种模型所得出的配送总成本都会相应增加,因此,最后提出了降低顾客需求不确定性的相关建议.     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.      

可获知偶发拥堵持续时间的动态车辆路径问题

考虑真实交通路网,探讨了可获知偶发拥堵持续时间的动态车辆路径问题.在利用改进的Dijksta算法将路段行驶时间转化为客户点间最短行驶时间的基础上,根据常发拥堵信息,通过遗传算法安排车辆初始配送路径,根据实时获知的偶发拥堵因素影响下的路段行驶时间和其持续时间,以2-opt和insertion方法更新车辆配送路径,通过车载导航系统实时指导车辆行驶路线.数值试验表明,该方法可根据偶发拥堵信息更新车辆配送路线,以避开偶发拥堵影响路段,缩短总配送时间0.65~13.18 min;获知偶发拥堵持续时间帮助多节省了配送时间 -0.16~4.17 min.节省的时间随偶发拥堵因素对路网影响的加剧而更显著.      

不确定情形下的绿色物流网络和库存问题研究

当前,绿色物流网络的构建对企业物流系统的可持续发展起着至关重要的作用。文中研究了不确定情形下的绿色物流网络和库存问题,提出了一个考虑网络成本和CO2排放当量的双目标随机规划模型。其中,经济目标最小化网络总成本,包括订货成本、采购成本、运输成本、库存持有成本、延期交货成本和缺货损失成本;环境目标最小化运输过程的CO2排放,该过程基于《IPCC国家温室气体清单指南》中提出的测算方法和数据库进行。对于客户需求的可变性,采用情形树法进行描述,以客户需求不确定性的发生为界,将模型分为两个阶段进行分析。此外,文中对带精英策略的非支配排序遗传算法(NSGA II)进行改进求解上述模型,测试结果表明改进算法在收敛性能上明显优于原算法。文中模型和算法在一个两级供应链物流网络算例中的应用结果表明,环境目标的引入通过对订货、库存及运输方式决策产生影响来降低运作对环境的影响,决策者可以在小范围增加成本的前提下大幅度降低环境影响。此外,文中还对各决策过程关于延期配送的货物比例α的影响机理进行了分析。进一步说明了文中提出的模型和算法可以为各级决策者提供有效的订货、库存及车辆调度方案,以达到网络总成本和环境污染最小化的目的。     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

VMI模式下的随机库存路径问题

设计了一套求解随机库存路径问题的启发式算法,该算法首先对随机顾客需求进行确定化处理,将问题转化为确定需求的库存路径问题,然后利用修正的经济订货批量公式计算各顾客的配送周期,最后通过求解周期车辆路径问题得到随机库存路径问题的近似解。     

多换乘点响应型接驳公交运行线路的协调优化

为尽量降低响应型接驳公交系统的运行费用，提出多换乘点间运行线路协调设计的构想。针对同时包含预约需求和实时需求的混合需求，构建多换乘点响应型接驳公交系统运行线路的2阶段协调优化方法，并设计优化流程。第1阶段仅考虑预约需求，首先将预约乘客按有/无特定换乘点要求进行分类，在此基础上构建预约需求下多换乘点多车辆运行线路的协调优化模型。在协调优化模型中，优化目标是由乘客时间费用、车辆运行费用、以及惩罚费用所构成的系统总成本最小；乘客时间费用包括乘客候车时间的惩罚费用、车内乘客在需求点的等待时间费用以及乘客车上时间的惩罚费用3个部分；车辆运行费用包括车辆启动费用、路段行驶费用、需求点的停靠费用、车辆早到引起的等待费用4个部分；考虑的约束条件包括乘客候车和车上的软时间窗、乘客换乘点要求、车辆容量、车辆出行时长等。第2阶段根据规则判断是否响应实时需求，并根据响应情况重新优化后续各班次的运行线路。针对第1阶段模型，基于模拟退火算法设计求解算法。研究表明：在预约需求或混合需求条件下，与各换乘点运行线路独自优化相比，协调优化方法均能显著降低运送全部响应乘客所需的平均运行距离和平均总成本；仅有预约需求时分别降低5.4%、19.8%，新增实时需求后分别减少1.4%、21.7%；与固定发车间隔相比，分时段调整发车间隔，也能有效降低运送全部响应乘客所需的平均运行距离和平均总成本，仅有预约需求时分别降低18.2%、17.2%，新增实时需求后分别减少19.97%、25.06%，说明多换乘点间车辆路径的协调运行是提升响应型接驳公交运行效率的有效途径。     

基于模拟退火的地下物流通道网络设计

为研究网络通道在地下物流系统中的优化设计,以国内某地区物流概况为研究背景,结合国内外地下物流系统研究成果,考虑路径优化与运输成本,建立以总成本最小为优化目标的线性规划模型,并通过模拟退火算法进行优化求解,研究结果表明:基于模拟退火算法得到该地区地下物流网络通道设计全局最优解,地下物流通道及节点的建设成本为466.16亿元,货物运输成本为3.91亿元/年,按照年综合折旧率1%进行计算,地下物流网络总成本为8.57亿元/年;从物流园区运送出的货物通过地下物流通道运输的量较大,物流园区与一级节点之间的通道设计要求更高,其通道设计为双向四轨(10 t)或双向双轨(10 t),其余通道设计均为双向四轨(5 t)或双向双轨(5 t);所有物流园区对各需求点的总货运量表现出明显的波动性,各物流园区对所有需求点的总货运量偏差不大,对各个需求点的货运量均在一定范围内波动;各个服务节点对各个需求点的货运量各不相同,但大部分需求点的货物运输均来自于单一服务节点,且遵循就近原则,即每个物流需求点会尽可能从最近的服务节点获取物流;通过将部分货运量转至地下物流通道,各区域需求点交通拥堵系数降到4.0及以下,交通拥堵等级由轻度拥堵或中度拥堵下降到基本畅通。     

基于扰动收缩粒子群算法的物联网配送车辆调度

为了提高物联网配送车辆的调度效率,采用扰动收缩粒子群算法。首先建立物联网配送车辆优化调度问题的数学模型,考虑到货物品种及数量、需求时间和地点、运输线路以及运输时间的不确定性,包括运输成本、时间惩罚成本、固定成本;接着对基本粒子群算法增设非线性扰动因子用来平衡粒子的全局和局部搜索,在进化前期值比较小,让粒子主要进行局部搜索,而在后期设置值比较大,进行全局搜索,同时增设收缩算子,避免粒子的过度振荡,粒子编码涉及到收货点、车辆编序、行驶顺序,给出了算法流程;最后,仿真试验和实例分析验证了算法的合理性与可行性。结果表明:增设收缩算子对任务目标点寻优地理位置偏差值最小,避免了总成本增加;带有非线性扰动因子调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的算法运行速度加快;对于每次试验的搜索成功率以及违约惩罚成本占总成本比例,与遗传算法、蚁群算法、粒子群算法、混沌量子粒子群算法、模拟退火粒子群算法和柯西变异粒子群算法预测方法相比,扰动收缩粒子群算法预测方法具有更高的搜索成功率和较低的违约惩罚成本,能够满足物联网配送车辆系统对预测精度的需求,对实现实时交通控制具有重要意义。     

用客户关系管理指导商用车市场精准营销

客户是企业生存之本,客户需求的满足是企业各业务链条尤其是营销板块工作开展的核心触点。如何通过客户关系管理,并联营销业务各版块价值体现,最终实现客户满意,促进新客户转化和老客户再购,实现客户和企业双赢。本文结合商用车行业现状,提出了商用车大客户关系管理及营销业务并联的相关解决方案。     

基于海铁联运的集装箱班列服务路径优化

虑考虑海铁联运过程中影响集装箱班列开行的不确定因素, 结合班列服务客户各自固定需求时间窗的实际需求, 引入不确定规划区间来表示集装箱在客户节点的装卸箱服务时间, 同时将具有时效性要求的需求时间窗设置为软约束, 运用惩罚函数将其作为惩罚项整合到运输成本目标函数中, 选择合理的惩罚系数, 构建以运输成本低、运输时间少为目标的班列服务路径非线性多目标优化模型, 针对不确定变量, 采用机会约束规划转换模型得到考虑模糊时间的多目标路径优化模型, 通过加权求和将多目标合并转化为单目标问题, 并设计人工蜂群算法求解所构建的班列服务路径优化模型, 并以盐田港海铁联运为实例进行了模型检验和对比分析。结果表明: (1)在硬时间窗约束下运输时间减少了88%, 但成本增加了97%, 充分表明了软时间窗设置的优势; (2)考虑不同的运输目标时, 只考虑运输费用时, 运输时间增加了5.3%;只考虑运输时间时, 运输费用增加了67.8%。所建模型和算法能够很好的满足不同客户不同运输时效性的需求, 在运输费用方面具有明显的优越性。      

基于畅通可靠度的城市物流配送运输网络优化研究

随着城市交通拥堵问题的日益突出,在物流需求质量要求越来越高的背景下,物流配送的准时性成为物流业发展的一个十分重要的问题。在道路网络畅通可靠度理论的基础上,进行基于畅通可靠度的城市物流配送运输网络优化研究。提出了物流配送运输网络畅通可靠度的概念,建立了物流配送运输网络优化模型,给出了蚁群算法的求解过程,最后进行了案例比较分析,验证了所建模型的实用性。提出的物流配送网络优化模型对指导城市物流配送运输网络优化决策,降低城市物流配送过程中的不确定性具有较好的实用意义。     

基于非线性混合充电策略的电动车物流配送路径规划模型

经典的车辆路径规划问题（VRP）通常只考虑载重约束和节点约束。随着电动物流车和充电站的增多，考虑充电时间与充电量成非线性关系的电动车路径规划问题（EVRP-NL）的研究在物流配送中也有着非常重要的意义。通过分段计算充电速率简化了以往对充电时间和充电量的非线性充电函数拟合方法，并对拟合函数进行了线性化处理。针对电动车物流配送的特性，构建了以最小化车辆固定成本、行驶成本、快充成本和换电成本之和为目标函数，考虑节点约束、载重约束、电量约束、时间窗约束及充电函数线性化约束的EVRP-NL模型，提出了由换电和非线性快充构成的非线性混合充电策略，其中非线性快充是考虑充电时间与充电量的非线性关系的快充方式。针对模拟算例的计算结果验证了模型的可行性和普适性。针对实际物流算例的计算结果表明，考虑充电时间和充电量非线性关系的混合充电模型可减少35%的充电时间和69%的充电成本，非线性混合充电策略具有显著优越性。对快充电价和换电电价进行控制变量的灵敏度分析后发现, 使用非线性混合充电策略时，随着电价升高，充电方式从电价升高的充电方式转变为电价稳定的充电方式，且电价升高至一定程度，充电方式和充电成本均不再变化。      

Efficiency of routing and scheduling system for small and medium size enterprises utilizing vehicle location data

The routing and scheduling for trucks and vans in an urban road network depends critically on the state of the road network. Trucks and vans impose significant costs on other road users and the environment, so improved routing and scheduling benefits more than just the logistics industry. However, small and medium size enterprises (SMEs) in the logistics business cannot justify investment in planning systems. In this paper, an autonomous routing and scheduling system which is available to SMEs is proposed and the efficiency of the system is investigated. The proposed system accumulates vehicle location data in a central server and uses it to generate traffic information. Test simulations using a grid network demonstrate the effects of utilizing and sharing vehicle location data on delivery efficiency. The simulation results show that the improvement of delivery efficiency is mainly due to the reduction of penalty cost for early and late arrival at the customer location. It is also shown that the system leads to the buffer effect from variations in traffic conditions on delivery cost and this effect is enhanced by taking travel time uncertainty into consideration. It is further shown that the presence of measurement periods with insufficient data results in unreliable routing and scheduling. For a reliable system, data collection over a wider area is required rather than dense data in a subset of links.     

考虑路线安排的物流配送中心选址双层规划模型及求解算法

在充分考虑物流规划部门与客户双方利益及选址地点对路线安排影响的基础上 ,采用双层规划模型描述了物流配送中心的选址问题 ,并对模型进行了求解。最后通过一算例来验证模型及其算法的可行性     

整车物流——在全球市场上运力紧张的情况下，远洋汽车货轮的可靠性和质量仍在不断改善

整车物流和进货物流一样重要么？它并不产生增加值，这就是为什么精益制造概念只把它看作成本问题的原因。然而，送货是否准时、运输是否造成损坏以及货物的即时可视性对顾客满意度的影响还是很大的。     

基于时间可靠性的城市物流配送系统优化策略

配送时间可靠性已经成为城市物流配送系统效率的关键影响因素。为了科学评价物流配送系统时间可靠性,在解析物流配送时间可靠性内涵特征的基础上,揭示了道路交通状态、配送时间窗、配送路径、城市物流配送需求的空间差异是决定城市物流配送时间可靠性的关键因素,并从物流配送路段、物流配送路径、物流配送网络3个层次建立了城市物流配送系统时间可靠性评估模型。最后,以配送时间可靠性最大化为目标提出了城市物流系统配送时间可靠性优化模型,并提出了城市物流配送优化对策,可为改善目前的城市物流配送时间可靠性提供借鉴。