大数据驱动的决策范式转变——以个性化O2O即时物流调度为例

大数据环境下传统的决策范式正转变为基于数据的决策范式，本文以O2O即时服务这种新型商业模式为情景，研究大数据驱动的新决策范式下的O2O即时物流调度模型.本文跨域融合物流部门、其他运营部门以及外部环境信息构成全景式数据，同时放宽传统决策范式的经典假设，实现从无差异化配送时间到个性化配送时间的转变，以及需求服从先验分布到考虑未来需求时空属性的转变.本文融合机器学习和运筹优化方法，实现新决策范式下的O2O即时物流调度模型.在预测层面，构建个性化众包配送时间预测模型和基于订单集时空相似性的需求场景预测算法；在决策层面，同时考虑个性化预测模型的点估计及其不确定性，并考虑未来订单集的时空分布，构建考虑预测不确定性的调度模型，同时设计同步预测和决策算法求解.本文与中国主流的O2O商超平台合作，通过基于真实数据的模拟仿真，验证了新决策范式下的O2O即时物流调度模型的可行性和有效性.相较于传统的决策范式，本文提出的模型能实现更精准的供需匹配，降低延误订单数、平均配送时间和配送成本.     

震后初期应急物资配送的模糊多目标选址-多式联运问题

针对震后初期应急物资配送系统优化问题,考虑应急物资需求模糊情况下应急物资配送中心选址和应急物资多式联运安排的集成决策,以应急物资配送总时间最短和受灾点应急物资未满足的总损失最小为目标,建立了一个震后应急物资配送的多目标选址-多式联运问题优化模型,设计了一种采用二维编码的非支配排序多目标遗传算法,并对该算法进行了复杂性分析。算例分析结果表明:该算法可以在得到Pareto前沿的同时,根据决策者偏好在Pareto前沿面上给出各种优化决策方案。     

多油品供给受限下多油库被动配送车辆路径问题研究

成品油供给不足将导致加油站油品订单无法完全满足,如何安排有限油品的合理配送对保障能源供给安全至关重要。为此,本文考虑有限供给下不同客户配送的优先次序,开展配送计划、车辆调度和路径优化等油品配送网络规划活动,对多油品供给受限情况下多油库被动配送车辆路径问题（Multiple Depot Vehicle Routing Problem,MDVRP）进行深入研究。首先,文章构建了考虑需求优先等级和配送成本的多油品多油库车辆路径规划多目标优化模型。其次,采用多目标粒子群优化算法（Multi-Objective Particle Swarm Optimization,MOPSO）对模型进行求解,以实现车辆高效调度和油品配送路径优化。最后,基于CNPC在青岛市部分油库和加油站点的数据信息,构建油品配送网络进行实证检验。算例结果显示,配送车辆路径经过优化后,生成Pareto非劣解集,配送成本显著降低,配送满足率明显提高,这也进一步验证了该模型及相关算法的可行性和有效性。     

模糊信息动态车辆调度优化问题研究

针对车辆调度中的模糊信息问题,以车辆模糊行驶时间以及顾客模糊预约时间为模糊信息参量,采用细分顾客类别以吸收配送者知识系统的方法,分别以物流企业效用最大化和顾客效用最大化两种决策目标构建了2类模糊信息动态车辆调度优化模型,并给出了求解该类问题的蚁群算法.仿真试验分析了决策参数的变化对2类模型计算结果的影响,并给出了相关参数制定的依据.     

B2C电子商务环境下订单拣选与配送联合调度优化

如何在顾客下单后协调好拣选和配送环节,在最短的时间、以较低的成本将商品从货架上拣出、打包后配送到顾客手中,已成为B2C电子商务物流管理中亟待解决的问题。本文尝试以最小化订单履行时间为目标,构建非线性拣选与配送联合调度模型,以解决订单拣选顺序、拣选作业方式、车辆行驶线路等联合决策。为求解此NP难问题,设计了三阶段启发式算法：首先采用“聚类-路径优化”思想,依据顾客位置进行配送方案确认;然后采用基于相似度聚类的订单分批规则对每条配送线路的订单进行分批合并;最后调整拣选任务与配送线路顺序。通过数据实验对模型进行验证,并与传统拣选与配送分开优化的结果进行对比。结果表明,三阶段算法能够有效缩短订单完成时间、降低配送车辆等待时间、改善配送资源利用率。     

基于改进多目标烟花算法的预制构件配送优化研究

在运输阶段,预制构件从生产工厂运送到施工工地,长距离、大体积、易损伤等因素导致其物流成本偏高,科学合理的配送方案有助于降低物流成本。本文基于运输成本、配送效率、配送时间等多维度的现场需求,建立了将运输成本作为第一目标,收货方的客户满意度作为第二目标,车队的平均实载率作为第三目标的混合车队配送模型。最后以预制构件生产工厂为算例,利用遗传算法的交叉变异过程对多目标烟花算法进行改进并对模型进行求解,从分析求解结果可以得出,该模型在有效降低了配送成本的同时,提高了客户满意度以及平均实载率,证明了模型的实用性与可行性。     

局内动态配送车调度管理及其竞争策略

提出了动态物流配送车辆调度优化问题——配送车在一度量空间中进行服务,度量空间中的任何一节点可能在任何时间提出服务请求,要求配送车将该点处的货物运送到另一点,每一个服务请求都有一个服务期限,若在规定的时间内某一服务请求不能被满足则将被取消,在考虑装/卸货所用时间的情况下,决策者如何以局内方式确定调度策略,使配送车完成的服务请求数最多.针对该不确定性条件下的管理决策问题,给出了两种局内管理策略,并利用局内问题及竞争分析理论,给出了不同载重量下(Q=1和Q=∞)的两种策略的竞争比.     

基于改进烟花算法的冷链配送路径优化选择

为解决J公司业务扩张背景下新增配送点冷链配送路径问题,考虑多种配送车型,建立多车型多车辆冷链配送目标模型,针对具体问题改进烟花算法求解,并利用MATLAB软件实现模型算法设计。结果表明,在保证各配送点需求的前提下,改进烟花算法较原算法可有效缩短配送路径长度8.22%,总时间降低6.46%,节约总配送成本11.72%,给企业物流运作提供有力的决策支持。     

浅析钢筋混凝土框架结构施工常见问题成因及对策

由于钢筋混凝土框架结构构件截面较小、节点多、混凝土标号存在差异、施工顺序上存在时间差异等,框架结构在施工中经常见会出现一些影响质量的问题,笔者结合施工实践对一些常见问题分析原因,提出对策,使施工能够满足规范要求,从而保证工程质量。     

基于极大团模型的多星多站测控资源调度方法研究

针对实际应用中大量卫星测控需求不能得到满足这一瓶颈问题，为缓解地面站测控资源有限与不断增长的测控需求数量之间的矛盾，研究多星多站测控调度问题。考虑卫星-地面站可见测控弧段间的冲突及地面测控设备转换时间约束，同时考虑同一测控设备上可能存在多个满足需求的测控弧段，以测控需求是否分配到某一测控弧段为决策变量，建立了多星多站测控调度0-1整数规划模型。针对传统0-1整数规划模型约束众多、规模庞大、难以求解的不足，本文提出了测控弧段区间图描述，基于区间图描述构建了测控调度极大团模型，大幅减少了约束数量，有效提高问题求解效率。为了获取区间图的所有极大团，设计了一个多项式时间(O(nlogn))的极大团获取算法，并从理论上证明了算法的复杂度和最优性。此外，针对存在升降轨特定类型测控数量要求的调度问题，本文对极大团模型进行了拓展，建立了相应的线性整数规划模型。实验结果表明，对于满足实际应用需求的周计划调度问题(测控需求数量≥9000),极大团模型能够在数分钟内得到单次测控需求调度问题最优解。对于多次测控需求调度问题，拓展的极大团模型也能高效求解，得到问题最优解或近似最优解，满足实际应用需求。相对于目前...     

基于多目标优化的模糊需求VRPTW动态管理

针对具有模糊顾客需求的带时间窗车辆路径问题,建立了最小化车辆行驶距离和最小化配送服务延迟时间的多目标模糊机会约束规划模型,提出了管理车辆服务模糊需求的动态优化策略,设计了嵌入模糊模拟的改进非支配排序混合遗传算法来求解模型。通过Solo-mon标准算例的仿真实验,不仅讨论了决策者主观偏好值对决策目标的影响,而且与传统车辆调度方法进行了对比分析,验证了该动态管理策略的有效性。     

差异分批模式下的联合成本优化问题及算法

提出了一类制造企业的联合成本优化问题,将企业的产品制造环节和配送环节进行协同运作,实现供应链环境下的联合调度.在生产环节,考虑一类典型的差异分批制造模式,即待加工的作业尺寸有差异,而批处理设备的容量确定,设备环境为多台并行设备;在配送环节,企业采用自有车辆进行运输,车辆具有相同的运输能力;若完工的作业在当前无可用车辆进行配送,则转入产成品库存;联合成本为生产、库存和配送三阶段的总成本.本文首先构造了基于整数规划的数学模型,证明了联合成本的最小化问题是强NP-hard问题;然后设计了多项式时间的近似算法,分析了算法的时间复杂性,并证明了算法的求解性能.     

疫情下医用防护物资“无接触”配送优化

针对疫情下医用防护物资无人车“无接触”配送模式，构建考虑医院优先等级的医用防护物资无人车配送优化模型。根据无人车实时路径规划的特点，初始阶段以配送时间最短，综合满足率最高为目标，对无人车配送路径及物资分配进行初步规划。当路况信息发生实时变化，基于局部更新策略对配送路径进行调整，以更好满足配送的时效性。针对遗传算法局部早期搜索易陷入早熟，后期种群进化停滞的缺陷，设计遗传模拟退火算法放大适应度相近的个体差异，使优秀个体后代作用更加明显。最后，以新冠疫情(COVID-19)爆发期武汉市江汉区与江岸区医用防护物资配送为例，对模型与算法进行验证。结果表明，本文构建的模型考虑了医院优先级别与物资满足程度，能科学地配送医用防护物资，并根据路况信息变化实时调整配送方案；与标准遗传算法相比，设计的遗传模拟退火算法求解稳定性更优，解质量也更高；与传统模型相比，车辆通过拥堵路段的时间越长，无人车配送模型优势越明显。     

中小企业物流管理信息系统操作流程

目前,大多数中小企业的货物配送、调度以人工操作为主,调度人员主要凭借自己的经验联系、调度和配载运货车辆,而材料、外购零配件、外制返送制品等货物的外部供应长期以来很少考虑过要对供货车辆进行统一的调度安排.在货物发运的淡季,这种模式基本能够满足需要,但到发货旺季,便会产生一些突出问题,给企业的管理造成混乱.     

有模糊时间窗的车辆调度组合干扰管理研究

研究带有模糊时间窗的车辆调度组合干扰管理模型及其混合遗传算法.采用时间窗模糊化处理方法,定义客户满意度函数,根据干扰管理思想对车辆调度中组合性干扰事件进行分析,从配送路径、配送成本和客户满意度三个方面进行干扰辨识与度量,建立基于模糊时间窗的车辆调度组合干扰管理模型;构造模型求解的混合遗传算法,将最佳客户插入规则与遗传算法结合,同时在算法中嵌入模糊优化程序以处理问题的模糊特征;进行数值实验,实验结果验证了模型与算法的有效性.     

震后应急物资配送的模糊定位-路径问题研究

从系统集成优化的角度研究震后应急物资配送的一种新模糊定位-路径问题(LRP),综合考虑救灾点所在地理位置和地形导致的应急车辆行驶时间的随机性、救灾点应急物资需求量的不确定性与应急物资配送的时间紧迫性,以应急物资总运达时间最短与总配送成本最小为目标,构建一个基于机会约束规划的多目标模糊LRP优化模型,并根据模型的特点设计了一种混合免疫遗传算法予以求解。最后,通过算例验证了本文方法能有效解决震后应急物资配送的模糊多目标LRP,实现了震后应急物流中心定位和应急车辆路径规划的联合决策。     

基于JIT配送的3PL运输协调调度问题建模与分析

近年来,随着第三方物流(Third Party Logistics,3PL)的日益成熟,其服务的专业性越来越高。相当数量的制造商们把产品的运输与配送外包给3PL以缩短订单处理的时间。本文研究Just-in-Time(JIT)背景下由3PL主导的供应链中3PL协调调度问题。3PL给出运输工具的出发、到达时间、可用的运载容量及相应的价格。制造商根据其生产调度和订单配送要求,有选择的使用3PL的运输资源,以最小的成本达JIT配送的目的。本文建立了该问题的数学模型,并证明了相应的计算复杂度。最后通过仿真实验验证计算复杂度。     

零售商配送时间承诺的供应合同研究

从提高供应链整体协调性及绩效水平出发,在单个厂商对配送时间承诺的决策模型基础上,研究了在供应链环境中由零售商负责配送的时间承诺问题.从传统的观念看,一般由零售商向顾客承诺配送时间并承担不能履行承诺的全部责任,但通过研究发现,这种合作模式会因缺乏激励而使零售商选择一个不能使供应链整体最优的承诺时间.在分析影响零售商实现配送时间承诺的因素的基础上,证明分散决策时单一价格下的零售商决策不能协调整个供应链,提出了一种供应合同来解决该问题,即通过上游供应商对零售商造成的配送延误做出部分补偿,使整个供应链产生更高的绩效,使双方都从中获益的观点,为供应链上的企业如何承诺配送时间提供了有效的理论工具.     

时变路网下多中心电动车-无人机协同配送路径优化

针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。     

基于3D打印技术的备件生产与运输协同调度问题研究

基于3D打印的智能制造技术已经成为推动备件供应链转型升级的重要手段。在此背景下，本文研究“随时需要随时生产+即时配送”新型模式下的计划性维修备件的供应链协同问题。生产与运输协同调度问题在制造业领域普遍存在，属于NP-Hard问题。本文研究带时间窗的生产与运输协同调度问题，建立混合整数规划模型，根据Dantzig-Wolfe分解原理分别建立主问题和子问题数学优化模型，并采用改进的分支定价算法进行求解。在求解过程中，首先，构造可行解，基于可行路径调用CPLEX优化软件对主问题求解；其次，针对子问题的求解，根据研究问题的属性设计占优原则和加速策略，并对求得的非整数解进行分支；最后，通过对多组规模算例进行测试，数值实验结果表明：1)验证了所建立模型和改进算法的有效性；2)通过求解时间对比可知所使用加速策略能够将算法效率提高10倍左右；3)通过将生产和运输协同决策与实际运作中的分阶段决策结果对比，本文设计的方案可以将目标函数值平均优化50.33%。本研究不仅能够有效解决新型备件生产模式下的生产与运输协同调度问题，而且可以为企业实际运营决策提供科学依据，实现降本增效的目标。