最后一公里城市快递的选址及配送线路优化研究

发布时间：2020-10-26 11:42

　　 最后一公里城市快递的选址及配送线路优化问题是配送企业的重要问题,如何有效的进行站点选址和选择配送线路,对配送企业降低成本、提高绩效具有重要意义。考虑到企业实际的运营中,站点存在最大容量约束、派送员存在工作时间约束,增加约束后的问题更贴近实际,而现有文献的算法尚未考虑这两种约束,因此本文研究了带容量约束的聚类选址问题和带工作时间约束的CVRP问题两个问题。带容量约束的聚类选址问题是在基本的聚类问题基础上,增加各个类的容量约束,进行站点选址,并基于K-means算法设计适用于本问题的算法。带工作时间约束的C VRP问题是在基本的C VRP问题中,增加派送员的工作时间约束,并基于蚁群算法编写适用于此问题的算法。在本文的最后,应用本文提出的两个算法解决了 ZMKM配送企业的最后一公里选址及车辆路径规划问题,并将结果与企业实际成本及效率数据对比,效果较好且合理。本文提出的算法为实际企业的应用提供了理论支撑,其他配送企业也可参照本算法做选址和路径规划,具有较强的实际应用价值。同时,本文提出的算法进一步扩大了聚类算法及蚁群算法的适用范围,拓宽了聚类算法及蚁群算法今后研究的方向。
【学位单位】：浙江大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TP301.6;F724.6;F252
【部分图文】：

图４．１解决带工作时间约束的ＣＶＲＰ问題的核心算法流程图??３５??

?３０?４５?３０?５??图５．１聚类结果图??可以看出存在个别数据地址分错了类别，由于本文的移动、交换判断过程为??两两交换，可能导致分错类的地址数据不能交换或移动至其应当属于的类别中，??需要将这些分错类别的个别点单独考虑。对于每一个聚类，统计该类所有数据地??址与聚类中心的距离，计算距离的均值和标准差，将距离在均值三倍标准差以外??的点单独考虑。人工计算这些地址数据应当属于的类别进行调整。经过调整后的??聚类结果如下图所示。并将数据集中每一个地址属于的类别记录，为后续的分区??及线路优化过程做准备。??■?，?．?Ｉ?｜?＋?＇??咖－?。?；?２３??，。°。ｉｉ??－?脅！ｆ屢％?ｉｓ??＇

图５．１聚类结果图??
【参考文献】

相关期刊论文 前10条

1 王晓东;张永强;薛红;;基于改进蚁群算法对VRP线路优化[J];吉林大学学报(信息科学版);2017年02期

2 王帅;赵来军;胡青蜜;;随机旅行时间的外卖O2O配送车辆路径问题[J];物流科技;2017年01期

3 于晓寒;王东;;基于带约束K-means聚类的城市快递配送区域划分[J];哈尔滨商业大学学报(自然科学版);2016年05期

4 余莉;甘淑;袁希平;李佳田;;克服双重约束的面目标位置聚类方法[J];测绘学报;2016年10期

5 戚远航;蔡延光;蔡颢;汤雅连;吕文祥;;旅行商问题的混沌混合离散蝙蝠算法[J];电子学报;2016年10期

6 刘澜;吴金卓;胡鸿;;交通限制和软时间窗条件下的车辆路径问题及其蚁群算法改进[J];物流技术;2016年09期

7 刘云;张惠珍;;多目标带时间窗的车辆路径问题的单亲遗传混合蚁群算法[J];公路交通科技;2016年06期

8 董志;;地理本体知识约束下的DBSCAN空间聚类算法及应用[J];软件导刊;2016年02期

9 宁涛;陈荣;郭晨;梁旭;;一种基于双链量子编码的动态车辆路径问题解决策略[J];运筹学学报;2015年02期

10 张勇;;基于改进蚁群算法物流配送路径优化的研究[J];控制工程;2015年02期

相关博士学位论文 前1条

1 严冬梅;城市物流中心选址问题研究[D];天津大学;2004年

相关硕士学位论文 前10条

1 陈国伟;农村电商物流循环取送货模式研究[D];北京交通大学;2016年

2 马振;改进蚁群算法及其在TSP中的应用研究[D];青岛理工大学;2016年

3 王鹏飞;基于聚类算法的快递服务网点布局研究[D];成都理工大学;2016年

4 孙文成;基于多目标方法的旅行商问题复杂度研究[D];大连理工大学;2016年

5 潘挺雷;基于改进蚁群算法的区域车辆配送路径优化方法研究[D];浙江理工大学;2016年

6 陆文华;带容量和最大工作时间约束的集散货物车辆路径问题研究[D];南京农业大学;2014年

7 吴海东;城市快递服务的车辆路径规划问题研究[D];清华大学;2011年

8 束传伶;基于空间聚类的数据挖掘技术在公共设施选址中的应用研究[D];合肥工业大学;2010年

9 孙明雪;蚁群算法的改进及其在TSP问题中的应用[D];吉林大学;2006年

10 赵锐;空间数据挖掘中的聚类算法研究[D];山东大学;2006年

本文编号：2856954