带不确定时间窗的电商快递配送路径决策

发布时间：2021-11-02 14:52

　　随着电子商务的迅猛发展,与之相关的快递行业也进入了快速发展通道。但是许多问题也因此暴露出来,例如,电商物流末端配送问题,俨然成为了一个行业难题。相比于电商企业,末端的配送服务,才是接触顾客的主要方式。在配送的服务过程中,企业可以收集顾客端的大量数据,这些数据极具价值,对于精准的市场预测、供应链管理、管理者决策具有重要意义。在大数据时代,“最后一公里”的价值会更加重要。论文通过梳理文献发现,学者的研究更多的是集中在确定性因素上,而研究不确定性因素的文献相对较少,对于时间窗这一约束条件不确定性因素的影响的研究则少之又少。因此论文将研究方向定为带不确定时间窗的电商快递配送路径决策。论文分析了构成VRP问题的要素,例如配送中心、配送车辆、车载、时间、速度等,对最基本的VRP问题模型进行了分析,根据电商快递配送的特点,产品体积小、重量轻、时效要求高,提出了基本假设。对于时间窗的假设进行了详细的说明,以不确定时间窗约束描述顾客满意度,以顾客满意度最高、成本最小和距离最短为优化目标,构建带不确定时间窗的电商快递配送路径决策。最后,通过实地调研和参照地图进行数据采集,对数据进行一定的处理,选取合适的参... 

【文章来源】：河北大学河北省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 相关文献综述
        1.2.1 VRP问题研究综述
        1.2.2 电商物流的研究现状
        1.2.3 带时间窗的电商快递路径优化研究现状
        1.2.4 有关VRP问题的算法研究
        1.2.5 综合评述
    1.3 主要研究内容与技术路线
        1.3.1 研究内容
        1.3.2 创新点
        1.3.3 技术路线图
第2章 相关理论基础
    2.1 车辆路径问题理论基础
        2.1.1 车辆路径问题定义
        2.1.2 VRP问题的约束分类
        2.1.3 车辆路径问题算法综述
    2.2 蚁群算法相关理论
        2.2.1 蚁群算法的基本思想
        2.2.2 参数选择的依据及影响
第3章 带不确定时间窗的电商快递配送路径决策模型
    3.1 电商快递配送路径优化问题分析
        3.1.1 电商快递配送路径问题的构成要素分析
        3.1.2 配送路径优化方法
    3.2 配送路径优化问题基本模型
        3.2.1 车辆路径问题的一般描述与特征
        3.2.2 一般车辆路径问题的模型
    3.3 带不确定时间窗的VRP问题描述及数学模型建立
        3.3.1 不确定时间窗的界定
        3.3.2 问题描述
        3.3.3 基本假设
        3.3.4 带不确定时间窗电商快递配送路径决策数学模型的建立
    3.4 模型求解说明
        3.4.1 时间窗处理
        3.4.2 多目标的处理
第4章 带不确定时间窗的电商快递配送路径决策模型求解
    4.1 求解算法说明
        4.1.1 蚁群算法解决TSP问题的基本原理
        4.1.2 蚁群算法解决TSP问题的基本步骤
        4.1.3 蚁群算法的特点
    4.2 数据的采集与处理
        4.2.1 数据采集
        4.2.2 数据的处理
    4.3 算法步骤和实验条件
        4.3.1 算法步骤
        4.3.2 实验条件
        4.3.3 计算结果及分析
第5章 结论与展望
    5.1 研究的主要工作
    5.2 研究展望
参考文献
致谢


【参考文献】：
期刊论文
[1]物流“最后一公里”配送问题研究综述[J]. 洪琼,张浩,聂家林,万玉龙.  物流科技. 2018(01)
[2]电商快递“最后一公里”运营模式优化研究[J]. 吴竞鸿,韩媛媛.  现代商贸工业. 2018(01)
[3]带有时间窗的电商物流终端配送研究[J]. 袁雨果,高华峰.  湖北民族学院学报(自然科学版). 2017(04)
[4]国内外物流研究现状、热点与趋势——文献计量与理论综述[J]. 吕程.  中国流通经济. 2017(12)
[5]带时间窗的车辆路径问题的精确算法研究[J]. 答家瑞,郑澜波.  物流技术. 2017(06)
[6]最后一公里配送路径优化研究[J]. 章雪岩,桂欣,郑巧然.  物流技术. 2017(06)
[7]基于深度学习的物流配送路径优化算法的研究[J]. 张湘博,李文敬,周杰,李松钊.  现代计算机(专业版). 2017(14)
[8]快递末端物流配送仿真优化研究[J]. 李乃文,赵云龙,李丹.  中国管理信息化. 2016(18)
[9]物流配送线路优化Matlab算法研究[J]. 刘亚娟,木仁.  中国市场. 2016(32)
[10]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]. 刘云,张惠珍.  公路交通科技. 2016(06)

博士论文
[1]模糊信息条件下车辆路径问题研究[D]. 张建勇.西南交通大学 2004

硕士论文
[1]基于生鲜农产品的冷链物流配送路径优化研究[D]. 董冬艳.沈阳大学 2017
[2]快递末端配送模式分析与优化研究[D]. 金正阳.北京交通大学 2017
[3]蚁群混合算法求解带时间窗车辆路径问题[D]. 胡俊桥.西安科技大学 2017
[4]快餐外卖配送路径方案研究[D]. 王荃菲.北京交通大学 2017
[5]最后一公里城市快递的选址及配送线路优化研究[D]. 吴潇钰.浙江大学 2017
[6]基于改进混合蚁群算法的带时间窗车辆路径问题优化研究[D]. 韩越.安徽理工大学 2016



本文编号：3472079