B2B电子商务模式下多供货点智能配送VRP——以泉州为例

发布时间：2021-07-02 20:55

　　针对B2B电子商务模式下的车辆路径（Vehicle Routing Problem, VRP）优化问题,构建多供货点智能配送VRP模型。该模型考虑车辆启动费用和运输费用,以总费用最小为目标,供需平衡及需求时间窗等为约束,从系统的角度统筹优化商户之间的配送问题,以提高交通资源的使用率。同时,根据模型特点设计了基于Python算法和Gurobi求解器的求解方法。以泉州纺织鞋业为例,探讨供货点集中和供货点分散两种情形下的配送优化问题。结果表明:B2B电子商务模式下的多供货点智能配送VRP模型适用于实际运营工作中,能够得到可行有效的配送方案,有利于提高交通资源利用率,促进泉州纺织鞋业跨境电商业务更好的发展。 

【文章来源】：物流科技. 2020,43(12)

【文章页数】：5 页

【部分图文】：

泉州跨境电商微小企业运营模式

综上，本文所提的数学模型和求解方法适用于B2B模式下的多供货点智能配送问题研究，且算法运行时长均在30min内，符合实际运营需要。在实际运营中，点与点间的距离数据可直接由商家信息和百度地图获取。相比于目前买方商户直接对商品物流负责的情形，本文从系统的角度统筹优化物流配送问题，明显有利于运输资源的节约。若买方商户各自进行商品取货则需要空载前往商品批发市场，而后返回，容易产生较多的车辆资源浪费；若买方商户选择“一件代发”操作，将商品交由第三方人员有偿代发，则容易造成较高的快递成本。而基于本文所提的多供货点智能配送模型，在充分考虑供需关系的同时，能够最大程度降低整体费用的支出，提高车辆利用率的同时，也间接减少了汽车尾气的排放。因此，在传统产业中考虑智能物流，统筹优化配送问题，将是未来的发展趋势，有利于产业升级。图5 供货点随机分布情况下的配送路径

供货点随机分布情况下的配送路径

【参考文献】：
期刊论文
[1]中国智慧物流发展趋势[J]. 何黎明.  中国流通经济. 2017(06)
[2]B2C物流配送网络双目标模糊选址模型与算法[J]. 张晓楠,范厚明,李剑锋.  系统工程理论与实践. 2015(05)
[3]B2C环境下带预约时间的车辆路径问题及多目标优化蚁群算法[J]. 李琳,刘士新,唐加福.  控制理论与应用. 2011(01)



本文编号：3261212