B2C配送中心订单分批—配送路径联合调度问题研究

发布时间：2020-04-07 02:22

【摘要】：随着信息技术的快速发展,电子商务模式在现代商业模式中扮演着日益重要的角色,在电子商务模式快速发展和客户对电子商务购物的时效性要求日渐增长的背景下,进一步提高电子商务配送中心客户订单履行效率是当前电子商务物流管理亟待解决的问题。电子商务订单品类、数量和客户位置等不确定性使得订单履行时间的优化难度大大增加。基于此,如何协调电子商务配送中心订单分批拣选和配送环节成为保证客户能尽快收到商品,完成订单服务的关键点。然而,当前国内外学者大多只针对电子商务订单分批或车辆配送路径的单个环节进行研究,考虑到单独优化只能获得拣选或配送的阶段性效益最大,而非整体效益最大,本文从拣选和配送的整体效益出发,对电子商务配送中心订单分批和配送的联合调度问题进行研究。本文将订单分批与配送路径联合调度问题视为一种特殊的生产与配送联合调度问题,并以B2C电子商务配送中心从订单拣选到配送完成的总履行时间最短为目标,在订单拣选路径为S-Shape型、货位分布情况及客户需求已知且车辆数量无限的情况下,建立带容量和配载率约束的订单分批和配送路径联合调度优化模型。基于生产与配送联合调度问题的研究结论可知,本文所研究的订单分批与配送路径联合调度问题属于NP难问题,难以用精确算法求解。为求解该模型,本文将模型求解分成不同过程,并设计了一个四阶段启发式求解算法:(1)区域分割优化。利用K-means聚类算法对需求点位置进行区域分割,并通过聚类有效性指标对聚类结果进行评价,选择最优分割方案,然后根据配送车辆容量和配载率限制对结果进行调整。(2)配送路径优化。比较路径优化问题的各种求解方法的性能,初步确定选择蚁群算法进行求解。同时为了进一步优化算法效率,引入模糊集合理论对蚁群算法(FACO算法)进行改进,并利用标准案例数据验证该算法的可行性。然后通过该FACO算法对分割后的各配送区域进行路径优化。(3)订单分批优化。对各配送路径上所含的订单,基于相似度聚类规则构建订单分批优化的数学模型,并采用改进的种子算法求解模型。(4)拣选顺序调整优化。基于路径优化的结果调整各拣选批次的顺序,保证最小化全部订单的履行时间。最后,利用数据实验证明该模型和求解算法的有效性,计算结果证明综合考虑订单分批和配送的联合调度优化比对分批和配送单独优化的结果更优。
【图文】：

示意图,订单,示意图,车辆

图 3-1 订单分批与配送示意图型设如下：车辆为同一型号，最大配送容量为Qv，车辆数量无限送车辆的工作量相对均衡，各车辆的配载率需不低于准备时间、订单打包时间、配送过程装卸货时间对该此在本模型在计算过程中不考虑这几个过程的时间；时间具有对称性，即：ij jit =t；且 i 到 j 的配送时间送时间之和，即满足不等式：ij im mjt ≤ t +t；路径策略为 S-shape 型拣选，，且单次拣选的最大拣选

区域分布,区域分布,订单,行走速度

图 3-2 配送中心拣选区域分布图型符号说明D 模型涉及的相关符号说明如下：常量{ } 0,1, 2,...,n：包含配送中心和全部需求点（订单）的集合，其中心； {1 , 2,...,n}：包含全部订单的集合；订单分批的总批次集合；配送中心配送车辆集合；第 i 个订单包含的商品总数量， i ∈ D；拣选员的行走速度，即在单位时间内拣选员的拣选路程；
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F724.6;F274

【相似文献】