考虑客户等级划分的多目标冷链物流配送车辆路径优化

发布时间：2020-10-10 01:34

　　随着国民经济的快速发展,人民对生活品质的追求也越来越高,再伴随着互联网技术的不断发展,人民的消费方式也发生了很大的改变。冷鲜品的消费结构也随着变化,不仅冷鲜品的需求量增加,而且对冷鲜品的品质也要求越来越高。冷鲜品销售商为了提高自身的市场竞争力,对冷链物流配送服务商也提出了更高的要求,特别是要满足不同客户提出的配送时间和配送品质的要求。而对于配送服务商而言,在冷鲜品同一时间段内配送点多且分散、时间要求高的情况下,配送资源是有限的,往往不能同时都满足配送客户的所有要求。因此,在配送商的配送资源(车辆、配送人员)有限情况下,考虑客户价值和配送时间敏感度性,合理规划冷链物流配送的车辆路径,来提高客户整体满意度,同时又能降低配送成本,增加收益,对企业来说具有重要参考价值。主要研究内容和结论如下:(1)介绍了冷链物流配送、客户价值细分等相关理论。依据配送客户的相关特点,构建配送客户价值评价指标体系。针对配送客户价值评价范围的模糊性问题,引进交叉量化的评价标准云模型,应用基于云模型的多层次模糊评价法对客户价值分类。通过与模糊层次方法对比发现,本文引入云模型代替原隶属度函数能克服模糊评价过程中隶属度函数单一主观性,更好体现评价指标定性评分的随机性和模糊性。该方法能准确有效的对配送客户价值进行分类。(2)对考虑客户等级划分的冷链物流配送路径问题进行描述,依据配送客户价值等级和时间的敏感度进行客户配送优先等级分类,设置不同的时间窗约束条件。然后详细介绍运输路线的费用,考虑客户等级划分惩罚损失的计算和客户总体满意度的度量来构建模型。本文应用多目标规划法的主要目标法,确定配送成本为主要目标,客户总体满意度T作为一个约束条件,将多目标规划转化为单目标规划,利用遗传算法求解。通过实例计算发现,T值由85%到95%,配送总成本上升幅度6%左右,而由95%到100%上升幅度达到20%以上。满意度越高的情况下,投入的成本也越多。而且随着满意度越接近100%,投入的成本上升幅度也越大。(3)为了验证考虑客户价值和时间敏感度分类与不考虑客户价值分类的区别,通过设置不同客户的时间窗约束,来求解路径。对比发现,在客户整体满意度约束相同情况下,考虑客户价值分类和时间敏感度与未考虑的配送成本相差很小,但是VIP且时间敏感度强的客户都能在期望的时间送达,而未考虑客户价值的路径规划,该类别的客户无法保证在期望的时间窗送达。可见,该模型在配送总成本最低、客户时间窗和客户价值寻找最优路径方案,从而让时间敏感且高价值客户在期望的时间送达,满意度达到100%,验证了模型和算法的有效性。
【学位单位】：江苏大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F274;F259.2
【部分图文】：

冷链,客户分类,金字塔

提高客户的总体满意度。不仅可以拓宽 VRP 的应用领域，而且可有效提高企业和客户的双方效益。图1-2 冷链物流金字塔客户分类Fig.1-2 Cold chain logistics pyramid customer classification资料来源：中国产业信息网data source: China Industrial Information Network1.1.2 研究意义（1）理论意义1）在车辆路径问题的基础上，深入研究冷链物流配送路径，相对以往配送人员单凭个人经验进行配送，具有较强的理论指导意义。

云模型,期望值

的数字特征要是由期望（EX）、熵（En）、超熵（He）这三个性定量互相转化的特点，相关概念及特点见表 2-4。字特征的特点，用图 2-4、图 2-5、图 2-6 展示不同表 2-4 云模型数字特征相关概念及特点2-4 Cloud model digital feature related concepts and characteristic概念特点在数域空间可以表示定性概念的点定性概念量化样本点表示定性概念的不确定性，包括随机性和模糊性熵越大，定性概念的机性越大，确定性量之越容易。超熵是熵的熵，熵的不确定度量该数值越大，云滴的隶属度随机性越大，

熵值,云模型

图 2-5 不同熵值云模型对照图 2-5. Comparison diagram of cloud models with different entropy 定性评价的模糊程度，熵越大，可表示为客户等级评的评价概念越模糊。从图 2-5 可以看出在期望值 Ex 下，熵值为 0.5 云模型对客户等级评分区间值大于熵值

【相似文献】