不确定需求下快递配送网络鲁棒优化

发布时间：2021-09-29 02:59

　　"双十一"期间,分拨中心"爆仓"现象表明:确定需求下的车辆路径不适合解决需求激增的配送问题。以需求确定模型为基础,构建基于情景集的鲁棒优化研究模型,并根据变化的快件数量,重新分配客户服务时间;通过计算每条路径的旅行时间,在满足时间窗的基础上,实现对自有车辆的最大利用。改进蚁群算法利用Matlab求解,分析发现:优先考虑运输时效所产生的成本与成本最优值存在较小差距,但总旅行时间优势明显;公司规模与业务量和总成本之间存在相关性,业务量增加并不会引起利润快速增长。 

【文章来源】：计算机工程与应用. 2020,56(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

原确定需求车辆路径

为了进一步比较鲁棒模型的优势，本文将三种情景集的运输需求分别代入确定性模型计算相应的最优值并与鲁棒优化模型进行比较，同时比较两者在一轮运输班次结束之后所花费的总旅行时间的差异，其结果如表5所示。对比发现：在成本方面，成本最优条件下鲁棒模型的解与原需求的解差距最大，而与所有情景下的成本差距保持在10%左右。一方面是由于需求增加导致成本上涨；另一方面，由于鲁棒模型是综合考虑所有情景条件得到的，因此所有情景都可以接受，故差距稳定，证实了鲁棒模型的抗干扰性和高成本的代价；而两种情况各自对应的总成本之间差距较小，环比的最大值仅为1.90%。在旅行时间方面，一轮行车结束的总旅行时间存在较大差异，最多可节约47 min。由此可见，快递企业可以在成本没有大幅度变动的前提下优先考虑运输时效，以减缓分拨中心压力，保证快件及时送达配送站点。为找出公司规模与业务量和总成本之间的相关性，将需求在[200,700]范围内，间隔50取整，算法运行结果见图3。分析发现：随着公司业务量的增加，且当超出公司自有车辆的规模时，运营成本增长较快；运输费用的上升是导致企业利润增长缓慢的原因之一。

本文在确定性模型的基础上，选用基于情景集下的鲁棒优化方法优化分拨中心的配送网络，为了避免蚁群算法在求解过程中陷入局部最优，采用2-opt进行局部搜索优化。并创新性地通过变化的快件数量，对客户服务时间进行重新分配；通过对每条运输路径的时间计算，若存在两条或两条以上路径的旅行时间之和满足时间窗要求，则使用同一辆车进行配送，以实现对自有车辆的最大利用。提出的模型能够在需求大幅浮动的情况下控制成本，同时保证每个运输班次总旅行时间的合理性，提高了企业的运作效率。图4 原确定需求下算法性能对比

【参考文献】：
硕士论文
[1]基于Flexsim的S快递公司爆仓期仓储配送策略仿真优化[D]. 苏保九.中国海洋大学 2015
[2]集装箱班轮支线网络鲁棒优化模型研究[D]. 伍方凌.大连海事大学 2015
[3]快递业服务质量分析与改善方法研究[D]. 邱官升.长安大学 2008
[4]基于鲁棒优化的应急管理下的车辆路线问题的研究[D]. 孙华.河南大学 2007
[5]基于蚁群优化算法的车辆路径问题研究[D]. 蒋毅.吉林大学 2007



本文编号：3413065