考虑顾客选择行为的铁路集装箱班列舱位控制研究
发布时间:2021-08-10 02:40
铁路货运改革将集装箱运输看作向现代物流企业转型的重要途径,提出了一系列举措推动集装箱运输的发展,集装箱货运量的提升已成为铁路货运增长的新亮点。铁路集装箱运输越来越受到重视,而单一的舱位控制策略一定程度上制约了它的发展,要提高集装箱货运市场的竞争力和收益,需要更为科学的舱位控制办法。本文研究了考虑顾客选择行为下的铁路集装箱运输舱位控制策略,贯彻了以顾客为本的理念,有助于提升铁路运输企业的市场竞争力,并且为铁路集装箱运输的运营管理提供决策参考。本文的核心内容主要有三点:首先,针对多个区段的集装箱班列,研究了考虑多等级舱位下的集装箱舱位控制策略。以铁路运输企业收益最大为目标,以每个OD上不同等级舱位的预订限制为决策变量,建立了带约束的非线性规划模型。在对问题进行建模时,采用嵌套控制方法,与非嵌套控制方法中各等级产品的预订限额互不占用不同,嵌套控制机制中高价格等级的产品可以占用低价格等级的预订限制,从而能最大限度满足高等级产品的预订,进而增大收益。其次,考虑顾客的向上购买行为,研究了两个舱位等级情况下直达集装箱班列的舱位控制问题。以二等舱的最优预订限制为决策变量,建立了期望收益模型,并采用边际...
【文章来源】:西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】:77 页
【学位级别】:硕士
【部分图文】:
非嵌套预订限制(2)嵌套控制机制
图 2-2 嵌套控制机制2.2 容量控制基础模型按资源数量进行划分,容量控制可分为单资源和多资源容量控制。单资源容量控制是指把一种资源在不同类型的需求之间进行的最优分配,例如同一航班上不同票价机票的销售量,或者直达货运班列上不同舱位等级的销售量。多资源容量控制是指同时考虑占用多种资源的多个相关产品的销售量控制,又称为网络容量控制,例如有多个停靠站的集装箱运输班列,每一个 OD 由一个或多个路段构成,控制 OD 上不同等级舱位的销售量就属于网络容量控制的范畴。按决策规则进行划分,容量控制又分为静态容量控制和动态容量控制。其中,前者是指在预售开始之前进行一次容量分配,在销售过程中这个分配策略不会发生改变;后者是在预订进行时,在每一个决策阶段根据当前的销售状态决定是否接受顾客对某
表 3-1 参数取值(1 fzr /元,fz /箱)OD 2 坪石 3 百亩井 4 秀山 5 团结村1 棠溪 (2125,20) (4750,25) (8125,28) (10625,35)2 坪石 — (2000,21) (3500,33) (8125,40)3 百亩井 — — (3125,43) (5000,52)4 秀山 — — — (3375,51)注:为了书写简便,以下图表中用数字 1 代表棠溪,2 代表坪石,3 代表百亩井,4 代表秀山,5 代表团结村。设种群的规模为 200,交叉概率取 0.9,变异概率 0.01,迭代次数为 200 次,利用MATLAB 工具箱编程求解,算法的收敛情况如图 3-2。通过图 3-2 可以看出,改进的遗传算法在 30 代左右就能收敛,说明该算法的效率比较高。采用遗传算法计算 10 次,得到对应的期望销售量和最优预订限制见表 3-2。
本文编号:3333286
【文章来源】:西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】:77 页
【学位级别】:硕士
【部分图文】:
非嵌套预订限制(2)嵌套控制机制
图 2-2 嵌套控制机制2.2 容量控制基础模型按资源数量进行划分,容量控制可分为单资源和多资源容量控制。单资源容量控制是指把一种资源在不同类型的需求之间进行的最优分配,例如同一航班上不同票价机票的销售量,或者直达货运班列上不同舱位等级的销售量。多资源容量控制是指同时考虑占用多种资源的多个相关产品的销售量控制,又称为网络容量控制,例如有多个停靠站的集装箱运输班列,每一个 OD 由一个或多个路段构成,控制 OD 上不同等级舱位的销售量就属于网络容量控制的范畴。按决策规则进行划分,容量控制又分为静态容量控制和动态容量控制。其中,前者是指在预售开始之前进行一次容量分配,在销售过程中这个分配策略不会发生改变;后者是在预订进行时,在每一个决策阶段根据当前的销售状态决定是否接受顾客对某
表 3-1 参数取值(1 fzr /元,fz /箱)OD 2 坪石 3 百亩井 4 秀山 5 团结村1 棠溪 (2125,20) (4750,25) (8125,28) (10625,35)2 坪石 — (2000,21) (3500,33) (8125,40)3 百亩井 — — (3125,43) (5000,52)4 秀山 — — — (3375,51)注:为了书写简便,以下图表中用数字 1 代表棠溪,2 代表坪石,3 代表百亩井,4 代表秀山,5 代表团结村。设种群的规模为 200,交叉概率取 0.9,变异概率 0.01,迭代次数为 200 次,利用MATLAB 工具箱编程求解,算法的收敛情况如图 3-2。通过图 3-2 可以看出,改进的遗传算法在 30 代左右就能收敛,说明该算法的效率比较高。采用遗传算法计算 10 次,得到对应的期望销售量和最优预订限制见表 3-2。
本文编号:3333286
本文链接:https://www.wllwen.com/jingjilunwen/jtysjj/3333286.html