考虑骑手对路网熟悉度的O2O外卖配送路径优化

发布时间：2022-02-17 17:59

　　随着互联网经济的发展,线上至线下业务逐渐由一个商务概念融入了大众的生活。其中,外卖行业作为一个新兴的市场,这几年发展极其迅速。美团、饿了么、大众点评等外卖软件成为了上班人员和在校学生等群体的常用软件。随着美团在港股上市,外卖行业逐渐吸引了越来越多人的关注与研究。然而与传统的快递行业相比,外卖行业具有时间限制紧、订单涉及地点分布呈现区域化、不同骑手对配送影响较大以及多个订单需多取多送等特点。因此需要针对外卖问题的特点研究在实际配送当中如何将骑手路径优化至最优。其研究意义在于,不仅为目前研究较少的外卖问题提供了理论基础,并且在实际生产作业中也具有一定的参考价值,特别是针对外卖行业特点提出了相对应的建议。本文首先介绍了线上至线下的外卖行业的基本理论基础与近年来的实际作业中的骑手配送情况,并指出现有一次取餐一次送餐模式的不足,得到结论:应该在考虑骑手对路网熟悉度的情况下,采取多次取餐多次送餐的模式来进行路径规划。参考传统快递行业配送优化的研究,结合外卖行业的特点,本文构建了考虑到骑手对路网的熟悉度的多取多送的路径优化数学模型。该数学模型考虑到了订单的硬时间窗限制、骑手数量限制、订单分配问题、骑... 

【文章来源】：大连海事大学辽宁省211工程院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 研究背景与意义
    1.2 国内外相关研究现状
    1.3 研究的主要内容与方法
    1.4 本章小结
2 相关理论基础综述
    2.1 O2O外卖配送简介
        2.1.1 O2O模式的定义与现状
        2.1.2 O2O外卖配送的模式与现状
    2.2 车辆路径问题(VRP)简介
        2.2.1 车辆路径问题(VRP)细分问题简介
        2.2.2 VRP问题常用求解方法简介
    2.3 改进型蚁群算法简介
    2.4 熟悉度相关理论简介
    2.5 本章小结
3 考虑熟悉度的O2O模式下外卖配送路径优化
    3.1 考虑熟悉度的O2O模式下外卖的配送路径优化问题分析
        3.1.1 考虑熟悉度的O2O模式下外卖配送实际情况介绍
        3.1.2 现存配送实际情况分析
        3.1.3 骑手对路网的熟悉度的影响
    3.2 考虑熟悉度的O2O模式下外卖骑手的配送模型
        3.2.1 模型参数设置
        3.2.2 考虑熟悉度的O2O外卖配送路径数学模型
    3.3 本章小结
4 考虑熟悉度的O2O外卖配送路径优化算法设计
    4.1 蚁群算法主要流程框架设计
    4.2 算法的生成
        4.2.1 禁忌搜索-蚁群算法生成初始解
        4.2.2 节点转移原则
        4.2.3 O2O外卖配送的邻域搜索算子
        4.2.4 信息素的更新与释放
        4.2.5 算法迭代
    4.3 本章小结
5 算例分析
    5.1 不同场站的优化结果对比
        5.1.1 分散型城区场站
        5.1.2 聚集型商务区场站
        5.1.3 结果对比分析
    5.2 算子有效性分析
        5.2.1 小规模算例分析
        5.2.2 大规模实例分析
        5.2.3 算子有效性分析
    5.3 算法参数的敏感性分析
        5.3.1 蚂蚁数量m对算法的影响
        5.3.2 信息素比重因子α对算法的影响
        5.3.3 期望比重因子β对算法的影响
        5.3.4 信息素挥发因子ρ对算法的影响
        5.3.5 信息素释放总量Q对算法的影响
        5.3.6 算法灵敏度分析
    5.4 骑手对路网的熟悉度Ω对O2O外卖配送路径优化的影响
        5.4.1 密集型商务区场站内骑手对路网的熟悉度Ω的研究
        5.4.2 分散型城区场站内骑手对路网的熟悉度Ω的研究
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果


【参考文献】：
期刊论文
[1]基于改进蚁群算法的Zigbee网络路由优化研究[J]. 董绍江,杨舒婷,刘伟,蒙志强.  组合机床与自动化加工技术. 2020(03)
[2]基于变邻域蚁群算法的自动光学检测路径规划[J]. 邓璘,王琳,盛步云,萧筝.  计算机工程与设计. 2020(02)
[3]基于遗传蚁群算法配电网重构[J]. 杨铭,刘建辉.  现代电子技术. 2020(02)
[4]改进蚁群算法的舰船避碰辅助决策系统可靠性研究[J]. 丁文.  舰船科学技术. 2019(24)
[5]徐州高校校园外卖配送存在问题研究[J]. 王龙凡.  中国物流与采购. 2019(23)
[6]O2O外卖平台商业模式及其发展前景分析——以美团外卖为例[J]. 贾雨桐,彭芳菲,姜泓宇,刘可.  物流工程与管理. 2019(11)
[7]时尚行业零售网点多品类取送货车辆路径优化研究[J]. 栾玉麟,郭鹏,王丽敏.  工业工程与管理. 2020(04)
[8]基于模拟退火蚁群算法的机器人路径规划方法[J]. 袁佳泉,李胜,吴益飞,郭健.  计算机仿真. 2019(10)
[9]改进自适应蚁群算法的移动机器人路径规划[J]. 徐玉琼,娄柯,李婷婷,高文根.  电子测量与仪器学报. 2019(10)
[10]基于混合蚁群算法的异质车队低碳VRP研究[J]. 张明伟,李波,屈晓龙,郭盈.  计算机工程与应用. 2020(14)

硕士论文
[1]遗传算法在带时间窗的车辆路径问题中的应用[D]. 詹孝龙.江西理工大学 2014



本文编号：3629861