论文部分内容阅读
电子商务的飞速发展,带来了快递业务量的迅猛增长,快递末端配送作为直接与最终客户接触的唯一阶段,直接影响消费者网购体验。随着人们出行行为的变化以及对个人隐私信息的重视,消费者对末端收货模式提出了新的需求,希望拥有更灵活的“最后一公里”收货点。同时由于自提点密度不足、乱收费等问题,快递企业希望通过利用一些社会闲置资源,创新末端配送模式,从而保证收货地点的灵活性,以及应对巨大的快递业务量。面对全国私人汽车超过1亿辆的拥有量,将消费者的包裹投递到消费者的汽车尾箱中的配送到车的新型模式应运而生,并由亚马逊联合沃尔沃、奥迪和DHL,京东物流联合蔚来所推行。配送到车模式能够有效解决配送的时空冲突问题、降低一次投递失败率,从而降低末端配送成本,改善“收货难”现象。但由于配送到车的配送对象的漫游特征,引发了一种新的漫游配送车辆路径问题。本文在对配送到车模式运作流程分析的基础上,重点研究漫游配送车辆路径问题在配送到车模式上的运用,建立模型并设计智能算法。出于漫游问题与行驶环境的依赖性,考虑将时间依赖函数加入模型中,进一步分析时间依赖型的漫游配送车辆路径问题的模型与算法设计。由此为末端配送模式的创新提供新的方向,为末端配送成本降低策略提供新的思路,丰富车辆路径问题模型与算法的研究。在第2章中,分析了配送到车模式的适用对象以及运作流程,认为配送到车模式配送到车模式尤其适用于不具有固定停留地或签收较隐私包裹的客户等,并提出了几种具体的适应场景,以及可以划分为路径预规划和配送两个阶段的配送到车运作流程。基于路径预规划阶段分析了本文重点研究的漫游配送车辆路径问题(Vehicle Routing Problem with Roaming Delivery Location,VRPRDL)模型以及考虑动态路网因素的时间依赖型的漫游配送车辆路径问题(time-dependent vehicle routing problem with roaming delivery location,TDVRPRDL)模型求解路径预规划阶段的解决方案。在第3章中,本文将VRPRDL抽象为访问带有非重叠时间窗群的点群的漫游配送车辆路径问题。针对问题的非哈密顿环特性,建立带有双重决策信息的VRPRDL模型,并设计一种包含客户排序信息和客户配送地点信息的双层染色体,以及两种邻域结构和两张禁忌表的遗传禁忌搜索混合算法。最后通过对不同规模算例以及配送到车和配送到家两种模式下车辆路径问题的算例进行比较试验以及算法的稳定性分析表明,本文设计的混合算法能够有效地、运行稳定地求解模型,并且配送到车模式节约成本平均优于配送到家34%左右。在第4章中,研究动态路网下,行程时间随出发时间变化的漫游配送车辆路径问题。建立了动态路网下兼顾客户路段行程时间和配送车辆行程时间的TDVRPRDL模型,并基于高速优先配送的原则改进遗传禁忌搜索混合算法。最后通过对不同规模算例的比较试验和稳定性分析表明,本文设计的改进遗传禁忌搜索混合算法能够有效地、运行稳定地求解TDVRPRDL模型,并且对于大规模TDVRPRDL,算法的运行时间仍在可接受范围。进一步,与VRPRDL算例的比较表明,当模型越接近现实条件,漫游配送的工作效率与配送路径方案的优化程度越相关,而与客户的分布情况、配送车辆的服务范围,如客户数量、客户分布的距离范围、客户平均出行时间关联度越小。