硕士论文网/国内首批论文服务机构

当前位置:硕士论文网首页 > 物流管理 > 超市物流管理论文 > 电商订单共同配送路径优化存在的问题及对策研究

电商订单共同配送路径优化存在的问题及对策研究

时间:2021-12-14 08:50 | 栏目:超市物流管理论文 | 浏览:

硕士论文网第2021-12-14期,本期硕士论文写作指导老师为大家分享一篇超市物流管理论文文章《电商订单共同配送路径优化存在的问题及对策研究》,供大家在写论文时进行参考。
 电商的快速发展使得快递配送服务要求越来越高,无论是传统的电商订单的配送还是新型电商模式 O2O 业务的同城配送,都存在诸多问题,这些问题得不到解决,会限制电商的进一步发展。传统的电商订单和新型 020 业务同城配送,都面临配送成本、服务质量等瓶颈问题,如何突破瓶颈,在电商企业和物流公司的发展中发挥重要作用是本文的重要研究内容
1 绪论
1.1 研究背景及意义
  电商的快速发展使得快递业 10 多年来一直保持着持续稳定的高速增长,据中国快递协会官方统计数据显示,2018 年全国快递业务量完成 507.1 亿件,比2007 年增长了 41 倍;快递业务收入完成 6038.4 亿元,比 2007 年增长了 16.6 倍。今年 9 月份,第三届中国(杭州)国际快递业大会《中国快递业社会贡献报告2018》指出,今年我国快递业继续在高位保持总体平稳、稳中有进的良好态势,预计全年快递业务量将超过 600 亿件。图 1-1 是 2014-2019 年全国快递服务企业业务量完成对比图。
 2014-2019 年快递业务量情况
随着电子商务的发展,市场对物流配送的要求越来越高。我国快递业务量连年在世界排名第一,其中运输配送成本占物流成本的 60%左右,是影响物流总成本的重要因素。快递包裹中超过 60%来源于线上的电商订单。电商包裹配送的最后阶段,是由快递员将包裹从网点送到客户手中(配送点)。另一方面,随着手机支付越来越普遍化,互联网向线下拓展,衍生出越来越多的同城 O2O 包裹的配送,如外卖订单或鲜花水果等同城订单。这两类都是我国物流最后一公里的典型模式。所以如何降低配送成本,提升服务质量,增加客户的满意度,是物流公司亟待解决的问题。
1.2 国内外研究现状
1.2.1 VRP 问题研究及分类
  VRP(Vehicle Routing Problem, VRP)最早源于对旅行商问题(TravelingSalesman Problem, TSP )的研究,TSP 是最为经典的组合优化问题,可以描述为:对一系列网点和配送点,我们规划合适的配送路线,使配送过程正常有序进行,可以在满足一定的约束条件下,使路程最短或时间最短或花费的费用最少。根据在订单配送前是否知道全部的信息,可将 VRP 分为静态 VRP 和动态 VRP(Dynamic VRP, DVRP)。静态 VRP[1]即所有的配送信息/变动规则在订单配送前全部已知,而且在配送过程中不会发生变换。静态 VRP 问题常用的算法可分为:精确算法和启发式算法。
(1) 精确算法
  精确算法,即能够得到问题的确切最优解。常用的精确算法有最小 K-树法(Minimum K-trees)、分支定界法(Branch And Bound Approach)、割平面法(Cutting Planes Approach)、网络流算法(Network Flow pproach)、列生成法、动态规划法(Dynamic Programming Approach)等。
(2) 启发式算法
  启发式算法相比于精确算法是为了寻找满意解,得到的解可能不是最好的,但在较快的计算速度,较少的计算时间内得到解质量令人满意,被广泛应用到实际问题的解决中。启发式算法主要包括元启发式算法、启发式算法、构建型算法。
车辆路径问题按约束条件分类图
2 相关理论研究及算法概述
2.1 节约法概述
  C.W 算法是 1964 年克拉克-怀特(Clarke-Wright)提出的一种非常有效的解决车辆路径问题的算法,基本思想是首先将每个客户连接到仓库,这样会产生很多条只包含一个客户的配送路径,路径的总距离是从客户到仓库距离的两倍。接下来计算各个客户点连接后可以减少的距离C.W 算法在单独配送电商包裹和同城 O2O 包裹路径优化的具体步骤如下:第一步:作出运输里程表。将网点和配送点或者商户和配送点的位置,配送量标记出来,用距离算法计算网点到配送点以及配送点与配送点之间的最短距离,构造距离矩阵,绘制成一个运输里程表。第二步:按节约里程公式计算连接各个配送点后比直接从网点到配送点配送节约的距离。将节约的距离从大到小排列,标记在节约顺序表。第三步:根据配送路径优化本身的约束条件和节约顺序表中节约值,顺序连接网点和各个配送点,形成配送路线。
2.2 禁忌搜索算法概述
  禁忌搜索(Tabu Search, TS)算法是 Glover[49]在 1986 年提出一种新的解决车辆路径问题的方法,它的基本理念就是人们不会再去寻找已经搜索过的地方。在此基础上,算法从可行解出发,选择特定的搜索方向,向降低目标函数的最大方向移动。为避免陷入局部最优,记录执行过的优化过程来把控下一步搜索,最近若干次的记录结果存放在禁忌表里。存放在禁忌表里元素表示当前迭代过程中不允许参与运算,从而避免循环访问已经迭代过的解,有效跳出局部最优。除此之外,还可以使用特赦准则无视禁忌表,有效防止迭代过程中遗漏某些最
3 同城 O2O 包裹的最后一公里配送路径优化....................................................... 17
3.1 同城 O2O 包裹配送模型........................................................................... 17
3.2 算法设计.....................................................................................................20
3.3 结果分析.....................................................................................................25
3.4 本章小结.....................................................................................................27
4 电商包裹的最后一公里配送路径优化..................................................................28
4.1 电商包裹配送模型.....................................................................................28
4.2 算法设计.....................................................................................................29
4.3 结果分析.....................................................................................................32
4.4 本章小结.....................................................................................................33
5 电商包裹与同城 O2O 包裹共同配送路径优化................................................... 35
5.1 电商订单与 O2O 订单的背包合并........................................................... 35
5.2 等待时间的优化.........................................................................................36
5.3 结果分析.....................................................................................................37
5.4 本章小结.....................................................................................................41
5 电商包裹与同城 O2O 包裹共同配送路径优化
  电商包裹与同城 O2O 包裹是目前中国最后一公里极速配送的典型案例。区别在于电商订单没有固定的配送时间窗口,而同城 O2O 订单模式的物流配送有相对的固定时间窗口。两种包裹的配送路径优化都受到物流公司的重视,在天池全球算法大赛中举办的“最后一公里极速配送”是该问题的简化模式,就为通过大赛形式用大数据对中国物流最后一公里配送提供智能配送方案,通过全局优化来提升效率和降低成本。两种包裹在电商的发展中扮演者至关重要的角色,如何将两者很好的融合,进行共同配送,从而降低成本,提高服务质量,是物流公司进一步需要解决的关键问题。
5.1 电商订单与 O2O 订单的背包合并
  在上文分别对电商订单和同城 O2O 订单的“最后一公里”配送问题的分析和求解中,我们知道同城 O2O 订单配送的起始时间为 11:30 之后,如图 5-1 所示,而快递员开始一天的配送是在早上的 8:00。这样配送同城 O2O 订单的快递员在8:00-11:30 是闲置的,这是在人力物力财力上的浪费。为了充分利用这段空闲时间,物流公司可以安排配送同城 O2O 包裹的快递员在这个时间段配送电商包裹。怎么安排这些快递员在 8:00-11:30 期间去配送电商包裹,这个问题可以看作是一个 0/1 背包问题,其中 8:00-11:30 这个时间段看作背包的容量,而电商订单的配送路径段看作物品,配送该路径段消耗的时间看作物品的体积,配送这个路径段的过程中,所含订单的个数看作物品的价值。通过求解这个背包问题就能知道将哪些电商订单插入到这个时间段,会使配送同城 O2O 订单的快递员配送更多的电商订单,此时得到电商订单和同城 O2O 订单共同配送的结果。图 5-1 是对同城 O2O 订单的下单时间和配送时间订单量的统计,横轴是时间,纵轴是订单量。图 5-2 背包问题的结构图。
O2O 订单时间统计与分布
6 总结与展望
6.1 总结
  电商的快速发展使得快递配送服务要求越来越高,无论是传统的电商订单的配送还是新型电商模式 O2O 业务的同城配送,都存在诸多问题,这些问题得不到解决,会限制电商的进一步发展。传统的电商订单和新型 020 业务同城配送,都面临配送成本、服务质量等瓶颈问题,如何突破瓶颈,在电商企业和物流公司的发展中发挥重要作用是本文的重要研究内容。总体来讲,主要完成以下内容:
(1) 本文总结分析了“最后一公里”配送路径问题的特点,以最小化配送距离为目标分别构建电商订单与同城 O2O 订单的配送模型。
(2) 以同城 O2O 包裹的路径规划为背景,构建带时间窗和同时取送货配送路径优化模型。然后用双段法处理,先对配送区域采用 K-Means++聚类算法进行划分,接着用最小费用最大流算法构建网络,求解产生配送路径段,对得到的结果动态规划合并得到同城 O2O 包裹的配送方案。
(3) 以电商包裹的路径规划为背景,构建以最大载重量为约束的配送路径优化模型。以最小化配送距离为目标函数,用 C.W 法生成初始可行解,再对其解用禁忌搜索算法处理得到电商订单的配送方案。
(4) 以同城 O2O 包裹与电商包裹共同配送的路径规划为背景,在路径段的组合上使用 0/1 背包合并算法,与此同时再次优化配送同城 O2O 包裹时的等待时间。最后为验证算法的有效性和实用性,与用传统启发式算法计算的共同配送结果做对比。
 


以上论文内容是由硕士论文网为您提供的关于《电商订单共同配送路径优化存在的问题及对策研究》的内容,如需查看更多硕士毕业论文范文,查找硕士论文、博士论文、研究生论文参考资料,欢迎访问硕士论文网超市物流管理论文栏目。