基于云物流服務平臺的車型配送方案改進分析

1、基于云物流服務平臺的車型配送方案改進分析摘要隨著物聯(lián)網(wǎng)、云計算及數(shù)據(jù)挖掘等技術(shù)與物流的結(jié)合，以云物流服務平臺為核心的云物流服務模式是當前傳統(tǒng)企業(yè)應對動態(tài)多變的市場競爭環(huán)境和提升自身競爭力的關鍵。配送是物流系統(tǒng)中極其關鍵的環(huán)節(jié)，隨著越來越多的企業(yè)對定制化、專業(yè)化、個性化物流服務的需求，云物流服務模式下會產(chǎn)生大量的配送訂單，車輛配送效率直接影響著企業(yè)的物流成本，對企業(yè)的生產(chǎn)經(jīng)營會產(chǎn)生重大影響。所以，對云物流服務模式下的車輛配送優(yōu)化問題進行研究顯得尤為重要。本文基于 2017 年合肥市包河區(qū)政府開展的科技成果轉(zhuǎn)化項目云物流及其大數(shù)據(jù)服務關鍵技術(shù)研究及產(chǎn)業(yè)化;，該項目構(gòu)建了云物流服務模式平臺，本文在云

2、物流服務模式下以配送訂單為中心對車輛配送優(yōu)化問題開展帶時間窗的多中心單車型配送優(yōu)化問題和考慮取貨需求的多中心多車型配送優(yōu)化問題兩方面的研究。首先，針對帶時間窗約束的多中心單車型配送優(yōu)化問題，考慮配送車輛在完成配送服務后返回不同配送中心的情況，采用k-means算法對云物流服務平臺上配送訂單進行聚類，建立了以行駛距離、時間懲罰成本、固定成本及剩余裝載能力為目標的車輛配送優(yōu)化模型，構(gòu)建了基于Bellman-Ford的模型求解的改進遺傳算法，通過Bellman-Ford算法對遺傳算法的染色體進行最優(yōu)路徑分割，在滿足車輛容量等限制的情況下，獲得多目標函數(shù)綜合最優(yōu)的配送方案。通過對實例進行結(jié)果分析，驗證

3、了模型及求解方法的可行性與適用性。其次，針對帶時間窗約束的考慮取貨需求時的多中心多車型配送優(yōu)化問題，在取貨需求的約束下建立了以行駛距離、時間懲罰成本、固定成本、配送剩余裝載能力和取貨剩余裝載能力為目標的車輛配送多目標優(yōu)化模型，構(gòu)建了模型求解的遺傳算法和模擬退火算法相結(jié)合的混合算法，結(jié)合實例數(shù)據(jù)，對求解算法進行仿真計算。通過結(jié)果分析與因素分析，驗證了模型和求解方法的適用性，并分析了有無時間窗約束及不同目標函數(shù)對優(yōu)化問題的影響。本文的研究結(jié)果應用于云物流服務平臺下車輛配送優(yōu)化問題的決策中，對于降低云物流服務模式下的物流成本，提高車輛裝載能力利用率有著重要意義，而且還有助于物流行業(yè)供給側(cè)改革，推動物

4、流行業(yè)和互聯(lián)網(wǎng)深度融合，提高企業(yè)在動態(tài)多變的全球市場上的競爭力。關鍵詞：云物流服務；車輛配送問題；取貨需求；遺傳算法。ABSTRACTWith the combination of technologies and logistics such as the Internet of Things and cloud computing, the cloud logistics service model with the cloud logistics service platform as the core is the key to the current traditional ente

5、rprises to cope with the dynamic and changing market competition environment and enhance their own international competitiveness. Distribution is an extremely critical link in the logistics system. With more and more enterprises demanding customized, specialized and personalized logistics services,

6、the efficiency of vehicle distribution under the cloud logistics service model directly affects the logistics costs of enterprises and has an important impact on the production and operation of enterprises. Therefore, it is particularly important to study the optimization of vehicle distribution und

7、er the cloud logistics service model.This paper is based on the 2017 Baohe District Government of Hefei City carrying out a scientific and technological achievements transformation project-Cloud Logistics and Key Technology Research and Industrialization of Big Data Services.This project builds a cl

8、oud logistics service model platform. Focusing on the delivery order, the vehicle distribution optimization problem is researched on the multi-centersingle-model distribution optimization problem with time window and the multi-center multi-model distribution optimization problem considering the pick

9、up demand.First, for the multi-center single-vehicle distribution optimization problem with time window constraints, considering the situation that the distribution vehicle returns to different distribution centers after completing the distribution service, the paper uses the k-means algorithm to cl

10、uster the distribution orders on the cloud logistics service platform. The paper establishes a vehicle distribution optimization model aiming at driving distance, time penalty cost, fixed cost and remaining loading capacity, and builds an improved genetic algorithm based on Bellman-Ford model soluti

11、on. The paper uses Bellman-Ford algorithm to pide the optimal path of the genetic algorithm s chromosomes, and obtains a multi-objective function comprehensive optimal distribution plan when the vehicle capacity and other constraints are met. By analyzing the results of the examples, the feasibility

12、 and applicability of the model and the solution method are verified.Secondly, in view of the multi-center and multi-vehicle distribution optimization problem when considering the demand for pickup with time window constraints, the paper establishes a vehicle distribution optimization model aiming a

13、t driving distance, time penalty cost, fixed cost and remaining loading capacity, and builds a hybrid algorithm combining genetic algorithm and simulated annealing algorithm to solve the model, combined with example data to simulate calculation of the solution algorithm.Through the result analysis a

14、nd factor analysis, the applicability of the model and solution method is verified, and the influence of time window constraints and different objective functions on the optimization problem is analyzed.The research results of this paper are applied to the decision of vehicle distribution optimizati

15、on under the cloud logistics service platform, which is of great significance to reduce the logistics cost under the cloud logistics service model and improve the utilization rate of vehicle loading capacity.At the same time, it can also contribute to the supply-side reform of the logistics industry

16、, promote the deep integration of the logistics industry and the Internet, and improve the competitiveness of enterprises in the dynamic and changing global market.KEYWORDS:Digital Workshop; Production Logistics; Material Storage; Genetic Algorithm。第一章緒論1.1、 研究背景。隨著現(xiàn)代社會的發(fā)展，物流業(yè)與國民經(jīng)濟的緊密性越來越強，物流的發(fā)達程度直接

17、影響著社會經(jīng)濟的運行效率。我國的物流行業(yè)發(fā)展雖然十分迅速，但是仍然處在高成本、低質(zhì)量和低水平的階段。對此，在2014年，國務院曾發(fā)布物流業(yè)發(fā)展中長期規(guī)劃（2014-2020年），在規(guī)劃中提出要加強物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等新興信息技術(shù)在物流行業(yè)中的應用，提高物流信息化水平，構(gòu)建綜合物流運輸體系，推動物流企業(yè)的集約化和規(guī)?；?，從而提升物流服務的一體化水平1。黨的十九大報告中指出，我國經(jīng)濟已由從高速增長轉(zhuǎn)向高質(zhì)量發(fā)展的階段，當前我國對于建設現(xiàn)代化經(jīng)濟體系有著迫切需要，而經(jīng)濟的發(fā)展離不開物流。這些都意味著物流業(yè)需要提高質(zhì)量、推動創(chuàng)新和效率優(yōu)先，深化物流供給側(cè)改革，積極提高物流服務的供給質(zhì)量，將低端供需

18、平衡轉(zhuǎn)變?yōu)楦叨斯┬杵胶?。為了緊跟國務院物流業(yè)發(fā)展中長期規(guī)劃（2014-2020年），加快物流智能化水平建設。2017年合肥市包河區(qū)政府開展科技成果轉(zhuǎn)化工程，以此為契機，合肥工業(yè)大學與JZT企業(yè)共同申請項目，并獲批重點項目。項目名稱為云物流及其大數(shù)據(jù)服務關鍵技術(shù)研究及產(chǎn)業(yè)化;，主要內(nèi)容是在物流園區(qū)的背景基礎上，構(gòu)建云物流及其大數(shù)據(jù)服務平臺，并在平臺上利用云物流及大數(shù)據(jù)等相關技術(shù)對整個物流服務進行優(yōu)化，推動更多的物流企業(yè)進行合作從而實現(xiàn)數(shù)據(jù)的互通，形成規(guī)模效應。大數(shù)據(jù)云物流服務平臺體系下，包括倉儲、運輸、配送等多個方面。在云物流服務平臺下，物流承運商需要在合適的時間根據(jù)訂單需求，將對應的貨物送到合

19、適的地方。其中，云物流服務平臺下的基于訂單的配送過程屬于車輛配送問題（VRP）之一。在云物流服務平臺下，根據(jù)配送路徑將訂單貨物放置在合適的配送中心，并選取合適的配送路徑方案，能夠有效的減少物流配送成本，提高客戶的滿意度。本文在云物流服務模式的背景下，對以云物流服務平臺的訂單為中心的車輛配送問題進行深入研究。1.2、 研究意義。云物流及其大數(shù)據(jù)服務關鍵技術(shù)研究及產(chǎn)業(yè)化;項目主要是打造基于大數(shù)據(jù)的云物流服務平臺，用以解決當前物流行業(yè)信息化水平較低、資源有效利用率低、物流信息不對稱、標準化程度低以及沒有有效信用體系等問題，進而提高客戶服務水平、降低整體物流成本等。此外，大數(shù)據(jù)云物流服務平臺的建設對于

20、促進我國兩化融合、推動互聯(lián)網(wǎng)+AI+物流、打造低碳運輸體系有著重要的現(xiàn)實意義，它能夠?qū)ξ锪魃鐣Y源進行有效整合，從而提升整體的物流服務水平，將AI與物流行業(yè)緊密結(jié)合。為了實現(xiàn)大數(shù)據(jù)云物流服務平臺體系，在云計算、物聯(lián)網(wǎng)及大數(shù)據(jù)等相關技術(shù)的支撐下，提出并實施基于感知層、支撐層、資源層、基礎構(gòu)件層、平臺服務層和用戶層的智慧物流管理平臺的流程體系結(jié)構(gòu)，以及基于SOA的系統(tǒng)實現(xiàn)方法，為平臺用戶提供物流方案及系統(tǒng)支持。而車輛配送問題在物流系統(tǒng)中至關重要，云物流服務平臺在制定物流配送方案時，不僅需要考慮產(chǎn)品配送的問題，同時還需要考慮取貨需求的問題。當客戶既有送貨需求又有取貨需求時，常見的策略有兩種，一種是將

21、送貨和取貨分成兩階段處理，如車輛在完成所有送貨任務后，再進行取貨任務的處理，或者是送貨和取貨由不同的車輛負責。另一種是在給客戶送貨的時候，將客戶的取貨需求一起處理。第二種策略相對于第一種策略來講，能夠更加有效的利用車輛資源，降低企業(yè)的配送成本，提高客戶的滿意度。基于訂單的車輛路徑規(guī)劃是云物流服務平臺十分重要的組成部分。在云物流服務平臺的背景下，物流承運商需要根據(jù)訂單將貨物從配送中心運輸至客戶門店。在云物流服務平臺接收到注冊門店的配送訂單數(shù)據(jù)后，首先需要根據(jù)訂單對配送路線進行規(guī)劃，在獲取訂單數(shù)據(jù)后，需要根據(jù)訂單信息選擇配送中心（配送中心可能有多個），然后根據(jù)配送中心的位置，考慮不同返回中心的情況

22、，結(jié)合行駛距離、懲罰時間成本、固定成本、車輛剩余裝載能力等因素選擇合適的配送車輛，形成最佳的配送路徑方案。在此基礎上，考慮到云物流服務平臺不僅會接收配送訂單，同時還會有取貨訂單。因此，配送車輛在進行配送任務的同時，還需要對客戶進行取貨服務?；谟唵蔚能囕v路徑規(guī)劃對整個云物流服務平臺的運作效率有著重要作用，最優(yōu)化的配送路線方案能夠有效的提高配送效率，降低整個配送過程的成本，提高客戶滿意度。云物流服務模式下，客戶將送貨需求和取貨需求提交至云物流服務平臺，由云物流服務平臺根據(jù)一定時間內(nèi)的訂單制定車輛配送方案。如果采用傳統(tǒng)模式，不僅會造成資源浪費，還會因為響應速度低等造成服務質(zhì)量下降，同時還有可能增加

23、車輛的使用量等，從而對城市交通造成堵塞，污染環(huán)境等。相比較于傳統(tǒng)物流模式，該模式避免了送貨需求、取貨需求及取貨數(shù)量等不確定的情況，能夠很好的降低車輛的空載情況，提高車輛的資源利用率，降低整體配送成本。本文以云物流服務模式為研究背景，針對云物流服務平臺的訂單配送過程，研究考慮帶時間窗約束的多中心單車型的車輛配送優(yōu)化問題以及帶時間窗約束的考慮取貨需求的多中心多車型的車輛配送優(yōu)化問題相關理論及求解方法，對于加快物流行業(yè)供給側(cè)改革，推動物流行業(yè)和互聯(lián)網(wǎng)深度融合，提高企業(yè)在動態(tài)多變的全球市場上的競爭力有著重要的理論意義和現(xiàn)實意義。1.3 、國內(nèi)外研究現(xiàn)1.3.1、云物流服務國內(nèi)外研究現(xiàn)狀，1.3.2、基

24、于時間窗的VRP國內(nèi)外研究現(xiàn)狀1.3.2、基于時間窗的VRPSPD國內(nèi)外研究現(xiàn)狀1.4 、研究內(nèi)容1.4.1、研究思路1.4.2 、結(jié)構(gòu)安排.1.4.3、 技術(shù)路線第二章云物流服務模式下車輛配送問題2.1、云物流服務模式2.1.1、云物流服務模式的概念模型.2.1.2、云物流服務模式的運作過程2.1.3、云物流服務模式的特征2.2、云物流服務平臺2.2.1、云物流服務平臺的技術(shù)架構(gòu).2.2.2、云物流服務平臺的功能2.2.3、云物流服務平臺的特點2.3、云物流服務模式和傳統(tǒng)物流模式的不同.2.4、云物流服務模式下的車輛配送問題分析第三章云物流服務模式下帶時間窗的多中心單車型配送優(yōu)化問題研究3.

25、1、問題描述和模型假設3.1.1、問題描述3.1.2、配送規(guī)則3.1.3、 變量定義3.2、模型建立，3.2.1、目標函數(shù)3.2.2、約束條件3.3、模型求解3.3.1、多目標函數(shù)轉(zhuǎn)換3.3.2、聚類處理.3.3.3、遺傳算法設計.3.4、算例分析.3.4.1、數(shù)據(jù)采集.3.4.2、仿真實驗.3.4.3、結(jié)果分析3.5、本章小結(jié).第四章云物流服務模式下考慮取貨時的多中心多車型2送優(yōu)化問題研究4.1、問題描述和模型假設4.1.1、 問題描述4.1.2、 配送規(guī)則4.1.3 、變量定義4.2、模型建立4.2.1、目標函數(shù)4.2.2、約束條件4.3 、模型求解.4.3.1、多目標函數(shù)轉(zhuǎn)換4.3.2、

26、遺傳混合模擬退火算法設計4.4、算例分析.4.4.1、數(shù)據(jù)采集4.4.2、實驗過程與結(jié)果分析4.4.3、因素分析4.5、本章小結(jié).第五章總 結(jié)在云物流服務模式下以訂單為中心的配送優(yōu)化問題中，需要根據(jù)云物流服務平臺的送貨訂單及取貨訂單，讓配送車輛從不同的配送中心出發(fā)，按照配送方案，對提交訂單，有服務需求的門店進行服務，并在完成配送服務后，返還對應的配送中心。針對這一情況，本文對云物流服務模式下的車輛配送優(yōu)化問題進行研究，研究工作以項目實際需求為基礎，實現(xiàn)理論知識與實際情況相結(jié)合，主要工作如下：（1）對物聯(lián)網(wǎng)、云計算等技術(shù)的物流服務新模式云物流服務模式進行介紹，分別闡述了概念模型、運作過程及相關特征等，并在云物流服務模式的基礎上介紹了云物流服務平臺的技術(shù)架構(gòu)及功能等內(nèi)容。隨后，將云物流服務模式與傳統(tǒng)的物流模式進行對比，分析它們之間的優(yōu)劣勢，突出云物流服務模式的特點。針對云物流服務模式下的配送活動存在的實際問題，引出本文的研究內(nèi)容考慮時間窗的多中心單車型配送優(yōu)化問