【同城配送的物流算法研究國內(nèi)外文獻綜述2800字】

同城配送的物流算法研究國內(nèi)外文獻綜述（一）國內(nèi)現(xiàn)狀與發(fā)展趨勢同城配送也叫城市物流，被譽為物流中的“最后一公里”，是指按照顧客的訂貨需求，在優(yōu)化各個配送要素的方式下，提供指定城市范圍內(nèi)的單一或者多種商品定時定量的配送服務。同城配送的重點是物流的時效性，以及“配”和“送”的有機結(jié)合。同城配送的特點主要包括以下兩點：一是運輸距離較短，限制在同一個城市范圍內(nèi)，因此不會涉及大規(guī)模的物流配送業(yè)務，且會受到城市交通和運輸網(wǎng)絡的限制；二是以用戶需求為主導，對于送達時間有著較為嚴格的限制。目前，我國同城配送業(yè)務主要包括企業(yè)自營以及交由第三方快遞公司配送兩種形式。國內(nèi)外對于同城配送的研究，大致可以分為兩個方向，一種是對于配送機制的研究，另一種是對于配送路徑的研究。對于配送路徑的研究，相關(guān)學者主要集中在利用智能算法對于同城配送的路徑進行優(yōu)化。宋娟（2014）等構(gòu)建了同城快遞配送模型，以配送距離最短為目標，采用改進遺傳算法對其進行求解。楊秋玲（2016）等在同城配送模型中整體考慮同城配送中涉及的時效性、成本、配送距離等要素，并采用節(jié)約里程算法，對于配送路徑進行規(guī)劃。而后由于電子商務的發(fā)展，消費者對于同城配送的時效性要求越來越高，尤其是生鮮類等不易儲存的產(chǎn)品。唐佩佩（2018）等針對生鮮產(chǎn)品配送環(huán)節(jié)中存在的不能按顧客期待時間到達、配送成本高以及車輛載重率低等問題，建立了電子商務下生鮮農(nóng)產(chǎn)品同城配送路徑優(yōu)化模型，并應用遺傳算法對其進行求解。近幾年隨著城市化的發(fā)展，城市交通擁堵、污染嚴重等問題也變得更加嚴重。谷劍鋒（2021）等考慮到城市交通的限制，提出利用地下空間及公共交通工具例如地鐵來實現(xiàn)同城配送。VRP（VehicleRoutingProblem）車輛路徑問題一直是物流行業(yè)研究的熱點問題和難點問題。VRP問題源于TSP（TravelingSalesmanProblem）旅行商問題，在組合優(yōu)化領(lǐng)域有著廣泛的實際應用背景和研究意義。最早是1959年Dantzig和Ramser提出的，是指已知配送系統(tǒng)中的各個點的坐標和需求量，在滿足各種條件約束情況下，通過合理規(guī)劃車輛，遍歷各個配送點以滿足配送需求，最后回到配送中心，達到車輛總里程最短的目標。在之后實際發(fā)展過程中，VRP問題模型也因增加了各種不同的約束條件而變得更加復雜。針對物流配送中的時效性要求越來越高的問題，有時間窗限制的VRPTW（VehicleRoutingProblemsWithTimeWindows）模型，在原有模型中增加入了配送時間因素，包含最早送達時間和最晚送達時間[ai,bi]，有兩種類型的時間約束分別為硬時間窗約束和軟時間窗約束。硬時間窗約束是指對于配送時間有嚴格的限制，不滿足則拒絕服務，該配送方案即為不可行解。吳天羿（2014）等針對軍事運輸中時效性要求高的特點，在VRP模型中加入了硬時間窗限制，以總運輸時間最短為目標建立了VRPHTW（VehicleRoutingProblemsWithHardTimeWindows）模型。軟時間窗約束是對于配送時間設有一定的限制，當?shù)竭_時間早于或者晚于顧客期待的時間，都會給予一定的懲罰，但該配送方案仍在可行解的搜索范圍內(nèi)，張倩（2016）等在建立車輛運輸模型時，加入了軟時間窗約束，即貨物早到需要承擔庫存成本費用，遲到則需要承擔懲罰費用。針對電商等行業(yè)中的逆向物流，有取貨與送貨一起進行的VRPSPD（VRPWithSimultaneousPickupAndDelivery）模型，倪霖（二）國外現(xiàn)狀與發(fā)展趨勢VRP問題屬于NP難題，相關(guān)學者一直致力于尋找高效的求解方法來搜索最優(yōu)解或者近似最優(yōu)解。目前研究得到的求解方法大體能夠分為兩類：精確式算法和啟發(fā)式算法。精確式算法主要有分支定界法、割平面法、整數(shù)線性規(guī)劃法等REF_Ref67991591\r\h。精確算法能夠求解出問題的最優(yōu)解，但只適用于規(guī)模不大的車輛路徑優(yōu)化問題。當求解的規(guī)模較大時，求解變得困難，精確式算法不能夠很好的解決，但是可以考慮使用其為啟發(fā)式算法提供初始解。啟發(fā)式算法是指通過對過去經(jīng)驗的歸納推理以及實驗分析來解決問題的方法，即借助于某種直觀判斷或探索的方法，以求得問題的次優(yōu)解或以一定的概率求其最優(yōu)解。相比精確式算法，啟發(fā)式算法可能會陷入局部最優(yōu)的情況，求出的結(jié)果可能不是最好的，但是能夠在較短的時間內(nèi)得到比較令人滿意的近似最優(yōu)解。啟發(fā)式算法主要包括兩大類，傳統(tǒng)啟發(fā)式算法和元啟發(fā)式算法。傳統(tǒng)啟發(fā)式算法主要有節(jié)約法、插入法、構(gòu)造型法、局部搜索算法等。相較于傳統(tǒng)啟發(fā)式算法，元啟發(fā)算法在搜索最優(yōu)解的過程中能夠做到更加全面、更加徹底，因此也是大量學者研究的重點。元啟發(fā)式算法常用的有粒子群算法、遺傳算法、蟻群算法、模擬退火算法、禁忌搜索算法等。目前研究學者致力于研究其改進算法，避免陷入局部最優(yōu)解的情況。遺傳算法模擬大自然中生物進化的過程，由不同個體組成的初始種群逐步進化，產(chǎn)生新的種群，在進化的過程中發(fā)生交叉變異等操作，以此來尋求最優(yōu)解，改進其算法可以從初始個體、選擇、交叉、變異等過程中入手，Mohammed（2009）等從交叉算子入手改進遺傳算法，設計了混合交叉選擇方法，提高了迭代過程中尋求最優(yōu)解的速度。主要參考文獻[1]宋娟,崔艷.基于改進遺傳算法的同城快遞配送模型[J].電子技術(shù)應用,2014,40(12):4.[2]楊秋玲.基于節(jié)約里程法的同城配送路線規(guī)劃[J].商業(yè)經(jīng)濟研究,2016,000(011):93-94.[3]唐佩佩,馮曉威,宮英麗.基于遺傳算法的生鮮同城配送路徑優(yōu)化研究[J].上海管理科學,2018,40(5):7.[4]谷劍鋒.鄭州地鐵參與同城快遞的SWOT分析[J].交通節(jié)能與環(huán)保,2021,17(1):3.[5]昝良,許繼恒,吳天羿.基于改進蟻群算法的應急救援路徑規(guī)劃[J].國防交通工程與技術(shù),2014,12(2):4.[6]袁長偉,張倩,芮曉麗,等.中國交通運輸碳排放時空演變及差異分析[J].環(huán)境科學學報,2016,36(12):8.[7]倪霖,劉凱朋,涂志剛.考慮同時取送貨的城市快遞共同配送路徑優(yōu)化[J].重慶大學學報：自然科學版,2017,40(10):10.[8]張倩,閆慶友,鄒鑫,楊樂,乞建勛.基于時間窗約束下的運輸成本模型研究[J].中國管理科學,2016,24(S1):137-144.[9]倪霖,劉凱朋,涂志剛.考慮同時取送貨的城市快遞共同配送路徑優(yōu)化[J].重慶大學學報,2017,40(10):30-39.[10]龐燕,羅華麗,邢立寧,任騰.車輛路徑優(yōu)化問題及求解方法研究綜述[J].控制理論與應用,2019,36(10):1573-1584.[11]李陽,范厚明,張曉楠,楊翔.隨機需求車輛路徑問題及混合變鄰域分散搜索算法求解[J].控制理論與應用,2017,34(12):1594-1604.[12]邵可南,呂成瑤,張帥帥,宮婧.一種基于冷鏈低碳物流路徑的混合優(yōu)化算法[J].計算機技術(shù)與發(fā)展,2021,31(02):27-32.[13]陳希瓊,胡大偉,楊倩倩,胡卉,高揚.多目標同時取送貨車輛路徑問題的改進蟻群算法[J].控制理論與應用,2018,35(09):1347-1356.[14]李嫚嫚,陸建,安穎.考慮客戶偏好的雙目標時間窗指派車輛路徑問題[J].東南大學學報(自然科學版),2018,48(03):568-575.[15]孔造杰.運籌學(普通高等教育規(guī)劃教材)[M].機械工業(yè)出版社,2006.[16]賈會群,魏仲慧,何昕,張磊,何家維,穆治亞.基于改進粒子群算法的路徑規(guī)劃[J].農(nóng)業(yè)機械學報,2018,49(12):371-377.[17]李想,李蘇劍,李宏.兩級選址-路徑問題的大規(guī)模鄰域搜索模擬退火算法[J].工程科學學報,2017,39(06):953-961.[18]張思,王海.基于改進禁忌搜索算法的VRPSPDTW研究[J].物流科技,2020,43(07):1-7+23.[19]徐東洋,李昆鵬,崔利剛,田倩南.供需未匹配的多車場多車型多貨品可拆分取送貨車輛路徑問題[J].中國管理科學,2021,29(01):127-137.[20]MazinAbedMohammed,MohdKhanapiAbdGhani,RaedIbraheemHamed,SalamaA.Mostafa,M