车辆路径问题是企业物流配送活动过程中的重要问题之一,配送服务不仅关系到企业能否创造更多的利润,还关系到企业能否吸引和维持住更多的客户。随着客户时间意识的增强,配送在物流经济活动中发挥的作用也与日俱增,对于快速响应、时效性强的车辆路径问题的研究显得更加重要。近年来,以快速准时为主要特点的即时配送企业如雨后春笋般迅速崛起,不仅为人们的生活带来便利,同时还满足了消费者对同城配送时效性的需求,电商行业的快速发展使得即时配送问题出现的频率也随之增长,此外,即配行业巨头如美团配送和蜂鸟即配纷纷对外宣布独立,市场竞争也愈演愈烈。如今,随着社会生产生活节奏加快,消费者对于配送的准时性要求越来越严格,配送的准时性成为影响消费者网购决策的关键因素之一。如何提高城市即时配送的准时性和经济性已经成为即时配送企业所面临的难题并已迫在眉睫,为了满足客户的需求并提高自身竞争力,企业需投入大量资源来提高配送准时性以维持发展客户,然而盲目的提高准时性很有可能导致企业得不偿失。由于客户的价值是不同的,即对于商家的忠诚度和利润贡献度是不同的,同时,在大数据背景下即时配送平台对客户进行分类运营管理已经成为可能,企业应该利用大数据来识别优质客户,将其有限的资源投入到更有价值的客户身上,用最小的成本投入获得更大的收益。为了解决这个问题,本文旨在为即时配送企业寻求一种配送策略,用最小的成本来提高配送准时性并得到优质客户的维持和发展,为其赢得更多的潜在效益从而实现企业的可持续发展,因此,本文将客户分类融入到即时配送路径优化问题中。具体研究内容包括以下几个方面:(1)本文介绍了客户细分、数据挖掘以及车辆路径问题的相关理论,利用这些理论分别进行客户细分变量的选取、客户分类研究思路及方法的确定、即时配送路径优化数学模型的构建,为接下来的研究做好准备工作。(2)根据客户的消费行为数据利用数据挖掘手段对客户进行分类预测模型的构建。首先,根据RFM模型利用DBSCAN算法通过python3.6平台对客户进行聚类分析,将客户分为不同层级,以此结果为基础,利用朴素贝叶斯判别算法建立分类预测模型,利用此模型可以对未知类别的客户进行分类判别。(3)根据不同层级客户的特点,对每类客户分别设定配送超时惩罚函数,在此基础上建立即时配送车辆路径的选择优化数学模型,并设计了一种车辆数与车辆路径对应排列编码的遗传算法来求解该模型,实现用最小的成本提高配送准时性以得到维护和发展优质客户的目的。(4)通过案例证明了本文提出的思想的科学合理性,以及构建的模型和算法的有效性。实验结果证明,基于客户分类的即时配送方案在提高配送准时性和时效性,特别是在对于优质客户的准时性和实效性的提高,效果显著。