论文部分内容阅读
面对肆虐全球的新冠疫情及百年未有之复杂变局,党中央坚持人民生命至上,及时作出统筹疫情防控等重大战略决策,提出构建国内国际双循环的新发展格局及推动智能汽车、物联网（Internet of Things,Io T）等新型产业发展的战略举措,通过贯通生产、流通、消费各环节的“需求侧改革”促进运输产业转型升级。在新经济增长及技术变革环境下,物流业保持稳中有增态势;与此同时,客户动态需求趋于个性化、多元化、专业化,因此对动态车辆路径问题（Dynamic Vehicle Routing Problem,DVRP）提出严峻挑战。在Io T架构下,客户动态需求信息被及时传输至云端,而有效结合动态需求制定科学的动态调度方案,以快速、低成本的方式响应客户是降低物流运作成本、提升客户满意度和企业核心竞争力的关键所在。然则,动态车辆路径优化过程是一项复杂的系统工程,所涉及要素间具有高度的动态相关性与复杂的非线性关系。因此,面向Io T客户动态需求,构建一套系统的车辆路径优化方法体系是当前亟待解决的关键科学问题之一。基于此,论文以网购物流前端、中端、末端为应用场景,系统地对车辆路径问题展开研究。首先,针对末端派送场景,研究考虑客户需求固定的一阶段带时间窗静态车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）;其次,针对前端揽收场景,研究响应Io T客户动态需求的一阶段带时间窗动态车辆路径问题（Dynamic VRPTW,DVRPTW）;然后,针对前、中端两阶段揽收场景,研究考虑熟悉度与负载均衡的两阶段带时间窗动态车辆路径问题（Two-echelon DVRPTW,2E-DVRPTW）;最后,在2E-DVRPTW基础上,引入共享经济,研究考虑熟悉度与共同配送的两阶段带时间窗动态共享车辆路径问题（Two-echelon Dynamic Shared VRPTW,2E-DSVRPTW）。本文拟解决的问题及研究内容如下:第一,为解决面向Io T客户的VRPTW求解质量不高问题,设计基于主从并行机理及改进并行模拟退火算法（Improved Parallel Simulated Annealing,I-PSA）对VRPTW进行求解的方法。首先,构建以车辆使用和行驶成本为主、次优化目标的数学模型。其次,引入多马尔科夫链,基于主从并行模式设计求解VRPTW的IPSA算法。然后,采用国际通用Solomon数据,对所提方法有效性进行分析验证。接着,采用文献对比法及双样本假设检验法,对I-PSA、粒子群（PSO）、蚁群禁忌混合（ACO-Tabu）及蚁群（ACO）四种算法的差异性进行对比分析。再接着,采用控制变量实验法,对不同参数对优化结果的敏感性进行分析。结果表明,本论文所提方法相比现有文献已知最好解,具有一定的优越性,以R101为例,优化率达到1.31%,这对于企业实现成本与客户满意度双重优化具有重要方法支撑作用。第二,为解决Io T客户动态需求对VRPTW扰动破坏问题,基于贝叶斯条件的动态优化学术思想,研究响应Io T客户动态需求的DVRPTW求解方法。在该方法中,首先,引入贝叶斯条件理念、时间切片及动态度的思想,设计基于上一时间切片内部分路径生效前提下,对下一时间切片内未生效路径进行动态优化的方法。其次,设计用于求解DVRPTW的禁忌搜索算法。然后,采用Kilby所给DVRPTW数据生成法,对所提方法有效性进行分析。最后,以某企业为例对所提方法加以验证,并采用控制变量法及仿真实验法,对动态度对优化结果的敏感性进行分析。研究结果表明,动态度与车辆使用数量及行驶距离成本存在梯度正相关关系,动态度在连续区间内增加的过程中,车辆使用数量成本呈现出非连续的梯度跳跃式递增特征。这为面向Io T客户动态需求的DVRPTW理论提供了较有力补充。第三,为解决2E-DVRPTW中工作人员配送效率及车辆装载率不高的问题,提出考虑区域熟悉度与负载均衡的2E-DVRPTW求解策略。在该策略中,首先,设计基于K-means的区域熟悉划分策略和中转站负载能力均衡方法,以及将连续两阶段主网络优化向两个相关网络映射的方法,将其融入到2E-DVRPTW的求解过程中。其次,基于Perboli数据,采用文献对比法对模型及算法的性能进行测试,相比文献中的已知最优解,本论文所设计方法优化率最高达到了15.76%。然后,以某企业为案例,对不考虑区域熟悉度、考虑区域熟悉度、考虑区域熟悉度和负载均衡、及考虑区域熟悉度/负载均衡和客户动态需求四种场景下的优化结果进行对比分析与讨论。所设计方法进一步丰富了2E-DVRPTW相关基础理论。第四,为解决共享车辆参与的2E-DVRPTW求解难题,基于K-means最佳选址与贝叶斯条件优化机理设计2E-DSVRPTW模型及求解方法。首先,以自有车辆、共享车辆服务节点与中转站距离最小化为目标,采用K-means算法确定最佳中转站数量与位置。其次,以中转站作为自有与共享车辆的交接点,采用求解2EDVRPTW的思想,对由分拨中心与中转站组成的网络及由中转站和客户所组成的网络进行动态优化。然后,采用Augerat数据对模型及算法的有效性进行分析验证。接着,采用控制变量法及仿真对比实验法,对算法参数对优化结果的敏感性进行分析。再接着,采用文献对比法及双样本假设检验方法,对所设计的模型与其他模型算法之间的差异性进行对比分析。最后,以某企业作为案例,对所设计的2EDSVRPTW方法进行初步应用验证,并与不同方案所得结果进行对比分析。所提方法有助于企业对考虑Io T客户动态需求的2E-DSVRPTW作出科学决策。综上,论文研究成果以期提升车辆对Io T客户动态需求响应的及时性、准确性与科学性,同时丰富Io T场景下车辆路径建模及动态优化的基础理论体系。