【技术实现步骤摘要】
本专利技术属于车辆路径优化，涉及一种面向大规模客户的末端配送路径优化方法。
技术介绍
1、随着物流行业的迅猛发展，使用外卖、跑腿和同城配送等的用户日益增多，尤其在互联网技术日趋成熟下，人们更倾向于网上购物、点餐。
2、而在突发状况下，大量线下业态陷入停摆状态，促使各行各业积极拥抱线上化。供给端的结构性变化与需求端的结构性变化与习惯的养成使得线上下单，线下送达模式已然成为新常态；与此同时，城市化进程持续推进，末端即时消费在内的新消费理念与模式将日渐普及。
3、而在末端服务的所有环节中，末端配送环节是直面消费者开展服务的环节。首先末端配送种类多，批量少，频次高，订单越来越碎片化，使得城市末端配送的频次不断升高；其次，由于大规模末端配送存在着客户点分散，货物信息不确定的特点，使得快递末端配送始终存在配送成本高、配送效率低下等问题。而末端配送一般是由商户的配送员凭主观感觉选择配送路线和取货路线，导致了配送路线规划不合理，此外，由于上述配送存在的问题，会导致客户的配送服务满意度下降，会间接影响客户对于商户的购买欲，对于面向大规模客户的末端配送路径优化是目前待解决的问题。
4、在车辆路径优化领域，车辆路径问题(vrp)的研究主要集中在问题建模上和求解算法上，如带容量约束的vrp(capacitated vrp，cvrp)、带时间窗约束的vrp(vrp withtime windows，vrptw)、多车型vrp(heterogeneous vrp，hvrp)、多车场vrp(multi-depotvrp,m
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种面向大规模客户的末端配送路径优化方法，针对现实生活中的大规模客户订单配送问题，末端配送车辆需要返回配送起点取货的情形，设计了针对大规模客户订单得动态算法，来求得最佳的车辆配送路线，以解决大规模客户的末端配送路径优化问题。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种面向大规模客户的末端配送路径优化方法，具体包括以下步骤：
4、s1：针对客户订单的实时性和配送车辆需要返回配送起点取货的实际配送场景，构建面向大规模客户的实时取送货路径优化问题；
5、s2：构建以总订单配送时间最小化为目标的末端客户实时订单路径优化模型，并对优化模型的目标函数设定约束条件；
6、s3：针对配送过程中客户新增的实时订单，采取末端实时订单的滚动时域算法，为配送车辆设计贪婪算法和w&i(wait and ignore，等待时忽略订单服务)算法，以此来分配实时新增的订单，并根据其动态算法形成的一组实时订单序列位置生成初始解，再利用遗传算法(ga)解得配送车辆最佳配送路线。
7、进一步，步骤s1中，构建面向大规模客户的实时取送货路径优化问题，具体包括以下步骤：
8、s11：给定一个网络图g；
9、s12：假设所有需要配送的订单点ri＝(ti,li)随机分布在此网络图g上，将其组成的订单序列记为n表示所出现的订单数量，ri＝(ti,li)表示订单ri在ti时刻距离配送起点li处释放，由于现实情形下的道路是存在转向限制的，因此该网络图g由不同的节点ki相互连接，为订单ri的后继可转向节点，即订单ri在以当前方向在节点间移动时，当前位置和方向的下一个可转向节点，ki表示订单ri只能在距配送起点处进行转向和掉头；
10、s13：假设每一个订单出现之后，配送车辆必须从配送起点取货才能配送已出现的该订单；零时刻时配送车辆在配送起点，之后会以单位速度出发，前去配送出现的订单，订单序列中所有订单都必须被配送，配送完所有订单后要求配送车辆返回配送起点；
11、所有车辆以均匀速度行驶；不考虑订单的制作时间，当配送车辆经过需求点时，即认为该需求已得到服务。
12、进一步，步骤s2中，构建的末端客户实时订单路径优化模型的总优化目标函数为：
13、
14、式(1)是目标函数，表示平均每个订单的完成时间，是当订单需求实时出现时，考虑完成所有订单平均时间和有转向限制性的配送网络建立即时配送模型；
15、式(1)中，o＝{o1,o2,...,oi}表示订单的序列；n＝{n0,n1,n2,…,ni}表示所有节点集合，其中i＝0表示配送中心，i＝1,2,...,n表示所需服务的订单点的下一个可转向节点，表示订单的信息，其中ri表示订单的释放时间，di表示订单i的坐标，表示释放需求时的时刻时间；
16、对优化模型的目标函数设定的约束条件为：
17、
18、
19、
20、
21、
22、
23、
24、
25、
26、
27、
28、
29、
30、
31、
32、
33、以上约束条件中：k表示第k个配送员，k∈k，k表示配送员数量；xijk表示是否由第k个配送员在第i条路径配送订单j，是为1否则为0；dij表示从上一服务完节点到i下一订单j的载重；q表示配送员的配送容量限制，每个客户的需求量为1；si表示从上一服务完节点到i下一订单j的载重；表示到达取货点的时间；表示到达客户节点的时间；m表示一个足够大的正数；表示订单oi的实际送达时间；ti表示订单oi的实际取货时间；i表示订单i的集合；t∈t表示当前时间t，将其离散化，t表示当前时间的集合；lij表示节点i到j的距离
34、式(2)表示所有路径中每个订单必须被服务且只被服务一次；
35、式(3)表示整个离散时间内，每个订单必须被服务一次；
36、式(4)表示配送员在每个时刻的配送容量限制；
37、式(5)表示在所有配送路径中，配送员只能选择其中一条配送路径；
38、式(6)表示只有当订单分配给配送员，订单才会出现在路径上；
39、式(7)和式(8)表示配送员在配送过程中可在起点等待，故本文档来自技高网...
【技术保护点】
1.一种面向大规模客户的末端配送路径优化方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的末端配送路径优化方法，其特征在于，步骤S1中，构建面向大规模客户的实时取送货路径优化问题，具体包括以下步骤：
3.根据权利要求2所述的末端配送路径优化方法，其特征在于，步骤S2中，构建的末端客户实时订单路径优化模型的总优化目标函数为：
4.根据权利要求1所述的末端配送路径优化方法，其特征在于，步骤S3中，所述滚动时域算法具体是将问题分成多个时间段，每个时间段只考虑部分决策，而非一次性求解全部决策；每个时间段的决策结果作为下一个时间段的初始值，通过迭代不断更新决策结果，最终得到全局最优解，再利用遗传算法，求得每个时间段客户订单分配后的最优路径，再由运输车辆进行配送。
5.根据权利要求3所述的末端配送路径优化方法，其特征在于，步骤S3中，所述贪婪算法是当有客户新订单到来时，配送员需要判断是否服务完下一个客户点后立即返回配送起点取货，并根据回到配送起点的时刻和当前未配送的订单构成的新路径之间的关系，判断是否需要在配送起点等待后再出发
6.根据权利要求3所述的末端配送路径优化方法，其特征在于，步骤S3中，所述W&I算法是基于配送车辆位于配送起点时的某个时刻与已出现订单的后继节点的距离之间的关系来做出行动决策，W&I策略的具体判断方法如下：
...【技术特征摘要】
1.一种面向大规模客户的末端配送路径优化方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的末端配送路径优化方法，其特征在于，步骤s1中，构建面向大规模客户的实时取送货路径优化问题，具体包括以下步骤：
3.根据权利要求2所述的末端配送路径优化方法，其特征在于，步骤s2中，构建的末端客户实时订单路径优化模型的总优化目标函数为：
4.根据权利要求1所述的末端配送路径优化方法，其特征在于，步骤s3中，所述滚动时域算法具体是将问题分成多个时间段，每个时间段只考虑部分决策，而非一次性求解全部决策；每个时间段的决策结果作为下一个时间段的初始值，通过迭代不断更新决策结果，最终得到...
【专利技术属性】
技术研发人员：吴腾宇，张科扬，邓维斌，缪文一，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。