《基於顧客選擇行為的可拆分配送車輛路徑問題研究》是依託深圳大學，由潘燕春擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於顧客選擇行為的可拆分配送車輛路徑問題研究
- 項目類別：青年科學基金項目
- 項目負責人：潘燕春
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
可拆分配送車輛路徑問題中，如何在不確定環境下，進行訂單拆分、拼裝與路線規劃決策，使企業和顧客同時受益，是理論者和實踐者面臨的一個迫切需要解決的問題。本項目通過智慧型體仿真技術構建系統決策模型；智慧型體內部採用離散事件仿真技術建立實體流過程模型，刻畫系統隨機特性，求取績效指標；智慧型體的決策最佳化則通過遺傳算法、粒子群算法結合人工智慧中的強化學習技術實現。採用該仿真最佳化集成框架，對不確定環境下的可拆分配送車輛路徑問題進行最佳化求解，以期解決如下三個重要問題：（1）量化分析訂單拆分行為對企業和顧客的雙重影響；（2）從訂單屬性和系統結構參數兩個維度，揭示影響訂單拆分效果的相關因素，為激勵訂單拆分行為提供指導；（3）構建有效的訂單拆分激勵機制，將顧客對物流服務的選擇行為納入最佳化模型，使企業和顧客都能從拆分配送中獲益。最後，通過實證研究驗證本項目所提理論和方法體系的有效性，展示其潛在的套用前景。
結題摘要
可拆分配送車輛路徑問題中，如何在不確定環境下，進行訂單拆分、拼裝與路線規劃決策，使企業和顧客同時受益，是理論者和實踐者面臨的一個迫切需要解決的問題。本項目採用仿真最佳化集成方法對不確定環境下的可拆分配送車輛路徑問題展開研究；以Q和D兩類拼裝策略為基礎，設計了基於重量的拆分策略（SQ、QLOS、QLDD）和基於時間的拆分策略（SD、DLOS、DLDD）；通過仿真實驗分析，揭示訂單大小、到達率、提前期、顧客優先權等重要參數對企業績效（運輸成本）和客戶績效（準時到達率）的影響，並對不同拼裝/拆分策略的性能進行了評估。研究表明：（1）訂單拆分可降低運輸成本，但同時也降低了準時到達率；（2）基於重量的策略具有更低的運輸成本，基於時間的策略則具有更高的準時到達率；（3）訂單平均重量超過並且越接近車載容量一半時，越應該採取拆分策略，因為此時訂單拆分帶來的運輸成本節約越大；（4）高訂單到達率、長訂單提前期都有利於訂單拆分；（5）整體而言，最大交貨期優先（LDD）的拆分策略優於其它兩類拆分策略，D策略具有最好的客戶績效（準時到達率最高），QLDD策略具有最好的企業績效（運輸成本最低），DLDD策略則可在運輸成本和準時到達率之間取得比較好的平衡。因此物流企業應該根據物流系統特徵和要求，選擇適合的拼裝/拆分策略。最後，針對集美特鋼公司的實證研究，驗證了本項目研究結果的有效性。
