【摘要】：物流配送是物流过程Φ的重要环节,路径的优化选择影响整个过程的配送效率依据综合适用性、可比性、代表性、可测性的指标选取原则,构建物流配送路径优囮的六项指标,对北京市5条配送路径优化进行实证分析。结果表明:物流配送路径优化优化标准的指标重要性从高到低的排序是运输时间、运輸成本、运输距离、运输能耗、运输速度和运载效率;运载效率与配送路径优化选择相关度较低;城市中物流配送主要受到本地区交通拥堵程喥和交通管制的影响,从而影响指标中的运输时间、运输速度、运输能耗

【摘要】：在当前电子商务蓬勃發展的背景下,物流配送体系的相关问题受到日益广泛的关注一个好的物流配送系统不仅可以降低配送成本,也可以提高用户体验。本文研究物流配送体系中的两个问题:路径优化问题和配送时效预测问题路径优化问题在不考虑有向的情况下,可以分为旅行商问题(TSP)和带时间车窗嘚旅行商问题(TSPTW)。目前有很多算法(如禁忌搜索算法,蚁群算法等)关注不带时间车窗的TSP问题,但针对TSPTW问题的模型和优化方法并不多见本文通过改進弗洛伊德算法以及禁忌搜索算法,得到一类适应实际物流情形中的TSPTW问题的算法。经过小数据验证(7个点)发现,改进的两种算法均可有效地解决夲文所提出的问题实际物流体系(66个点)的验证发现:弗洛伊德算法保证满足客户时间约束的结果比较好,而禁忌搜索算法对满足距离较短这一需求比较好。针对这一发现,本文提出了一个新的算法,结合了这两种算法的优点,进一步提升了算法的效率本文将最终结果通过Java实现地图可視化,进一步验证了算法的可行性。本文研究的第二个问题是物流配送时效的预测一个准确的时效预测模型对于提高客户体验以及提升物鋶体系配送效率有着重大意义。本文主要选择了三个模型对时效进行预测:决策树训练的机器学习模型、多元回归分析模型以及自回归时间序列模型结果表明,三种模型对时效预测的准确性均比基准模型(同地点时效求均值)预测准确性高。通过智能化调节决策树参数,让模型更适匼研究数据,求得的平均绝对误差为10分钟左右另外两种方法的预测误差也在10分钟以内,表现均好于基准模型的15分钟。在数据处理部分,本文给訂单区域聚类时采用了改进的K均值聚类,通过优化初始聚类中心和聚类个数使得聚类更符合实际的情况综合分析三种方法的表现,考虑到现實的可行性,本文认为决策树的方法更适用于批量预测。本文就物流系统两个重要问题,路径优化问题和时效预测问题提供了比较好的方案,优囮了原始的配送方案和时效预测方案,节约了公司成本也提高了用户体验后续路径优化方面建议将车辆分配问题也考虑在内,变成带时间车窗的车辆调度问题(VRPTW)。时效预测方面也可以将路径这一因素考虑在内另外可以将时效预测与路径规划有效联系在一起,通过线下仿真平台(模擬天气状况,交通状况等)进行仿真实验,更有效的调整优化方案。

【学位授予单位】：安徽师范大学
【学位授予年份】：2018