提供农资送货上门服务,是目前农资企业争取客户的重要竞争手段,直接关系到企业的农资销量和市场占有率。面对我国农户地理位置分散、需求量少、配送时间不集中等现状,“最后一公里”的车辆配送占农资企业配送成本和配送时间的一半以上,如何安排农资车辆配送路线直接影响到配送成本和服务水平。同时,由于农资客户需求的不确定性,受到农民的群体购买行为、左邻右舍的比较因素、以及作物的种植面积、天气因素等的影响,在进行农资配送过程中会经常发生潜在需求。如果将这些潜在农资需求提前装载在物流配送的车辆上,可以减少配送车辆的发货次数,进而减少配送成本,提高企业的配送效率,增加企业的经济收益。另外,在农资车辆配送过程中,往往存在各种干扰事件：农资需求量方面,如农户增加或减少需要的农资数量、农户因某种原因取消原来农资订单、出现新的农资需求用户等；配送时间及地址方面,如农户因临时有事等原因改变接货时间、农户因运输需要改变配送的地址等；配送车辆方面,存在车辆损坏、道路堵塞等干扰事件。如何在这些干扰事件发生后,生成新的农资车辆配送路线是一个非常有挑战的问题。基于以上分析,本文拟研究考虑潜在需求的农资车辆调度及其干扰管理,主要包括潜在农资需求预测方法、考虑潜在需求的农资车辆调度优化模型与算法,以及考虑潜在农户的农资车辆调度干扰管理模型三个方面。本文的贡献和可能的创新之处有四点：(1)针对农资配送过程中潜在农资需求的影响因素复杂、各影响因素维度不一和预测指标数据难以获得等难点,本研究首先根据全面性原则、目的性原则、实用性原则和可操作性原则,从农资产品、配送区域农户和农资企业三个方面识别出了影响潜在农资需求的16个具体指标,然后利用粗糙集的遗传算法约简法则,提出基于粗糙集的潜在农资需求预测指标约简方法,把潜在需求预测指标约简到6个指标,最后在此基础上,构建了基于RS-SVM的潜在农资需求预测方法,可以对农资配送过程中的潜在需求进行有效预测,进而能够为考虑潜在农资需求的车辆路线优化提供了基础。(2)考虑到在实际农资车辆配送过程中由于农户间的购买行为相互影响,本研究首先对考虑潜在农资需求的农资车辆调度问题进行描述,并给出模型假设,构建出了带有软时间窗的考虑农资需求车辆路线优化模型,接着通过采用遗传算法对约束满足算法的优化机制进行优化,提出了基于CSGA的模型求解算法,并通过数值试验验证了模型和算法的有效性,能够使得农资企业提前将潜在农资需求装载在配送车辆上,可以减少配送车辆的发货次数,进而减少配送成本,提高企业收益。(3)针对农资配送过程中可能发生的各种干扰事件,本研究首先构建了新增农户十扰事件识别与度量方法,从服务农户的时间干扰、农资配送司机的路线干扰和农资配送商的成本干扰三个方面并对新增农户干扰事件对原计划带来的负面影响进行定量化,并提出其他类型干扰事件转换成新增农户干扰事件的方法；接着提出了农资配送车辆最优出发时间的确定方法,在此基础上,并根据对干扰事件识别与度量的基础上,建立了考虑潜在农户的农资车辆调度干扰恢复模型,并设计了模型求解的遗传算法和嵌套分割算法,最后数据实验验证了构建模型与算法的有效性。(4)以邯郸市永年县某农资有限公司为实际应用研究对象,按照产品类型和重量选取邯科玉1号、邯682、沃尔森玉米施用肥和银棉棉花施用肥四种农资产品作为实际研究对象,首先分别采用提出的基于RS-SVM的潜在农资需求预测方法对该四种农资产品的100次配送过程中的潜在需求进行了预测,通过与实际发生的新增需求对比,验证了方法的有效性；接着根据该企业每次配送农户需求数据,并考虑潜在农资需求量,利用建立的考虑潜在农资需求量的车辆调度优化模型及算法对该企业的50次配送路线进行优化,为该企业的配送路线进行了有效优化；最后,通过对该企业100次配送过程中的干扰事件进行统计,选择出5次邯科玉1号配送过程为例,为该企业进行实时配送路线调整,并为该企业提出了冗余装载策略、车辆差异化策略、延迟发货策略和实时调整策略,可以有效降低企业配送成本。本文的主要内容安排如下：第一章首先给出本论文的研究背景及意义、研究问题和目标,介绍了本文的研究思路、技术路线和主要研究内容,以及研究方法与实验手段。第二章详细地论述和评价了相关理论基础：粗糙集理论、支持向量机原理和支持向量机回归、遗传算法原理。全面、系统地对的农资物流配送与客户挖潜、粗糙集与支持向量机、车辆调度优化、干扰管理文献进行回顾与评述。第三章分别从农资本身、农户和配送企业方面构建农资潜在需求预测的初始指标体系,根据预测指标体系建立了基于RS-SVM的农资物流配送过程中潜在农资需求预测模型,根据实际调查数据,使用粗糙集获得了约简后的潜在农资需求预测指标体系,并使用实际数据验证了基于RS-SVM潜在农资需求量预测方法的有效性。第四章考虑到在实际车辆配送过程中由于客户间的购买行为相互影响,建立考虑潜在客户需求的农资车辆调度优化数学模型,并针对该模型在标准遗传算法和约束满足技术的基础上,提出了一种新的约束满足-遗传算法用于求解所建立多约束数学模型,最后通过仿真实验验证所提出模型的有效性和算法的可行性。第五章针对配送过程中可能发生的各种干扰事件,首先从服务农户的时间干扰、配送司机的路线干扰和农资配送商的成本干扰三个方面并对新增农户干扰事件对原计划带来的负面影响进行定量化,并提出其他类型干扰事件转换成新增农户干扰事件的方法；接着提出了农资配送车辆最优出发时间的确定方法,进而建立了考虑潜在农户的农资车辆调度干扰恢复模型,设计了模型求解的遗传算法和嵌套分割算法。数据实验验证了构建模型与算法的有效性。第六章以邯郸市永年县某农资有限公司为实际应用研究对象,按照产品类型和重量选取邯科玉1号、邯682、沃尔森玉米施用肥和银棉棉花施用肥四种农资产品作为实际研究对象,进行实际应用研究,为实际企业提出具体配送策略。第七章总结论文研究结论。