论文部分内容阅读
近年来,随着物联网、大数据云计算以及人工智能等高科技的发展,消费者越来越关注消费的个性化、即时性和便捷性。即时消费场景下,订单呈现“多品种、小批量、高频次、时间敏感”的碎片化特征,订单履约难度不断增大。此外,即时配送过程具有不确定性、动态性和连锁性等特点,易受干扰事件影响,一旦某个节点发生异常将造成剩余节点配送延误。干扰事件处置不当将影响消费安全和客户体验。在承诺的送达时间内以尽可能低的成本进行订单履约以及科学、高效处理干扰事件均是商家面临的核心挑战。为此,本文结合即时消费场景下订单履约方式特点,通过构造多拣货员分批拣选策略和串行分区拣选策略下的订单拣选与配送集成调度模型以及车辆故障情形下的即时配送扰动恢复模型,设计相应求解算法,研究订单拣选与配送的优化方案,为新零售平台的订单履约提供决策参考。首先,对订单分批拣选与配送集成调度进行研究。以最小化订单最大履行时间和配送成本为目标,构建多拣货员、多客户、配送方式为带限时送达约束的路径优化分批配送情形下的订单分批拣选与配送集成调度模型,设计求解最优调度方案的两阶段启发式算法(H-2)。数值实验结果表明,H-2算法相较于传统调度算法(TS)在效率提升、资源节约以及客户满意度提高方面具有一定优势,设计的算法是有效的。接着,对订单分区拣选与配送集成调度进行研究。以最小化订单履行成本为目标,构建订单具有履约期限,拣货分区之间具有运输时间,配送速度随配送状态可变情形下的订单分区拣选与配送集成调度模型,设计求解最优调度方案的两阶段迭代搜索的算法(TIS)。数值实验结果表明,TIS算法相较于传统顺序调度(TSS)在订单履行效率提升、成本优化方面具有一定优势;调整时间分配比例和谨慎强度有利于节约成本。最后,对基于车辆故障场景的即时配送扰动恢复进行研究。以最小化客户、骑手、平台三个受扰主体的不满意度为目标,构建车辆故障情形下单次访问与多次访问并存的即时配送扰动恢复模型,设计求解最优扰动恢复方案的遗传算法。数值实验结果表明,设计的遗传算法相较于直接增派策略在系统不满意度降低方面具有一定优势,并且随着干扰时间点推移,其优化幅度呈现增高的趋势,设计的算法是有效的。