考虑缺货惩罚和库存成本的多商品周期性车辆路径问题研究

来源 :清华大学 | 被引量 : 0次 | 上传用户:zhizu81748
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着新零售概念的提出,电商的战火已经从线上蔓延到了线下,而社区便利店已然成为厮杀最激烈的一块阵地。纵观当前中国便利店,无论是传统的日系便利店还是新兴的社区便利店,是否盈利都是其能否生存下去的最大考验。数据表明,社区便利店坪效毛利高但是营收低,目前面临的致命问题为库存小,补货慢,故如何能对社区便利店针对不同类型商品进行快速有效的补货成为了社区便利店能否盈利的关键影响因素。因此,使用计算机技术为社区便利店提供智能补货策略非常重要,这也正是本文研究的主要问题——考虑缺货惩罚和库存成本的多商品周期性车辆路径问题。考虑缺货惩罚和库存成本的多商品周期性车辆路径问题与传统的周期性车辆路径问题不同。传统的周期性车辆路径问题中考虑配送的商品仅为单类型商品,每次访问满足的需求为固定需求,目标函数也仅仅为车辆行驶总成本;而考虑缺货惩罚和库存成本的多商品周期性车辆路径问题考虑配送的商品为多类型的商品,不同类型的商品允许同车配送,每次访问满足的需求设置为决策变量,目标函数不仅仅考虑车辆行驶总成本,并且增加了社区便利店自身的缺货惩罚和库存成本。针对所研究的问题,本文设计了一套混合遗传算法求解,在该算法中设计了很多有效算子来辅助算法深入优化,包括教育算子和需求调整算子。其中教育算子为内嵌局部搜索的变邻域搜索算法,主要针对单天访问的顾客进行路径优化;而需求调整算子的作用为根据访问的天数自适应调整配送需求量。该算法的目标函数为最小化周期内车辆行驶总成本、缺货惩罚和库存成本总和,主要分为交叉阶段、变异阶段、教育阶段、需求调整阶段和种群替代阶段从而得到最终的算法结果。然后,为了验证本文设计的混合遗传算法的正确性和有效性,本文首先将混合遗传算法退化为单一商品,取消需求调整算子,目标函数仅考虑周期内车辆行驶总成本,从而求解标准带时间窗的周期性车辆路径问题标杆算例,求得的最优解与已知最优解的平均差距为1.75%;其次用混合遗传算法求解本文生成算例,并且与Cplex求解器求解结果对比,平均差距为1.63%。无论对于标杆算例考虑算法的精确性或者对于自己设计的算例考虑时间效率,本文设计的混合遗传算法都有很强的竞争力。随后对于算法中一些因素进行敏感性分析,并且对研究的问题进行问题分析,最终文章给车队和社区便利店分别提出了一些建设性意见。
其他文献
随着社会经济信息化程度提高和国民信息安全意识增强,以生物特征识别为技术基础的身份认证和识别受到越来越多地关注。借助深度学习技术的发展,新兴的指静脉识别技术以其高安
我国现行《商标法》给予“在先权利”与“在先未注册商标”的保护标准是不同的。但是在司法实践中,对二者予以保护的认定标准又存在相同的部分。这就导致判断有些在先商业标
全面从严治党,深入开展党风廉政建设和反腐败斗争,是党的十八大以来中国共产党治国理政最伟大的成就之一。2018年12月,中共中央政治局会议郑重宣告:"党内政治生态展现新气象,
随着人工智能的飞速发展,机器人同时定位与建图(SLAM)作为智能机器人领域的一个重要研究方向也得到了越来越多的关注。机器人同时定位与建图是机器人应用的核心技术,涉及领域
我国卫星图像识别技术在自然灾害、地表覆盖区域监测、环境资源分布研究等领域应用日趋广泛。卫星云雪图像中的云、雪等区域高光谱特征相似、空间分布特征复杂多变。传统的研
文本分类是自然语言处理中较为基础常见的任务,但由于词向量空间的单一性,使得分类系统不能在不同语言上通用。若分别对每种语言单独训练分类模型,则会导致大量的成本和时间问题;并且分类模型作为监督学习方法,需要大量的训练样本训练模型,而由于不同语言的资源分布不均,使得资源较少的语言无法构建单语言分类模型;另外,主流跨语言词嵌入模型需要依赖成本昂贵的平行语料库,在不同语种间拓展性差。因此,针对以上问题,本文
目前证券监管部门监管上市公司、大多数投资者了解上市公司主要通过信息披露平台这一工具。平台中的股权激励模块依靠信息公开,激发员工积极性,稳定核心专业人才。目前国内很
基于深度神经网络的算法在显著性目标检测方面取得了重大突破。然而,这些算法均受限于相当有限的输入分辨率(即,400×400甚至更低)。几乎没有研究致力于如何直接针对高分辨图
小农户占有资源少、生产成本高、融资能力弱,运用现代生产技术能力不强,难以与现代农业大生产、大物流、大市场的要求相适应,无法与现代农业发展有机衔接、获取经济效益困难
批处理机是一类在满足约束的前提下可以同时处理多个工件的设备,目前已广泛应用于制造业中,例如金属加工、半导体生产、纺织品染整作业等相关领域。近年来,随着研究的深入,随