外卖平台在线订单分配及骑手调度优化

新兴技术(大数据/人工智能/移动互联网等)的发展和本地生活服务O2O(Online to Offline)商业模式兴起,催生了即时配送新兴物流形态,而外卖配送平台线上强履约要求成为即时配送业务痛点之一.考虑了实时外卖订单和动态变化的骑手等因素,将问题建模为带取送约束和时间约束的实时车辆调度优化问题.基于滚动时域机制将连续时间的动态问题划分为一系列离散静态子问题,设计了邻域搜索启发式算法进行求解.最后,基于大连市某外卖平台的订单业务数据对算法进行了验证,与已有文献中的方法相比,算法能有效降低平均配送时间及超时订单数量,在大规模问题场景下求解算法对平台履约影响更大,高效的调度优化算法有利于外卖平台降本增效.

在线订单拆分合并的多仓库打包决策

针对网上超市在线订单拆分配送的现状,为降低订单履行成本,提高客户服务满意度,在网上超市一单多品、一地多仓的实际背景下,构建以订单履行成本最低为目标的多仓库订单合并优化模型,并利用融合模拟退火的遗传算法对其求解。研究订单履行成本最低情况下的订单合并及车辆路径优化方案,并对模型的关键参数进行灵敏度分析以验证模型的有效性。计算结果表明,多仓库订单合并的方法,在订单规模较大、仓库数量合适的情况下,可有效降低订单履行成本,减少末端配送对客户的打扰次数,从而提高客户服务满意度。

单台机订单排序的在线与半在线算法

考虑了一类新的单台机在线模型———订单在线和半在线排序问题 ,证明了对于单台机的半在线模型 ,有R(1,MLS)≤ 1+ r1+r.

在线订单分批及拣选路径规划模型及算法

在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选。在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务。构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间。提出一种基于规则的启发式算法来求解模型,其中包含k-means聚类算法和遗传算法,分别处理订单的分批和拣选路径的规划。最后利用具体算例进行模拟计算,实验结果表明,与传统固定时间窗启发式算法相比,提出的基于规则的启发式算法能够显著提高拣货效率。

基于排队论的在线订单生产系统指标优化与仿真

针对具有交货时间上限的在线订单生产系统,建立一种基于排队论的批到达蒙特卡洛仿真模型。通过多目标决策,优化生产线服务水平与交货能力,并在此基础上对订单进行分布假设检验,引入生产时间学习曲线,运用MAT_ LAB软件仿真,验证模型的正确性。获得各项生产系统指标,为进一步设计生产系统、拟定库存水平及人员调度提供参考依据。

酒店在线网络订单确认系统设计

本文通过JAVAEE平台对系统硬件进行设计,通过JSP技术和SQL数据库对系统软件进行设计,并通过对比实验,证明本文所设计酒店在线网络订单确认系统,确实比普通系统,具有更强的订单处理能力。

基于关联规则数据挖掘的Apriori算法应用分析

基于关联规则的数据挖掘主要用于发现数据集中项目之间的联系。以Apriori算法为核心,利用店铺在线订单作为数据载体,深入挖掘顾客购买商品的历史记录,探究商品之间的关联性。通过分析这些关联规则,商家可以更精准地了解顾客的购物喜好和行为模式,从而制定出更具针对性和实效性的营销策略,有效提升商品的销售业绩。

B2C电商配送中心订单分批策略研究综述

本文总结了每种订单分批策略的特点并对其优化方式进行探讨分析。深入研究涉及多拣选员工、订单期限及联合调度优化模式下的订单分批问题。基于各类分批策略自身特性,对比分析每种策略的适用条件,同时对订单分批在电商配送中心的应用前景、当前研究所存在的问题以及未来的研究方向进行了展望。

农村实现“在线城镇化”新型农产品销售模式分析

本文分析了农村通过电子商务实现"在线城镇化"过程中,可以开展的几种新型电子商务农产品销售模式,为农村电子商务的发展,农村"在线城镇化"的实现提供了新的思路。

考虑完成期限的电子商务在线订单分批模型及算法

在电子商务在线订单拣选系统中,订单到达时间和订购商品等信息未知。针对拣选设备容量、员工人数等资源有限约束情况,研究在何时、对多少订单进行分批优化,以保证在订单完成期限前以最短的时间拣出最多的订单。构建考虑订单完成期限的在线订单分批混合整数规划模型,以最小化平均有效订单服务时间,采用改进的固定时间窗订单分批启发式规则求解模型,定义剩余操作时间在[前置时间,配送准备时间]内的订单为紧急订单,构建综合考虑紧急程度和相似度因素的在线订单分批算法。采用某配送中心14：00~18：00时间段内以泊松分布（λ=17）随机生成的订单进行数据实验,将实验结果与传统固定时间窗在线订单分批算法进行比较。研究结果表明,考虑完成期限时,系统拣选配送的订单数量更多,总服务时间和平均有效订单服务时间更短,且出现延迟订单的数量更少,延迟时间更短。拣选员工人数的增多在不同程度上提高配送率,且考虑完成期限时,配送率提高幅度要大于传统算法;但随着人数的增加,配送率的提高幅度呈降低趋势。