客车代运与送提一体下的山区农村寄递网络优化

高效畅通的“最初—最后一公里”是农村寄递物流体系可持续运行的关键。针对山区农村寄递需求量小分散、客运班线空载率高的现实特征,本文构建以总成本最小为目标的客车代运与送提一体模式下的寄递网络优化模型,对中转点和服务站位置、代运车辆以及配送车辆路径进行决策。据此,采用有效不等式和热启动策略设计加强Benders分解(Benders Decomposition,BD)算法进行模型求解。通过四川省青川县某乡镇的实例分析验证了模型和算法的有效性。结果表明:客车代运与送提一体下的网络设计模式更具成本优势,可以带来至少4.91%的总成本节约,加强BD算法的求解时间较传统BD算法平均低66.06%。敏感性分析发现,总成本随着客车可用于装货容量的增加呈现阶梯性的降低趋势;总成本增加幅度随着覆盖半径的减小呈现先减后增的趋势。

多策略改进麻雀搜索算法的同时取送货车辆路径规划

文章主要关注软时间窗约束下的同时取送货车辆路径规划问题(Vehicle Routing Problem with Simultaneous Pickup-Delivery and Soft Time Window,VRPSPDSTW),这是物流配送活动的核心问题,尤其在互联网催动下的物流行业发展中尤为重要。文章首先构建了一种以最低总成本和最大顾客满意度为目标的取送货车辆路径规划模型,其次,提出了一种改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA),该算法融合了立方混沌映射、精英反向学习策略和正余弦优化算法,以提升种群质量、加速收敛、平衡开发与探索能力,并能有效跳出局部最优,最后,将此算法应用于M物流企业的实际订单数据,并与麻雀搜索算法(Sparrow Search Algorithm,SSA)、遗传算法(Genetic Algorithm,GA)和鲸鱼优化算法(Whale Optimization Algorithm,WOA)的解决方案进行比较。实验结果证明,所提出的ISSA能够有效地解决VRPSPDSTW问题。

送提一体与终端共享下的最后一公里配送选址—路径问题

为有效解决电商物流最后一公里配送问题,基于最后一公里配送特征分析,从系统集成优化的角度出发,对送提一体与终端共享下的多主体共同配送选址—路径问题进行了研究。在该问题中,任意客户均存在两种服务方式,自提点可同时服务不同企业的客户,且能够被不同企业的配送车辆访问。针对该问题,建立了以系统总成本最小化为目标的整数规划模型,并设计了一种融合遗传算法、局部搜索算法及多种先进进化与搜索策略的混合遗传算法予以求解。在此基础上,通过基于标准算例库和实际案例的对比仿真实验验证了算法和模型的有效性。

带服务半径决策的农村快递系统选址—路径优化

为了提高农村快递“最后一公里”配送效率和效益,本文研究了带送货上门/自提服务半径决策的农村快递系统选址—路径优化问题,以确定最优的自提点位置和配送路径,建立了以最小化系统总成本为目标的非线性混合整数规划模型,设计了一种变邻域搜索算法。算例分析结果表明,乡镇快递中转站有必要优化其送货上门/自提服务半径,并据此为偏远的顾客优化设置自提点;快递公司应兼顾和平衡快递服务成本与顾客满意度,以实现系统最优;快递公司应根据不同地区农村顾客点分布的特点,因地制宜地进行送货上门/顾客自提的服务半径决策,并优化选址—路径方案。