<rp id="pzddz"></rp>

<ol id="pzddz"></ol>
    <span id="pzddz"><th id="pzddz"><span id="pzddz"></span></th></span>
    <address id="pzddz"></address>

    <delect id="pzddz"><strike id="pzddz"></strike></delect>

    <address id="pzddz"></address>
    <track id="pzddz"></track>

      學術堂首頁 | 文獻求助論文范文 | 論文題目 | 參考文獻 | 開題報告 | 論文格式 | 摘要提綱 | 論文致謝 | 論文查重 | 論文答辯 | 論文發表 | 期刊雜志 | 論文寫作 | 論文PPT
      學術堂專業論文學習平臺您當前的位置:學術堂 > 畢業論文 > 在職碩士論文 > 工程碩士論文 > 物流工程碩士論文

      基于云物流服務平臺的車型配送方案改進分析

      來源:合肥工業大學 作者:張力
      發布于:2020-12-19 共6791字

        摘  要

        
        隨著物聯網、云計算及數據挖掘等技術與物流的結合,以云物流服務平臺為核心的云物流服務模式是當前傳統企業應對動態多變的市場競爭環境和提升自身競爭力的關鍵。配送是物流系統中極其關鍵的環節,隨著越來越多的企業對定制化、專業化、個性化物流服務的需求,云物流服務模式下會產生大量的配送訂單,車輛配送效率直接影響著企業的物流成本,對企業的生產經營會產生重大影響。所以,對云物流服務模式下的車輛配送優化問題進行研究顯得尤為重要。



      基于云物流服務平臺的車型配送方案改進分析
       

        
        本文基于 2017 年合肥市包河區政府開展的科技成果轉化項目——“云物流及其大數據服務關鍵技術研究及產業化”,該項目構建了云物流服務模式平臺,本文在云物流服務模式下以配送訂單為中心對車輛配送優化問題開展帶時間窗的多中心單車型配送優化問題和考慮取貨需求的多中心多車型配送優化問題兩方面的研究。
        
        首先,針對帶時間窗約束的多中心單車型配送優化問題,考慮配送車輛在完成配送服務后返回不同配送中心的情況,采用k-means算法對云物流服務平臺上配送訂單進行聚類,建立了以行駛距離、時間懲罰成本、固定成本及剩余裝載能力為目標的車輛配送優化模型,構建了基于Bellman-Ford的模型求解的改進遺傳算法,通過Bellman-Ford算法對遺傳算法的染色體進行最優路徑分割,在滿足車輛容量等限制的情況下,獲得多目標函數綜合最優的配送方案。通過對實例進行結果分析,驗證了模型及求解方法的可行性與適用性。其次,針對帶時間窗約束的考慮取貨需求時的多中心多車型配送優化問題,在取貨需求的約束下建立了以行駛距離、時間懲罰成本、固定成本、配送剩余裝載能力和取貨剩余裝載能力為目標的車輛配送多目標優化模型,構建了模型求解的遺傳算法和模擬退火算法相結合的混合算法,結合實例數據,對求解算法進行仿真計算。通過結果分析與因素分析,驗證了模型和求解方法的適用性,并分析了有無時間窗約束及不同目標函數對優化問題的影響。本文的研究結果應用于云物流服務平臺下車輛配送優化問題的決策中,對于降低云物流服務模式下的物流成本,提高車輛裝載能力利用率有著重要意義,而且還有助于物流行業供給側改革,推動物流行業和互聯網深度融合,提高企業在動態多變的全球市場上的競爭力。
        
        關鍵詞:    云物流服務;車輛配送問題;取貨需求;遺傳算法。
        

        ABSTRACT

        
        With the combination of technologies and logistics such as the Internet of Things and cloud computing, the cloud logistics service model with the cloud logistics service platform as the core is the key to the current traditional enterprises to cope with the dynamic and changing market competition environment and enhance their own international competitiveness. Distribution is an extremely critical link in the logistics system. With more and more enterprises demanding customized, specialized and personalized logistics services, the efficiency of vehicle distribution under the cloud logistics service model directly affects the logistics costs of enterprises and has an important impact on the production and operation of enterprises. Therefore, it is particularly important to study the optimization of vehicle distribution under the cloud logistics service model.This paper is based on the 2017 Baohe District Government of Hefei City carrying out a scientific and technological achievements transformation project-"Cloud Logistics and Key Technology Research and Industrialization of Big Data Services".
        
        This project builds a cloud logistics service model platform. Focusing on the delivery order, the vehicle distribution optimization problem is researched on the multi-centersingle-model distribution optimization problem with time window and the multi-center multi-model distribution optimization problem considering the pickup demand.First, for the multi-center single-vehicle distribution optimization problem with time window constraints, considering the situation that the distribution vehicle returns to different distribution centers after completing the distribution service, the paper uses the k-means algorithm to cluster the distribution orders on the cloud logistics service platform. The paper establishes a vehicle distribution optimization model aiming at driving distance, time penalty cost, fixed cost and remaining loading capacity, and builds an improved genetic algorithm based on Bellman-Ford model solution. The paper uses Bellman-Ford algorithm to pide the optimal path of the genetic algorithm's chromosomes, and obtains a multi-objective function comprehensive optimal distribution plan when the vehicle capacity and other constraints are met. By analyzing the results of the examples, the feasibility and applicability of the model and the solution method are verified.Secondly, in view of the multi-center and multi-vehicle distribution optimization problem when considering the demand for pickup with time window constraints, the paper establishes a vehicle distribution optimization model aiming at driving distance, time penalty cost, fixed cost and remaining loading capacity, and builds a hybrid algorithm combining genetic algorithm and simulated annealing algorithm to solve the model, combined with example data to simulate calculation of the solution algorithm.
        
        Through the result analysis and factor analysis, the applicability of the model and solution method is verified, and the influence of time window constraints and different objective functions on the optimization problem is analyzed.The research results of this paper are applied to the decision of vehicle distribution optimization under the cloud logistics service platform, which is of great significance to reduce the logistics cost under the cloud logistics service model and improve the utilization rate of vehicle loading capacity.At the same time, it can also contribute to the supply-side reform of the logistics industry, promote the deep integration of the logistics industry and the Internet, and improve the competitiveness of enterprises in the dynamic and changing global market.
        
        KEYWORDS:    Digital Workshop; Production Logistics; Material Storage; Genetic Algorithm。
        

        第一章  緒論
       

        
        1.1、 研究背景。

        
        隨著現代社會的發展,物流業與國民經濟的緊密性越來越強,物流的發達程度直接影響著社會經濟的運行效率。我國的物流行業發展雖然十分迅速,但是仍然處在高成本、低質量和低水平的階段。對此,在2014年,國務院曾發布《物流業發展中長期規劃(2014-2020年)》,在規劃中提出要加強物聯網、云計算、大數據等新興信息技術在物流行業中的應用,提高物流信息化水平,構建綜合物流運輸體系,推動物流企業的集約化和規;,從而提升物流服務的一體化水平[1]。黨的十九大報告中指出,我國經濟已由從高速增長轉向高質量發展的階段,當前我國對于建設現代化經濟體系有著迫切需要,而經濟的發展離不開物流。這些都意味著物流業需要提高質量、推動創新和效率優先,深化物流供給側改革,積極提高物流服務的供給質量,將低端供需平衡轉變為高端供需平衡。
        
        為了緊跟國務院《物流業發展中長期規劃(2014-2020年)》,加快物流智能化水平建設。2017年合肥市包河區政府開展科技成果轉化工程,以此為契機,合肥工業大學與JZT企業共同申請項目,并獲批重點項目。項目名稱為“云物流及其大數據服務關鍵技術研究及產業化”,主要內容是在物流園區的背景基礎上,構建云物流及其大數據服務平臺,并在平臺上利用云物流及大數據等相關技術對整個物流服務進行優化,推動更多的物流企業進行合作從而實現數據的互通,形成規模效應。大數據云物流服務平臺體系下,包括倉儲、運輸、配送等多個方面。
        
        在云物流服務平臺下,物流承運商需要在合適的時間根據訂單需求,將對應的貨物送到合適的地方。其中,云物流服務平臺下的基于訂單的配送過程屬于車輛配送問題(VRP)之一。在云物流服務平臺下,根據配送路徑將訂單貨物放置在合適的配送中心,并選取合適的配送路徑方案,能夠有效的減少物流配送成本,提高客戶的滿意度。本文在云物流服務模式的背景下,對以云物流服務平臺的訂單為中心的車輛配送問題進行深入研究。
        
        1.2、 研究意義。
        
        “云物流及其大數據服務關鍵技術研究及產業化”項目主要是打造基于大數據的云物流服務平臺,用以解決當前物流行業信息化水平較低、資源有效利用率低、物流信息不對稱、標準化程度低以及沒有有效信用體系等問題,進而提高客戶服務水平、降低整體物流成本等。此外,大數據云物流服務平臺的建設對于促進我國兩化融合、推動互聯網+AI+物流、打造低碳運輸體系有著重要的現實意義,它能夠對物流社會資源進行有效整合,從而提升整體的物流服務水平,將AI與物流行業緊密結合。
        
        為了實現大數據云物流服務平臺體系,在云計算、物聯網及大數據等相關技術的支撐下,提出并實施基于感知層、支撐層、資源層、基礎構件層、平臺服務層和用戶層的智慧物流管理平臺的流程體系結構,以及基于SOA的系統實現方法,為平臺用戶提供物流方案及系統支持。而車輛配送問題在物流系統中至關重要,云物流服務平臺在制定物流配送方案時,不僅需要考慮產品配送的問題,同時還需要考慮取貨需求的問題。當客戶既有送貨需求又有取貨需求時,常見的策略有兩種,一種是將送貨和取貨分成兩階段處理,如車輛在完成所有送貨任務后,再進行取貨任務的處理,或者是送貨和取貨由不同的車輛負責。另一種是在給客戶送貨的時候,將客戶的取貨需求一起處理。第二種策略相對于第一種策略來講,能夠更加有效的利用車輛資源,降低企業的配送成本,提高客戶的滿意度。
        
        基于訂單的車輛路徑規劃是云物流服務平臺十分重要的組成部分。在云物流服務平臺的背景下,物流承運商需要根據訂單將貨物從配送中心運輸至客戶門店。在云物流服務平臺接收到注冊門店的配送訂單數據后,首先需要根據訂單對配送路線進行規劃,在獲取訂單數據后,需要根據訂單信息選擇配送中心(配送中心可能有多個),然后根據配送中心的位置,考慮不同返回中心的情況,結合行駛距離、懲罰時間成本、固定成本、車輛剩余裝載能力等因素選擇合適的配送車輛,形成最佳的配送路徑方案。在此基礎上,考慮到云物流服務平臺不僅會接收配送訂單,同時還會有取貨訂單。因此,配送車輛在進行配送任務的同時,還需要對客戶進行取貨服務;谟唵蔚能囕v路徑規劃對整個云物流服務平臺的運作效率有著重要作用,最優化的配送路線方案能夠有效的提高配送效率,降低整個配送過程的成本,提高客戶滿意度。
        
        云物流服務模式下,客戶將送貨需求和取貨需求提交至云物流服務平臺,由云物流服務平臺根據一定時間內的訂單制定車輛配送方案。如果采用傳統模式,不僅會造成資源浪費,還會因為響應速度低等造成服務質量下降,同時還有可能增加車輛的使用量等,從而對城市交通造成堵塞,污染環境等。相比較于傳統物流模式,該模式避免了送貨需求、取貨需求及取貨數量等不確定的情況,能夠很好的降低車輛的空載情況,提高車輛的資源利用率,降低整體配送成本。本文以云物流服務模式為研究背景,針對云物流服務平臺的訂單配送過程,研究考慮帶時間窗約束的多中心單車型的車輛配送優化問題以及帶時間窗約束的考慮取貨需求的多中心多車型的車輛配送優化問題相關理論及求解方法,對于加快物流行業供給側改革,推動物流行業和互聯網深度融合,提高企業在動態多變的全球市場上的競爭力有著重要的理論意義和現實意義。
        

        【由于本篇文章為碩士論文,如需全文請點擊底部下載全文鏈接】
        

        1.3 、國內外研究現
        1.3.1、云物流服務國內外研究現狀,
        1.3.2、基于時間窗的VRP國內外研究現狀
        1.3.2、基于時間窗的VRPSPD國內外研究現狀
        1.4 、研究內容
        1.4.1、研究思路
        1.4.2 、結構安排.
        1.4.3、 技術路線

        第二章  云物流服務模式下車輛配送問題

        2.1、云物流服務模式
        2.1.1、云物流服務模式的概念模型.
        2.1.2、云物流服務模式的運作過程
        2.1.3、云物流服務模式的特征
        2.2、云物流服務平臺
        2.2.1、云物流服務平臺的技術架構.
        2.2.2、云物流服務平臺的功能
        2.2.3、云物流服務平臺的特點
        2.3、云物流服務模式和傳統物流模式的不同.
        2.4、云物流服務模式下的車輛配送問題分析

        第三章  云物流服務模式下帶時間窗的多中心單車型配送優化問題研究

        3.1、問題描述和模型假設
        3.1.1、問題描述
        3.1.2、配送規則
        3.1.3、 變量定義
        3.2、模型建立,
        3.2.1、目標函數
        3.2.2、約束條件
        3.3、模型求解
        3.3.1、多目標函數轉換
        3.3.2、聚類處理.
        3.3.3、遺傳算法設計.
        3.4、算例分析.
        3.4.1、數據采集.
        3.4.2、仿真實驗.
        3.4.3、結果分析
        3.5、本章小結.

        第四章  云物流服務模式下考慮取貨時的多中心多車型2送優化問題研究

        4.1、問題描述和模型假設
        4.1.1、 問題描述
        4.1.2、 配送規則
        4.1.3 、變量定義
        4.2、模型建立
        4.2.1、目標函數
        4.2.2、約束條件
        4.3 、模型求解.
        4.3.1、多目標函數轉換
        4.3.2、遺傳混合模擬退火算法設計
        4.4、算例分析.
        4.4.1、數據采集
        4.4.2、實驗過程與結果分析
        4.4.3、因素分析
        4.5、本章小結.

        第五章    總 結

        在云物流服務模式下以訂單為中心的配送優化問題中,需要根據云物流服務平臺的送貨訂單及取貨訂單,讓配送車輛從不同的配送中心出發,按照配送方案,對提交訂單,有服務需求的門店進行服務,并在完成配送服務后,返還對應的配送中心。針對這一情況,本文對云物流服務模式下的車輛配送優化問題進行研究,研究工作以項目實際需求為基礎,實現理論知識與實際情況相結合,主要工作如下:

       。1)對物聯網、云計算等技術的物流服務新模式——云物流服務模式進行介紹,分別闡述了概念模型、運作過程及相關特征等,并在云物流服務模式的基礎上介紹了云物流服務平臺的技術架構及功能等內容。隨后,將云物流服務模式與傳統的物流模式進行對比,分析它們之間的優劣勢,突出云物流服務模式的特點。針對云物流服務模式下的配送活動存在的實際問題,引出本文的研究內容——考慮時間窗的多中心單車型配送優化問題以及帶時間窗約束的考慮取貨需求的多中心多車型配送優化問題。

       。2)深入研究考慮時間窗的多中心單車型問題,基于云物流服務模式,考慮配送車輛在完成配送服務后,返回不同的配送中心的情況。隨后設計合理的配送規則,結合實際需求構建以行駛距離、時間懲罰成本、固定成本及剩余裝載能力為目標的優化函數,在對模型進行求解時,使用遺傳算法作為基礎進行算法設計,針對車輛可以返回不同中心的特點,設計符合要求的染色體編碼。結合優化模型的特點,選取錦標賽法作為選擇策略,并利用Bellman-Ford算法對染色體進行最優分割,在滿足車輛容量等限制的情況下,得到目標函數最優的配送方案,最后使用Java和Python語言進行編程實現,并進行仿真分析。隨后,針對遺傳算法局部搜索能力較差的情況,將其與模擬退火算法結合,并將其遺傳算法作對比。實驗結果證明,遺傳算法應用在本問題上是切實可行的,配送車輛不返回原出發時配送中心,而是選擇合適的配送中心返回,有效降低整體配送成本的同時,還能夠盡可能滿足客戶的時間窗需求,并通過云物流服務平臺實現實時信息交互,提高客戶的滿意度。

       。3)在考慮時間窗的多中心單車型問題的基礎上進行深入分析,不同的配送中心的所擁有的車型及車型數量不相同,同時考慮取貨需求,將取貨與配貨相結合,實現取配一體化,對帶時間窗的考慮取貨需求的多中心多車型問題進行研究,在取貨需求的約束下構建合理的以行駛距離距離、時間懲罰成本、固定成本、出發時剩余裝載能力和返回時剩余裝載能力為目標的多目標優化模型,并針對不同配送中心車型及車型數量不同的情況,對染色體編碼進行調整。然后以遺傳算法為基礎,將模擬退火思想與遺傳算法結合,采用遺傳算法和Bellman-Ford算法進行求解,并分析了有無時間窗約束及不同目標函數對配送方案的影響。實驗結果證明,基于遺傳算法的方法在降低車輛的運輸距離、配送成本及剩余裝載能力等方面效果明顯,不同配送中心能夠以目標函數為依據,選擇滿足條件的車型進行配送服務,在一定程度上優化了目標。在云物流服務模式下的車輛配送優化研究領域具有一定的理論意義和實踐意義。

        參考文獻

      作者單位:合肥工業大學
      原文出處:張力. 云物流服務模式下的車輛配送優化問題研究[D].合肥工業大學,2020.
        相關內容推薦
      相關標簽:
      • 報警平臺
      • 網絡監察
      • 備案信息
      • 舉報中心
      • 傳播文明
      • 誠信網站
      青青草视频在线观看 在线福利 日韩高清在线亚洲专区 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>