葛顯龍，薛桂琴

(重慶交通大學(xué)，經(jīng)濟(jì)與管理學(xué)院，重慶400074)

摘要：針對(duì)互聯(lián)網(wǎng)經(jīng)濟(jì)帶來的需求不確定性問題，提出根據(jù)歷史客戶需求數(shù)據(jù)進(jìn)行需求預(yù)測(cè)，解決基于前攝調(diào)度的配送路徑優(yōu)化問題。建立單周期和多周期車輛調(diào)度數(shù)學(xué)模型，并設(shè)計(jì)前攝性分區(qū)聚類算法，完成配送區(qū)域劃分及配送路徑優(yōu)化。最后，以重慶某超市配送數(shù)據(jù)對(duì)模型及算法性能進(jìn)行比較和驗(yàn)證。

關(guān)鍵字：前攝調(diào)度；車輛路徑問題；分區(qū)；預(yù)測(cè)

中圖分類號(hào)：F274           文獻(xiàn)標(biāo)識(shí)碼：A

0引言

相較于傳統(tǒng)的大批量規(guī)模運(yùn)輸，互聯(lián)網(wǎng)經(jīng)濟(jì)條件的發(fā)展推動(dòng)了需求個(gè)性化、碎片化的趨勢(shì)，使得企業(yè)物流配送管理充滿了不確定性。為應(yīng)對(duì)客戶配送過程中出現(xiàn)的不確定性并形成行之有效的應(yīng)對(duì)策略，越來越多的企業(yè)希望根據(jù)累積的線上線下客戶歷史需求數(shù)據(jù)，利用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)，預(yù)測(cè)客戶需求，洞悉市場(chǎng)變化，為科學(xué)配送決策的制定提供數(shù)據(jù)支持。在配送決策實(shí)施過程中，企業(yè)往往將成本相近的客戶需求進(jìn)行聚類，以實(shí)現(xiàn)便捷配送和低成本配送。但是現(xiàn)有車輛路徑問題多關(guān)注配送路徑優(yōu)化和成本優(yōu)化，而對(duì)依托數(shù)據(jù)分析客戶屬性進(jìn)而預(yù)測(cè)動(dòng)態(tài)客戶的研究相對(duì)較少。因此，本文在利用客戶需求的歷史表現(xiàn)預(yù)測(cè)動(dòng)態(tài)需求的基礎(chǔ)上，調(diào)度配送車輛，優(yōu)化車輛配送路徑，實(shí)現(xiàn)客戶需求的快速響應(yīng)。由于需求預(yù)測(cè)直接影響車輛路徑優(yōu)化，且二者存在先后順序，故本文借用心理學(xué)概念，將本文研究成為基于前攝調(diào)度的車輛路徑問題(vehicle routing problem,VRP)。