發(fā)布時間：2020-10-26 11:42

　　 最后一公里城市快遞的選址及配送線路優(yōu)化問題是配送企業(yè)的重要問題,如何有效的進行站點選址和選擇配送線路,對配送企業(yè)降低成本、提高績效具有重要意義�？紤]到企業(yè)實際的運營中,站點存在最大容量約束、派送員存在工作時間約束,增加約束后的問題更貼近實際,而現(xiàn)有文獻的算法尚未考慮這兩種約束,因此本文研究了帶容量約束的聚類選址問題和帶工作時間約束的CVRP問題兩個問題。帶容量約束的聚類選址問題是在基本的聚類問題基礎(chǔ)上,增加各個類的容量約束,進行站點選址,并基于K-means算法設(shè)計適用于本問題的算法。帶工作時間約束的C VRP問題是在基本的C VRP問題中,增加派送員的工作時間約束,并基于蟻群算法編寫適用于此問題的算法。在本文的最后,應(yīng)用本文提出的兩個算法解決了 ZMKM配送企業(yè)的最后一公里選址及車輛路徑規(guī)劃問題,并將結(jié)果與企業(yè)實際成本及效率數(shù)據(jù)對比,效果較好且合理。本文提出的算法為實際企業(yè)的應(yīng)用提供了理論支撐,其他配送企業(yè)也可參照本算法做選址和路徑規(guī)劃,具有較強的實際應(yīng)用價值。同時,本文提出的算法進一步擴大了聚類算法及蟻群算法的適用范圍,拓寬了聚類算法及蟻群算法今后研究的方向。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP301.6;F724.6;F252
【部分圖文】：

圖４．１解決帶工作時間約束的ＣＶＲＰ問題的核心算法流程圖??３５??

?３０?４５?３０?５??圖５．１聚類結(jié)果圖??可以看出存在個別數(shù)據(jù)地址分錯了類別，由于本文的移動、交換判斷過程為??兩兩交換，可能導(dǎo)致分錯類的地址數(shù)據(jù)不能交換或移動至其應(yīng)當(dāng)屬于的類別中，??需要將這些分錯類別的個別點單獨考慮。對于每一個聚類，統(tǒng)計該類所有數(shù)據(jù)地??址與聚類中心的距離，計算距離的均值和標(biāo)準(zhǔn)差，將距離在均值三倍標(biāo)準(zhǔn)差以外??的點單獨考慮。人工計算這些地址數(shù)據(jù)應(yīng)當(dāng)屬于的類別進行調(diào)整。經(jīng)過調(diào)整后的??聚類結(jié)果如下圖所示。并將數(shù)據(jù)集中每一個地址屬于的類別記錄，為后續(xù)的分區(qū)??及線路優(yōu)化過程做準(zhǔn)備。??■?，?．?Ｉ?｜?＋?＇??咖－?。?；?２３??，。°。ｉｉ??－?脅！ｆ屢％?ｉｓ??＇

圖５．１聚類結(jié)果圖??
【參考文獻】

相關(guān)期刊論文 前10條

1 王曉東;張永強;薛紅;;基于改進蟻群算法對VRP線路優(yōu)化[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2017年02期

2 王帥;趙來軍;胡青蜜;;隨機旅行時間的外賣O2O配送車輛路徑問題[J];物流科技;2017年01期

3 于曉寒;王東;;基于帶約束K-means聚類的城市快遞配送區(qū)域劃分[J];哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版);2016年05期

4 余莉;甘淑;袁希平;李佳田;;克服雙重約束的面目標(biāo)位置聚類方法[J];測繪學(xué)報;2016年10期

5 戚遠航;蔡延光;蔡顥;湯雅連;呂文祥;;旅行商問題的混沌混合離散蝙蝠算法[J];電子學(xué)報;2016年10期

6 劉瀾;吳金卓;胡鴻;;交通限制和軟時間窗條件下的車輛路徑問題及其蟻群算法改進[J];物流技術(shù);2016年09期

7 劉云;張惠珍;;多目標(biāo)帶時間窗的車輛路徑問題的單親遺傳混合蟻群算法[J];公路交通科技;2016年06期

8 董志;;地理本體知識約束下的DBSCAN空間聚類算法及應(yīng)用[J];軟件導(dǎo)刊;2016年02期

9 寧濤;陳榮;郭晨;梁旭;;一種基于雙鏈量子編碼的動態(tài)車輛路徑問題解決策略[J];運籌學(xué)學(xué)報;2015年02期

10 張勇;;基于改進蟻群算法物流配送路徑優(yōu)化的研究[J];控制工程;2015年02期

相關(guān)博士學(xué)位論文 前1條

1 嚴(yán)冬梅;城市物流中心選址問題研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 陳國偉;農(nóng)村電商物流循環(huán)取送貨模式研究[D];北京交通大學(xué);2016年

2 馬振;改進蟻群算法及其在TSP中的應(yīng)用研究[D];青島理工大學(xué);2016年

3 王鵬飛;基于聚類算法的快遞服務(wù)網(wǎng)點布局研究[D];成都理工大學(xué);2016年

4 孫文成;基于多目標(biāo)方法的旅行商問題復(fù)雜度研究[D];大連理工大學(xué);2016年

5 潘挺雷;基于改進蟻群算法的區(qū)域車輛配送路徑優(yōu)化方法研究[D];浙江理工大學(xué);2016年

6 陸文華;帶容量和最大工作時間約束的集散貨物車輛路徑問題研究[D];南京農(nóng)業(yè)大學(xué);2014年

7 吳海東;城市快遞服務(wù)的車輛路徑規(guī)劃問題研究[D];清華大學(xué);2011年

8 束傳伶;基于空間聚類的數(shù)據(jù)挖掘技術(shù)在公共設(shè)施選址中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2010年

9 孫明雪;蟻群算法的改進及其在TSP問題中的應(yīng)用[D];吉林大學(xué);2006年

10 趙銳;空間數(shù)據(jù)挖掘中的聚類算法研究[D];山東大學(xué);2006年

本文編號：2856954