基于顾客选择行为的可拆分配送车辆路径问题研究

可拆分配送车辆路径问题中，如何在不确定环境下，进行订单拆分、拼装与路线规划决策，使企业和顾客同时受益，是理论者和实践者面临的一个迫切需要解决的问题。本项目通过智能体仿真技术构建系统决策模型；智能体内部采用离散事件仿真技术建立实体流过程模型，刻画系统随机特性，求取绩效指标；智能体的决策优化则通过遗传算法、粒子群算法结合人工智能中的强化学习技术实现。采用该仿真优化集成框架，对不确定环境下的可拆分配送车辆路径问题进行优化求解，以期解决如下三个重要问题：（1）量化分析订单拆分行为对企业和顾客的双重影响；（2）从订单属性和系统结构参数两个维度，揭示影响订单拆分效果的相关因素，为激励订单拆分行为提供指导；（3）构建有效的订单拆分激励机制，将顾客对物流服务的选择行为纳入优化模型，使企业和顾客都能从拆分配送中获益。最后，通过实证研究验证本项目所提理论和方法体系的有效性，展示其潜在的应用前景。

可拆分配送车辆路径问题中，如何在不确定环境下，进行订单拆分、拼装与路线规划决策，使企业和顾客同时受益，是理论者和实践者面临的一个迫切需要解决的问题。本项目采用仿真优化集成方法对不确定环境下的可拆分配送车辆路径问题展开研究；以Q和D两类拼装策略为基础，设计了基于重量的拆分策略（SQ、QLOS、QLDD）和基于时间的拆分策略（SD、DLOS、DLDD）；通过仿真实验分析，揭示订单大小、到达率、提前期、顾客优先级等重要参数对企业绩效（运输成本）和客户绩效（准时到达率）的影响，并对不同拼装/拆分策略的性能进行了评估。研究表明：（1）订单拆分可降低运输成本，但同时也降低了准时到达率；（2）基于重量的策略具有更低的运输成本，基于时间的策略则具有更高的准时到达率；（3）订单平均重量超过并且越接近车载容量一半时，越应该采取拆分策略，因为此时订单拆分带来的运输成本节约越大；（4）高订单到达率、长订单提前期都有利于订单拆分；（5）整体而言，最大交货期优先（LDD）的拆分策略优于其它两类拆分策略，D策略具有最好的客户绩效（准时到达率最高），QLDD策略具有最好的企业绩效（运输成本最低），DLDD策略则可在运输成本和准时到达率之间取得比较好的平衡。因此物流企业应该根据物流系统特征和要求，选择适合的拼装/拆分策略。最后，针对集美特钢公司的实证研究，验证了本项目研究结果的有效性。