面向有限拼载与嵌套满足约束的出厂物流组合装载问题的模型与优化算法研究

Outbound logistics is the key phrase for manufacturer to satisfy their customers. The full truckload ratio is an important factor in deciding the operational level of outbound logistics. By analyzing the operational flow of outbound logistics, the proposal presents a so called combinatorial loading problem with two main properties of limited LTL and nested satisfaction. Modeling methodologies including mathematical programming will be studied based on the systematic description of decision process. In order to build efficient models and design high performance algorithms, optimal conditions of solutions, mathematical indices of properties and computational intractability of problems will be first investigated. Then exact and approximation algorithms will be given with performance analysis from both theoretical and practical aspects. By cooperation with a 3PL company, a robust systematic solution will be provided. Our studies belong to the fundamental applied theoretical research for logistics and supply chain, and research methodologies adopted in the proposal are feasible and innovative. The expected results have strong theoretical values. It is significant to implement the project for the development of management science, logistics engineering and combinatorial optimization. The proposal is motivated by practical consultation, and therefore expected results will have much practical significance in logistics practices, and logistics technologies developments.

出厂物流是制造企业的重要物流环节；装载效率是决定出厂物流运作水平的关键因素。通过深入分析出厂物流的实际运作流程,本项目提出研究一类新的具有装载组合约束的组合装载问题，特点在于装载的有限拼载性与嵌套性。在对该装载决策过程进行系统描述基础上，研究装载及数学规划模型的建模方法。进一步，基于物流与供应链、装箱、组合优化与计算复杂性理论，从建立集成装载模型与设计高效优化算法的角度出发，通过分析问题的最优解特征,提炼其数学特征量.分析问题的计算难解性,并设计精确及启发式算法,从理论及数值上研究模型及算法性能。通过合作企业进行实证研究，提出高效鲁棒的系统解决方案。研究内容属于物流与供应链管理的应用基础研究，研究方法具有可行性和探索性，研究成果有较强的理论价值。项目完成对促进管理科学、物流工程甚至组合优化学科的发展有一定科学意义。项目源于生产实践，研究成果对指导物流实践，促进物流应用技术发展有现实意义。

本项目以汽车整车出厂物流的实践需求为研究与验证对象，提炼与研究了新的具有科学价值的理论科学问题以及具有应用价值的应用科学问题。研究与开发了智能优化算法引擎, 并被成功应用于国内领先的汽车物流智能调度系统中。项目所取得的主要理论科学成果是在国际上首次创新性地提出模式装箱问题，极大地丰富了装箱问题的范畴与问题体系。在科学成果上，项目深入研究了启发式算法、数学规划算法、分支定界算法以及列生成算法等四大基础算法。 研究结论表明所提出的分支定界算法与列生成算法等精确算法，相比数学规划算法的在求解速度上的高效性；所提出的启发式算法，相比精确算法在近似解的近似性与求解速度上的高效性。项目所取得的重要实践成果在于，项目所研究出的模型及算法，被开发成为优化引擎，从2015年起，被直接应用于国内最大的汽车物流企业的智能调度系统上，所研发的引擎年业务量已达到500万辆，产生了巨大的经济价值，也为智能制造起到了示范效应。该引擎是国内第一款汽车出厂物流智能调度系统，这清楚地表明了基于运筹学的优化技术是实现智能物流乃至智能制造的有效途经。