大型网上超市订单的成组分拣与物流配送方案智能生成方法研究

Order picking and distribution are two key jobs for the survival and development of online supermarkets. It is urgent to solve how to pick the ordered items from hundreds of thousands of goods with high efficiency and accuracy and deliver them to the customers promptly. The objective of the project is to enhance scientific processing level of group order picking and real-time and intelligent generation of delivery routes for online supermarkets. Focusing on the streamline processing of online supermarkets from order grouping, order splitting, item picking, item collecting, packing process, and package delivery, by integrating the managerial technologies of Group Technology and JIT, and methods of Operations Research and Artificial Intelligence, the project presents a new method of group order picking, constructs intelligent route generation and route solution procedure with a core of solution space reduction, and develops the corresponding solution system and carries out the application research..The project provides a new approach to fast and efficient computer-generated schemes of group order picking and package delivery of online supermarkets. It will promote the science nature, practicability, and generality of order picking methods and distribution theories. The results will have better instructional significance and be beneficial to enrich and complete the theories of e-commerce logistics management.

订单的分拣及其物流配送工作是大型网上超市生存和发展的关键环节，如何在数十万种商品中将订单要求的商品高效、准确地分拣出来并快速配送至客户手中，是亟待解决的难题。本项目以提高大型网上超市订单成组分拣方法的科学性和车辆路径方案生成的实时性、有效性为目标，针对订单分组、分割、拣货、集货、包装及其物流配送这一成组流水作业，融合成组技术和JIT等管理技术以及运筹学和人工智能等理论方法，建立大型网上超市订单成组分拣的方法，创建以缩减解空间为核心的车辆路径方案的智能生成与求解方法，并开发相应的软件系统，开展应用研究。.本项目为大型网上超市订单成组分拣及其物流配送难题创建由计算机快速高效地生成订单分拣及车辆路径方案的新方法，有利于提高订单分拣与物流配送理论的科学性、实用性和普适性，研究成果具有较强的实践指导意义，有助于丰富和完善电子商务物流管理理论。

本项目以大型网上超市订单分拣与物流配送问题为研究对象，开展了订单成组分拣与物流配送方案智能生成方法的研究。在理论研究方面，取得研究成果有：（1）构建了基于群遗传算法的订单分批方法。该方法不仅考虑了传统订单分批方法中拣货路径数、拣货路径距离等因素，还考虑了以订单要求送达时间为标准的订单分批拣选顺序，以及网上超市二级配送网络中的第一阶段（配送中心至配送站）的配送成本；（2）提出了订单分拣与包装作业调度优化方法。建立了蔬果类商品网上直销包装作业优化模型，并设计改进的“模拟增压——退火算法”对其进行求解。基于流水作业和生产作业调度原理，以“准时拣货、准时装车”为目标，建立考虑装车时间窗、装车链顺序的拣货包装序列优化模型；（3）研究了物流配送车辆路径方案的智能生成方法。将车辆路径方案的生成过程转换为状态空间的路径搜索过程，构造了基于控制策略的深度优先搜索算法实现了方案的自动生成；（4）研究了网上超市的订单分拣与物流配送联合优化问题。提出的求解该问题的启发式算法通过剔除较差的订单分配方案缩小求解空间，并通过改进节约算法中路径合并的规则，提高生成物流配送方案的效率。（5）开发了订单成组分拣及车辆路径方案生成的原型系统。围绕上述理论研究成果，共发表期刊论文7篇（包含已录用的4篇），其中SCI检索1篇，EI刊源2篇，基金委认定A类期刊3篇、B类期刊1篇。在人才培养方面，正在培养4名硕士研究生。