电子商务环境下路径优化模型及算法研究

《电子商务环境下路径优化模型及算法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。电子商务环境下路径优化模型及算法研究　　摘要：研究了电子商务环境下有时间窗的车辆路径问题，考虑了时间窗限制的约束，并构建以最小成本为目标的模型，包括固定成本、运输成本和惩罚成本。为求解所建模型，提出了基于改进智能水滴算法的车辆路径优化方案，并进行了程序设计。运用算法实例进行验证，并将算法结果进行对比分析，表明改进的算法收敛性更好，能求出问题的最优解。　　关键词：电子商务；时间窗；物流配送；车辆路径问题；智能水滴算法　　

2、DOIDOI：/　　中图分类号：TP312　　文献标识码：A文章编号文章编号：1672--0032-04　　0引言　　电子商务模式受到越来越多的关注。在电子商务环境下，如何合理设计配送路线、提高效率、减少物流成本是急需解决的问题。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　随

3、着信息技术和云计算的发展，形成了新的物流配送模式，学者对其形式及现状进行了探索。郎茂祥[1-3]分别用遗传、模拟退火和禁忌搜索等算法对一般VRP和有时间窗的VRP问题进行求解。何云等[4]以成本最低为目标并加入客户时间满意度构建模型，运用遗传算法求解获得最优配送路径。TCDu等[5]针对电子商务B2C环境下的动态车辆路径问题设计了模型算法求解。侯玉梅等[6]构建了有时间窗的模型并求解。与传统算法相比，智能水滴算法是根据自然界中水滴与所处环境之间相互作用产生河道过程的一种智能算法，最先被HamedShah-Hosseini[7]用于解决旅行商问题，最终收敛得到最优解。随后智能水滴算法用于解决旅行

4、商问题、多维背包问题和灰度阈值问题等[8-10]。马竹根[11]介绍了IWD的产生原因，阐述了多种领域应用并进行总结。ImanKamkar等[12]运用智能水滴算法求解一般车辆问题。徐佳敏等[13]将智能水滴算法运用到求解应急物流问题中并得到优化结果。周虹[14]和李珍萍[15]针对有时间窗问题运用智能水滴算法求解。　　本文研究了电子商务环境下的VRP问题，基于改进智能水滴算法建立总成本最小模型，利用该算法求解最优路线，并结合算例进行了验证与分析。　　1配送路径问题描述及模型为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，

5、对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　电子商务环境下的带时间窗车辆路径优化问题可描述为：从一个配送中心出发为多个顾客进行服务，且车辆在配送任务结束后需返回出发点。假设配送车辆的型号一致并且最大承载量一定，顾客所需求的数量以及配送中心和顾客位置已知，并且顾客对于服务时间有限制。因此，本文就是在满足一系列约束条件下，设计合理的配送路线的目标优化问题。　　令G=为客户点和配送中心及客户之间连线

6、所组成的无向路线图，N表示需要配送的客户集合，其中N={1，2，…，n}，0表示配送中心，S表示连线所组成的边集合，K表示配送中心车辆总数，ri表示顾客需求量，ωk表示车辆的最大承载量，Fk表示运输车辆的固定成本，cij表示车辆k在顾客i与j之间的运输成本，dij表示顾客与顾客之间及配送中心与顾客之间的距离，Tij表示车辆从顾客i到j的行驶时�g，Tik表示车辆k到达顾客i的时间，ti表示为顾客i开始服务的时间，m1为提前到达等待的惩罚系数，m2为延迟到达的惩罚系数；vk表示车辆的平均行驶速度，[ATi，BTi]表示顾客i所期望的服务时间，[ETi，LTi]表示顾客i可接受的服务时间yki=1

7、车辆k对顾客i服务；i，j=1，2，…，n；0否则；k=1，2，…k；　　基于以上描述及假设，针对时间约束条件，增加惩罚函数，建立总成本最小的目标优化模型如下：minZ1=∑Kk=1∑Ni=1∑Nj=1cijdijxkij+∑Kk=1∑Nj=1Fkxk0j+m1∑Ni=1max+m2∑Ni=1maxti-BTi，　　∑Ni=1riyki≤ωk　　∑Ni=1∑Nj=1dijxkij≤D　　∑Kk=1