1 引 言
2 问题描述与模型构建
2.1 问题描述
2.2 模型构建
表1 雏鸡配送车辆调度优化模型参数说明表Table 1 Parameter specification table of the optimization model of the chicken distribution vehicle scheduling |
参数 | 定义 |
---|---|
表示参与配送的车辆总数量, | |
表示第 辆车最大可载的雏鸡数量,只 | |
表示第 辆车实际装载的雏鸡数量,只 | |
表示客户总数量,个 | |
表示第 个客户订单的雏鸡需求数量,只, | |
表示第 辆车配送的客户数量,个 | |
表示客户 到客户 之间的距离,km | |
表示配送中心到客户 的距离,km | |
表示第 辆车的路径集合,
| |
表示客户 在第 辆车的路径集合中的顺序 |
3 求解流程与算法设计
3.1 求解流程
3.2 基于聚类算法的订单配送单元划分
3.3 配送路径优化算法设计
4 算例验证与分析
4.1 数据与参数初始化
4.2 结果比较与分析
表2 订单未进行聚类和进行聚类的两种配送排线模型的对比结果Table 2 Comparison results of distribution vehicle scheduling optimal model without order clustering algorithm and with order clustering algorithm |
编号 | 订单数 | 配送总里程/km | 里程下降/% | |
---|---|---|---|---|
未聚类的调度优化 | 聚类后调度优化 | |||
均值 | 26.77 | 40,012.71 | 12,065.25 | 69.84 |
1 | 25 | 14,357.24 | 7870.43 | 45.18 |
2 | 25 | 89,620.55 | 17,991.63 | 79.92 |
3 | 25 | 46,060.12 | 12,292.41 | 73.31 |
4 | 25 | 49,528.33 | 13,103.08 | 73.54 |
5 | 25 | 31,910.77 | 11,412.31 | 64.24 |
6 | 25 | 46,543.57 | 22,146.43 | 52.43 |
7 | 25 | 30,845.42 | 14,960.61 | 51.50 |
8 | 25 | 40,745.56 | 15,121.34 | 62.89 |
9 | 25 | 31,560.11 | 10,443.16 | 66.91 |
10 | 29 | 31,550.06 | 10,939.32 | 65.33 |
11 | 28 | 40,582.79 | 9983.61 | 75.40 |
12 | 27 | 34,148.18 | 14,052.96 | 58.85 |
13 | 29 | 23,263.46 | 12,326.16 | 47.01 |
14 | 28 | 18,005.59 | 11,056.26 | 38.60 |
15 | 26 | 22,420.93 | 9851.59 | 56.06 |
16 | 27 | 9582.22 | 7073.87 | 26.18 |
17 | 37 | 119,803.46 | 22,140.61 | 81.52 |
18 | 33 | 71,705.96 | 13,236.93 | 81.54 |
19 | 30 | 46,370.98 | 13,648.17 | 70.57 |
20 | 30 | 8211.26 | 7924.14 | 3.50 |
21 | 30 | 22,935.24 | 8244.37 | 64.05 |
22 | 30 | 12,505.73 | 9889.75 | 20.92 |
23 | 25 | 23,823.09 | 9720.49 | 59.20 |
24 | 28 | 76,706.99 | 16,339.00 | 78.70 |
25 | 20 | 9579.36 | 6732.31 | 29.72 |
26 | 24 | 44,905.16 | 9973.75 | 77.79 |
27 | 20 | 16,569.03 | 6969.47 | 57.94 |
28 | 29 | 117,780.64 | 17,364.96 | 85.26 |
29 | 23 | 19,002.08 | 7417.75 | 60.96 |
30 | 25 | 49,757.51 | 11,730.75 | 76.42 |