一种电子商务物流配送问题求解方法、系统和存储介质

本发明属于智慧物流，具体涉及一种电子商务物流配送问题求解方法、系统和存储介质。

背景技术：

1、电子商务的蓬勃发展对物流配送提出了更高的要求，这种发展主要得益于互联网的普及和电子商务平台的不断创新。然而，物流配送系统作为电子商务的支撑，面临着日益严峻的挑战。尤其是在“双十一”、黑色星期五等购物节期间，物流配送的高峰需求给仓储和运输系统带来了巨大的压力。在高峰需求时期，物流配送的压力倍增，传统的物流配送方法往往无法应对这种突发性的巨大需求。为了应对这些挑战，物流配送系统需要在高峰需求期实现高效的资源管理和路径优化。

2、电子商务物流配送问题（eldp）而言，其涉及两级运输操作。首先，一组大容量车辆将货物从中央仓库运送到各个中转站；随后，一组小容量车辆将货物从这些中转站运送到城市区域的终端客户。eldp的目标是在确保满足客户需求的同时，优化车辆的路径和装载策略，以最小化总行驶距离或时间，并满足车辆容量和同步约束。对于eldp，传统模型大多忽略了前置仓库的实时存储容量限制，且未充分考虑车辆速度的时间依赖性和同时取送货等问题。对于前置仓库，它能有效缓解中央仓库的压力，但其空间有限，需要高效的调度和路径规划。车辆速度的时间依赖性是指城市交通条件在不同时间段变化显著，物流车辆的行驶速度具有时间依赖性。而同时配送与取件的需求是指在高峰需求时期，调度的复杂性增加，物流车辆不仅要进行配送，还要进行取件。

3、自适应变邻域搜索算法（adaptive variable neighborhood search, avns）是一种启发式搜索算法，能够用于解决多目标优化问题，它通过在不同大小的邻域之间切换来探索解空间，以达到全局优化的目的。avns算法的核心思想是动态调整搜索邻域的大小，以平衡搜索的广度和深度。在算法的执行过程中，会根据当前解的质量以及搜索历史来自适应地选择不同的邻域结构，从而避免陷入局部最佳解，并提高算法的搜索效率。avns算法目前已被应用于处理动态车辆路径问题（dynamic vehicle routing problem, dvrp）等，表现出了良好的适应性和灵活性。

4、然而，将avns算法用于解决具体的问题时，多目标优化策略和实现细节的设计是一个重要的问题，只有合理地设计多目标优化策略和实现细节才能够取得良好的优化结果和处理性能。然而，目前对于将avns算法应用于eldp问题的求解，尚缺乏相关研究，现有技术未能提供恰当的eldp问题多目标优化策略和实现细节。

技术实现思路

1、针对现有技术的问题，本发明提供一种电子商务物流配送问题求解方法、系统和存储介质。

2、一种电子商务物流配送问题求解方法，包括如下步骤：

3、构建电子商务物流配送问题的初始解；

4、从一个初始解开始，应用邻域算子以生成新解；

5、根据模拟退火准则，确定新解是否被接受；

6、重复所述生成新解和确定新解是否被接受的过程；

7、其中，所述初始解或新解包括列表 r={ r a， r b， r c}，所述 r a是中央仓库到中转站的配送路线，所述 r b是中转站到终端客户的取货和配送路线，所述 r c是中转站到中央仓库的取货路线。

8、优选的，所述初始解通过启发式贪心算法构建；

9、和/或，所述初始解依据实时订单情况和实时交通情况构建。

10、优选的，所述邻域算子选自交换算子或重新定位算子；

11、或，所述邻域算子选自如下算子中的至少一种：

12、1）采用邻域算子对 r a或 r c进行处理，在两条不同路线中交换两个中转站；

13、2）采用重新定位算子对 r a或 r c进行处理，移除一个中转站并将其插入到另一条路线中；

14、3）采用邻域算子对 r b进行处理，在两条不同路线中交换两个终端客户；

15、4）采用重新定位算子对 r b进行处理，移除一个终端客户并将其插入到另一条路线中。

16、优选的，邻域算子被选择的概率为权重乘以预设的初始概率值，

17、所述权重通过如下公式进行更新：

18、

19、其中， ω j表示第 j个邻域算子的权重， j表示邻域算子， ω j0表示更新前的权重， r’是反应因子， ρ j是邻域算子 j的性能评分， n j是邻域算子 j在生成新解过程中应用的次数。

20、优选的，所述确定新解是否被接受的过程中，成本函数f(sol)的定义为：

21、f(sol)= t(sol) +α×loadviol(sol) +β× twviol(sol) +γ×capacityviol(sol)

22、其中，t(sol)表示车辆路线的总行驶时间，loadviol(sol)为 r a、 r b和 r c三个阶段车辆荷载违规总次数，twviol(sol)为终端客户时间窗口违规总次数，capacityviol(sol)为中转站的货物量超过了其最大容量 maxs的程度，α、β和γ是惩罚参数。

23、优选的，所述loadviol(sol)、twviol(sol)和capacityviol(sol)的计算公式如下：

24、

25、其中，符号+的含义是 x+= max(0， x)， load r表示路线r的车辆荷载， load seg表示路线r中一段的车辆荷载，所述路线r为 r a、 r b或 r c， q1为第一阶段车辆的最大承载能力， q2为第二阶段车辆的最大承载能力， lt i为客户 i的时间窗口上限， at i为车辆到达客户 i的实际时间， vc为客户集合， occupiedcapacity( t g， s)是在时间间隔 t g内占用中转站运力的货物量， s为中转站， maxs为中转站的最大容量， vs为中转站集合， t为时间集合。

26、优选的，所述惩罚参数在搜索域 [ l, k] 内动态调整，调整方法为：

27、当新解违反约束条件时，将对应的惩罚参数乘以惩罚因子σ以进行更新；

28、当新解被接受时，将对应的惩罚参数除以惩罚因子σ以进行更新。

29、优选的，所述确定新解是否被接受的过程包括：确定新解是否被接受为全局最佳解和/或局部最佳解。

30、本发明还提供一种用于实现上述电子商务物流配送问题求解方法的系统，包括：

31、初始解构建模块，被配置为，构建电子商务物流配送问题的初始解；

32、邻域搜索模块，被配置为，从一个初始解开始，应用邻域算子以生成新解；

33、新解判定模块，被配置为，根据模拟退火准则，确定新解是否被接受；

34、其中，所述初始解或新解包括列表 r={ r a， r b， r c}，所述 r a是中央仓库到中转站的配送路线，所述 r b是中转站到终端客户的取货和配送路线，所述是 r c中转站到中央仓库的取货路线。

35、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行上述电子商务物流配送问题求解方法，或，在所述计算机程序被处理器运行时控制所述存储介质所在设备运行上述系统。

36、采用本发明的技术方案，能够实现如下有益的技术效果：

37、1、本发明设计的avns算法性能优异：

38、本发明首次将avns算法应用于解决电子商务物流配送问题，针对该问题针对性地设计了多目标优化的策略和实现细节，使得其在优化配送路径方面表现出色。具体的，根据实验结果，本发明的avns算法在不同客户数量的情况下，均能显著降低成本函数。例如，在25个客户的实例中，本发明的avns算法相比贪心算法在成本函数上降低了12.54%至22.87%，这凸显出本发明的avns算法在较小规模内跨不同场景找到更优化解决方案的能力。在50个客户的实例中，本发明的avns 算法继续展现出卓越的性能，其成本函数降低了10.26%至14.75%。这表明随着实例大小的增加，本发明的avns 算法在保持有竞争力的解决方案质量方面具有鲁棒性，其在更大场景中的可扩展性和有效性。在具有75个和100个客户的较大实例中，本发明的avns算法始终优于贪心算法，成本函数分别降低了11.37%到14.87% 和9.57% 到13.29%。这有力说明本发明能够有效处理复杂的路由问题，同时始终提供比贪婪方法更高质量的解决方案。这种适应能力使得本发明能够处理电商物流配送中的各种复杂情境，包括不同的客户数量、时间依赖性速度以及实时可用的中转站容量等。

39、2. 提升客户满意度：

40、通过本发明的算法，能够优化电子商务物流的配送路径和提高配送效率，显著缩短配送时间，从而提高客户满意度。尤其在电商高峰期，快速准确的配送服务是提升客户体验的关键因素。本发明能够有效应对高峰期的大量订单需求，保证及时送达，能够很好地提升客户的满意度和忠诚度。

41、3. 降低运营成本：

42、优化配送路径不仅能缩短配送时间，还能减少物流车辆的燃油消耗和人工成本。本发明能够显著降低成本函数，这意味着更优的路径选择和更低的运输成本。这种成本的降低对于电商物流企业来说，具有重要的经济意义，能够提升整体运营效率和利润率。

43、4. 绿色低碳：

44、本发明通过优化配送路径，减少车辆行驶里程和燃油\电力消耗，降低二氧化碳排放和其他有害气体的排放，具有显著的环保效益。

45、5. 高效的实时调度

46、本发明支持实时调度功能，能够根据实时订单和交通情况，动态调整配送路径。这一特点使得本发明的avns算法在应对突发事件和意外情况时，具有较强的灵活性和应变能力。例如，实时可用的中转站容量信息能够帮助算法动态调整车辆路线，确保配送效率最大化。

47、显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。

48、以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。

技术特征：

1.一种电子商务物流配送问题求解方法，其特征在于，包括如下步骤：

2.按照权利要求1所述的电子商务物流配送问题求解方法，其特征在于：所述初始解通过启发式贪心算法构建；

3.按照权利要求1所述的电子商务物流配送问题求解方法，其特征在于：所述邻域算子选自交换算子或重新定位算子；

4.按照权利要求1或3所述的电子商务物流配送问题求解方法，其特征在于：邻域算子被选择的概率为权重乘以预设的初始概率值，

5.按照权利要求1所述的电子商务物流配送问题求解方法，其特征在于：所述确定新解是否被接受的过程中，成本函数f(sol)的定义为：

6.按照权利要求5所述的电子商务物流配送问题求解方法，其特征在于：所述loadviol(sol)、twviol(sol)和capacityviol(sol)的计算公式如下：

7.按照权利要求5所述的电子商务物流配送问题求解方法，其特征在于：所述惩罚参数在搜索域 [l, k] 内动态调整，调整方法为：

8.按照权利要求1所述的电子商务物流配送问题求解方法，其特征在于：所述确定新解是否被接受的过程包括：确定新解是否被接受为全局最佳解和/或局部最佳解。

9.一种用于实现权利要求1-8任一项所述电子商务物流配送问题求解方法的系统，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1-8任一项所述电子商务物流配送问题求解方法，或，在所述计算机程序被处理器运行时控制所述存储介质所在设备运行权利要求9所述系统。

技术总结
本发明属于智慧物流技术领域，具体涉及一种电子商务物流配送问题求解方法、系统和存储介质。本发明首次实现了将AVNS算法应用于解决电子商务物流配送问题，针对该问题针对性地设计了多目标优化的策略和实现细节，由此提供了对电子商务物流配送问题求解的方法和系统。本发明构建的方法和系统具有问题求解质量高、能够根据订单和交通的实时信息进行动态调整、鲁棒性好、对不同规模数据适用性好等优点，具有很好的应用前景。

技术研发人员：魏蕖,尹永畅,王圣寒,林诺晞,杨禹泽,李康
受保护的技术使用者：四川大学华西医院
技术研发日：
技术公布日：2024/12/5