考虑临时配送的动态车辆路径规划研究.docx

考虑临时配送的动态车辆路径规划研究

摘要：文章研究了客户请求的配送车辆呈动态化的车辆路径规划问题，在该问题中，客户请求的动态化可能在配送计划制定时已知，也可能在任一配送时间节点更新；配送车辆的动态化体现在管理配送的公司配备固定的车队进行配送，也有临时的司机通过接单形式提供服务，且临时配送与对应时间窗相关联。文章的研究目的是确定分配成本最小化的分配计划，分配成本由常规车辆成本、支付给接单司机补偿款项和罚款成本共同构成。该问题研究基于大邻域搜索算法和遗传算法设计优化算子，探索处理动态请求并实时调整路径规划的分配计划。通过计算研究与灵敏度分析评估算法性能，确定其解决动态问题的可行性与优势。

关键词：动态车辆路径规划；大邻域搜索算法；遗传算法；优化算法

電子商务在过去几年经历了指数级增长，对多个行业而言，无疑是一个巨大的商机，但其对管理与满足客户订单相关的运营方面也提出了巨大挑战[1]，尤其聚焦供应链的最后一站。电商的爆发式增长让“最后一公里”交付成为焦点。事实上，客户对送货速度的要求越来越高。一方面，提供“当天送达”或“次日送达”等的服务是增加收入和获取客户忠诚度的绝佳机会[2]。另一方面，送货速度加快意味着减少合并机会和缩短交付计划时间。而在这一过程中，主要风险表现在提供质量差的服务或产生高昂的交付成本。基于此，为“最后一公里”交付寻找创新和高效的解决方案成为了所有电子市场参与者成功的关键手段。亚马逊公司便是该领域的领先创新者之一。它推出的“amazonFlex”，使私人司机可以为亚马逊运送包裹并获得服务补偿。司机提交可用时间和实时位置，亚马逊要求他们必须从亚马逊配送中心取货并交付给最终客户。该服务于2015年在美国开始运营，目前已覆盖100多个城市。

针对物流行业存在的相关问题，王缉宪[3]的研究以多层次的社会技术转型理论为基础，建立了促进“最后一公里”城市物流转型的概念框架，确定了该配送形式在改善电子商务时代“最后一公里”配送方面的巨大潜力；韩慧瑜等[4]提出了使用众包工人的“最后一公里”交付选择模型，用于优化成本、时间和工人表现间的权衡。但其更多侧重于从定价策略上进行规划，而没有将其与司机路线联系起来；周林等[5]研究了在旅行时间随时间变化的情况下，使用众包车辆顺路捎带进行城市包裹在线众包配送的问题，侧重于从司机个人角度进行协同配送规划；赵建有等[6]引入了在线众包卡车交付（OCTD）问题，并将其重新表述为“在线双点超匹配”的问题。虽然其从企业的角度进行了算法模拟，但缺少容量、时间窗及解决相关问题路径的研究。可见，现有研究对于众包与传统配送相结合的物流系统的相关研究较少，尤其在涵盖多种现实因素的算法研究较为空缺。因此，本文以此为研究切入点展开了研究探讨。

本文从薛桂琴等[7]的两阶段动态车辆调度问题出发，创新引入了临时车辆的規划算法。在徐倩等[8]研究的配送车辆路径规划问题的基础上，探究了一项配送服务方式，即公司需要将包裹送到城市地区的客户手中。该公司配备有一支能力较高的“正式司机”（即由公司雇用并在配送服务中全职工作的司机）车队，该车队在夏小云等[9]研究的带容量限制的车队问题的基础上增加了使用“临时车辆”提供服务，该临时车队由可在特定时间窗口内进行配送服务的临时工作人员构成。在临时车辆执行完一次送货任务时，就会得到相应的报酬。此外，如果一个临时车辆不得不消耗比其自行规定时间更长的时间来交付指定的包裹，则会收到额外的补偿。当开始配送包裹后，出现的新请求将会被作为临时的顾客需求点。因此，公司需要不断调整配送计划以处理新的订单。客户订单与特定时间窗口相关联，便成为该客户选择接收包裹的首选时间。任何违反这个时间窗口的行为都会产生惩罚性费用。如果公司不能为在线客户订单提供服务，且不安排交货，则会被认为订单配送可能会被推迟到后一天。这便会产生罚款成本。而公司的目标是实现总配送成本的最小化。该成本由常规的司机成本、对临时车辆的补偿款项以及对客户延迟或推迟交货的惩罚款项共同构成。基于此，我们将研究临时配送的动态车辆路径规划问题。本研究假设没有关于临时客户的信息，且这种设定与最近在某一地区开始的相关服务情况是一致的。因此，本文不存在关于请求出现的可靠信息。

1??动态VRP模型

动态VRP作为一种企业实际问题，从公司设计的角度来看，公司必须将货物交付给一组地理上分散的客户。客户的需求可能在配送计划实施前提前获知，也可能在配送过程中在线获得。公司拥有一支固定的常规车辆车队，用于向客户提供配送服务，同时，也配备有临时车辆可用于灵活执行服务。具体而言，每个临时车辆可自行设计服务的时间窗口，且其获得的收益与行进距离成正比。此外，如果未满足客户时间窗口或服务时间超过预先设计的时间窗口，系统将自动生成相应的惩罚。此外，如果因司机原因未能满足客