一种带移动配送站的城市两级配送及调度方法与流程
本发明属于物流调度领域，尤其涉及一种带移动配送站的城市两级配送及调度方法。
背景技术：
城市配送的主要目的是在考虑交通拥挤、安全及环境因素的前提下，以高效的方式在城市里运送货物。随着城市人口的急剧增加、城市化进程的加快以及顾客对配送时效的要求不断提高，城市配送面临着巨大的挑战。(savelsberghm,woenseltv.citylogistics:challengesandopportunities[j].transportationscience,vol.50,no.2,may2016,pp.579–590)目前，两级配送模式是城市配送最常用的配送方式，比如，京东、菜鸟等。两级配送在不同级采用不同类型的运输车辆，包裹从位于郊区的配送中心由货车运送到城市里的配送站，在配送站由三轮车运送到末端顾客。
两级配送的优势是可以在不同的级使用不同类型的车辆来协同完成配送，这样可以有效解决城市交通限制和环境污染的问题。其次，两级配送模式有很强的扩展性，可以和很多创新的概念结合，比如，无人机、无人驾驶车辆及智能柜等。但是，现有的两级配送存在以下不足：
第一，一般都是固定配送站模式，也就是配送站的位置是固定的。而每一天顾客的需求是变化的，这就导致了由固定配送站所产生的配送路线不是最优的。同时，大都市租金昂贵，固定的配送站会产生租金成本，也增加了城市配送的整体成本(cudar,guastarobag,speranzamg.asurveyontwo-echelonroutingproblems[j].computers&operationsresearch,2015,55:185-199.)。
第二，虽然移动仓库的概念在2014年已提出(s.verlinde,c.macharis,l.milan,andb.kin,“doesamobiledepotmakeurbandeliveriesfaster,moresustainableandmoreeconomicallyviable:resultsofapilottestinbrussels,”transp.res.procedia,vol.4,pp.361–373,2014.)，为解决城市道路狭窄以及复杂的城市交通状况，采用了一种专门的运输设施配备了仓库、移动平台及小型办公室作为移动仓库，该设施早上从配送中心出发开往城市中心，晚上开回配送中心。tnt公司在布鲁塞尔进行了三个月的项目试点，结果显示对减少城市交通拥挤和污染排放有明显的效果，但是成本的投入相对来说比较高，也需要一定的空间来放置该运输设备(d.merchanande.e.blanco,“thenearfutureofmegacitylogistics,”megacitylogisticslab,mitcenterfortransportation&logistics,september2015)。
因此，受移动仓库概念的启发，同时结合目前许多城市出现了街边转运的现象(lih,liuy,chenk,etal.thetwo-echeloncitylogisticssystemwithon-streetsatellites[j].computers&industrialengineering,2018.)，提出带移动配送站的两级城市配送模式。将货车作为移动配送站，移动配送站的位置根据每天顾客需求动态确定，确保每天的配送路径都是最优的。针对此模式构建多目标数学模型并设计了基于聚类的变邻域搜索算法优化调度路径，同时设计了货车直接配送策略进一步的提高效率降低成本。
技术实现要素：
本发明的目的在于提高城市配送效率。已有的配送站位置都是固定的，而城市顾客的需求每天都在变化，并且城市中心租金昂贵，导致配送路线不是每天最优且成本昂贵。带移动配送站的城市两级配送模式，将货车作为移动配送站，移动配送站的位置根据每天顾客的需求动态变化，使得每天的配送路径都是最优。针对该配送模式，构建了多目标的数学模型并设计了基于聚类的变邻域搜索调度算法，聚类算法用来确定移动配送站的位置，变邻域搜索优化配送路径，采用非支配排序遗传算法iii中的选择策略来选择多目标精英解。同时在算法中还设计了货车直接配送策略进一步提高效率降低成本。
本发明的目的至少通过如下技术方案之一实现。
一种带移动配送站的城市两级配送模式及调度方法，包括以下步骤：
s1、构建多目标带移动配送站两级城市配送数学模型；
s2、设计基于聚类的变邻域搜索调度算法来求解多目标带移动配送站两级城市配送数学模型，聚类算法用来确定移动配送站的位置，变邻域搜索优化配送路径；采用非支配排序遗传算法iii中的选择策略来选择多目标精英解。
进一步地，步骤s1中，带移动配送站两级城市配送数学模型(2ecd-ms)考虑一个配送中心(dc)v0，若干移动配送站vs，和若干的顾客vc的配送问题；所述顾客分为两类：货车直接配送的顾客vc0和移动配送站配送的顾客vcm，m∈vs；在两级路径分别采用两种运输车辆k1和k2，k1和k2的装载量分别是q1和q2；数学模型基于以下假设建立：
1)货车额外的充当移动仓库，临时存储货物，可以直接服务顾客；顾客分为两类：货车直接配送顾客和移动配送站配送顾客；
2)主要考虑的配送货物是小型快递包裹；路径优化包括第一级路径和第二级路径。规划的周期是一天；
3)由于智能柜的广泛使用，不考虑顾客时间窗约束；每个顾客只能被分配到一个移动配送站且分包配送是不允许的；
4)配送中心的位置、顾客的需求和位置是提前已知的；移动配送站没有存储空间，也没有开放成本；每个移动配送站有一定的服务范围和分配好的服务顾客；
5)配送中心有若干相同类型的货车，移动配送站有若干相同类型的三轮车；在第一级路径中，一个移动配送站可以被多个货车访问多次；一个顾客只能被一辆车访问一次；车辆不是瓶颈资源，每条路径都是闭环。
进一步地，带移动配送站两级城市配送数学模型定义为一个有向完全图g＝(c,a)，其中，第一级路径定义为g1＝(v1,a1)，c1＝v0∪vc0∪vs，a1＝{(0,i)|i∈vs∪vc0}∪{(i,j)|i,j∈vs∪vc0}∪{(i,0)|i∈vs∪vc0}；第二级路径定义为g2＝(v2,a2)且a2＝{(i,j)|i∈vs,j∈vcm}∪{(i,j)|i,j∈vcm}∪{(i,j)|i∈vcm,j∈vs}，对任意边(i,j)∈a＝a1∪a2都有一个行驶代价dij；带移动配送站两级城市配送数学模型的决策变量如下：
其中，k1表示第一级可用货车集合，
进一步地，以影响成本的5个因素为优化目标，多目标带移动配送站两级城市配送数学模型的优化目标及其相应的约束如下：
最小化第一级货车行驶距离：
最小化第二级三轮车行驶距离：
最小化移动配送站数量：minf3＝|vs|；
最小化第二级三轮车使用数量：
最小化第一级货车使用数量：
其中，约束条件(1)确保第一层顾客只被一辆货车服务。约束条件(2)确保顾客需求被可用的货车装载。约束条件(3)是对货车载重量的约束。约束条件(4)、(5)和(6)用来确保第一层路径中各节点度的平衡。约束条件(7)确保每个移动配送站服务的顾客只被一辆三轮车访问一次。约束条件(8)是对三轮车载重量的约束。约束条件(9)确保第二层路径中移动配送站的度的平衡。约束条件(10)是对第二层配送顾客点度平衡的约束。
进一步地，步骤s2中，求解多目标带移动配送站两级城市配送数学模型，主要包括确定移动配送站的位置及给配送站分配待服务顾客，规划配送路径以及选择有代表性的精英解；因此，所述基于聚类的变邻域搜索调度算法包括三个部分：顾客聚类、路径优化及精英解选择；具体步骤如下：
s2.1、设置聚类数目l＝1；
s2.2、采用k-means聚类算法对每天的顾客需求进行聚类，得到聚类核心和每一类的索引，分别表示移动配送站的位置以及为配送站分配的待服务顾客；
s2.3、采用改进的变邻域搜索算法对带移动配送站两级城市配送模型进行路径优化；
s2.4、聚类数目l+1，判断聚类数目是否超过阈值，若是，则跳至步骤s2.5，否则跳至步骤s2.2；
s2.5、利用基于非支配排序遗传算法iii中的选择策略选择精英解。
进一步地，步骤s2.2中，顾客聚类的目的是对顾客进行分组，使得组间的相似性低而组内的相似性高；顾客间的相似性采用欧式距离来度量，相似性高指距离近，相似性低则距离远；具体步骤如下：
s2.2.1、在地理范围内随机选择移动配送站的位置；
s2.2.2、计算每个顾客与移动配送站之间的相似性即欧式距离，将顾客分配给距离最近的移动配送站；
s2.2.3、更新移动配送站的位置，将顾客到移动配送站的平均距离点作为新的位置；
s2.2.4、重复s2.2.1～s2.2.3，直到移动配送站的位置不再改变，最终确定移动配送站的位置及分配给该移动配送站的顾客。
进一步地，步骤s2.3中，变邻域搜索算法包括扰动和局部搜索两部分，都是通过不同的邻域算子来完成；设计5种邻域算子，分别是：relocate、2-opt、crossexchange、shortestremoval和worstremoval；各邻域算子的具体描述如下：
n1(relocate):从一条路径中随机选择一个顾客删除，将其插入到其他路径的最优位置；
n2(2-opt):从一条路径中随机选择两条边，将两边之间的顾客访问顺序反转；
n3(crossexchange):从两条路径中各选一段路径进行交换；
n4(shortestremoval):选择顾客数量最少的路径进行删除，将该路径上的顾客点重新插入其他路径；
n5(worstremoval):删除评价最差的路径，最差的定义为行驶距离与总需求的比值，再将这条路径上的顾客点分别重新插入其他路径中的最优位置；
所述扰动过程是从上述5种算子中随机选择一种，作用于初始解；然后对扰动后的初始解进行局部搜索，局部搜索过程依次遍历上述5种邻域算子，首先在第一个邻域搜索，当前邻域解无法改进时，切换到下一个邻域，如果解得到改进则回到第一个邻域，如果解没有得到改进则切换到另一个邻域；使得每个邻域的局部最优解更接近全局最优解，以提高解的质量。
进一步地，步骤s2.5包括以下步骤：
s2.5.1、对多目标解进行帕里托分层，根据帕里托等级由低到高将整层解加入最终解集，直到某一层解超出解集的大小；
s2.5.2、根据目标的个数生成结构化的参考点及参考向量，将解与参考向量进行关联，选择参考向量关联解数量最少的解依次加入解集直到精英解集的数量达到设定的上限。
进一步地，步骤s2.5.2中，结构化的参考点的生成是在数轴上取单位长度，按照预先设定的数目将其均分为几等分，等分点就是参考点，由原点与参考点的连线就是参考向量，关联与选择的过程如下：
s2.5.2.1、计算解与每个参考向量的垂直距离，距离最短的解则与该参考向量相关联；
s2.5.2.2、统计每个参考向量关联的解的个数并进行排序；
s2.5.2.3、按关联的解的个数从小到大的顺序，依次选择参考向量所关联的解，直到精英解达到上限。
进一步地，步骤s2中，设计货车直接配送策略(tdd)：第一级的货车行驶路径与一部分顾客相距很近，直接用货车来对部分顾客进行配送，在不显著增加货车行驶距离的前提下，选择直接服务顾客，进一步提高效率降低成本；直接配送顾客的选择策略如下：
设置一个选择范围参数，计算顾客到第一级配送路径的垂直距离，距离小于设定的范围内的顾客采用货车直接配送，并调整第一级配送路径。
与现有技术相比，本发明具有如下的优点与技术效果：
1、本发明提出了带移动配送站的两级城市配送新模式。该模式将货车作为移动配送站，移动配送站的位置根据每天顾客的需求动态变化，使得每天的配送路径都是最优。相比现有配送模式，提高了配送效率同时降低成本。
2、本发明设计了一种基于聚类的变邻域搜索调度算法，聚类算法用来确定移动配送站的位置，变邻域搜索优化配送路径。在变邻域搜索中使用了5中邻域算子系统性的优化路径，并采用了基于非支配排序遗传算法iii中的选择机制选择多目标精英解。同时，采用货车直接配送策略进一步节省成本提高效率。
附图说明
图1为本发明实施例中固定配送站与移动配送站对比示意图。
图2为本发明实施例中基于聚类的变邻域搜索算法整体流程图。
图3为本发明实施例中货车直接配送策略示意图。
图4为本发明实施例中货车直接配送顾客选择方法示意图。
图5为本发明实施例中三目标问题结构化参考点示意图。
具体实施方式
为了使本发明的技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明的具体实施进行进一步的详细说明，但本发明的实施和保护不限于此。
一种带移动配送站的城市两级配送模式及调度方法，包括以下步骤：
s1、构建多目标带移动配送站两级城市配送数学模型；
图1展示了固定配送站与移动配送站在两天的不同配送路线对比的例子，从图可知，移动配送站根据每天顾客分布调整移动配送站的位置，显然比固定配送站模式效率更高。带移动配送站两级城市配送数学模型(2ecd-ms)考虑一个配送中心(dc)v0，若干移动配送站vs，和若干的顾客vc的配送问题；所述顾客分为两类：货车直接配送的顾客vc0和移动配送站配送的顾客vcm，m∈vs；在两级路径分别采用两种运输车辆k1和k2，k1和k2的装载量分别是q1和q2；数学模型基于以下假设建立：
1)货车额外的充当移动仓库，临时存储货物，可以直接服务顾客；顾客分为两类：货车直接配送顾客和移动配送站配送顾客；
2)主要考虑的配送货物是小型快递包裹；路径优化包括第一级路径和第二级路径。规划的周期是一天；
3)由于智能柜的广泛使用，不考虑顾客时间窗约束；每个顾客只能被分配到一个移动配送站且分包配送是不允许的；
4)配送中心的位置、顾客的需求和位置是提前已知的；移动配送站没有存储空间，也没有开放成本；每个移动配送站有一定的服务范围和分配好的服务顾客；
5)配送中心有若干相同类型的货车，移动配送站有若干相同类型的三轮车；在第一级路径中，一个移动配送站可以被多个货车访问多次；一个顾客只能被一辆车访问一次；车辆不是瓶颈资源，每条路径都是闭环。
带移动配送站两级城市配送数学模型定义为一个有向完全图g＝(c,a)，其中，第一级路径定义为g1＝(v1,a1)，v1＝v0∪vc0∪vs，a1＝{(0,i)|i∈vs∪vc0}∪{(i,j)|i,j∈vs∪vc0}∪{(i,0)|i∈vs∪vc0}；第二级路径定义为g2＝(v2,a2)且a2＝{(i,j)|i∈vs,j∈vcm}∪{(i,j)|i,j∈vcm}∪{(i,j)|i∈vcm,j∈vs}，对任意边(i,j)∈a＝a1∪a2都有一个行驶代价dij；带移动配送站两级城市配送数学模型的决策变量如下：
其中，k1表示第一级可用货车集合，
以影响成本的5个因素为优化目标，多目标带移动配送站两级城市配送数学模型的优化目标及其相应的约束如下：
最小化第一级货车行驶距离：
最小化第二级三轮车行驶距离：
最小化移动配送站数量：minf3＝|vs|；
最小化第二级三轮车使用数量：
最小化第一级货车使用数量：
其中，约束条件(1)确保第一层顾客只被一辆货车服务。约束条件(2)确保顾客需求被可用的货车装载。约束条件(3)是对货车载重量的约束。约束条件(4)、(5)和(6)用来确保第一层路径中各节点度的平衡。约束条件(7)确保每个移动配送站服务的顾客只被一辆三轮车访问一次。约束条件(8)是对三轮车载重量的约束。约束条件(9)确保第二层路径中移动配送站的度的平衡。约束条件(10)是对第二层配送顾客点度平衡的约束。
s2、设计基于聚类的变邻域搜索调度算法来求解多目标带移动配送站两级城市配送数学模型；求解多目标带移动配送站两级城市配送数学模型，主要包括确定移动配送站的位置及给配送站分配待服务顾客，规划配送路径以及选择有代表性的精英解；因此，所述基于聚类的变邻域搜索调度算法包括三个部分：顾客聚类、路径优化及精英解选择；如图2所示，调度算法具体步骤如下：
s2.1、设置聚类数目l＝1；
s2.2、采用k-means聚类算法对每天的顾客需求进行聚类，得到聚类核心和每一类的索引，分别表示移动配送站的位置以及为配送站分配的待服务顾客；
顾客聚类的目的是对顾客进行分组，使得组间的相似性低而组内的相似性高；顾客间的相似性采用欧式距离来度量，相似性高指距离近，相似性低则距离远；具体步骤如下：
s2.2.1、在地理范围内随机选择移动配送站的位置；
s2.2.2、计算每个顾客与移动配送站之间的相似性即欧式距离，将顾客分配给距离最近的移动配送站；
s2.2.3、更新移动配送站的位置，将顾客到移动配送站的平均距离点作为新的位置；
s2.2.4、重复s2.2.1～s2.2.3，直到移动配送站的位置不再改变，最终确定移动配送站的位置及分配给该移动配送站的顾客。
s2.3、采用改进的变邻域搜索算法对带移动配送站两级城市配送模型进行路径优化；
变邻域搜索算法包括扰动和局部搜索两部分，都是通过不同的邻域算子来完成；设计5种邻域算子，分别是：relocate、2-opt、crossexchange、shortestremoval和worstremoval；各邻域算子的具体描述如下：
n1(relocate):从一条路径中随机选择一个顾客删除，将其插入到其他路径的最优位置；
n2(2-opt):从一条路径中随机选择两条边，将两边之间的顾客访问顺序反转；
n3(crossexchange):从两条路径中各选一段路径进行交换；
n4(shortestremoval):选择顾客数量最少的路径进行删除，将该路径上的顾客点重新插入其他路径；
n5(worstremoval):删除评价最差的路径，最差的定义为行驶距离与总需求的比值，再将这条路径上的顾客点分别重新插入其他路径中的最优位置；
所述扰动过程是从上述5种算子中随机选择一种，作用于初始解；然后对扰动后的初始解进行局部搜索，局部搜索过程依次遍历上述5种邻域算子，首先在第一个邻域搜索，当前邻域解无法改进时，切换到下一个邻域，如果解得到改进则回到第一个邻域，如果解没有得到改进则切换到另一个邻域；使得每个邻域的局部最优解更接近全局最优解，以提高解的质量。
s2.4、聚类数目l+1，判断聚类数目是否超过阈值，若是，则跳至步骤s2.5，否则跳至步骤s2.2；
s2.5、利用基于非支配排序遗传算法iii中的选择策略选择精英解；包括以下步骤：
s2.5.1、对多目标解进行帕里托分层，根据帕里托等级由低到高将整层解加入最终解集，直到某一层超出解集的大小；
s2.5.2、根据目标的个数生成结构化的参考点及参考向量，将解与参考向量进行关联，选择参考向量关联解数量最少的解依次加入解集直到精英解集的数量达到设定的上限。
以三目标为例，图5是一个三目标问题的结构化参考点的示例图，所有参考点构成的面称为超平面，结构化的参考点的生成是在数轴上取单位长度，按照预先设定的数目将其均分为几等分，等分点就是参考点，参考点与原点的连线称为参考向量，，关联与选择的过程如下：
s2.5.2.1、计算解与每个参考向量的垂直距离，距离最短的解则与该参考向量相关联；
s2.5.2.2、统计每个参考向量关联的解的个数并进行排序；
s2.5.2.3、按关联的解的个数从小到大的顺序，依次选择参考向量所关联的解，直到精英解达到上限。
步骤s2中，设计货车直接配送策略(tdd)：第一级的货车行驶路径与一部分顾客相距很近，直接用货车来对部分顾客进行配送，在不显著增加货车行驶距离的前提下，选择直接服务顾客，进一步提高效率降低成本；
图3展示了原始模型与采用tdd策略后的配送路径举例，图3a是原始配送路线，图3b是采用了tdd策略后的配送路线，黑色实心圆表示tdd直接配送的顾客。从图3可知，第一层货车的行驶距离稍有增加，但是第二层车辆的行驶距离显著减少。tdd顾客的选择方法是通过计算垂直距离，选择小于设定阈值的顾客，如图4所示，直接配送顾客的选择策略如下：
设置一个选择范围参数，计算顾客到第一级配送路径的垂直距离，距离小于设定的范围内的顾客采用货车直接配送，并调整第一级配送路径。
- 还没有人留言评论。精彩留言会获得点赞！