跨境电商越南 COD 物流快递小包 海外仓一件代发

 研究背景

物流是为了满足消费者需要而进行的从供应地到接收地的原材料、中间产品、终产品及相关信息的有效流动和储存计划、实施和控制的管理过程。其功能是通过运输、仓储、装卸搬运、包装、流通加工、配送、信息处理等活动过程**结合起来实现的。其中配送对于物流的运行和发展有着深刻的社会根源和历史背景。在市场经济体系中，物流配送犹如人体的血管，把国民经济各个部分紧密地联系在一起。物流配送是物流的基本功能，作为直接面向终客户提供的物流服务，在满足现代化的物流需求方面发挥着较其重要的作用。如果没有配送就会影响物流的经济效益和社会效益，可以说物流成果主要是通过配送来实现的。着名管理大师彼得德鲁克说“美国人花费的每美元中，大概有美分是花在产品制成以后的活动上，即在产品己经完工的以后……从经济学角度看，配送是将事物的物质特性转换成经济价值的过程，它为产品带来了客户。”由可见配送活动及配送管理的重要性。物流配送一般处于物流末，是直接面向用户提供服务的环节，它具有提高物流经济效益，优化、完善物流系统，改善物流服务，降低物流成本等功能，在物流系统中占有重要的地位。随着市场经济的繁荣，企业业务规模日益扩大，物流配送作为现在现代企业一个重要环节，其效率高低直接影响企业的服务质量、配送成本，而配送路径优是物流配送的核心问题，因此物流配送路径优化问题是成为当前物流研究中的一个重要课题,所以它是一项特殊的、综合性的物流运动，其主要包括集货作业、配货作业、车载货物的配装、配送线路的确定[1]。配送实际上是一个局部物流，是大物流在小范围内的运作，配送是物流系统的终端。是否具备及时的配送时间影响服务水平的高低，这需要对车辆配送路径的合理优化和配送时间的掌控。

现代物流己成为世界经济发展的研究重点，我国**也对物业的发展和监管非常重视。但是目前，由于我国的物业起步晚，尚存在着许多问题。如何改变这种局面，使物流行业健康稳步发展，是国民生产力发展急需解决的难题，当前主要可从提高物流配送服务质量入手。在现代物流系统中，配送是一个重要环节，而在配送业务中，能否将货物及时送交收货人手中是物流系统优化的关，配送的质量好坏决定服务水平的高低，同时影响到客户对整个物流服务的满意程度。然而物流车辆在配送过程中，会涉及到车辆路

径优化问题。由此说明，物流车辆路径优化问题是物流运作管理面临的重点问题，在交通和物流规划中具有举足轻重的地位。

武汉帝峰模具是一家集设计、生产、销售、配送于一体的经营五金模具和塑胶模具的有限责任公司。作为一家以生产为主的企业，其在配送运输方面存在一定的不足之处，配送工作效率较低，配送成本较高。从车辆路径优化方面考虑配送优化，对运输路线进行合理规划，寻找一条符合实际情况的优化路径，这样才能从实际上节省配送费用，缓解交通的压力，使配送工作顺利进行，从而节省配送过程中运输费用耗费，而且使配送服务水平提高，并提高用户的满意度，以致提高工作效率，减少运营成本。

1.2国内外研究现状

1.2.1 国外研究现状

很多国外学者对仓储货位优化的问题进行了研究，比如以下几位：Clarke 和Wright（1964）对Dantzig 和Ramser 提出VRP?问题模型的求解算法进行了改进，提出了更为有效的启发式算法Clarke-Wright节约法，后来该算法成功的用于求解车辆路径优化问题[2]；Miller&Gillet(1974)提出扫描法(SweepMethod),目的在于求解车辆调度问题,并针对当时几个求解相似问题的算法进行比较,证明该算法所求得的解较优于其它的方法[3]；wialldr(1989)首先将禁忌搜寻法应用于车辆路线问题上,设计重复的虚拟物流中心,将车辆路线问题转换

成旅行商问题(TSP),利用2-opt或3-opt方法求解车辆路线；Dorigo，Maniezzo和Colorni（1991）等意大利人将蚁群算法用于求解旅行商问题，并取得了很好的效果，后来Dorigo 在基本蚁群系统的模型的基础上又提出蚂蚁群系统(Ant?Colony System，ACS)模型，该模型改进了蚂蚁系统模型的信息素更新方法和路径选择方式，并使用了一种随机选择和优选择混合的路径选择方式，而信息素更新采用全局更新和局部更新的方式，提高了算法的全局收敛能力，相比于蚂蚁系统模型的性能有较大的提高，收敛速度明显加快。后来很多学者对基本的蚁群算法进行改进，求解不同的

问题模型；

Gendreau,HertZandL即orte(1994)使用插入法求解旅行商问题,再用贪婪法(GreedyMethod)进行路线切割,从而产生初始解；Kennedy和Eberhart（1995）等美国博士，提出了粒子群算法，Eberhart博士等人对基本粒子群算法进行了改进，该算法被成功的用于求解物流路径规划问题；被用来求解小规模数据网点的物流路径规划问题，这是一类精确式算法，在求解小规模网点的物流路径规划问题具有计算速度快、求解精确的特点[4]；

Babraroosglu&Ogzur(1999)利用禁忌搜寻法为土耳其某物流公司构建一套决定货车配送点顺序的方法DETABA,以二种乱数选取节点的方法产生初始解,找到其中佳的解作为初始解,再以插入法(InsertinoProcdeuer)作为搜寻邻近解的移步方法,后以2一opt改善方法找到优解的值；su&chen(1999)成功地将自组织影射网络应用在车辆配送区域及路线规划问题的求解上,其算法的主要概念是利用类神经网络快速运算、自我组织与平行处理的特性,配合M个一维环状网络拓扑来表现车辆路线配

送问题；

T. Ralphs（2003）等美国利哈伊大学的研究者对CVRP问题模型进行了研究，CVRP是相对VRP问题提出的，表示参与配送任务的每一辆车都有自身的约束条件，如载重量、大行驶里程等等，在满足这些约束条件的前提下，完成所有网点订单任务的配送，目标是总成本少的路径规划问题，后来有很多研究者在CVRP问题模型的基础上提出了带有时间窗约束的CVRP 问题模型，本文的研究的物流路径规划问题带有多个时间窗约束。在这些论文相继发表之后,由于该问题无论在理论上还是应用上都具有代表性,它是典型的物流配送优化问题，引起更多学者对许多相关学科的研究,导致该问题变成运筹学研究的焦点。

1.2.2 国内研究现状

通过查阅相关文献资料了解到目前国内学者在企业的物流路径优化问题的研究起步较晚，有些学者在研究这方面课题时也提出过一些有建设性的思路[6]：杨宝石（2013）把城市快递配送路径问题看作是简单的旅行商问题（Travel Salesman Problem，TSP），针对该问题模型除了考虑了一般性的约束之外，仅仅只额外考虑了容量约束。当问题规模不大时，可以得到全局优解。丁洁（2012）则将城市快递配送路径问题转化为多重旅行商问题（Multi Travel Salesman Problem，MTSP），同时考虑到MTSP?问题求解难度较大，故先将其转化为TSP 问题，接着结合小生成树的深度**搜索算法来确定快递员终的行车路线，以求得到该问题的近似优解；何俊生（2013）针对同城快递配送路径问题，提出了两个模型，一个不考虑时间窗约束仅考虑容量约束，另一个同时考虑，采用Dijkstra 遗传优化算法求解并进行了比较对比分析。姜艳和关雪（2008）提出了一个线性混合整数规划型，该模型主要考虑时间窗约束和单车快件数目上限约束；杨从平（2014）针对物流配送车辆路径问题，考虑了容量约束和单车大行程距离约束，采用蚁群算法对桂林市某网络的配送路径进行了优化。李炳会（2008）则用**时惩罚对时间约束进行了替代，即快递**过预定时间需要赔偿以进行惩罚；张迅和刘海东（2013）根据快递配送的特点，研究了采用快件递送和揽收同时服务的配送策略的车辆路径问题。他们设车辆在配送中心与客户点之间或客户点之间行驶的时间服从正态分布，各客户点均带有有软时间窗约束，以及快件揽收数量服从泊松分布，依此建立一个线性混合整数规划的多目标模型，目标函数包括：行驶路程短，时间惩罚值小和快件揽收数量大。同时他们提出了一种遗传算法：该遗传算法采取种群个体适应度值排序和佳个体保留的选择策略，以及通过参数控制自适应交叉概率来保证所求结果的优良性，通过设计算例并采用Matlab软件进行编程运算，实验结果证明了该遗传算法的可行性；陈敏（2009）研究了如何快速响应动态信息的车辆调度问题，并将其描述成是一个实时带时间窗车辆路径问题（Real-time Vehicle Routing Problem with Time Windows，RT-VRPTW）。针对实际调度问题的规模、复杂度和特性，将动态问题转化成静态问题，提出了一种混合禁忌搜索算法，该算法分为两个阶段：阶段，首先采用插入法生成初始方案；*二阶段，引入改进的禁忌启发式搜索算法对全局进行优化，实验结果表明该算法行之有效；胡明伟和唐浩（2010）则研究了快递服务相关的动态车辆路径问题，并将其描述成带时间窗的动态旅行修理员问题（Dynamic Traveling Repairman Problem with Time Windows，DTRPTW），建立多目标优化模型，该模型包括服务客户数量大、客户等待时间小以及总运行时间短三重优化目标。他们采用基于词典式的排序方法，同时改进了Or-opt局部搜索算法。根据仿真实验显示，与单目标模型相比，多目标优化模型能够明显降低被拒绝服务的客户数量和客户等待时间，同时总运营时间未发生明显增长；吴海东（2011）针对城市快递服务问题，重点研究了服务质量相似性和快递车辆交接行为这两大新的快递服务趋势，同时建立两阶段模型，在满足随机客户需求的条件下，还能够保证递配送的路径得到优。

目前国内对VRP 问题的研究很多都停留在理论研究阶段，实验成果并没用广泛的进行实际应用，而且研究的问题模型都有一定的条件约束，约束条件不同，则对应的问题模型也不一样，求解的算法也不太一样，这样算法就有一定的局限性。