论文部分内容阅读
随着移动互联网的快速普及,外卖O2O在中国发展迅速,市场规模不断扩大,由此催生的外卖配送行业发展迅猛。与此同时,依托于互联网诞生的众包模式方兴未艾,众包物流成为该模式应用最广泛的领域。外卖平台为了提升竞争力,保证较高的服务质量和良好的用户体验,纷纷将众包模式引入外卖配送服务中,建立众包配送团队。随着人工成本的提高,未来更多的订单将通过众包模式进行配送,众包配送员的需求相应扩大。
与专职配送员相比,众包配送员的配送过程有着“路径开放、时间有限、最终目的地确定”等诸多不同的特点,而传统的路径规划问题较少有考虑取送餐顺序、订单交叉执行等情况,不适用于众包模式下的外卖配送场景。同时,外卖平台往往以取餐点距离配送员当前位置最近为原则向配送员推荐订单,而众包配送员在选择外订单时往往凭经验与下意识的反应,若接受不适合的订单容易导致送餐延误产生赔付、客户投诉等情况,一方面影响顾客满意度,另一方面由于收益降低,配送员的众包参与积极性也易受到挫伤。为了提高众包配送员的配送收益,提高其参与积极性,本文从众包配送员的角度出发对外卖配送路径优化及订单选择进行研究,对配送员、外卖O2O平台、外卖餐饮商家以及订餐顾客都有现实意义。
本文在已有研究的基础上对众包模式下的订单执行路径及订单选择进行深入分析,首先建立了众包外卖配送路径优化模型,考虑取送餐服务顺序、携带订单数量约束、最大行驶路程约束,并加入取餐、送餐时间窗以及配送员最晚到达计划终点时间约束,设计改进的遗传算法进行求解。在此基础上,构建单个订单选择模型以及多个订单选择模型,用以决策是否接受某个推荐订单以及如何从多个推荐订单中选择合适的订单使得在满足各项约束的情况下配送员收益得到增加。本文提出将订单选择与配送路径规划进行统一考虑的双层算法,即在底层使用改进的遗传算法进行配送路径规划,第二层利用贪心算法调用底层模型,通过比较配送收益进行订单选择,使得配送员的收益最大。
本文设计了两个算例并使用编程进行仿真实验,实验结果验证了本文构建的模型及提出的算法合理及有效,备选推荐订单在20个以内时可以在14s以内得到较优的订单选择结果,表明改进的遗传算法和双层算法能快速解决本文研究的问题。
与专职配送员相比,众包配送员的配送过程有着“路径开放、时间有限、最终目的地确定”等诸多不同的特点,而传统的路径规划问题较少有考虑取送餐顺序、订单交叉执行等情况,不适用于众包模式下的外卖配送场景。同时,外卖平台往往以取餐点距离配送员当前位置最近为原则向配送员推荐订单,而众包配送员在选择外订单时往往凭经验与下意识的反应,若接受不适合的订单容易导致送餐延误产生赔付、客户投诉等情况,一方面影响顾客满意度,另一方面由于收益降低,配送员的众包参与积极性也易受到挫伤。为了提高众包配送员的配送收益,提高其参与积极性,本文从众包配送员的角度出发对外卖配送路径优化及订单选择进行研究,对配送员、外卖O2O平台、外卖餐饮商家以及订餐顾客都有现实意义。
本文在已有研究的基础上对众包模式下的订单执行路径及订单选择进行深入分析,首先建立了众包外卖配送路径优化模型,考虑取送餐服务顺序、携带订单数量约束、最大行驶路程约束,并加入取餐、送餐时间窗以及配送员最晚到达计划终点时间约束,设计改进的遗传算法进行求解。在此基础上,构建单个订单选择模型以及多个订单选择模型,用以决策是否接受某个推荐订单以及如何从多个推荐订单中选择合适的订单使得在满足各项约束的情况下配送员收益得到增加。本文提出将订单选择与配送路径规划进行统一考虑的双层算法,即在底层使用改进的遗传算法进行配送路径规划,第二层利用贪心算法调用底层模型,通过比较配送收益进行订单选择,使得配送员的收益最大。
本文设计了两个算例并使用编程进行仿真实验,实验结果验证了本文构建的模型及提出的算法合理及有效,备选推荐订单在20个以内时可以在14s以内得到较优的订单选择结果,表明改进的遗传算法和双层算法能快速解决本文研究的问题。