基于潛在農(nóng)戶需求的農(nóng)資運輸管理研究.pdf

1、提供農(nóng)資送貨上門服務(wù)，是目前農(nóng)資企業(yè)爭取客戶的重要競爭手段，直接關(guān)系到企業(yè)的農(nóng)資銷量和市場占有率。面對我國農(nóng)戶地理位置分散、需求量少、配送時間不集中等現(xiàn)狀，“最后一公里”的車輛配送占農(nóng)資企業(yè)配送成本和配送時間的一半以上，如何安排農(nóng)資車輛配送路線直接影響到配送成本和服務(wù)水平。同時，由于農(nóng)資客戶需求的不確定性，受到農(nóng)民的群體購買行為、左鄰右舍的比較因素、以及作物的種植面積、天氣因素等的影響，在進(jìn)行農(nóng)資配送過程中會經(jīng)常發(fā)生潛在需求。如果將這些

2、潛在農(nóng)資需求提前裝載在物流配送的車輛上，可以減少配送車輛的發(fā)貨次數(shù)，進(jìn)而減少配送成本，提高企業(yè)的配送效率，增加企業(yè)的經(jīng)濟收益。另外，在農(nóng)資車輛配送過程中，往往存在各種干擾事件:農(nóng)資需求量方面，如農(nóng)戶增加或減少需要的農(nóng)資數(shù)量、農(nóng)戶因某種原因取消原來農(nóng)資訂單、出現(xiàn)新的農(nóng)資需求用戶等;配送時間及地址方面，如農(nóng)戶因臨時有事等原因改變接貨時間、農(nóng)戶因運輸需要改變配送的地址等;配送車輛方面，存在車輛損壞、道路堵塞等干擾事件。如何在這些干擾事件發(fā)生后

3、，生成新的農(nóng)資車輛配送路線是一個非常有挑戰(zhàn)的問題。
　　基于以上分析，本文擬研究考慮潛在需求的農(nóng)資車輛調(diào)度及其干擾管理，主要包括潛在農(nóng)資需求預(yù)測方法、考慮潛在需求的農(nóng)資車輛調(diào)度優(yōu)化模型與算法，以及考慮潛在農(nóng)戶的農(nóng)資車輛調(diào)度干擾管理模型三個方面。本文的貢獻(xiàn)和可能的創(chuàng)新之處有四點:
　　(1)針對農(nóng)資配送過程中潛在農(nóng)資需求的影響因素復(fù)雜、各影響因素維度不一和預(yù)測指標(biāo)數(shù)據(jù)難以獲得等難點，本研究首先根據(jù)全面性原則、目的性原則、實用性

4、原則和可操作性原則，從農(nóng)資產(chǎn)品、配送區(qū)域農(nóng)戶和農(nóng)資企業(yè)三個方面識別出了影響潛在農(nóng)資需求的16個具體指標(biāo)，然后利用粗糙集的遺傳算法約簡法則，提出基于粗糙集的潛在農(nóng)資需求預(yù)測指標(biāo)約簡方法，把潛在需求預(yù)測指標(biāo)約簡到6個指標(biāo)，最后在此基礎(chǔ)上，構(gòu)建了基于RS-SVM的潛在農(nóng)資需求預(yù)測方法，可以對農(nóng)資配送過程中的潛在需求進(jìn)行有效預(yù)測，進(jìn)而能夠為考慮潛在農(nóng)資需求的車輛路線優(yōu)化提供了基礎(chǔ)。
　　(2)考慮到在實際農(nóng)資車輛配送過程中由于農(nóng)戶間的購買

5、行為相互影響，本研究首先對考慮潛在農(nóng)資需求的農(nóng)資車輛調(diào)度問題進(jìn)行描述，并給出模型假設(shè)，構(gòu)建出了帶有軟時間窗的考慮農(nóng)資需求車輛路線優(yōu)化模型，接著通過采用遺傳算法對約束滿足算法的優(yōu)化機制進(jìn)行優(yōu)化，提出了基于CSGA的模型求解算法，并通過數(shù)值試驗驗證了模型和算法的有效性，能夠使得農(nóng)資企業(yè)提前將潛在農(nóng)資需求裝載在配送車輛上，可以減少配送車輛的發(fā)貨次數(shù)，進(jìn)而減少配送成本，提高企業(yè)收益。
　　(3)針對農(nóng)資配送過程中可能發(fā)生的各種干擾事件，本

6、研究首先構(gòu)建了新增農(nóng)戶干擾事件識別與度量方法，從服務(wù)農(nóng)戶的時間干擾、農(nóng)資配送司機的路線干擾和農(nóng)資配送商的成本干擾三個方面并對新增農(nóng)戶干擾事件對原計劃帶來的負(fù)面影響進(jìn)行定量化，并提出其他類型干擾事件轉(zhuǎn)換成新增農(nóng)戶干擾事件的方法;接著提出了農(nóng)資配送車輛最優(yōu)出發(fā)時間的確定方法，在此基礎(chǔ)上，并根據(jù)對于擾事件識別與度量的基礎(chǔ)上，建立了考慮潛在農(nóng)戶的農(nóng)資車輛調(diào)度干擾恢復(fù)模型，并設(shè)計了模型求解的遺傳算法和嵌套分割算法，最后數(shù)據(jù)實驗驗證了構(gòu)建模型與算法

7、的有效性。
　　(4)以邯鄲市永年縣某農(nóng)資有限公司為實際應(yīng)用研究對象，按照產(chǎn)品類型和重量選取邯科玉1號、邯682、沃爾森玉米施用肥和銀棉棉花施用肥四種農(nóng)資產(chǎn)品作為實際研究對象，首先分別采用提出的基于RS-SVM的潛在農(nóng)資需求預(yù)測方法對該四種農(nóng)資產(chǎn)品的100次配送過程中的潛在需求進(jìn)行了預(yù)測，通過與實際發(fā)生的新增需求對比，驗證了方法的有效性;接著根據(jù)該企業(yè)每次配送農(nóng)戶需求數(shù)據(jù)，并考慮潛在農(nóng)資需求量，利用建立的考慮潛在農(nóng)資需求量的車輛調(diào)

8、度優(yōu)化模型及算法對該企業(yè)的50次配送路線進(jìn)行優(yōu)化，為該企業(yè)的配送路線進(jìn)行了有效優(yōu)化;最后，通過對該企業(yè)100次配送過程中的干擾事件進(jìn)行統(tǒng)計，選擇出5次邯科玉1號配送過程為例，為該企業(yè)進(jìn)行實時配送路線調(diào)整，并為該企業(yè)提出了冗余裝載策略、車輛差異化策略、延遲發(fā)貨策略和實時調(diào)整策略，可以有效降低企業(yè)配送成本。
　　本文的主要內(nèi)容安排如下:
　　第一章首先給出本論文的研究背景及意義、研究問題和目標(biāo)，介紹了本文的研究思路、技術(shù)路線和主

9、要研究內(nèi)容，以及研究方法與實驗手段。
　　第二章詳細(xì)地論述和評價了相關(guān)理論基礎(chǔ):粗糙集理論、支持向量機原理和支持向量機回歸、遺傳算法原理。全面、系統(tǒng)地對的農(nóng)資物流配送與客戶挖潛、粗糙集與支持向量機、車輛調(diào)度優(yōu)化、干擾管理文獻(xiàn)進(jìn)行回顧與評述。
　　第三章分別從農(nóng)資本身、農(nóng)戶和配送企業(yè)方面構(gòu)建農(nóng)資潛在需求預(yù)測的初始指標(biāo)體系，根據(jù)預(yù)測指標(biāo)體系建立了基于RS-SVM的農(nóng)資物流配送過程中潛在農(nóng)資需求預(yù)測模型，根據(jù)實際調(diào)查數(shù)據(jù)，使用粗糙

10、集獲得了約簡后的潛在農(nóng)資需求預(yù)測指標(biāo)體系，并使用實際數(shù)據(jù)驗證了基于RS-SVM潛在農(nóng)資需求量預(yù)測方法的有效性。
　　第四章考慮到在實際車輛配送過程中由于客戶間的購買行為相互影響，建立考慮潛在客戶需求的農(nóng)資車輛調(diào)度優(yōu)化數(shù)學(xué)模型，并針對該模型在標(biāo)準(zhǔn)遺傳算法和約束滿足技術(shù)的基礎(chǔ)上，提出了一種新的約束滿足-遺傳算法用于求解所建立多約束數(shù)學(xué)模型，最后通過仿真實驗驗證所提出模型的有效性和算法的可行性。
　　第五章針對配送過程中可能發(fā)生的

11、各種干擾事件，首先從服務(wù)農(nóng)戶的時間干擾、配送司機的路線干擾和農(nóng)資配送商的成本干擾三個方面并對新增農(nóng)戶干擾事件對原計劃帶來的負(fù)面影響進(jìn)行定量化，并提出其他類型干擾事件轉(zhuǎn)換成新增農(nóng)戶干擾事件的方法;接著提出了農(nóng)資配送車輛最優(yōu)出發(fā)時間的確定方法，進(jìn)而建立了考慮潛在農(nóng)戶的農(nóng)資車輛調(diào)度干擾恢復(fù)模型，設(shè)計了模型求解的遺傳算法和嵌套分割算法。數(shù)據(jù)實驗驗證了構(gòu)建模型與算法的有效性。
　　第六章以邯鄲市永年縣某農(nóng)資有限公司為實際應(yīng)用研究對象，按照產(chǎn)