基于K-Means++和遺傳算法的提貨車輛路徑研究.pdf

1、面對日益增長的物流需求，時效、服務、質量等成了人們評價物流水平的標準，而這些都離不開物流團隊高效的提貨配送流程。車輛路徑分配問題就是其中的一個研究熱點，即為滿足客戶的提貨或配送需求，以最優(yōu)的成本將貨物送到目的地。
　　通過實際到 A公司運營中心調研發(fā)現(xiàn)其現(xiàn)有路徑安排在資源整合和利用率上有所缺陷。為解決其實際的車輛調度問題，本文基于現(xiàn)有的VRP基本模型，通過閱讀大量的文獻了解了車輛路徑優(yōu)化的歷史和趨勢，并發(fā)現(xiàn)現(xiàn)階段大量學者傾向于算法

2、組合式的優(yōu)化方法，故通過實際情況建立并考量車輛類型、貨物種類、送達時效的車輛路徑優(yōu)化模型，通過設計K-Means++和遺傳算法的組合進行優(yōu)化，即先將問題轉換為兩段式的方式進行求解，利用K-Means++進行供應商聚類，再在每個簇中用遺傳算法進行車輛路徑的安排。最終將優(yōu)化結果與現(xiàn)有的實際提貨數(shù)據(jù)進行實證對比和分析，結果發(fā)現(xiàn)優(yōu)化結果在車輛利用率和成本上均優(yōu)于現(xiàn)有實際車輛安排。且通過和一線員工的溝通，分別從投訴數(shù)量、車輛的固定成本和工作工時三