CN107437123B - 基于层次分析法的生鲜产品动态优化配送方法 - Google Patents
基于层次分析法的生鲜产品动态优化配送方法 Download PDFInfo
- Publication number
- CN107437123B CN107437123B CN201710436996.4A CN201710436996A CN107437123B CN 107437123 B CN107437123 B CN 107437123B CN 201710436996 A CN201710436996 A CN 201710436996A CN 107437123 B CN107437123 B CN 107437123B
- Authority
- CN
- China
- Prior art keywords
- distribution
- time
- influence
- fresh
- fresh product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于层次分析法的生鲜产品动态优化配送方法,基于生鲜产品配送时间的影响因素,采用层次分析法确定各影响指标的权重,包括以下步骤:确定生鲜产品配送时间的影响指标的层次结构;根据生鲜产品配送信息对影响指标比较打分;构造判断矩阵,并计算该矩阵的最大特征值和特征向量;对判断矩阵的进行一致性检验,并确定各影响指标的权重。并结合生鲜产品配送网络结构,为缩短“最后一公里”生鲜产品配送时间提供了高效可行的配送策略。本发明能有效地为特殊生鲜产品的配送提供与其产品特性相符和的优化配送策略,解决了传统物流配送由于配送时间过长,提高了生鲜产品配送的效率、保证了生鲜产品质量,更好地实现了数字化优化精准配送。
Description
技术领域
本发明涉及一种物流优化配送技术,特别涉及一种基于层次分析方法的生鲜产品动态优化配送技术。基于生鲜产品配送网络,并结合层次分析法得到的各个时间影响指标的权重,生成带权的生鲜产品配送网络模型,为生鲜产品的及时配送提供了一种高效可行的配送方法。
背景技术
近年来,生鲜产品电商随着电子商务的发展大趋势而发展。生鲜产品电商的三大难题之一是冷链物流问题,而冷链物流问题最容易出现问题的地方是“最后一公里”物流与客户的最后一站对接问题。在生鲜产品经过物流到达目的地后,因为客户不在家或出差而产生产品在物流处的积压,最终产生生鲜产品品质的降低甚至变坏不能食用等问题。所以,如何降低“最后一公里”配送时间成了生鲜产品电商运营的重要问题。
有关生鲜产品“最后一公里”配送问题,国内的学者进行了诸多研究,并取得了一些成果:
文献1(杨岩,我国电商物流最后一公里配送问题研究[J],物流工程与管理,2014,(10):90-91.)对“最后一公里”配送现状进行问题分析,并提出解决电商物流“最后一公里”的方案;文献[2]分析导致“最后一公里”困境的问题,如:自提点布局、路径优化等。其中文献[1]中提出的解决方案并没有包括专门针对降低“最后一公里”配送时间的方法。文献2(张锦,陈义友,物流“最后一公里”问题研究综述[J],中国流通经济,2015,(04):23-32)给出了解决“最后一公里”配送问题的模型,但是没有给出专门针对降低“最后一公里”配送时间的模型。另外,在专利中还未出现有关采用层次分析法并结合生鲜产品配送网络降低“最后一公里”配送时间的方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于层次分析法的生鲜产品动态优化配送方法,基于生鲜产品配送时间的影响因素,采用层次分析法确定各影响指标的权重,包括以下步骤:确定生鲜产品配送时间的影响指标的层次结构;根据生鲜产品配送信息对影响指标比较打分;构造判断矩阵,并计算该矩阵的最大特征值和特征向量;对判断矩阵的进行一致性检验,并确定各影响指标的权重。并结合生鲜产品配送网络结构,为缩短“最后一公里”生鲜产品配送时间提供了高效可行的配送策略。由于本发明解决的是降低生鲜产品“最后一公里”配送时间的问题,与传统的优物流配送相比,本发明能有效地为特殊生鲜产品的配送提供与其产品特性相符和的优化配送策略,解决了传统物流配送由于配送时间过长,导致生鲜产品品质变坏甚至不能使用的情况,提高了生鲜产品配送的效率、保证了生鲜产品质量,更好地实现了数字化优化精准配送。
本发明的目的通过下述技术方案实现基于层次分析法的生鲜产品动态优化配送方法,其特征在于:所述方法包括以下步骤:
步骤1:确定生鲜产品配送时间的影响指标的层次结构,根据生鲜产品配送信息对影响指标比较打分,步骤包括:生鲜产品配送时间影响指标分类、建立生鲜产品配送时间的影响指标层次结构、根据生鲜产品配送信息对影响指标进行比较打分。
步骤2:构造判断矩阵,并计算该矩阵的最大特征值和特征向量;
步骤3:对判断矩阵的一致性进行检验,并确定各个生鲜产品配送时间指标的权重。
步骤4:建立生鲜产品配送网络模型,步骤包括:整理订单信息、确定配送区域内的订单数、
确定客户的地理位置分布,并对该配送位置进行标号、确定所有可能的配送路径、建立生鲜产品配送网络。
步骤5:结合时间影响指标权重生成带权的生鲜产品配送网络模型;包括步骤:计算配送区域内道路拥堵情况、交通网稀疏程度、配送路径长度;计算各订单中配送货物新鲜程度、配送货物价值的倒数;计算配送区域内的客户量、各客户的客户未能接收率;计算配送区域内花费的人力,成本、运输工具成本的倒数;建立带权的生鲜产品配送网络。
其中,WK表示配送网络中各配送路径的权值,wM11表示配送区域内道路拥堵情况M11对配送时间影响程度所占的比重,wM12表示配送区域内交通网稀疏程度M12对配送时间影响程度所占的比重,wM13表示配送区域内配送路径长度M13对配送时间影响程度所占的比重。WG表示配送网络中各客户终端的权值,wM21表示配送货物新鲜程度M21对配送时间影响程度所占的比重,wM22表示配送货物价值的倒数M22对配送时间影响程度所占的比重,wM31表示配送区域内的客户量M31对配送时间影响程度所占的比重,wM32表示客户的客户未能接收率M32对配送时间影响程度所占的比重。WP表示配送方案中运输成本的权值,wM41表示配送区域内花费的人力成本的倒数M41对配送时间影响程度所占的比重,wM42表示运输工具成本的倒数M42对配送时间影响程度所占的比重。表示交通情况,客户端情况和运输成本情况下各时间影响指标转化为0至1后的值的向量。
步骤6:建立时间目标函数,选取最优生鲜产品配送策略,步骤包括:根据带权的生鲜产品配送网络,确定所有可行的配送方案;建立时间目标函数;利用时间目标函数,计算配送方案所要花费的时间;选取花费时间最少的方案作为最优方案。
时间目标函数如下:
其中,T表示配送时间,K,G,P表示各个时间影响因素转换成实际路径长度后的总和,V表示正常配送速度(Km/h)。
本发明相对于现有技术具有如下的优点及效果:
本发明提出了一种基于层次分析法的生鲜产品动态优化配送方法,基于生鲜产品配送时间的影响指标,采用层次分析法确定各时间影响指标的权重,包括以下步骤:确定生鲜产品配送时间的影响指标的层次结构;根据生鲜产品配送信息对影响指标比较打分;构造判断矩阵,并计算该矩阵的最大特征值和特征向量;对判断矩阵的进行一致性检验,并确定各影响指标的权重。并结合生鲜产品配送网络结构,为缩短“最后一公里”生鲜产品配送时间提供了高效可行的配送策略。由于本发明解决的是降低生鲜产品“最后一公里”配送时间的问题,与传统的优化物流配送相比,本发明能有效地为生鲜产品这类特殊的产品的配送提供与其产品特性相符和的配送策略,解决了传统物流配送由于配送时间过长,导致生鲜产品品质变坏甚至不能使用的情况,提高了生鲜产品配送的效率、保证了生鲜产品质量,更好地实现了数字化精确配送。
本发明产生的有益效果主要体现在以下方面:
本发明提出了一种基于层次分析法的生鲜产品动态优化配送方法,基于生鲜产品配送时间的影响指标,采用层次分析法确定各时间影响指标的权重,包括以下步骤:确定生鲜产品配送时间的影响指标的层次结构;根据生鲜产品配送信息对影响指标比较打分;构造判断矩阵,并计算该矩阵的最大特征值和特征向量;对判断矩阵的进行一致性检验,并确定各时间影响指标的权重。
建立生鲜产品配送网络结构,为缩短“最后一公里”生鲜产品配送时间提供了高效可行的配送策略。由于本发明解决的是降低生鲜产品“最后一公里”配送时间的问题,与传统的优化物流配送相比,本发明能有效地为生鲜产品这类特殊的产品的配送提供与其产品特性相符和的配送策略,解决了传统物流配送由于配送时间过长,导致生鲜产品品质变坏甚至不能使用的情况,提高了生鲜产品配送的效率、保证了生鲜产品质量,更好地实现了数字化精确配送。
附图说明
图1是本发明的流程图;
图2是时间影响指标层次图
图3是生鲜产品配送网络图;
图4是带权的生鲜产品配送网络图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
基于层次分析法的生鲜产品动态优化配送方法,如图1所示,包括以下步骤:
步骤1:确定生鲜产品配送时间的影响指标的层次结构,根据生鲜产品配送信息对影响指标比较打分;
步骤2:构造判断矩阵,并计算该矩阵的最大特征值和特征向量;
步骤3:对判断矩阵的一致性进行检验,并确定各个生鲜产品配送时间指标的权重,如图2所示的时间影响指标层次图;
步骤4:建立生鲜产品配送网络模型;
步骤5:结合时间影响指标权重生成带权的生鲜产品配送网络模型;
步骤6:建立时间目标函数,选取最优生鲜产品配送策略。
所述步骤1包括以下步骤:
步骤1-1:生鲜产品配送时间影响指标分类;
步骤1-2:建立生鲜产品配送时间的影响指标层次结构;
步骤1-3:根据生鲜产品配送信息对影响指标进行比较打分。
所述步骤1-1中,生鲜产品配送时间影响指标分为A类时间影响指标、B类时间影响指标、C类时间影响指标和D类时间影响指标。所述A类时间影响指标为道路交通情况,其包括道路拥堵情况、交通网稀疏程度、配送路径长度。所述B类时间影响指标为配送货物情况,其包括配送货物新鲜程度、配送货物价值的倒数。所述C类时间影响指标为客户情况,其包括客户量、客户未能接收率。所述D类时间影响指标为配送成本,其包括人力成本的倒数、运输工具成本的倒数。
所述步骤1-2中,生鲜产品配送时间影响指标层次结构包括位于目标层的配送时间指标M,位于准则层的生鲜产品配送时间影响指标包括A类时间影响指标M1、B类时间影响指标M2、C类时间影响指标M3、D类时间影响指标M4。A类时间影响指标M1,包括道路拥堵情况M11、交通网稀疏程度M12、配送路径长度M13。B类时间影响指标M2,包括配送货物新鲜程度M21、配送货物价值的倒数M22。C类时间影响指标M3,包括客户量M31、客户未能接收率M32。D类时间影响指标M4,包括人力成本的倒数M41、运输工具成本的倒数M42。
A类时间影响指标道路拥堵情况M11采用如下计算:
道路拥堵情况=NR/SR
其中,NR表示单位时间内车流量(辆/分),SR表示道路面积(m2)
A类时间影响指标交通网稀疏程度M12采用如下计算:
交通网稀疏程度=S/SL
其中,配送路径的面积SL,配送区域的面积S(km2),当交通网稀疏程度的值越大时,代表该区域交通网越不发达。
A类时间影响指标配送路径长度M13采用如下计算:
配送路径长度=Lij
其中,Lij为从第i处出发到第j处的距离(km),Lij可能不唯一。
B类时间影响指标配送货物新鲜程度M21采用如下计算:
配送货物新鲜程度=1/(T-T0)
其中,T表示配送货物的可食用截止时间,T0表示货物预计配送时间。当配送货物新鲜程度的值越小代表配送货物越新鲜。
B类时间影响指标配送货物价值的倒数M22采用如下计算:
配送货物价值的倒数=1/Wi
其中,Wi表示第i个客户购买货物的价值(元)。
C类时间影响指标客户量M31
客户量=Qc
其中,Qc表示配送区域内当天预计配送的客户订单数。
C类时间影响指标客户未能接收率M32。
客户未能接收率=Tc/Te*100%
其中,Te表示配送货物预计到达时间区间长度,Tc表示Te区间内客户未能接收的时间区间长度。
D类时间影响指标人力成本的倒数M41
人力成本的倒数=1/(m1×∑∑Lij+m2×Qc+m3×Nw)
其中,∑∑Lij表示当天配送路径总长度,Qc表示配送区域内当天预计配送的客户订单数,Nw表示配送人员数,m1表示每公里的配送提成(元/km),m2表示每张订单的配送提成(元/张),m3表示配送人员的基本工资(元/人)。
D类时间影响指标运输工具成本的倒数M42。
运输工具成本的倒数=1/(mtk×∑∑Lij)
其中,mtk表示第k种交通工具每公里消耗的能源费用(元/km),∑∑Lij表示当天配送路径总长度。
所述步骤1-3中,根据生鲜产品配送信息对同层各影响指标相对于上一层影响指标重要性进行两两比较打分,具体为:
a<sub>ij</sub> | 定义 |
1 | 因素i和因素j同样重要 |
3 | 因素i相比因素j稍微重要 |
5 | 因素i相比因素j比较重要 |
7 | 因素i相比因素j很重要 |
9 | 因素i比因素j绝对重要 |
2,4,6,8 | 对应于中间状态的值 |
倒数 | a<sub>ji</sub>=1/a<sub>ij</sub> |
所述步骤2中,包括以下步骤:
步骤2-1:构造判断矩阵;
根据步骤1-3中,同层各时间影响指标相对于上一层时间影响指标重要性的打分情况,构
造判断矩阵用A表示,有:
步骤2-2:采用幂法计算判断矩阵A的最大特征值λmax和特征向量ξ。
所述步骤3中,包括以下步骤:
步骤3-1:计算判断矩阵A的相对一致性;
判断矩阵A的相对一致性用CR表示,有:
其中,λmax为判断矩阵A的最大特征值,n为判断矩阵A的维数,RI为相对一致性CR的自由度,当n=1,2,…,8,9时,对应的RI=0,0,0.58,0.96,1.12,1.24,1.32,1.41,1.45;
步骤3-2:对判断矩阵A进行一致性检验;
(1)若判断矩阵A的相对一致性CR小于0.1,则表明判断矩阵A可行,其通过一致性检验;
(2)若判断矩阵A的相对一致性CR大于等于0.1,则认为判断矩阵A没有通过一致性检验,则返回步骤1重新对所有的时间影响指标进行两两比较,构造合格的判断矩阵A;
(3)通过Aξ=λmaxw确定各个时间影响指标的权重w,其中ξ为判断矩阵A的特征向量。
(4)所述步骤4中,包括以下步骤:
步骤4-1:整理订单信息,确定配送区域内的订单数
步骤4-2:根据步骤4-1,确定客户的地理位置分布,并对该配送位置进行标号;
步骤4-3:根据步骤4-2,确定所有可能的配送路径;
步骤4-4:根据步骤4-2、4-3,建立生鲜产品配送网络。
所述步骤5中,包括以下步骤:
步骤5-1:计算配送区域内道路拥堵情况M11、交通网稀疏程度M12、配送路径长度M13;
步骤5-2:计算各订单中配送货物新鲜程度M21、配送货物价值的倒数M22;
步骤5-3:计算配送区域内的客户量M31、各客户的客户未能接收率M32;
步骤5-4:计算配送区域内花费的人力成本的倒数M41、运输工具成本的倒数M42;
步骤5-5:根据步骤5-1至5-4,建立带权的生鲜产品配送网络。
所述步骤5-1中,根据实施要求10,对各时间影响指标采用如下计算:
道路拥堵情况=NR/SR
交通网稀疏程度=S/SL
配送路径长度=Lij
所述步骤5-2中,根据实施要求11,对各时间影响指标采用如下计算:
配送货物新鲜程度=1/(T-T0)
配送货物价值的倒数=1/Wi
所述步骤5-3中,根据实施要求12,对各时间影响指标采用如下计算:
客户量=Qc
客户未能接收率=Tc/Te*100%
所述步骤5-4中,根据实施要求13,对各时间影响指标采用如下计算:
人力成本的倒数=1/(m1×∑∑Lij+m2×Qc+m3×Nw)
运输工具成本的倒数=1/(mtk×∑∑Lij)
所述步骤5-5中,包括以下步骤:
步骤5-5-1:计算配送网络中各配送路径的权值;
步骤5-5-2:计算配送网络中各客户终端的权值;
步骤5-5-3:计算配送方案中运输成本的权值。
所述步骤5-5-1中,包括以下步骤:
步骤5-1-1-1:将配送区域内道路拥堵情况M11、交通网稀疏程度M12、配送路径长度M13计算得到的值转化成在0至1之间标度的值,采用如下计算:
Ki=[ki1,ki2,...,kin]其中i=1,2,3
其中,k1n表示在第n段配送路径上的道路拥堵情况,为k1n转化成在0至1之间标度后的值,K1表示为未转化成0至1之间标度时各配送路径上的道路拥堵情况的向量,表示为转化成0至1之间标度后的向量。k2n表示交通网稀疏程度,为k2n转化成在0至1之间标度后的值,K2表示为未转化成0至1之间标度时交通网的密度向量,表示为转化成0至1之间标度后的向量。k3n表示在第n段配送路径长度,为k3n转化成在0至1之间标度后的值,K3表示为未转化成0至1之间标度时各配送路径长度的向量,表示为转化成0至1之间标度后的向量。
步骤5-1-1-2:配送网络中各配送路径的权值,采用如下计算:
其中,Wk表示配送网络中各配送路径的权值,wM11表示配送区域内道路拥堵情况M11对配送时间影响程度所占的比重,wM12表示配送区域内交通网稀疏程度M12对配送时间影响程度所占的比重,wM13表示配送区域内配送路径长度M13对配送时间影响程度所占的比重.表示交通情况下各时间影响指标转化为0至1后的值的向量。
所述步骤5-5-2中,包括以下步骤:
步骤5-5-2-1:将各订单中配送货物新鲜程度M21、配送货物价值的倒数M22;
计算配送区域内的客户量M31、各客户的客户未能接收率M32计算得到的值转化成在0至1之间标度的值,采用如下计算:
Gi=[gi1,gi2,...,gin]其中i=1,2,3,4.
其中,g1n表示在第n张订单的配送货物新鲜程度,为g1n转化成在0至1之间标度后的值,G1表示为未转化成0至1之间标度时各订单配送货物新鲜程度的向量,表示为转化成0至1之间标度后的向量。g2n表示第n张订单的配送货物的价值,为g2n转化成在0至1之间标度后的值,G2表示为未转化成0至1之间标度时各订单配送货物价值的倒数的向量,表示为转化成0至1之间标度后的向量。g3n表示配送区域内的客户量,为g3n转化成在0至1之间标度后的值,G3表示为未转化成0至1之间标度时配送区域内的客户量的向量,表示为转化成0至1之间标度后的向量。g4n表示各客户的客户未能接收率,为g4n转化成在0至1之间标度后的值,G4表示为未转化成0至1之间标度时各客户的客户未能接收率的向量,表示为转化成0至1之间标度后的向量。
步骤5-1-2-2:配送网络中各客户终端的权值,采用如下计算:
其中,WG表示配送网络中各客户终端的权值,wM21表示配送货物新鲜程度M21对配送时间影响程度所占的比重,wM22表示配送货物价值的倒数M22对配送时间影响程度所占的比重,wM31表示配送区域内的客户量M31对配送时间影响程度所占的比重,wM32表示客户的客户未能接收率M32对配送时间影响程度所占的比重。表示客户端情况下各时间影响指标转化为0至1后的值的向量。
所述步骤5-5-3中,包括以下步骤:
步骤5-5-3-1:将配送区域内花费的人力成本的倒数M41、运输工具成本的倒数M42计算得到的值转化成在0至1之间标度的值,采用如下计算:
Pi=[pi1,pi2,...,pin]其中i=1,2.
其中,p1n表示在配送人数为n人时花费的人力成本的倒数,为k1n转化成在0至1之间标度后的值,K1表示为未转化成0至1之间标度时各配送人数情况下花费的人力成本的倒数的向量,表示为转化成0至1之间标度后的向量。k2n表示运输工具成本的倒数,为k2n转化成在0至1之间标度后的值,K2表示为未转化成0至1之间标度时运输工具成本的倒数向量,表示为转化成0至1之间标度后的向量。
步骤5-1-3-2:配送方案中运输成本的权值,采用如下计算:
其中,WP表示配送方案中运输成本的权值,wM41表示配送区域内花费的人力成本的倒数M41对配送时间影响程度所占的比重,wM42表示运输工具成本的倒数M42对配送时间影响程度所占的比重。表示运输成本情况下各时间影响指标转化为0至1后的值的向量。
所述步骤6中,包括以下步骤:
步骤6-1:根据带权的生鲜产品配送网络,确定所有可行的配送方案;
步骤6-2:建立时间目标函数;
步骤6-3:利用时间目标函数,计算步骤6-1中配送方案所要花费的时间;
步骤6-4:选取花费时间最少的方案作为最优方案。
所述步骤6-1中,包括以下步骤:
步骤6-1-1:根据当天客户订单数、货物价值确定可担负的货物配送运输成本区间;
步骤6-1-2:根据货物配送的运输成本区间确定当天负责配送的员工人数区间;
步骤6-1-3:根据配送员工人数区间和带权配送网络,确定在不同配送员工人数的情况下,各值权最小的配送方案。
所述步骤6-2中,包括以下步骤:
其中,表示各转化成0至1标度后的时间影响因素,又依据比重转化成路径长度后的值。表示乘以路径长度转换成0至1标度的值的比例后,实际的路径长度。K,G,P表示成各个时间影响因素转换成实际路径长度后的总和。
步骤6-2-2:时间目标函数如下:
其中,V表示正常配送速度(Km/h),T表示配送时间,K,G,P表示各个时间影响指标转换成实际路径长度后的总和,V表示正常配送速度(Km/h)。图3和4分别是生鲜产品配送网络图和带权的生鲜产品配送网络图。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.基于层次分析法的生鲜产品动态优化配送方法,其特征在于:所述方法包括以下步骤:
步骤1:确定生鲜产品配送时间的影响指标的层次结构,根据生鲜产品配送信息对影响指标比较打分;
步骤2:构造判断矩阵,并计算该矩阵的最大特征值和特征向量;
步骤3:对判断矩阵的一致性进行检验,并确定各个生鲜产品配送时间指标的权重;
步骤4:建立生鲜产品配送网络模型;
步骤5:结合时间影响指标权重生成带权的生鲜产品配送网络模型;
步骤6:建立时间目标函数,选取最优生鲜产品配送策略;
所述步骤5包括:计算配送区域内道路拥堵情况、交通网稀疏程度、配送路径长度;计算各订单中配送货物新鲜程度、配送货物价值的倒数;计算配送区域内的客户量、各客户的客户未能接收率;计算配送区域内花费的人力,成本、运输工具成本的倒数;建立带权的生鲜产品配送网络;
其中,WK表示配送网络中各配送路径的权值,wM11表示配送区域内道路拥堵情况M11对配送时间影响程度所占的比重,wM12表示配送区域内交通网稀疏程度M12对配送时间影响程度所占的比重,wM13表示配送区域内配送路径长度M13对配送时间影响程度所占的比重,WG表示配送网络中各客户终端的权值,wM21表示配送货物新鲜程度M21对配送时间影响程度所占的比重,wM22表示配送货物价值的倒数M22对配送时间影响程度所占的比重,wM31表示配送区域内的客户量M31对配送时间影响程度所占的比重,wM32表示客户的客户未能接收率M32对配送时间影响程度所占的比重;WP表示配送方案中运输成本的权值,wM41表示配送区域内花费的人力成本的倒数M41对配送时间影响程度所占的比重,wM42表示运输工具成本的倒数M42对配送时间影响程度所占的比重;表示交通情况,客户端情况和运输成本情况下各时间影响指标转化为0至1后的值的向量;
所述步骤6包括:根据带权的生鲜产品配送网络,确定所有可行的配送方案;建立时间目标函数;利用时间目标函数,计算配送方案所要花费的时间;选取花费时间最少的方案作为最优方案;
时间目标函数如下:
其中,T表示配送时间,K,G,P表示各个时间影响因素转换成实际路径长度后的总和,V表示正常配送速度。
2.根据权利要求1所述的生鲜产品动态优化配送方法,其特征在于:所述步骤1具体包括:生鲜产品配送时间影响指标分类、建立生鲜产品配送时间的影响指标层次结构、根据生鲜产品配送信息对影响指标进行比较打分。
3.根据权利要求1所述的生鲜产品动态优化配送方法,其特征在于:所述步骤4包括:整理订单信息、确定配送区域内的订单数、确定客户的地理位置分布,并对该配送位置进行标号、确定所有可能的配送路径、建立生鲜产品配送网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710436996.4A CN107437123B (zh) | 2017-06-12 | 2017-06-12 | 基于层次分析法的生鲜产品动态优化配送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710436996.4A CN107437123B (zh) | 2017-06-12 | 2017-06-12 | 基于层次分析法的生鲜产品动态优化配送方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107437123A CN107437123A (zh) | 2017-12-05 |
CN107437123B true CN107437123B (zh) | 2020-10-16 |
Family
ID=60458642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710436996.4A Expired - Fee Related CN107437123B (zh) | 2017-06-12 | 2017-06-12 | 基于层次分析法的生鲜产品动态优化配送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107437123B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108847B (zh) * | 2017-12-29 | 2021-05-04 | 合肥工业大学 | 一种电商物流最后一公里配送的路径规划方法 |
CN109993475B (zh) * | 2018-01-02 | 2024-03-22 | 家乐宝电子商务有限公司 | 一种冷链物流定时配送方法、系统及设备 |
CN110110950A (zh) * | 2018-02-01 | 2019-08-09 | 北京京东振世信息技术有限公司 | 生成配送路区的方法、装置及计算机可读存储介质 |
JP7163820B2 (ja) * | 2019-02-27 | 2022-11-01 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
CN111274538B (zh) * | 2020-01-21 | 2021-10-26 | 中国农业大学 | 一种生食水产品储运过程中质量状态判别方法及系统 |
CN111815249B (zh) * | 2020-08-31 | 2021-01-01 | 北京每日优鲜电子商务有限公司 | 一种配送管理方法 |
CN112802269A (zh) * | 2020-12-31 | 2021-05-14 | 成都希福生物科技有限公司 | 一种冰粉在线销售系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561896A (zh) * | 2008-04-17 | 2009-10-21 | 北京中食新华科技有限公司 | 一种基于gis和gps的物流信息分析系统 |
EP2242011A1 (en) * | 2009-04-15 | 2010-10-20 | Universita' Degli Studi Di Genova | Method for managing the distribution of products or goods. |
CN103310321A (zh) * | 2013-05-31 | 2013-09-18 | 西北工业大学 | 一种基于物联技术的物料配送任务动态分配方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012531673A (ja) * | 2009-06-24 | 2012-12-10 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 石油製品輸送物流を支援するツール |
-
2017
- 2017-06-12 CN CN201710436996.4A patent/CN107437123B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561896A (zh) * | 2008-04-17 | 2009-10-21 | 北京中食新华科技有限公司 | 一种基于gis和gps的物流信息分析系统 |
EP2242011A1 (en) * | 2009-04-15 | 2010-10-20 | Universita' Degli Studi Di Genova | Method for managing the distribution of products or goods. |
CN103310321A (zh) * | 2013-05-31 | 2013-09-18 | 西北工业大学 | 一种基于物联技术的物料配送任务动态分配方法 |
CN104766188A (zh) * | 2014-01-02 | 2015-07-08 | 中国移动通信集团江苏有限公司 | 一种物流配送的方法及系统 |
Non-Patent Citations (2)
Title |
---|
城市物流车辆配送路径优化研究;王坤;《中国优秀硕士学位论文全文数据库工程科技II辑》;20160415(第04期);C034-2 * |
基于层次分析法的物流配送车辆导航路径规划求权方法;温惠英 等;《公路交通科技》;20080815;第25卷(第8期);114-118 * |
Also Published As
Publication number | Publication date |
---|---|
CN107437123A (zh) | 2017-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107437123B (zh) | 基于层次分析法的生鲜产品动态优化配送方法 | |
CN108596727B (zh) | 一种共享单车的管理与决策方法 | |
Lin et al. | Operational performance evaluation of international major airports: An application of data envelopment analysis | |
Bi et al. | Express delivery with high-speed railway: Definitely feasible or just a publicity stunt | |
CN108269399A (zh) | 一种基于公路网客流od反推技术的高铁客流需求预测方法 | |
Zhang et al. | Hybrid MCDM model for location of logistics hub: A case in China under the belt and road initiative | |
CN109344991B (zh) | 一种公交线路最高断面客流预测方法 | |
Ni et al. | Impacts of information technology and urbanization on less-than-truckload freight flows in China: An analysis considering spatial effects | |
CN110119890A (zh) | 一种基于ahp-灰色关联分析的铁路乘车方案排序方法 | |
Lu et al. | An analysis for Chinese airport efficiency using weighted variables and adopting CFPR | |
Ding et al. | The optimization of airport management based on collaborative optimization of flights and taxis | |
CN113537569A (zh) | 一种基于权重堆叠决策树的短时公交客流预测方法及系统 | |
Hua et al. | Large-scale dockless bike sharing repositioning considering future usage and workload balance | |
CN116187889A (zh) | 全链条铁水联运方案系统及评价方法 | |
CN115713184A (zh) | 一种公交线路运营服务评估方法 | |
Sai et al. | Forecasting air passenger data using various models | |
Li et al. | Assessment of the internet impact on road transportation industry operational efficiency | |
Alici et al. | Analysis of sector-specific operational performance metrics affecting stock prices of traditional airlines | |
Vittek et al. | Air Transport and its Socio-Economic Impacts: Methodology and Research | |
Ripoll-Zarraga et al. | Spanish airports: A visual study of management efficiency | |
Zheng et al. | Model confirmation of logistics park land size based on classification of chinese national standard | |
Li et al. | A container slots allocation model based on demand diversion probability | |
Dash | Comparison of performance of indian aviation service providers using multi-criteria decision models | |
Nasrollahi et al. | Designing Airline Hub‐and‐Spoke Network and Fleet Size by a Biobjective Model Based on Passenger Preferences and Value of Time | |
Li et al. | Evaluation of the Competitiveness of Express Enterprises based on Gray Relational Analysis and Entropy Weight |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201016 Termination date: 20210612 |