正向物流路径规划

正向物流路径规划

• 前言
• 一、配送路径优化模型构建
• • 1.模型假设
  • 2.ortools求解路径规划
  • OR-Tools 包含以下解决方案
• 仿真
• 总结

前言

与传统物流行业相同，影响冷链物流产品服务质量的最关键因素就是运输距 离长短，合理的规划配送路线，对企业来讲，一方面，可以避免不合理的配送路线，避免增加无效配送时长，提高效率，降低货损，降低成本 ；另一方面，可以保证产品在送到消费者手中时的完整程度、新鲜度等，提高客户对冷链的接受程度，促进其发展。对顾客来讲，优化路线可以享受更优质的服务，更愿意选择此种消费模式。

一、配送路径优化模型构建

1.模型假设

为满足模型构建的要求，本文作出以下假设 ： （1）仓库中心有足够多的同种型号的配送车辆和可用的配送人员。 （2）车辆在参与配送服务时均处于良好运行状态。 （3）配送车辆只用作配送，不用做其他用途。 （4）每个零售商每天只会向仓库发送一次订单申请。 （5）客户的时间窗、位置以及需求量等信息已知。 （6）每位客户只接受一次配送服务，商品必须一次送到。 （7）运输过程中产品不会发生变质。 （8）每条配送路径上的各个客户需求量的总量不能超过配送车辆的最大装载量。 （9）车辆在配送途中始终保持匀速行驶且无特殊情况发生。 （10）不会存在零售商拒绝接受货物的情况。 （11）货物送达时装卸搬运货物不会产生额外费用。 （12）配送车辆均由配送中心发出，并在完成配送服务后返回配送中心。（13）所有车辆不会出现空载的情况，即所有车辆都参加配送服务。

2.ortools求解路径规划

OR-Tools 是一种用于组合优化的开源软件，该软件力求从一组可能的大量 解决方案中找出某个问题的最佳解决方案。以下是 OR 工具可以解决的一些问 题示例： ⚫ 车辆路线：根据给定的限制条件（例如，“这辆卡车承载的重量不能超 过 20,000 磅”或“所有送货都必须在两小时内完成”）。 ⚫ 调度：为一组复杂的任务找到最佳调度，其中一些任务需要先完成，然 后才能在一组固定的机器或其他资源上执行。 ⚫ 箱装：将各种不同尺寸的对象装入具有最大容量的固定数量的箱中。 在大多数情况下，此类问题具有大量可能的解决方案，计算机过多无法搜索 所有解决方案。为了解决这个问题，OR-Tools 使用了先进的算法来缩小搜索集的范围，以寻找最佳（或最接近）的解决方案。

OR-Tools 包含以下解决方案

（1）约束编程 用于寻找可行解的方法，用于解决以约束条件表示的问题（例如，无法同时 将房间用于两个事件，或者与剪裁内容的距离必须小于软管的长度，或者一次最 多只能录制五个电视节目）。 （2）线性和混合整数编程 Glop 线性优化器会在指定一组线性不等式（例如，为人员分配作业，或在 尽量降低费用的情况下找到一组资源的最佳分配）后，找出线性目标函数的最佳 值。也可以通过 Google Apps 脚本优化服务使用 Glop 和混合整数编程软 件 SCIP。 （3）车辆路线 用于在满足指定限制条件的情况下确定最佳车辆路线的专用库。 （4）图表算法 此代码用于查找图表、最短费用流、最大流量和线性总和分配中的最短路径。

仿真

以某地前置仓A以及它所负责的16个零售商研究对象，假设前一日接受订单如下表所示（截取了部分数据），通过比较优化前与优化后的配送路径、 配送时间以及综合配送成本，验证本文模型的合理性与实用性。 在该公司当前方案中，仓库一天需派出 4 辆配送车辆即可实现配送范围覆 盖， 车辆最大载重均为1000kg， 在运输时的平均单位运输成本为 0.9 元 / 公 里，使用ortool对配送路径进行优化。

# [START solution_printer]
def print_solution(data, manager, routing, assignment):
"""Prints assignment on console."""
print('Objective: {}'.format(assignment.ObjectiveValue()))
total_distance = 0
for vehicle_id in range(data['num_vehicles']):
index = routing.Start(vehicle_id)
plan_output = 'Route for vehicle {}:\\n'.format(vehicle_id)
route_distance = 0
while not routing.IsEnd(index):
plan_output += ' {} ->'.format(manager.IndexToNode(index))
previous_index = index
index = assignment.Value(routing.NextVar(index))
route_distance += routing.GetArcCostForVehicle(
previous_index, index, vehicle_id)
plan_output += ' {}\\n'.format(manager.IndexToNode(index))
plan_output += 'Distance of the route: {}m\\n'.format(route_distance)
print(plan_output)
total_distance += route_distance
print('Total Distance of all routes: {}m'.format(total_distance))
# [END solution_printer]

总结

本文聚焦冷链物流配送路径优化问题，结合行业发展背景展开研究。我国冷链物流市场规模 2017-2021 年增幅达 187.18%，当前主要存在传统批发市场核心模式与 B2C 电商模式，同时面临配送标准缺失、设备不完善、货损率高、路径规划不合理、车辆空置率高等问题。为解决上述问题，本文针对单配送中心向多零售商供货场景，设定 13 项假设条件，定义相关变量与参数，构建基于广义运输成本的配送路径优化模型，并采用 OR-Tools 开源软件求解最优路径。