隨著市場(chǎng)規(guī)模的擴(kuò)大,加快物流網(wǎng)絡(luò)布局,建設(shè)多層配送系統(tǒng)對(duì)企業(yè)發(fā)展具有重要意義。同時(shí),配送環(huán)境復(fù)雜性不斷攀升,增加配送時(shí)間的不確定性,使物流服務(wù)接受者感知到服務(wù)價(jià)值差異。通過(guò)合理規(guī)劃路線,不僅可以降低企業(yè)成本,同時(shí)可以合理安排配送時(shí)間,提高服務(wù)水平。因此考慮時(shí)間窗服務(wù)前景價(jià)值的雙層車輛路徑優(yōu)化問題具有理論和現(xiàn)實(shí)意義。本文主要研究?jī)?nèi)容如下:(1)構(gòu)建系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值模型。在車輛不同行駛狀態(tài)的基礎(chǔ)上,給出不同情境下的配送時(shí)間窗,考慮時(shí)間窗的服務(wù)價(jià)值;針對(duì)決策者對(duì)不同配送時(shí)間心理感知不同,引入累積前景理論,刻畫衛(wèi)星平臺(tái)和客戶對(duì)不同配送時(shí)間感知價(jià)值的差異,衡量時(shí)間窗服務(wù)價(jià)值,構(gòu)建系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值模型。(2)基于衛(wèi)星平臺(tái)選擇的配送成本研究。在考慮衛(wèi)星平臺(tái)規(guī)模和貨物量擁擠效應(yīng)基礎(chǔ)上,建立衛(wèi)星平臺(tái)轉(zhuǎn)運(yùn)成本函數(shù);結(jié)合衛(wèi)星平臺(tái)運(yùn)營(yíng)及路徑,建立配送成本函數(shù)。根據(jù)衛(wèi)星平臺(tái)規(guī)模和貨物量合理選擇衛(wèi)星平臺(tái),使系統(tǒng)成本最小。(3)考慮系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值、衛(wèi)星平臺(tái)的選擇和配送成本,構(gòu)建三個(gè)雙層車輛路徑模型。首先建立配送成本最小的雙層車輛路徑模型和系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值最大的雙層車輛路徑模型;其次,在兩個(gè)...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 雙層車輛路徑問題的研究現(xiàn)狀
        1.2.2 車輛路徑問題中服務(wù)水平的研究現(xiàn)狀
        1.2.3 累積前景理論的研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀述評(píng)
    1.3 研究?jī)?nèi)容與論文結(jié)構(gòu)
        1.3.1 論文的研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)
    1.4 本文創(chuàng)新點(diǎn)
第二章 相關(guān)理論基礎(chǔ)
    2.1 雙層車輛路徑問題概述
    2.2 累積前景理論概述
    2.3 多目標(biāo)粒子群算法概述
    2.4 灰色關(guān)聯(lián)分析
第三章 模型構(gòu)建
    3.1 模型情境
        3.1.1 問題描述
        3.1.2 模型假設(shè)
        3.1.3 參數(shù)符號(hào)以及變量說(shuō)明
    3.2 時(shí)間窗服務(wù)前景價(jià)值模型
        3.2.1 衛(wèi)星平臺(tái)時(shí)間窗服務(wù)前景價(jià)值模型
        3.2.2 客戶時(shí)間窗服務(wù)前景價(jià)值模型
        3.2.3 系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值模型
    3.3 配送成本函數(shù)
    3.4 雙層車輛路徑模型的建立
        3.3.1 考慮配送成本的雙層車輛路徑模型
        3.3.2 考慮系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值的雙層車輛路徑模型
        3.3.3 考慮配送成本和系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值的雙層車輛路徑模型
第四章 模型求解
    4.1 求解雙層車輛路徑問題的粒子群算法
        4.1.1 粒子編碼方案
        4.1.2 約束條件的處理
        4.1.3 適應(yīng)度函數(shù)的構(gòu)造
        4.1.4 更新策略
        4.1.5 單目標(biāo)粒子群算法的實(shí)現(xiàn)
    4.2 求解2E-VRP的多目標(biāo)粒子群算法
    4.3 GRA最優(yōu)參考解評(píng)價(jià)
第五章 算例與結(jié)果分析
    5.1 實(shí)驗(yàn)環(huán)境以及測(cè)試算例
    5.2 實(shí)驗(yàn)設(shè)計(jì)
        5.2.1 基礎(chǔ)實(shí)驗(yàn)組設(shè)計(jì)
        5.2.2 對(duì)照組實(shí)驗(yàn)設(shè)計(jì)
    5.3 實(shí)驗(yàn)結(jié)果分析
        5.3.1 基礎(chǔ)實(shí)驗(yàn)組結(jié)果
        5.3.2 對(duì)照實(shí)驗(yàn)一:系統(tǒng)時(shí)間窗服務(wù)前景價(jià)值權(quán)重對(duì)比分析
        5.3.3 對(duì)照實(shí)驗(yàn)二:客戶信息獲取程度對(duì)比分析
        5.3.4 對(duì)照實(shí)驗(yàn)三:風(fēng)險(xiǎn)敏感系數(shù)對(duì)比分析
        5.3.5 對(duì)照試驗(yàn)四:基于灰關(guān)聯(lián)度的最優(yōu)參考解評(píng)價(jià)
總結(jié)和展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷及研究成果



本文編號(hào)：3910316