序言隨著社會主義市場經濟的不斷發展，作為“第三收益源泉”的貨運對經濟活動的影響日漸顯著，導致了人們越來越多的注重，成為當前“最重要的競爭領域”。配送是聯接生產與消費之間的一種中介服務。它是指按顧客(包括零售商店、用戶等)的訂貨要求(包括貨物種類、數量和時間等方面的要求)，在貨運中心(包括配送中心、倉庫、車站、港口等)進行分貨、配貨工作，并將配好的貨物及時送交收件人的貨運活動。配送不是單純的運輸或送貨，而是運輸與其他活動（集貨，分貨，配貨）的組合，是“配”與“送”的有機結合。因而對于配送問題的研究可分為對和“送”兩方面的研究。“配”主要為配送中心選址問題，“送”包括旅行商問題(TSP)、車輛路線優化問題(VRP)。因為選址的外部誘因（經濟，基礎設施，環境等）及內部誘因（企業戰略，勞動力成本和素養等）的影響，單純考慮距離問題的選址是不合理的，因而在本文中不對“配”進行研究，主要對“送”進行研究。配送路線的優化，是配送優化中的一個關鍵環節。在配送過程中，配送線路合理與否對配送速率、成本、效益影響很大。設計合理、高效的配送路線方案，除了可以降低配送時間，減少作業成本，提升企業的效益，但是可以更好地為顧客服務，提升顧客的滿意度，維護企業良好的形象。
配送線路優化是指對一系列的發貨點和收貨點，組織適當的行車路線使汽車有序的通過它們，在滿足一定的約束條件下（貨物需求量與發送量，汽車容量限制，行駛里程限制），力爭實現一定的目標（行駛里程最短，使用汽車盡可能少）。但配送作業情況復雜多變，不僅剩在配送點多、貨物種類多、道路網復雜、路況多變等情況，但是運輸服務地區內需求網點分布也不均勻便利店送貨，致使線路優化問題是一個無確定解方程困局，須要啟發算法去求得近似最優解。配送合理化與否是配送決策系統的重要內容，配送線路的合理與否又是配送合理化的關鍵。選擇合的理配送路線，對企業和社會都具有很重要的意義。對社會來說，它可以節約運輸汽車，降低汽車空載率，增加了社會貨運成本，對其他企業尤其是生產企業具有重要意義。與此同時，能夠減輕交通緊張狀況，降低噪音、尾氣排放等運輸污染，對民生和環境也有不容忽略的作用本文將以國大工貿連鎖有限公司當前的配送線路的優化問題作為研究對象，貨運規劃課程設計對廣州市內連鎖便利店的需求量及運距進行剖析估算，構建VRP物理模型，運用降維算法和單回路法對完善的模型進行求解，對國大連鎖的配送路線進行優化。旨在于為該公司提供較合理的配送方案，以期降低配送里程，增加貨運運輸成本，提升該公司貨運運作效率，顧客服務質量和整體競爭力。
貨運規劃課程設計問題的提出與描述2.1國大連鎖工貿有限公司的配送現況山東國大連鎖商業有限公司是陜西省較早創立并推行規范化管理的現代化商業連鎖企業。總部擁有先進的商業MIS系統、物流配送系統、視覺辨識系統、專業培訓參予理系統。2002年通過-2000國際質量管理體系認證，“36524便利店”商標經國家商標局注冊，曾連續兩年榮登全省連鎖百強企業之列。公司以便利店為核心業態，經過多年的運作，現有便利店300多家，開省內24小時營業之先河，并完善了電話網、INT網、人力營銷網、店鋪網，在省內首創了“四網并行”的商業模式。該公司是在“四網并行”的基礎上，結合企業實際，提出了信息驅動發展戰略配送中心的配送對象是分布于廣州的加盟國大連鎖工貿有限公司的便利店，這種店基本覆蓋了內環的大部份地區，也有部份內環以外部份，這種便利店的需求在時間、數量上比較確定，通常采用自有汽車每晚對這種店進行配送，配送時間通常選擇在車流量較小的時段，大部份是選擇在凌晨。配送汽車為東方小霸王廂式車，因為所配送貨物通常為日用具和乳品，汽車滿載通常為一噸。各便利店需求量比較穩定通常為0.1—0.3噸之間，由于便利店門店較小，儲存間也較小，因而須要每晚配送。
每晚配送的電子系統按照各店的銷售情況自動向配送中心訂貨，生成配貨揀貨單，配送中心依據配貨雙向各店進行定時配送。每臺配送汽車配送的商場卻不是固定的，并且對各個商場進行配送時的路線選擇不固定，這樣就有很大的隨機性，導致時間和費用的浪費。2.2提出問題我們組針對國大便利店貨運配送線路有很大的隨機性，導致了人力物力時間的浪費這一現象，對其配送線路進行科學的優化和整合，達到減少成本的目的。通過對國大便利店的調查，我們得到：已知條件1.所有零售便利店的集合N為已知，N=1、2、3、、、32，為便利店所在地2、從配送中心出發的配送汽車，經過所有須要配送的便利店，并把貨物卸下，并返回配送中心，配送汽車所經過的零售戶的次序稱為路線。貨運規劃課程設計4、便利店數目、地理位置為已知，且每一個便利店的需求量為已知。5、各零售點之間的距離為已知。目標汽車應用臺數、各車行走的路徑，使總的距離最少，用車較少。約束條件1、配送汽車的車載輛，一輛車的載重輛為一噸。2、地理上相對集中的零售戶由一輛送貨車進行送貨。3、送貨汽車按每晚的訂單數目領料。4、配送汽車盡可能滿載5、每天送貨路線的工作線路基本均衡解決思路以降維算法為基礎，以車載量和路線最短為約束條件，運用spss軟件的K—均值降維剖析產生降維區域，最后用單回路運輸—TSP模型的近來插入法進行配送路線的優化。
貨運規劃課程設計方式介紹3.1降維算法簡介降維算法是一種新興的多元統計方式，是當代分類學與多元剖析的結合。降維剖析是將分類對象放在一個多維空間中，根據其空間尊卑進行分類。淺顯地講，降維剖析就是按照事物彼此不同的屬性進行鑒別，將具有相像屬性的事物聚為一類，促使同一類事物具有高度的相像性。相像或不相像的測度基于數據對象的描述的取值來確定的，一般是借助距離進行描述，常見的降維剖析方式有(1)切割的降維方式。代表算法有：K-MEANS算法、算法次的降維方式。代表算法CURE算法。(3)基于密度的降維。代表算法算法等。(4)基于網格的降維。代表算法算法等。零售行業配送線路優化須要對零售戶的空間地理數據進行降維剖析，因為數據量較大，須要一個效率高的算法，但是K-MEANS算法適宜于數據型數據，對數據輸入次序不敏感等特征，為比較適宜的一種算法。K-MEANS降維算法的基本思路是：首先從個對象作為初始降維中心；而對于所剩下其它對象，則按照它們與那些降維中心的相像度（距離），分別將它們分配給與其最相像的（降維中心所代表的）降維；之后再估算每位所獲新降維的降維中心（該降維中所有對象的均值）；不斷重復這一過程直至所有中心都不在變化為止。
k個降維具有以下特性：各降維本身盡可能的緊湊，而各降維之間盡可能的分開。3.2K--MEANS降維算法有兩個關鍵問題須要解決，一是初始降維中心的個數，二是初始降維中心的位置。（1）初始降維中心的個數，也是配送區域界定的個數，也就是為那些配送區域送貨的送貨量配送汽車的臺數。即k=配送汽車的臺數車載量+1，加主要考慮汽車配裝時不可能完全滿載。（2）初始降維中心的位置，原算法是隨機的，為提升降維的療效，優化降維的結果，根據密度的分布，對初始降維中心優化生成。以每位零售戶的地理數據點為圓心，以數據庫中零售戶地理信息表中所有地理數據之寬度離的平均值為直徑貨運規劃課程設計means降維算法須要的初始中心就由以上算法生成，而無需用戶進行事先指定.整個過程包括以下幾個基本步驟：1）將數據庫中的每位點都看成一個類，估算所有點之間的距離，生成距離矩陣，兩點之間歐式距離為：2）選定2個整數，通常R2=2*R1，其中R1為數據庫中所有點之寬度離的平均值，3）以每位點為圓心，以R1為直徑作圓便利店送貨，估算落在每位圓內的點的數量，即樣本密度；如求R1為直徑的圓內，其判定方的樣本密度，否則判定下一點，重復第二步。
4）將樣本密度按從大到小的次序排列，取密度最大者作為第一個降維中心Z1，選擇密度次大的數據點與第一凝聚點Z1之寬度離小于R2，即作為第二個凝聚點Z2，否則繼續判斷下一密度最大者，若下一密度最大者的點與上面若干個凝聚點之寬度離均小于R2，則將之作為又一新的凝聚點，這么反復迭代直至要求降維的數量K。3.3單回路運輸—TSP模型的近來插入法單回路運輸問題是指在路線優化中，設存在節點集合D，選擇一條合適的路徑遍歷所有的節點，但是要求閉合。單回路運輸模型在運輸決策中，主要用于單一汽車的路徑安排。目的在于在該汽車遍歷所有用戶的同時，達到所行駛距離最TSP模型是單回路運輸問題的最為典型的一個模型，它的全稱是貨運規劃課程設計(TSP),英文稱作旅行商問題它是一個典型的NP—Hard問題，對于大規模的線路優化問題，未能獲得最優解，只有通過啟發式算法獲得近優解。TSP模型可以如下描述:在給出的一個n定點網路（有向或無向），要求找出一個包含所有n個定點的具有最小花費的支路。任何一個包含網路中所有n點的支路被叫做一個回路。
在旅行商問題中，要設法找到一條最小花費的回路。既然回路是包含所有頂點的一個循環，故可以把任意一個點作為起點（因而也是終點），這也是TSP模型的一個特性。近來插入法是和等人在1977提出的另外一種用于解決TSP問題的算法，可以找到相對比較滿意的解。近來插入法由4步來完成：之間，用兩條新弧（i，k）（k，j）取代原先的弧（i，j），并將節點重復步驟（2）（3），直至所有的節點都加入到子回路中。貨運規劃課程設計國大便利店配送路線優化據了解，國大36524便利店在廣州城區共有304店，我們依照其需求量及各門店地理位置共取32個主要門店來做線路優化，各便利店分布如右圖4-1圖4-1長春國大便利店家要店鋪分布圖4.1對國大便利店進行降維剖析構建直角座標系如圖4-2確定各個便利店的具體座標位置如表4-1。圖4-2便利店直角座標系貨運規劃課程設計表4-1國大便利店具體座標位置101112131415165.34.44.63.33.86.27.88.65.84.35.110.49.48.97.99.79.49.07.77.25.16.08.09.44.82.92.97.67.15.33.41718192021222324252627282930313211.51311.99.913.6119.112.310.712.35.67.22.93.91.22.57.07.06.05.15.44.52.93.42.82.71.45.18.54.06.55.5確定配送汽車臺數k=送貨量/車載量+1，調查得國大便利店用車載重量為噸，調查各個便利店的平均需求量為下表4-2。
表4-2國大各便利店的日平均需求量編號需求編號需求編號需求編號需求0.27170.22250.160.18100.2180.23260.110.22110.28190.17270.180.20120.19200.18280.160.18130.13210.26290.230.25140.22220.12300.250.15150.16230.15310.290.25160.2240.27320.22可知各便利店日平均需求量總和為Q=6.43噸，所以配送汽車臺數k=6.43/1+1=7.43，約為K=7運用上面所述K均值降維法步驟借助spss軟件進行K均值降維剖析，可得結果為表4-3。貨運規劃課程設計表4-3降維成員及距離降維成員編號距離編號1.337171.37118.386191.288201.582211.026222.033231.250241.447251.034102.06226.97411.860271.16612.51028.792131.415291.19514.989301.918151.225311.912161.25832.468整理表4-3可得便利店的降維結果表4-4表4-4降維結果所包含的便利4、298、9、13、1417、18、19、2111、12、2722、24、25、265、6、30、31、327、10、15、16、20、23、28依據表4-4在圖中畫出降維分布圖4-3貨運規劃課程設計圖4-3降維分布圖由spss軟件進行降維剖析得到降維中心的座標位置為下表4-5表4-5最終降維中心最終降維中心4.09.012.55.011.62.97.98.98.06.42.43.35.74.74.2對降維結果進行調整降維完成后，還應按照車載量這個約束條件對降維結果進行判別調整。
Step1：估算每一個降維內的便利店需求量的總和；Step2：判定每一降維內便利店的需求量的總和是否超過車載量；倘若未超過，說明符合條件。若果超過車載量，選擇該降維中距離剛體最遠的點，將其擬劃入距離其他類剛體距離近來的類，劃入某一類前，還必須判定如劃入后該類的便利店需求量的總和是否大于車載量。假如大于，正式該數據劃入該類，否則，選擇歐式距離再次之的類作為擬劃入的類，同樣判定該類便利店需求量是否大于車載量是否大于車載量，假如大于則歸，否則選擇距離再度之的。Step3：當所有的類零售戶訂單量總和都大于車載量時，暫告一段落。調整完畢之后，每一類的便利店地理位置相對集中，且訂單量總數大于車載貨運規劃課程設計重量。降維1：總需求量Q1=0.15+0.18+0.22+0.2+0.23=0.98
免責聲明：部分文章信息來源于網絡以及網友投稿，本站只負責對文章進行整理、排版、編輯，出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性，如本站文章和轉稿涉及版權等問題，請作者在及時聯系本站，我們會盡快為您處理。
