（机械工程专业论文）基于顾客聚类的时依性物流配送研究.pdf

i 一。 - “ b y j i a n gc h u a n q i b e ( h u n a nu n i v e r s i t y ) 2 0 0 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g m e c h a n i c a le n g i n e e r i n g i nt h e g r a d u a t es c h o o l o f h u n a nu n i v e r s i t y s u p e r v i s o r p r o f e s s o ry ud e ji e m a y ，2 0 1 1 l - i 一 i r 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 储躲够黔 吼锄啤f 月夕日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论 作者签名 导师签名 一 、 t 1 基于顾客聚类的时依性物流配送模式研究 摘要 在当前充满竞争的商业环境下，物流配送服务与市场紧密结合，简单的物流 配送服务已不能满足顾客的需求，特别是近年来机械、汽车等行业的快速发展， 对相关的物流配送服务提出了新的要求，快速响应多个顾客需求、为顾客提供及 时、高效和差异化的服务已经成为物流配送的基本要求。 为了降低物流配送成本，提高顾客满意度，本文提出了基于顾客聚类的时依 性物流配送模式，配送模式中包括顾客聚类和商品配送两部分，第一部分将顾客 按照需求的不同属性予以划分和聚类；第二部分以顾客聚类为基础，根据不同顾 客群组的属性，为每个顾客群组提供差异化的服务。 首先，针对物流配送模式中快速响应顾客需求的目标，将混合模糊一分层聚类 算法引入到顾客需求处理中。该方法先将顾客需求划分为几个相关的配送属性， 然后利用混合模糊一分层聚类算法将顾客予以划分和聚类，在不同属性的顾客群组 中提供及时和高效的配送服务。通过对顾客的聚类，提高了物流配送效率，实现 了快速响应顾客需求的目标，同时为下一步的商品配送提供基础。 其次，针对商品配送过程中降低供应端配送成本、提高需求端顾客满意度的 要求，将商品配送划分为配送车辆指派和配送车辆路径规划两个子阶段，在这两 个子阶段，综合考虑商品供应端和顾客需求端的目标，构建基于供应端和需求端 的多目标函数。通过构建多目标函数，配送企业根据实际运行策略设置供应端和 需求端的权重，实现降低供应端物流配送成本，提高需求端顾客满意度的要求。 第三，针对传统配送模式在车辆路径规划时将在途车辆的运行成本视为固定 值的问题，本文提出了时依性的车辆运行成本，将道路的实时交通情况划分为若 干个高、低峰时段，车辆的运行速度为时间的线性函数，在途车辆的运行成本与 其进入道路的时间点有关。通过对在途车辆运行成本的时依性处理，避免了车辆 速度的突增和突减，使得规划的车辆配送路径更符合实际情况。 第四，针对车辆路径规划模型的求解次数随问题规模增大而呈指数增加的问 题，本文采用蚁群算法对车辆配送路径模型进行求解。蚁群算法具有正反馈、分 布式计算和贪婪启发式搜索的特点，可以解决多维动态组合优化问题，降低求解 时间。 通过实例验证，本文提出的基于顾客聚类的时依性物流配送模式得到的配送 策略比企业原来的配送策略有了明显的提高，具有较好的实际应用价值。 关键词：物流配送；顾客聚类；路径规划；时依性：快速响应；顾客需求 柚 1 m ， i nt h ec u r r e n tc o m p e t i t i v eb u s i n e s se n v i r o n m e n t ，l o g i s t i c si sl i n k e dc l o s e l yt ot h e m a r k e t ，t h e s i m p l el o g i s t i c sa n dd i s t r i b u t i o ns e r v i c e sc a n n o tm e e tt h er e q u i r e m e n t so f e n t e r p r i s e s e s p e c i a l l y , f o rt h er a p i dd e v e l o p m e n t o ft h em a c h i n e r y , v e h i c l e sa n do t h e r i n d u s t r i e sr e l a t e d ，i th a sp u tf o r w a r dh i g h e rr e q u i r e m e n t st ot h er e l e v a n tl o g i s t i c sa n d d i s t r i b u t i o ni n d u s t r y , a n dq u i c kr e s p o n s et ot h en e e d so fd i f f e r e n tc u s t o m e r sa n d p r o v i d i n gd i f f e r e n t i a t e ds e r v i c e st oc u s t o m e r sh a v e b e c o m eab a s i cr e q u i r e m e n tt ot h e l o g i s t i c sa n dd i s t r i b u t i o ns e r v i c e s i no r d e rt oi m p r o v et h ee f f i c i e n e yo fd i s t r i b u t i o ns e r v i c e sa n dc u s t o m e r s s a t i s f a c t i o n ，at i m e d e p e n d e n tl o g i s t i c s d i s t r i b u t i o nm o d e l i n gb a s e do nc u s t o m e r c l u s t e r i n gi sp r o p o s e d t h em o d e l i n gi n c l u d e st w op a r t s ，o n ei sc u s t o m e rc l u s t e r i n g ， t h eo t h e ri sg o o d sd i s t r i b u t i o n a tt h ef i r s tp a r t ，c u s t o m e r sa r ed i v i d e da n dc l u s t e r e d a c c o r d i n gt od i f f e r e n ta t t r i b u t e s a ts e c o n dp a r t ，b a s e do nc u s t o m e rc l u s t e r i n g ，e a c h c u s t o m e rg r o u pi sp r o v i d e dw i t hd i f f e r e n t i a t e ds e r v i c e sa c c o r d i n gt ot h ep r o p e r t i e so f d i f f e r e n tc u s t o m e rg r o u p s f i r s t ，f o rt h et a r g e to fq u i c kr e s p o n s et o t h en e e d so fd i f f e r e n tc u s t o m e r s ，a h y b r i df u z z y - h i e r a r c h yc l u s t e r i n gm e t h o di sp r o p o s e d ，a n dc u s t o m e rd e m a n d s a r e d e s c r i b e di n t os e v e r a lr e l e v a n ta t t r i b u t e s c u s t o m e r sa r ec l u s t e r e da c c o r d i n gt ot h e s e d i f f e r e n ta t t r i b u t e sa n dp r o v i d ed i f f e r e n t i a t e ds e r v i c e st oe a c hc u s t o m e rg r o u p a c c o r d i n gt ot h ed i f f e r e n tn e e d so fc u s t o m e r s s oi ti m p r o v e sc u s t o m e rs a t i s f a c t i o n ， r e a c h e st h et a r g e to fq u i c kr e s p o n s et ot h en e e d so fd i f f e r e n tc u s t o m e r s ，a n dp r o v i d e s ab a s i sf o rf u r t h e rd i s t r i b u t i o no fg o o d s s e c o n d ，f o rt h er e q u i r e m e n to fr e d u c i n gt h es u p p l ys i d ed i s t r i b u t i o nc o s t sa n d i m p r o v i n g d e m a n ds i d ec u s t o m e rs a t i s f a c t i o n ，t h ed e l i v e r yi sd i v i d e di n t o t w o s u b - s t a g e s ：v e h i c l e sa s s i g n m e n ta n dv e h i c l er o u t i n gp l a n n i n g i nt h e s et w os u b s t a g e s ， c o n s i d e r i n gt h et a r g e to ft h es u p p l ys i d ea n dd e m a n ds i d e ，m u l t i - o b j e c t i v ef u n c t i o ni s b u i l tb a s e do ns u p p l y s i d ea n dd e m a n d s i d e i nt h es u b s t a g eo ft h ev e h i c l e s a s s i g n m e n t ，s u p p l y - s i d ee n t e r p r i s ec a n d e c i d et h eo r d e ro ft h ec u s t o m e rs e r v i c eg r o u p a c c o r d i n gt ot h ea c t u a ls t r a t e g y ；i nt h es u b s t a g eo ft h e v e h i c l er o u t i n gp l a n n i n g ， s u p p l y s i d ee n t e r p r i s e c a ns e l e c tt h er o u t i n g ，a c c o r d i n gt ot h ea c t u a ln e e d sa n d p r e f e r e n c e so f t h ed e c i d i n g m a k e r , i no r d e rt or e d u c ee n r o u t i n gv e h i c l er u n n i n gc o s t s a n di m p r o v ec u s t o m e rs a t i s f a c t i o n i i i _ 、 r 基于顾客聚类的时依性物流配送模式研究 t h i r d ，i nt h et r a d i t i o n a ld i s t r i b u t i o nm o d e l i n g ，e n - r o u t i n gv e h i c l e sc o s t si s c o n s i d e r e da saf i x e dv a l u e i no r d e rt oo v e r c o m et h i sp r o b l e m ，w ec o n s i d e rt h e r e a l t i m et r a f f i cc o n d i t i o n s ，a n dt h er o a do fr e a l t i m et r a f f i ci sd i v i d e di n t oan u m b e r o fh i g ha n dl o wp e a kh o u r s ，a l lo n r o u t i n gv e h i c l e s s p e e di sal i n e a rf u n c t i o no ft i m e r u n n i n g s o ，e n - r o u t i n gv e h i c l e s c o s t si sr e l e v a n tw i t ht h et i m eo ft h ev e h i c l er u n i n t o t h er o a d ，a n da v o i d i n gt h es u d d e ni n c r e a s ea n dd e c r e a s eo ft h ev e h i c l e s ，m a k i n gt h e p l a n n e dp a t ho ft h ev e h i c l ed i s t r i b u t i o nm o r er e a l i s t i c f o u r t h ，f o rt h en u m b e ro fe x p o n e n t i a li n c r e a s ei nt h em o d e l i n go fv r pw i t ht h e s i z ei n c r e a s i n g ，w eu s ea n tc o l o n ya l g o r i t h mt os o l v et h i sm a t h e m a t i c a lm o d e l i n g ， w i t ht h ep o s i t i v ef e e d b a c k ，d i s t r i b u t e dc o m p u t a t i o na n dc o n s t r u c t i v eg r e e d yh e u r i s t i c s e a r c hf e a t u r e ，t h ea n tc o l o n ya l g o r i t h mc a ns o l v et h em u l t i d i m e n s i o n a ld y n a m i c c o m b i n a t o r i a lo p t i m i z a t i o np r o b l e m ，a n dr e d u c et h ec o m p u t a t i o nt i m e f i n a l l y , a ne x a m p l ei sp r o p o s e dt oa n a l y z et h a tt h eo r i g i n a ld i s t r i b u t i o ns t r a t e g y o ft h ee n t e r p r i s ei ss i g n i f i c a n t l yi m p r o v e dw i t ht h ep r o p o s e dd i s t r i b u t i o nm a t h e m a t i c c a lm o d e l i n gi nt h i st h e s i s ，a n dt h i sm o d e l i n gi sa l s op r o v e dw i t ht h eb e t t e rp r a c t i c a l v a l u e k e yw o r d s ：l o g i s t i cd i s t r i b u t i o n ；c u s t o m e rc l u s t e r i n g ；v e h i c l er o u t i n gp l a n n i n g ； t i m e d e p e n d e n t ；q u i c kr e s p o n s e ；c u s t o m e rd e m a n d i v 硕士学位论文 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要i i a b s t r a c t i i i 插图索引v i i i i 附表索引v i i 第1 章绪论l 1 1 研究背景1 1 2 国内外相关研究进展1 1 2 1 顾客需求处理的研究进展1 1 2 2 物流配送模式研究进展3 1 3 研究内容及结构7 1 3 1 本文研究内容7 1 3 2 论文组织结构8 第2 章基于顾客聚类的时依性物流配送模式理论基础1 0 2 1 聚类分析与模糊聚类1 0 2 1 1 聚类分析一l0 2 1 2 模糊聚类算法1 1 2 2 蚁群算法概述1 4 2 3 蚁群算法的数学模型1 5 2 3 1 基本蚁群算法的数学模型1 5 2 3 2 几种改进的蚁群算法1 7 2 4 本章小结。l8 第3 章顾客需求的属性划分及其聚类2 0 3 1 顾客需求处理及其属性划分2 0 3 1 1 顾客需求的处理方法2 0 3 1 2 顾客需求的划分2 0 3 2 基于混合模糊分层算法的顾客需求聚类2 2 3 3 本章小结：2 4 v 基于顾客聚类的时依性物流配送模式研究 第4 章时依性车辆配送模型2 5 4 1 模式基本假设2 5 4 2 在途车辆运行成本分析2 5 4 3 时依性物流配送模式。2 6 4 3 1 配送车辆指派模式2 6 4 3 2 配送车辆路径规划模式2 7 4 4 本章小结3 0 第5 章h 公司物流配送模式分析3 1 5 1h 公司介绍3l 5 2 顾客需求处理及其聚类3 1 5 2 1 顾客需求处理3 l 5 2 2 顾客聚类3 2 5 3 基于供应端和需求端的商品配送3 4 5 3 1 顾客群组l 的配送模式“3 5 5 3 2 顾客群组2 的配送模式3 8 5 3 3 顾客群组3 的配送模式4 l 5 3 4 顾客群组4 的配送模式4 4 5 4 配送模式比较：4 7 5 5 本章小结4 7 结论和展望4 8 参考文献：一5 0 致 射：5 4 附录a 攻读学位期间所发表的学术论文目录5 5 v i ， 硕士学位论文 插图索引 图1 1 基于顾客聚类的时依性物流配送模式结构图7 图2 1 基于迭代的模糊聚类法流程1 3 图2 2 基本蚁群算法的逻辑结构1 5 图3 1 顾客需求的处理方式2 0 图4 1 在途车辆运行速度分布图2 5 图4 2 基于蚁群算法的车辆路径规划2 9 图5 1 顾客地理位置分布图3 2 图5 2 顾客群组l 的总目标函数曲线图3 6 图5 3 顾客群组1 的在途车辆运行时间曲线图3 7 图5 4 顾客群组l 的顾客等待时间曲线图3 7 图5 5 顾客群组2 的总目标函数曲线图3 9 图5 6 顾客群组2 的在途车辆运行时间曲线图3 9 图5 7 顾客群组2 的顾客等待时间曲线图4 0 图5 8 顾客群组3 的总目标函数曲线图4 2 图5 9 顾客群组3 的在途车辆运行时间曲线图，4 2 图5 1 0 顾客群组3 的顾客等待时间曲线图4 3 图5 1 1 顾客群组4 的总目标函数曲线图4 5 图5 1 2 顾客群组4 的在途车辆运行时间曲线图4 5 图5 1 3 顾客群组4 的顾客等待时间曲线图4 6 v i i 一查量墅查鐾差箜啦堡堡望鎏蝥鲎堡塞堡壅 一 ， 附表索引 表3 1 顾客需求属性重要程度与三角模糊数对应规则2 2 表5 1 顾客订单到达时间及配送时限3 3 表5 2 顾客聚类结果及相关属性3 3 表5 3 顾客服务时间及时窗限制3 4 表5 4 顾客与配送中心的距离3 5 表5 5 顾客群组1 中顾客间的距离3 6 表5 6 蚁群算法基本参数设置3 6 表5 7 顾客群组2 中顾客间的距离3 8 表5 8 顾客群组3 中顾客间的距离4 1 表5 9 顾客群组4 中顾客问的距离4 4 表5 1 0 各配送模式相关成本值的比较4 7 v i i i 硕士学位论文 第1 章绪论 1 1 研究背景 随着经济全球化和知识经济时代的到来，市场竞争日益加剧，科学技术飞速 发展，现代物流已成为国民经济在高起点上持续发展的基础动力，并成为了企业 在激烈的市场竞争中把握竞争优势的有效方式。现代物流作为一种先进的组织方 式和管理技术，被广泛认为是企业降低物资消耗、提高劳动生产率以外的重要利 润源泉，并在国民经济和社会发展中发挥着重要作用【l 】。此外，市场经济活动参 与者的地位也渐渐地发生了变化，已由商品供应者为导向的卖方市场逐步转变为 以消费者需求为导向的买方市场，顾客需求更多表现出了差异化和多样性的特点， 小批量多品种及准确的交货时间成为顾客需求的重要属性。一个效率高、柔性强 的物流配送模式可以满足顾客的多样化需求，为顾客提供差异化的配送服务，提 高顾客的满意度，降低商品供应端的配送成本。由此可见，未来的物流配送模式 将更多的与市场和顾客紧密结合，因此是否能将顾客的需求做有效地划分和聚类， 并为不同的顾客提供及时和差异化的服务，已经成为物流配送模式发展的主要方 向。 但目前国内外相关模式的理论研究多从商品供应端角度出发，仅考虑供应端 的目标，如库存成本和运输成本的最小化等，对于顾客需求端而言，也仅仅是考 虑了顾客对于商品配送的时窗限制。但是，不同顾客对于商品在配送过程中的属 性要求也是不同的，仅从供应端的角度出发构建配送模式，所规划的配送策略忽 略了顾客的需求属性，将无法满足顾客的多样化要求，降低顾客的满意度，对于 企业的长期快速发展是不利的。 因此，对顾客需求进行实时的分析和处理，并结合市场营销观点将顾客需求 划分为不同的配送属性，对顾客进行聚类，实现快速响应顾客需求的目标，在此 基础上建立商品的配送模式，构建基于商品供应端和顾客需求端的多目标函数， 不仅可以降低供应端的配送成本，还可以提高需求端的顾客满意度，这对于配送 企业的长期快速发展是有深远意义的。 1 2 国内外相关研究进展 1 2 1 顾客需求处理的研究进展 现今的物流配送模式已经与市场行为紧密集合，先进的物流配送模式应能区 分不同的顾客，在不同的顾客群组中提供不同的配送服务，从而符合顾客的需求， 基于顾客聚类的时依性物流配送模式研究 提高顾客满意度【2 1 。因此，在建立快速响应顾客需求的物流配送模式时，必须对 与配送相关的顾客需求属性进行分析，国内外学者进行了相关的理论研究。 l a l o n d 在文献 3 】中对制造业在物流配送中常用的顾客需求属性进行了归纳总 结，提出了前置时间、配送正确率、需求响应时间、配送事故率等需求属性。s h a r m a 等则以产品的快速获得、配送相关服务的有效支持、沟通的及时性、订单处理的 及时性、货品送达时间的准时性等作为顾客的需求属性【4 】。k o r p e l a 等在文献【5 】 对供应端的配送服务标准进行了研究，提出了配送模式的可靠性、货品前置时间、 配送模式的柔性及商品附加价值等标准。b o w e r s o x 等对配送模式的供应端和需求 端的标准分别进行了分析，对于供应端提出了配送效率、库存成本、质量控制、 顾客服务等标准；对于需求端提出了顾客需求认知度和整合供应链的标准【6 j 。 g i l m o u r 在文献 7 】中提出物流配送服务的顾客需求属性应包含：商品的配送效率、 沟通的可获得性和及时性、要求响应的高效性、交货时间的准确性等。h u 和s h e u 在文献 2 】中对商品供应端提出了配送时间、配送成本、商品安全性、易使用性及 配送服务质量五个要求；对顾客需求端提出了安全性、可靠度、经济性、便捷性、 满意度五个要求。通过因子分析法，得到商品体积、剩余配送时间、商品价值、 同群组中单一货品的一致性、服务质量的期望、同一顾客所订商品种类的相似性、 顾客的地理位置、顾客满意度及商品的生命周期这九个配送属性。 文献 8 】对供应端提供的配送服务提出了三个方面的要求，包括需求处理时 间、配送服务的可靠性、沟通的可获得性及高效性。对于时间性要素，文中提出 了订单送达时间、订单的处理时间、商品的准备时间、商品的装运时间和商品的 运输时间：对于可靠性要素，文中提出了订单的前置时间、正确的订货量及商品 的安全送达三项影响因素。对于供应端的配送标准，通常以商品的送达时间、商 品订单的可靠性及商品的安全性为指标。 文献 9 】将供应端的配送服务总结为商品的配送能力、配送的服务效率及配送 的可靠性三项，在这三个标准的基础上提出了商品缺货频率、完品率、准时配送 订单数、配送速度、配送服务的稳定性和配送模式的弹性、模式功能失效及复原 能力等共七个评价指标。 文献【1 0 】对顾客需求进行了分析和研究，提出十四个顾客需求属性，分别为 商品的体积、商品的重量、商品的数量、商品的价值、前置时间、商品的一致性、 配送人员的服务质量、商品的种类、顾客的地理位置、退货率、产品的生命周期、 配送期限、顾客需求频率、配送失误率。在此基础上，利用主成份分析法对上述 十四个顾客需求属性进行了分析，得到八个主要需求属性，分别为商品的体积、 商品的价值、商品的种类、最短前置时间、顾客的地理位置、产品的生命周期、 配送的期限及顾客要求频率。 本文针对当前配送模式多从供应端出发来构建，对顾客需求端考虑较少的问 2 硕士学位论文 题，将顾客需求处理引入到配送模式的构建之中，对顾客需求进行分析，将顾客 需求划分为几个相关的配送属性，实现了快速响应顾客需求的目的，降低了物流 配送成本，提高了顾客满意度。 1 2 2 物流配送模式研究进展 配送是根据顾客的订货要求，在配送中心进行订单的处理、货物的集结，以 最有效的方式将货物送达到顾客的过程。物流配送模式可以分为传统物流配送模 式、二阶段的物流配送模式和时依性物流配送模式三种。 1 2 2 1 传统物流配送模式 传统的物流配送模式可以分为确定模式和随机模式，确定型配送模式是指在 顾客数量及顾客需求时间点、车辆在各路段的行驶时间、车辆的数量及负载等变 量都确定的情况下，对车辆配送路线进行规划，使得车辆的运行时间或总成本最 少。随机型配送模式是指在所有相关变量或者部分变量( 如车辆运行速度、顾客 需求的时间点及顾客数量等) 是随机的条件下对车辆配送路线进行规划。 在7 0 年代，大部分有关旅行商问题( t r a v e l i n gs a l e s m a np r o b l e m ，t s p ) 和车 辆路径问题( v e h i c l er o u t i n gp r o b l e m ，v r p ) 等都只对简单的确定物流配送模式 进行了探讨，车辆路径问题【l l 】最早是由d a n t z i g 和r a m s e r 于1 9 5 9 年首次提出，v r p 可定义为：规划一条合适的车辆路径，使车辆有序地通过每个顾客，在满足一定 的约束条件( 如车辆负载限制、行驶距离和时间限制等) 下，达到一定的目标【1 2 】 ( 如路径最短、时间最短等) 。v r p 问题是由t s p 衍化而来，t s p 问题可以描述为： 一名商人到以个城市推销商品，每两个城市f ，之间的距离为磊( f ，j = 1 ，2 ，行) ，规 划一条路径，使得商人从任意一个城市出发经过每个城市并且只经过一次后，回 到原来出发城市的总行程最短。 对于确定型配送模式，1 9 8 1 年，文献1 1 3 1 对单一配送中心的配送模式进行了 研究，以需求配送车辆的路径最小化为目标，构建了相对应的数学模型，并运用 一种精确算法对模型进行求解。1 9 8 4 年，文献 1 4 1 对具有车辆负载限制的v r p 问 题进行了研究，建立了与配送相关的线性数学模型，并利用松弛问题对模型进行 求解。1 9 8 7 年，s o l m o n 【”】在研究中加入了顾客对商品送达的时窗限制，使得商品 配送符合顾客的时间限制。 在国内，1 9 9 6 年，姜大立等【l6 】对简单的确定型配送模式进行了研究j 王勇等 1 7 l 将时窗限制引入了至u v r p 问题中，并对物流配送模式进行了研究。李军和郭耀 煌【1 2 】对集货或送货非满载的车辆配送模式、集货和送货一体化非满载的车辆配送 模式、单车型满载车辆配送模式以及多车型满载的车辆配送模式进行了比较全面 和系统的研究。 随着信息与通信技术的快速发展，车辆配送问题也由确定模式向随机模式发 3 基于顾客聚类的时依性物流配送模式研究 展，事实上，确定配送模式是随机配送模式的一种特殊情况，随机车辆配送问题 分为随机顾客需求点的车辆配送问题( v e h i c l er o u t i n gp r o b l e mw i t hs t o c h a s t i c c u s t o m e r s ，v r p s c ) 和随机顾客需求量的车辆配送问题( v e h i c l er o u t i n gp r o b l e m w i t hs t o c h a s t i cd e m a n d s ，v r p s d ) 。 对于v r p s c ，o b e r m a n 在文献 1 8 】中分别对顾客服务顺序确定时的车辆驻地 最优寻找及驻地确定时预定路线的最优寻找进行了研究。w a t e r s 1 9 】对需求为非二 元的问题进行了探讨，并对服务时能够采取的三种策略进行了实验分析。l a p o r t e 等【2 0 】尝试将整数l 形方法应用于v r p s c ，获得了最大顾客数为5 0 的问题最优解。娄 山佐，史忠科【2 1 】构建了一种基于m o n t e c a r l o 抽样求解路径的期望费用模型，并设计 了求解此类问题的交叉熵法。 对于v r p s d ，t i l l m a n f 在文献 2 2 】中对c l a r k e w r i g h t 解法进行了研究，并在 c l a r k e w r i g h t 解法的基础上首次提出了v r p s d 的解法。在文献 2 6 】中，先将顾客 进行了聚类，这些聚类满足一定的约束条件，聚类后针对每个顾客群组设定最优 化的路径。m d r o r 和p t r t l d e a u 在文献 2 3 】中针对车辆配送路线失败的模式进行了 研究，如果车辆路线失败后，则车辆就不再继续发送，顾客对配送端进行费用惩 罚。w e n h u e iy a n g 等在文献 2 4 中，假设车辆到达顾客时才能确定顾客的需求， 在对车辆路线进行规划时，如果车辆配送的货物不为零，则车辆可回到配送中心 装货。 从以上文献研究可以看出，传统物流配送模式的相关研究多从商品供应端的 角度出发构建物流配送模式，规划目标多是使得商品供应端的总运行成本最小化， 忽略了顾客需求端对于商品配送的要求。但随着时代的变迁，以商品供应端为主 导的卖方市场逐渐转变为以消费者需求为主导的买方市场，而商品的配送也转向 为如何满足消费者需求，因此，仅仅从商品供应端角度出发构建的物流配送模式 已不符合当今以顾客需求端为主导的市场。本文针对顾客需求的不同属性加以分 析，并按照属性的不同对顾客加以聚类，从而构建基于顾客聚类的配送模式，快 速响应顾客的需求，提高顾客需求满意度。 1 2 2 2 二阶段物流配送模式 g i l l e t t 和m i l l e r 在文献 2 5 】中采用先顾客划分后规划路径的模式，首先对顾客 进行分类，将顾客需求点的地理位置用极坐标表示，计算任意一个需求点与参考 点的角度，并以该需求点为基准，逆时钟( 或顺时钟) 方向旋转，如果当前所有 顾客的订货要求达到配送车辆的容量限制，则当前所有顾客划分为一个群组，顾 客划分完成后利用t s p 算法进行车辆路径规划的求解。 f i s h e r 和j a i k u m a r 【2 6 】将车辆路线问题分成两个相关的子问题，一个为车辆指派 问题，另一个则为t s p 问题。 4 硕士学位论文 d u 和l i 等人在文献 2 7 中，采用两阶段方法先分群求出初始解，再求改良解。 利用f i r s t f i t n e a r e s t 或b e s t f i t n e a r e s t 方法求出初始解，再经由o r o p t 或2 e x c h a n g e 方法做路径改善。 c o s l o v i e h 等在文献 2 8 】中采用以路径扰动为基础的两阶段式插入算法，在第 一阶段使用离线的顾客需求数据进行分群并求得路径，且针对目前路径产生可行 的邻近解，在第二阶段实时产生顾客需求，将新需求点利用第一阶段求得的可行 邻近解直接插入至现有路径中。 j a c q u e sr e n a u d 等【2 9 】采用s w e e p 分区的方法，将大规模的顾客分解成多个有 效的路径，然后再对每个配送路径进行优化。 霍亮在文献 3 0 】中，利用区位分区方法对顾客进行区域的划分；在文献 3 1 】 之中，利用四叉树划分法进行区域划分。分区之后利用v r p 问题的相关算法进行 路径规划。 陈子侠【3 2 】提出首先对具有顾客地理位置属性的坐标分布图进行网格划分，然 后采取“相邻合并、密集成簇、由簇扩展的原则进行顾客划分，划分完成后利 用中国邮递员问题的相关算法进行路径规划。 旋 曾华【3 3 】首先对顾客进行分派，然后对车辆进行排程，利用最远临近顾客分派 算法对顾客进行划分，然后根据划分结果对车辆路径规划。 由以上文献可知，虽然已有研究对顾客需求进行处理，并提出了二阶段的配 送模式，但此类算法很多只考虑了顾客的地理位置属性，并未考虑其它，如剩余 配送时间、顾客期望的服务质量、商品配送的安全性和时窗限制等重要属性，不 能完全反映顾客的需求属性。本文将顾客需求划分为几个相关的配送属性，如商挚 品的体积、顾客地理位置、剩余配送时间、商品价值、商品的外部相似性、顾客 期望的服务质量、商品配送的安全性和时窗限制等，并将混合模糊一分层聚类算法 引入其中，对顾客进行聚类，提高了顾客需求的处理效率和顾客满意度，为下一 步商品配送提供基础。 1 2 2 3 时依性配送模式 车辆在两个城市之间的运行时间受限于很多因素，如道路状况( 如路宽) 、 交通环境( 如交通拥塞、道路功能) 、车辆状况( 如车辆类型、载重) 和交通参 与者素质( 如驾驶技术、视力) 等【3 4 1 。时依性车辆路径问题( t i m ed e p e n d e n tv e h i c l e r o u t i n gp r o b l e m ，t d v r p ) 为传统v r p 问题的延伸，配送车辆在任意两个顾客需 求点之间及配送中心与顾客需求点的运行时间与其进入道路的时间点有关。目前 大多数配送模式把在途车辆的运行成本视为固定值。 事实上，道路的交通情况有明显的高、低峰特性，如果忽略道路交通情况的 实时变化，可能造成商品供应端规划的配送路线不能按照顾客的时限要求送达， 5 基于顾客聚类的时依性物流配送模式研究 或车辆总运行时间超过时间限度等情形，因此近来已有少数研究工作在规划车辆 路线时，考虑道路的实际交通情况，假设在途车辆在不同时间段具有不同的运行 成本。 在途车辆运行成本的函数可分为三大类，第一类将在途车辆的运行时间视为 时间的函数，如m a l a n d r a k i 和d a s k i n 在文献 3 5 】中考虑顾客对商品配送的时窗限 制及时依性的道路交通情况，采用最邻近点算法及平面切割法求解配送车辆的总 运行时间、顾客需求点的服务时间及配送车辆等待时间的最小值。m a l a n d r a k i 和 d i a l 在文献 3 6 】中由动态规划法总结出限制型动态规划法来对此问题求解，从而降 低求解时间，同时为了提高算法的效率，模式中设定了各个阶段接受评选的状态 变量上限。第二类则将在途车辆的运行速度视为时间的函数，如i c h o u a 在文献 3 7 】 中利用平行塔布搜寻启发式算法( p a r a l l e lt a b us e a r