摘要：传统协作配送只考虑物流企业参与意愿,一般没有考虑客户是否愿意接受联盟其他成员的配送服务.为此,本文分析了客户愿意参与协作比例与物流企业可节约成本之间的关系,并设计了激励客户参与协作配送的最优价格折扣策略.首先,构建了不同客户参与比例下量化联盟总配送成本的车辆路径优化模型,设计了求解模型的自适应大邻域搜索算法.其次,基于需求弹性理论刻画客户参与比例与价格折扣之间的函数关系,使用Shapley值法分摊不同折扣下联盟的总配送成本,进而计算各物流企业提供折扣后的利润.然后,以物流联盟成员平均利润最大化为目标,基于最小二乘法拟合和牛顿法原理,提出了能够根据各物流企业客户总数、配送价格等信息,快速计算最优折扣的估算方法.最后,通过Solomon标准算例和实际案例对模型和策略的有效性进行了验证.研究结果表明:在不同的弹性需求市场中,采用文章提出的价格折扣策略后,物流企业平均利润可提升至未提供折扣时的1.5~4倍;最优折扣估算方法的求解精度可控制在97%左右,相应利润与实际最优利润的偏差平均只有3.5%.

摘要：为提高医疗废弃物转运车装载率,降低回收成本,缩短回收周期,降低疾病传播和环境污染风险,提出基于回收点的医疗废弃物协作回收模式,构建了医疗废弃物协作回收车辆路径问题模型,通过优化得到最优协作回收方案,采用Shapley值法将协作回收成本合理分摊至各回收点。基于医疗废弃物待回收量和回收点位置分布,设计并求解了大量算例,以分析成本节约的影响因素。结果表明:①协作回收模式可以有效缩短回收周期,医疗废弃物待回收量较多时,回收周期缩短百分比更高,最高可达75%。②协作回收模式可以显著降低回收成本,一般情况下,成本节约百分比约为48%~88%;相同回收周期约束下,医疗废弃物待回收量较少时,成本节约更高;回收点位置分布越集中,协作带来的经济效益越高。

摘要：针对一类动态车辆路径问题,分析4种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem,DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem,FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.

摘要：传统的协作配送研究均假设任何成员不退出联盟,但在实际中,联盟成立后存在成员退出合作的违约情况.合理评估成员由于自身原因在任务开始前退出联盟后的违约成本具有重要意义.首先以未违约成员的成本节约量不减少为原则,设计成员退出联盟的违约追偿和损失补偿机制;其次构建总违约成本量化模型,并提出多个违约成员间的总违约成本分摊方法;最后量化每个未违约成员的损失补偿.通过数值实验,验证了联盟中任意成员的离开会对每个未违约成员造成一定程度损失.结果表明:1)当单个成员退出联盟后会明显减少未违约成员的总节约成本,一般情况下减少幅度可达23.64%~30.44%.当违约成员数量较多时,未违约成员的成本节约总量可减少45%以上,甚至是100%;2)若某个成员在联盟中的位置越重要,则该成员退出会导致每个未违约成员的成本节约量减少越多,其应承担的违约成本也越高.因此,在协作配送联盟成立前,有必要设计好公平的违约追偿和补偿机制,以保护成员正当利益.

摘要：分析了贪婪算法(Greedy algorithm,GRA)求解欧几里德旅行商问题(Euclidean Traveling SalesmanProblem,ETSP)的求解质量和求解耗时的特点,发现边位置信息是影响GRA的求解质量和求解耗时的主要因素,在Michael模型基础上提出了一种考虑添加边所在位置信息的改进贪婪算法(Improved Greedy algorithm,IMGRA),并阐述了IMGRA的设计思想和相应的构造方法.分别采用IMGRA和GRA求解了90个算例,结果表明:固定参数下的IMGRA平均求解质量较GRA提高55%,求解耗时降低20%.为此,对IMGRA比GRA求解质量更高和求解耗时更短的原因进行了分析.

摘要：针对企业联盟进行联合采购时的配送成本分摊不合理问题,提出采用Shapley值法同时分摊物品的购买成本和配送成本,对配送成本占比较大的物品具有重要的应用意义。将n个企业协同总成本分为联合购买成本C1(N)和配送成本C2(N)两部分,并采用Shapley值法分别对C1(N),C2(N),C1(N)+C2(N)进行了分摊。根据实际联合采购问题,在考虑“企业位置分布”与“配送成本占比”因素的基础上设计了大量算例。通过算例实验得出以下结论:采用Shapley值法同时分摊联合购买成本与配送成本,与仅按货物购买数量作为权重的分摊方法相比,两者协同总成本分摊结果的平均偏差可高达11.75%,并且配送成本占总成本比率越大,协同企业位置分布越不均匀,越需要采用更合理的方法同时对配送成本进行公平分摊。

摘要：企业通过协作回收可以获得成本节约,但现实中,顾客可能偏好由原企业服务而拒绝协作,这会导致协作增益损失,甚至无法协作,因此企业有必要采取策略激励顾客参与协作.本文考虑企业回馈给顾客积分激励,通过合理量化顾客协作贡献,设计有效的顾客协作激励机制.首先,考虑顾客协作概率及协作贡献,以企业期望利润最大化为目标,构建激励模型及流程;其次,构建考虑顾客参与意愿的协作回收车辆路径问题模型,求解企业成本节约,量化顾客的协作成本节约贡献;然后,基于顾客协作贡献及激励模型,计算最优积分激励值,以实现顾客协作的有效激励;最后,通过数值实验对激励机制及模型的有效性进行了验证.结论如下:相较无激励情形,一般情况下,积分回馈激励机制下企业期望利润和顾客协作意愿具有显著提高;顾客对激励的敏感程度及初始协作意愿越高,经激励后,顾客协作意愿和企业期望利润也越高;此外,顾客对激励的敏感程度越高,初始协作意愿越低,企业越有必要提高激励预算,以获得更优激励效果.因此,在协作回收物流中,设计合理的顾客协作激励机制是有必要的,同时,本研究可以为企业实际协作中决策顾客激励值提供依据.

摘要：经典车辆路径问题(vehicle routing problem,VRP)模型不考虑道路的坡度,通常以最小化车辆行驶总距离、总耗时或派送车辆数为目标函数.在考虑道路坡度因素的基础上,提出了以配送车辆总能耗最小为目标的低碳车辆路径问题模型(energy consumption minimizing low-carbon VRP,ECM-LCVRP);然后,以带能力约束的车辆路径问题(capacitated VRP,CVRP)为参照,分析了ECM-LCVRP的解空间大小及基本算法改进法则在ECM-LCVRP中的执行复杂度,发现ECMLCVRP较CVRP更加难以求解,并且分析了不同坡度下ECM-LCVRP和CVRP的区别与联系;另外,基于配送方案的能耗值与行驶距离正相关的规律,提出了求解不同道路坡度环境下ECMLCVRP的双目标策略(two objective strategy,TOS);最后,设计了40个ECM-LCVRP算例,并采用综合了算法基本改进规则的混合局部搜索算法(hybrid local search,HLS)和HLS+TOS两种方式求解,求解结果表明:在不同的运算时间内,TOS策略均能够有效地提高HLS的求解质量,且求解时间越短,TOS的效果越明显.

摘要：为求解大规模具有能力约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP),提出了一种快速改进贪婪算法CVRP-IMGR。基于贪婪算法思想设计了求解CVRP问题的贪婪算法CVRP-GR,在此基础上进一步采用K-d tree法和Held Karp模型改进了CVRP-GR的求解速度和求解质量,从而得到CVRP-IMGR。CVRPIMGR的复杂度可以达到O(nlogn),能够快速求解大规模(顾客数量大于500)CVRP问题。为验证CVRP-IMGR的有效性,分别采用CVRP-GR、CVRP-IMGR和经典构建型算法Savings求解了当前24个最大规模的CVRP算例,结果表明:CVRP-IMGR的求解速度远快于复杂度为O(n2logn)的CVRP-GR和Savings;CVRP-IMGR对所有算例的求解质量优于CVRP-GR,并且对18个算例的求解质量优于Savings。

摘要：合理的服务机制设计和服务定价策略是确保服务提供商有效运行的科学调控手段。由于顾客获取服务信息的异质性,一些服务提供商为了扩大市场需求增加服务收益,通常采取分类服务模式,通过提供体验服务以便潜在顾客了解服务质量和服务水平,进而吸引潜在顾客成为常规顾客。然而,由于服务资源的有限性,顾客不能立即接受服务而会出现排队等待现象,并导致部分顾客的流失。因此,服务提供商如何科学地制定服务策略,是保证服务收益的关键。不同于传统文献中有关顾客完全理性的假设,本文在考虑顾客损失规避的行为基础上,结合非抢占优先权的M/M/1排队系统,构建参照依赖效用模型,利用排队博弈理论,求出顾客的非合作博弈均衡,并以此构建服务提供商的收益函数,进而研究服务提供商最优服务定价策略,并通过数值算例得到一些管理启示。研究表明,顾客损失规避行为会降低服务提供商的服务定价和服务收益;当服务提供商具有较强的服务能力时,提供体验服务有利于服务提供商获得更多收益;当常规顾客规模较小时,提供体验服务可以提高服务提供商收益,但是当常规顾客达到一定规模时,提供体验服务会降低收益。