买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种基于一单多商情形下的城市电商外卖配送路径优化方法，一单多商指外卖顾客同时在不同商家下单的消费场景，包括以下步骤：S1.基于配送路径成本、发车成本、顾客满意度损失成本及若干约束条件构建外卖配送优化模型，目标函数为总成本最小；总成本为配送路径成本、发车成本、顾客满意度损失成本的和；S2.设置参数；S3.初始化，利用节约法产生初始解，并初始化选择不同移除算子与插入算子的概率；通过ALNS算法不断地移除和不断地重新插入以改进初始解，当获得的新解得到改进或者满足接受解规则，下一次迭代中的初始解用当前的新解代替，最终完成迭代。

主权项：1.一种基于一单多商情形下的城市电商外卖配送路径优化方法，一单多商指外卖顾客同时在不同商家下单的消费场景，其特征在于，包括：S1.基于配送路径成本、发车成本、顾客满意度损失成本及若干约束条件构建外卖配送优化模型，目标函数为总成本最小；总成本为配送路径成本、发车成本、顾客满意度损失成本的和；包括：101配送路径成本中配送路径长度是外卖配送员从当前位置出发完成所有订单取餐和送餐任务的配送路线长度，xijk是0-1变量，为1时代表骑手k从i点行驶到j点，否则为0；dij表示点i和点j之间的距离，c0代表单位距离配送费用；配送路径成本的数学表达式为： 102发车成本包括骑手半固定成本、辅助支持成本；骑手半固定成本包括完成固定工资以及配套工具费用，配套工具费用包括工装费用、培训费用、车辆费用以及相关的设备费用；辅助支持成本包括技术研发投入成本、系统支持成本、相关人员参与成本、广告营销成本；用C1表示发车成本，为骑手半固定成本与辅助支持成本之和，发车成本的高低与骑手车辆数正相关，yk是决策变量，如果骑手k参与配送则为1，否则为0；其数学表达式为： 103顾客满意度损失成本在当前订单能够拆分的配餐环境下，影响顾客满意度的因素包括：骑手对同一地址分批送的时间间隔和骑手对同一地址的配送次数；Zrj是决策变量，Zrj＝1，代表r订单包含j送餐需求，否则不包含；其中j∈Cn，r∈Dm；Fj表示送餐需求j实际送达的时间，Ejmin表示顾客对送餐需求j期待送达的时间；顾客满意度损失成本的数学表达式为： 外卖配送优化模型的目标函数为 约束条件有： 其中，Vk表示骑手车辆集合，{1，2，3...,k}；Bn表示外卖取餐需求集合，{1，2，3...,n}；Cn表示外卖送餐需求集合，{n+1，n+1，n+3...,2n}；Dm表示订单集合，{1,2,3...，m}；c表示顾客满意度损失成本转化系数；Q0代表最大载重量；qj为正代表送餐需求j所对应的需求量，为负代表取餐需求j所对应的供给量；Qik、Qjk分别代表骑手k在i、j需求点的装载情况；Tik、Tjk分别表示i、j需求被骑手k完成服务时刻，其中i∈Bn，Cn，k∈Vk；Wij表示i需求与j需求被同一骑手先后满足时，i需求所对应的外卖商家的等待时间，其中i，j∈Bn，Cn；tkij表示棋手k从位置i到位置j的所用时长，其中i,j∈Bn，Cn；Ei表示i需求所对应的外卖商家的最早接受服务时间，其中i∈Bn，Cn；Li表示i需求所对应的外卖商家的最晚接受服务时间，其中i∈Bn，Cn；M表示一个很大的常数；外卖商家也即顾客；式4表示车辆总成本最小；其中，式5代表每个配送需求都要得到满足；式6代表每个骑手车辆如果离开配送中心，最终必须返回配送中心；式7和式8是骑手车辆能够闲置；式9代表流量守恒限制；式10和式11是外卖配送需求一一对应约束，并且外卖商家要在外卖顾客之前被访问；式12表示车辆访问必须满足需求点的时间窗限制；式13表示车辆到达时刻限制；式14和式15代表车辆各配送点装载约束；式16记录k骑手是否发车；式17记录车辆完成配送需求时刻；式18记录每个订单的最早被访问时间；S2.设置参数，参数包括接受概率h、移除个数N、迭代次数Max_gen，及当前代数Gen；S3.利用节约里程法产生初始解，并初始化选择不同移除算子与插入算子的概率，移除算子的选择概率为Pyi，插入算子的选择概率为Pci，设局部最优解为Xc，全局最优解为Xb，初始解为Xi，令Xi→Xc，Xi→Xb；S4.通过ALNS算法不断地移除和不断地重新插入以改进初始解，当获得的新解得到改进或者满足接受解规则，下一次迭代中的初始解用当前的新解代替，最终完成迭代；具体如下：S401.通过选择概率Pyi选择当前需要使用的移除算子Y移除N个需求点；S402.通过选择概率Pci选择当前需要使用的重插入算子C将移除的N个需求点重新插入到序列中，得到局部最优解Xc；S403.计算得到局部最优解值fXc及最优值fXb,根据接受解规则更新当前最优解；S404.根据ALNS算法的综合评分策略，评价算子组合，得到每个算子的选择概率，并进行更新；S405.判断迭代过程中是否出现过此局部最优解，若是，则对算子组合进行减分，若否，则对算子组合进行加分；S406.判断当前迭代次数是否大于最大允许迭代次数，若否，则更新迭代次数，Gen→Gen+1，重复S401-S406，若是，则迭代终止。

全文数据：

权利要求：

百度查询： 南开大学 基于一单多商情形下的城市电商外卖配送路径优化方法