在线购物业务快递网络的优化模型与算法

　　摘要：在分析小区及其构图中的潜在客户群的特征的基础上，为了最大限度地减少成本， 最短的时间服务要好得多，结合快速物流的特点，建立了混合0-1整数规划的快速服务网络的选择优化模型。该模型是高维， 非线性， 非凸复杂复杂功能优化问题。解决这个模型，开发出一种改进的遗传算法，示例表明该算法可以有效地寻求模型的最佳解决方案，这是一种更好的方法来解决快速物流服务网点选择的复杂优化问题。

　　随着网络通信和信息技术的快速发展，互联网在世界上很受欢迎。电子商务逐渐成为经济增长的新亮点和未来业务发展的趋势。电子商务的特点是多种多样， 多批次， 小批量， 需求个性化，其中， B2C和C2C电子商务模型，其服务的对象不再是零售商。反而， 他们直接面对许多患有小小的需求的客户， 丰富的品种， 和位置。他们提出了定量， 固定点， 和定时和物流配送服务的其他高要求。

　　B2C电子商务有三种物流模型：电子商务网站已建立物流分配系统模型; 第三方物流配送模式; 使用我的国家邮政服务交付模式。由于B2C和C2C的服务对象的位置，成功的电子商务公司必须拥有广泛的客户基础，这为B2C和C2C市场的物流带来了更严重的挑战。虽然越来越多的电子商务公司已经逐步实现了物流的必要性和物流的生存， 发展，并开始关注物流问题，然而， 电子商务网站对物流投资较大，利用率低，管理层很复杂，邮政服务质量不高，反应缓慢，周期太长了。成本太高了。并使用第三方物流模型节省了很多人力， 材料资源和时间，所以， B2C公司拥有更多的时间和精力来提高和提高网站服务质量。有助于专注于施加核心竞争力。同时，专业建站第三方物流公司可以根据市场的需求更好地开展技术创新。该服务提供的服务与电子商务的要求相匹配。最后，使用第三方物流公司的专业物流技术，缩短交货时间，从而改善了电子商务公司的企业形象，赢得更多客户。所以，第三方物流模式相对较好地选择[1-2]。

　　由于电子商务的持续传播，B2C和C2C Express物流市场正在扩大，但现在快递公司正在建立业务网点，没有将主要客户定义为B2C和C2C的参与者，从B2C和C2C电子商务的角度来看，没有商业插座的布局。因此，为了在较短的时间内响应客户需求，减少快递费用，为更多客户服务，建立面对B2C和C2C的快递物流配送公司似乎是非常必要的。

　　为了更好地为客户服务，便捷的客户，提高客户满意度，Express Logistics公司为B2C和C2C服务必须低成本，高效率，涵盖大量潜在客户来提高核心竞争力。所以，合理的选择服务网点可以降低运营成本，减少货物的运输费，最大化最多的客户，可以在最短的时间内满足客户快递需求。

　　物流配送中心位置的方法和理论，在现有物流配送中心的位置，大多数文献都是连锁零售企业的各种分销中心。或提供分销中心网站选择第三方物流服务。许多这些文献是研究单一的配送中心位置方法和许多配送中心定位方法。文献[3]在使用重心方法到替代位置的基础上，参考分立模型解决分销中心的最佳位置问题。文档[4]介绍了一种双结构编码的方法，结合运输问题，提出了一种混合遗传算法。有效解决约束条件，提高算法的搜索效率。文献[5]在考虑货物供应费用的基础上，结合B2C电子商务物流配送网络，建立了混合0-1整数规划的分配中心站点选择优化模型。并开发了求解表上的工作方法的遗传算法。文献[6]在考虑产品运输成本和分销中心的成本的基础上，建立了有关多个配送中心的站点选择模型。

　　然而， 物流和配送中心都是相同的服务点和快速服务插座。还有不同的观点。同样的观点是考虑最低货运，那是， 客户最近; 差异是配送中心有货包装， 加企业网站建设哪家专业工， 仓储， 上货和下货， 等等。和商品和客户的供应商需求较少， 但更多的需求。快递服务网点主要由服务内的所有特定客户提供，位置分散，大多数运输的物品都很小。轻的，并强调及时的迅速响应。所以， 可以忽略车辆的负载和服务插座的存储容量。本文仅考虑在南京等地区内。建立物流服务网点，负责在该地区的接收和交付货物，如何通过该地区和该区域之间的项目。基于上述考虑，本文建立了B2C和C2C服务快递服务网点的选择优化模型。并使用改进的遗传算法来解决模型。　　[页]

　　1， 问题描述和模型

　　B2C和C2C业务的快递服务网点选择优化模型的基本思想可以描述：在E-Commptiond的各种产品的各种产品的潜在交易量中，在一个地区（如城市）的表达物流企业 它的位置，从M个备用服务插座中的地址中选择N已完成的服务插座以提供服务。使整个Express系统的总体成本为最小的成本，以及尽可能涵盖的潜在客户的金额。这里，总体成本包括固定投资和服务商店的日常维护费用，向客户提供服务网点和服务网点的货物的分配成本。其中， 因为服务商店只负责运输。不负责仓储，强调迅速应对客户需求，所以， 每个业务网络的服务数量具有一定的限制。商业网点和客户组之间的距离有限。

　　潜在客户指的是客户基地，可以使用电子商务进行交易。一般客户组在这里模糊。在[0，1]间隔，不同类型的客户与潜在客户的成员不同。例如， 大学生的合作伙伴关系为0。6，高中生是0。3，白领团队为零。8，还有很多。根据不同地区的人员，可以恰当地分类，并使用调查确定其成员资格。同时，在一个固定区域，根据地理位置，将客户划分为不同的小区域，并计算该区域的潜在客户群，同时， 同时计算该地理位置和替代服务插座的实际最短距离。

　　为了方便建立模型，作为一些基本假设：

　　假设在每个小区域中的客户组1个，只有一个服务插座;

　　假设第二计划时间可以预测各种电子商务网站的营销网站设计价格商品购买。并设置平均每位潜在客户将执行G次电子购物。每次购买物品的质量和服务插座的音量都在有限的服务网点范围内;

　　假设3个服务网点到客户位置与距离成比例。设置每个单位的运费是x，只考虑一种方式;

　　假设可以测量某些区域中某些人的一般配置，可以测量其服务商店的服务对象，并且可以测量该区域与替代位置之间的实际距离;

　　假设每个快递费用的5个服务卖出的平均成本是t元;

　　假设6该计划是长期时间至少五年。在此期间，一小区的人数没有变化。

　　模型描述的业务网络服务系统如图1所示：

　　下面给出了B2C和C2C服务的快递服务插座的选择优化模型：

　　模型中有两种类型的符号，那是， 模型的决策变量和模型参数。

　　目标功能（1）表示在一定时间段内整个快递系统的最大收入。总收入从日常业务收入到客户的出口到运费，减去出口内的循环成本，降低出口的固定投资和日常管理成本。约束条件（2）是每个客户组的潜在客户的数量; 等式（3）保证每辆业务网络的服务客户数量小于最大数量; 等式（4）保证业务网络建设与其服务客户组之间的距离较少的距离; 等式（5）是确保商业网络的效率响应客户。缩短响应时间，提高服务频率; 等式（6）保证每位客户都可用，只能拥有服务渠道; 公式（7）表明整体固定投资少于最大投资限额; 公式（8），（9）是一个决策变量。

　　2。 模型解决方案算法

　　由于上述模型的变量和约束，所以， 该模型属于大规模的混合0-1整数规划模型。并具有NP拼图属性。如果使用传统的优化方法，很难在合理的时间内寻求最佳解决方案。为此，根据模型的特点，本文采用改进的遗传算法来解决上述模型。

　　该算法如下所示：

　　（1）编码方法。自然数编码。例如， 有5个服务插座将被选中。8客户，然后， 根据相应的约束和客户组和配送中心对应，如45233342，然后， 客户组1由Service Outlet 4服务。客户组2由服务网络5服务服务，客户3由服务网络2服务提供服务，推进这个课程;这种编码也意味着服务商店2， 3， 4， 选择了5个。

　　（3）确定适应功能。根据每个染色体代码，您可以确定所选的服务插座和负责服务的客户组; 您可以输入等式（1），从而， 获得每种染色体的目标功能值Fx。如果等式（1）大于0，如果适应功能fx = fx; 否则fx？啄，还是输入的最小积极实现。此外，对于不满足约束的染色体，采取罚款战略，其适应功能是fx = fx-z，z是相应的罚款价值; 如果fx-z≤0，然后fx =？啄。[页]

　　（5）交叉操作员。本文采用两点交叉方法进行交叉操作。因为少量交叉小，并且始终交换该位的末尾的结尾。

　　（6）变体运算符。以某种变体概率变体每一位染色体。增加变异变异对人口多样性的影响。

　　上述算法采用了最好的个人预留策略。所以， 个人在交叉和变异过程中没有被摧毁。同时，根据大量的实验测试，该算法可以快速收敛到最佳解决方案，它是解决这种优化问题的相对有效的方法。

　　3， 计算例

　　设置6个可选服务插座，10个客户，其他相关参数如表1到4所示。该算法使用Visual C ++ 6。0在Windows平台上（主频率1。8g，内存512M）实现。遗传算法的比例为200，交叉概率和变化概率为0， 分别。85和0。10，迭代的数量为200，最小实际数量？啄= 0。0001，超过约束Z = 100的惩罚系数。

　　每篇文章的平均成本r = 0流过服务网络。1元，在这个时期， G = 60次电子购物将进行。快递费T = 2可由每个购物服务插座除以。5元，每公里运费x = 0。2元，最大的服务客户S = 30，000人，商业网点和客户组之间的最大距离L = 15km，最大限制Q = 800，000元是最大的固定投资。

　　图1显示了算法的优化过程。图中上方的虚线是每组最佳染色体的自适应功能值。那是， 相应的站点选择计划的总收入; 实线表示是每个组的平均自适应函数值。从图中可以看出，每个代的最佳适应功能值在初始时间到220个迭代单位的大约30个单元迅速上升，该算法具有良好的乐观能力。从虚线的上升速度可以看出，该算法具有非常快速的搜索速度。它可以快速收敛到最佳解决方案附近。固体线的不确定性表明了每种染色体的特征。这是能够保留算法寻找卓越的能力。避免对早熟成熟度收敛的关键。

　　最佳目标值及其相应的最佳决策变量如表5-表6所示。根据计算结果：服务网络2，4，选择5，服务网络2负责客户组1，3，7。10分布，服务网络4负责客户组2，4，6，8分配，服务网络5负责客户组5，9分布。目标函数的最佳值为f = 227。430，000元。

　　4。结论

　　优化位置选择B2C和C2C电子商务的快速物流服务网点是复杂的系统工程。本文正在考虑每个小区域的组成及其特征，结合快速物流服务的特点，建立了混合0-1整数规划的服务网络站点选择的优化模型。并开发了一种解决模型的遗传算法。通过示例计算获得满足结果。文章中提出的数学模型和优化算法为B2C和C2C服务的快递服务出口提供了可行的方法。