物流畢業(yè)論文設(shè)計：快遞公司送貨策略優(yōu)化模型33750

1、快遞公司送貨策略優(yōu)化模型摘 要本文討論了快遞公司送貨路線的優(yōu)化設(shè)計問題，即在給定送貨地點和給定設(shè)計規(guī)范的條件下，綜合考慮最大載重范圍、以及各快遞員工作時限，建立了人員分配和路徑優(yōu)化的數(shù)學(xué)模型。在這個題目中兩點之間的路線權(quán)值賦為這兩點橫縱坐標(biāo)之和，如此便可以用matlab求出任意兩配送點間的距離。針對問題一，我們以路程最短為目標(biāo) ，使公司獲得最大效益并且快遞員工作時間和每次出發(fā)的快件量越接近臨界值越好，使其利用率最高。我們用以下方法：即每一個行程的第一個送貨點是距離總部最近的未服務(wù)的送貨點，可得到一組運行路線，總的運行公里數(shù)，以及總費用。通過用tsp模型對每條路線的最短路處理，在之前的路線上進(jìn)行

2、修正，得到優(yōu)化模型結(jié)果為：最短時間為28.2699h，最短行程為506km，需要6個業(yè)務(wù)員。針對問題二，在問題一的條件下，以給業(yè)務(wù)員的酬金最少為目標(biāo)，結(jié)合業(yè)務(wù)員的安排和路線的選擇，結(jié)果顯示最優(yōu)：共安排了8業(yè)務(wù)員，跑9路線，其中1號業(yè)務(wù)員跑的路線為0-1-3-8-13-0和0-2-4-7-14-0，2號業(yè)務(wù)員跑的路線為0-6-5-20-18-30-0，3號業(yè)務(wù)員的路線為0-9-12-19-0，4號業(yè)務(wù)員的路線為0-10-11-32-23-0，5號業(yè)務(wù)員的路線為0-16-17-24-28-0，6號業(yè)務(wù)員的路線為0-22-29-0，7號業(yè)務(wù)員的路線為0-15-27-0，8號業(yè)務(wù)員的路線為0-25-2

3、6-0，時間為30.7668h，用為13830.7元 針對問題三，因為所需的總時間不變，而每個業(yè)務(wù)員的工作時間增加為8小時，所以對其工作量重新安排，可將業(yè)務(wù)員減少到4人。關(guān)鍵字：快遞公司送貨 歐拉回路模型 0-1規(guī)劃 tsp模型 1、 問題重述目前，快遞行業(yè)正蓬勃發(fā)展，為我們的生活帶來更多方便。一般地，所有快件到達(dá)某地后，先集中存放在總部，然后由業(yè)務(wù)員分別進(jìn)行派送；對于快遞公司，為了保證快件能夠在指定的時間內(nèi)送達(dá)目的地，必須有足夠的業(yè)務(wù)員進(jìn)行送貨，但是，太多的業(yè)務(wù)員意味著更多的派送費用。假定所有快件在早上7點鐘到達(dá)，早上9點鐘開始派送，要求于當(dāng)天17點之前必須派送完畢，每個業(yè)務(wù)員每天平均工作時

4、間不超過6小時，在每個送貨點停留的時間為10分鐘，途中速度為25km/h，每次出發(fā)最多能帶25千克的重量。為了計算方便，我們將快件一律用重量來衡量，平均每天收到總重量為184.5千克，公司總部位于坐標(biāo)原點處（如圖2），每個送貨點的位置和快件重量見下表，并且假設(shè)送貨運行路線均為平行于坐標(biāo)軸的折線。（1）請你運用有關(guān)數(shù)學(xué)建模的知識，給該公司提供一個合理的送貨策略（即需要多少業(yè)務(wù)員，每個業(yè)務(wù)員的運行線路，以及總的運行公里數(shù)）；（2）如果業(yè)務(wù)員攜帶快件時的速度是20km/h，獲得酬金3元/kmkg；而不攜帶快件時的速度是30km/h，酬金2元/km，請為公司設(shè)計一個費用最省的策略；（3）如果可以延長業(yè)

5、務(wù)員的工作時間到8小時，公司的送貨策略將有何變化？送貨點快件量t坐標(biāo)(km)送貨點快件量t坐標(biāo)(km)xyxy1832163.521628.215175.86183654187.5111745.547197.815126308153.419954.5311326.222577.279226.821082.396232.427991.4102247.61519106.5140259.61514114.1173261020171212.714627122113135.8129286.02420143.81012298.12516204.6714304.22818點的分布如下圖：根據(jù)題意，得到運輸情

6、況及業(yè)務(wù)員工作信息如表1所示表1 運輸情況及業(yè)務(wù)員工作信息運輸車載重量25kg平均每天收到總重量184.5kg運輸車途中平均速度25km/h每個業(yè)務(wù)員每天平均工作時間 x=3 5 4 3; y=2 4 7 11; for i=1:4for j=1:4d(i,j)=abs(x(i)-x(j)+abs(y(i)-y(j);endend dd = 0 4 6 9 4 0 4 9 6 4 0 5 9 9 5 0model:sets: country /1,2,3,4/:jl; step/1,2,3,4/; line(step, country):x; links(country, country):c

7、;endsetsdata: jl= 5 9 11 14; c= 0 4 6 9 4 0 4 9 6 4 0 5 9 9 5 0;enddatafor(line : bin(x);m1=size(step);for(country (i):sum(step(n):x(n,i)=1);for(step(n):sum(country (i):x(n,i)=1);l1=sum(country (i):(x(1,i)+x(m1,i)*jl(i);lx=sum(step(n)|n#lt#m1:sum(links(i,j):c(i,j)*x(n,i)*x(n+1,j);min=l1+lx;endlocal

8、optimal solution found. objective value: 32.00000 extended solver steps: 13 total solver iterations: 223 variable value reduced cost m1 4.000000 0.000000 l1 19.00000 0.000000 lx 13.00000 0.000000 jl( 1) 5.000000 0.000000 jl( 2) 9.000000 0.000000 jl( 3) 11.00000 0.000000 jl( 4) 14.00000 0.000000 x( 1, 1) 0.000000 0.000000 x( 1, 2) 0.000000 0.2000000e-05 x( 1, 3) 0.000000 0.000000 x( 1, 4) 1.000000 0.000000