物流管理论文哪里有？本文物流管理论文哪里有？本文基于多温共配模式，对动态需求多配送中心VRPTW 问题进行研究，旨在合理安排车辆路径，并对产生的成本进行合理分摊。
第1章 绪论
1.2 国内外研究现状
1.2.1车辆路径优化相关研究
车辆路径优化研究一向是各国专家探讨的热门问题。K·Govindan 等（2014）[5]利用 NSGA-Ⅱ算法将软时间引入工厂-配送中心-零售商形成多阶层的物流配送网络，以成本最小化进行优化。Dariusz Barbucha（2014）[6]研究了一种合作学习的聚类算法，将问题分解为若干阶段，在每个阶段中使用不同的算法，从而形成一种组合式启发式算法，最后验证了方法的有效性。Eglese 等（2014）[7]归纳了环境和车辆路径之间的关系。Bekta 等（2014）[8]在 ERP 问题上引入了运输时间和油耗两个相关因素。
在过去的研究中，大部分是静态车辆的路径问题，其假设条件为配送信息的相关信息已知。但是在配送的实际问题中存在着许多不可控的因素，例如客户变更订单导致需求变化，天气状况导致配送不能按约定时间内到达等。因此，众多学者将动态性考虑进车辆路径问题中。李妍峰等（2014）[9]将交通拥堵划分为非重复性和重复性两种状况，研究了在实时交通情况下的动态问题。Ninikas（2014）[10]建立了混合回程的动态车辆模型，在执行配送任务后，对接收到的取货情况进行实时动态规划。Maria 等（2014）[11]考虑了未知客户需求但其概率分布已知的情况，建立了动态多车段模型。Hu 等（2015）[12]评估了不确定情况下的取货需求，产生先验路线，在动态变化中模仿先验路线，产生第二次路线以满足变化的需求。辜羽洁（2015）[13]建立了有寄件需求和在途变换收货方式两种带退货的车辆路径模型。Li 等（2016）[14]探讨了自留需求的问题，研究了一种在车辆间可变换运输需求但自留需求由自身完成的带取货的路径问题。刘波（2018）[15]研究了带时间窗的动态车辆路径问题，提出了动态路径更新策略，利用一种自适应视野和步长的人工鱼群算法进行求解。
第3章 基于动态需求多配送中心的 VRPTW 模型构建
3.1 动态需求多配送中心的 VRPTW 研究背景
3.1.1动态需求 VRP 的构成要素及分类
在考虑动态车辆调度问题时，不应该把关注点聚焦在一种不确定，而应该关注多种问题。依据路径规划中需求的改变，将动态需求 VRP 划分之下几种：
(1) 需求点不确定的情况。其特点在于客户会逐一出现，对于未出现的各类信息无从获知，对于已出现的客户则按照车辆路径优化进行配送，并且需要满足预定时间窗、车辆的载重量、容积等限制条件。
(2) 需求量不确定的情况。和需求点不确定的情况不同，需求量不确定是指已知配送路线的所有客户点，对于未配送的客户点在配送车辆到达之前需求量发生了变化，可能增加也可能减少。
(3) 客户约定时间窗发生变化。对于未配送的需求客户，由于一些自身原因，导致客户和配送中心约定的时间窗发生改变，其服务时间或许提前，也可能延迟。
(4) 多种不确定要素影响的情况。在实时物流配送中，客户的需求量及需求点可能发生变动，和单纯的仅需求点的变化情况更为复杂，两者的不同之处在于：在初步的配送路径上客户的需求随之变动，而单纯考虑需求点的变动，需求量则保持不变。
由于多温共配产品的特性，本文在考虑客户需求变化的同时，将引入时间窗的因素，依据第二章的内容，考虑软时间窗因素。另外，多温共配属于特殊的共同配送，在现实的配送过程中包含了多个配送中心，则本文研究基于动态需求的多配送中心的 VRPTW 问题。
第5章 算例分析
5.1 算例数据说明
为了验证本文多温共配的模型和 Memetic 算法的有效性，选择算例进行研究。本研究假设由 2 个配送中心向 3 家企业 20 个客户需求点共同配送 3 类储存在不同温区内的 5 种冷链产品。下面说明本算例的一些已知数据：
本文选择蓄冷式多温共配，所以采用普通车装载蓄冷箱实施配送，普通车的固定成本为 200 元；配送车辆运输成本为 2.5 元·km-1；平均行驶速度为30km·h-1（0.5 km·min-1）；蓄冷箱的固定成本为 250 元；单位碳排放价格为 0.03元·kg-1；常温车单位时间的碳排放量 20kg·h-1；单位信息管控成本为 4 元；车辆等待的单位机会成本为 100 元；车辆延迟的单位惩罚成本为 150 元；车辆惩罚成本系数为 1.0；假设配送车辆 6:00 从配送中心出发；每个蓄冷箱装载的产品容量为 1.2t；每个蓄冷箱的体积为 154L；表 5-1 为 3 类温区的基本信息；表 5-2为 5 种冷链产品的基本信息；表 5-3 为算例相关参数设置；假设 21、22 表示两个配送中心，1～20 代表 20 个客户需求点，其基本信息如表 5-4 所示。表 5-5为三家企业的客户需求点，A1 和 A2 分别指配送中心 1 和配送中心 2。
5.2 动态需求多配送中心 VRPTW 求解结果及分析
5.2.1静态需求下路径优化求解结果
对初始阶段客户需求进行求解，结果如表 5-6 所示，其总的配送成本为 38429元，发出车辆总数为 9 辆。
第6章 总结与展望
6.2 展望
本文研究了车辆路径中动态需求和多配送中心问题，考虑时间窗和车辆载重等因素，然后对配送成本进行分摊，本身具有复杂性。但由于时间和能力的约束，研究中仍然存在一些问题有待进一步完善：
(1) 本文虽然对动态需求和多配送中心问题进行了研究，但仍有一些问题需要分析，本文的动态需求指的是原客户需求变化和新客户增加，没有考虑客户时间窗变化的动态性，后续可以考虑时间窗变化的动态需求车辆路径问题、双向的取货-送货问题以及多目标模型，更贴近实际应用。
(2) Memetic 算法只是一个框架，本文选择量子遗传全局搜索方法和 swap法和 2-opt 法相联合的局部搜索方法构成 Memetic 算法。可以根据不同的问题选择不同的算法进行探索，对其进行改进。
(3) 本文研究多温共配车辆优化路线和成本分摊模型假设了很多理想化场景，比如配送过程中没有突发状况，车辆的行驶速度都为匀速的。但在实际应用中通常很难实现。
参考文献（略）
