大客户车辆优先分配约束条件下物流配送车辆调度问题研究
章娣
摘 要：车辆调度是物流配送的一个关键环节，在调度中考虑大客户优先配送可以提升大客户满意度，提高企业长远效应。本文对大客户满意度进行测度，构造了基于大客户优先配送的车辆调度模型，提出了模型求解算法，并通过实例运行与结果分析对提出的算法进行了有效验证，为调度问题的解决提供方法。
关键词：大客户管理；客户满意度；车辆调度模型
一、物流配送中的车辆调度
物流配送根据配送主体划分可以分为配送中心配送、仓库配送与商店配送，配送基本要根据走货运途径，企业需要对自身的运输能力做好充分的分配，以最大程度满足客户需求，最快最省地将货物送达客户手中。
1.车辆调度问题描述。车辆调度由配送中心、货物、需求方、运输车辆、配送路径、各类约束及设定的目标构成。配送中心是货物集散中心，起到中转、暂时存储、调拨作用，现实中的配送中心一般以车站、码头及城市中转站等形式存在。货物自供应商发起，经过多个配送中心到达需求方处。运输车辆一般具有载重、里程的约束，并且分为普通货物车辆及专业特殊物品运输车辆，在一般车辆调度问题中，一次配送任务中运输车辆必须返回出发点。
配送路径又称运输网络，是车辆调度的一个重要参考要素，配送路径的选择得当可以节省大量配送资源，增大配送范围。约束条件与目标函数是车辆调度问题构建优化求解模型的必备条件，企业需要根据设定的以成本最优、时间最优，或者客户满意最大化等目标构建目标函数，并且根据车辆负荷、客户时间要求、车辆空置、路线等多个要素编写约束条件，以划出解的范围。
根据车辆调度各要素的描述可以将调度问题描述如下：令表示配送网络，其中V表示节点，即客户与配送中心的点集。E、A表示有向边与无向边的集合，各边都将赋权，权值可以根据不同情况设定为距离或费用，表示V、E、A的子集，在特定的约束条件下，如车辆数目、限载、里程、客户时间要求、成本要求等，经过优化求解，求得时间最少、路程最短、费用最少等结果。车辆调度问题也可以绘制成网络图2.基于大客户满意度的车辆调度优化。一般车辆调度问题都会涉及一个或者多个约束条件，约束条件越多，调度任务就会更加复杂，同时满足多个约束后一辆运输车所能完成的任务就会变少，完成运输任务并非调度的最终目标，而是基本职能，好的调度方案是要使效益最大化。企业的客户具有多种类型，包含了服务、产品的直接消费者，中间商等，各类客户对企业服务的需求不同，对企业配送的要求不同使得客户的满意度达成难度不一。一般大客户对企业贡献度大，但是其满意度达成也更为困难，企业在制定配送计划与车辆调度方案时需要考虑大客户优先原则。
一般车辆调度优化目标设定为：运输成本最小、运输时间最短。对于目标的求解设定一些客户要求货物到达时间的约束，车辆本身限制因素等。此种调度方案将所有客户视为同一类客户，没有考虑不同类型的客户的需求特性及客户带来价值的不同，在客户需求方面一般都仅考虑客户的时间需求。对于大客户的定制化考虑已经为不少学者提供思路，少量的企业大客户贡献主要的利润收入，其需求表现为：量大、时间要求高；数量一般、品质要求高、对货物的运输要求高、时间要求次之。大客户分为大量采购的企业客户，少量高价购买的个人客户等，需求各不相同。对于不同的客户企业的配送调度要迎合大客户需求，开辟专线，这个运输调度提出了新的约束条件。在制定调度方案是需要先将客户进行认定，引入满意度测评，以整体满意度、成本最小化为目标，其中大客户满意度比普通客户提升更难，设定约束条件，构建调度模型。
二、大客户识别及满意度测评
为构建基于大客户分配约束的车辆调度模型，需要先识别大客户，并且对所有客户进行满意度测度，以设定满意度最大化的目标。
1.大客户识别。客户关系管理中对客户的识别基于客户的价值，即客户对于企业的创利的贡献度值，可以客户的购买量、价格、客户服务成本（包括售前、售中与售后）、客户推荐、客户带来的企业口碑与商誉提升等，有较容易可以获得的定量指标，也有较难衡量的定性指标，考虑的因素越多，构造的测评效果越好，越能够体现客户的真实贡献价值。另一方面，也有学者提出从客户的自身的发展情况衡量客户未来对企业的贡献价值，这类研究多基于客户企业，从客户企业内部经营指标，用平衡计分卡手段衡量客户企业的经营情况，判断未来客户将给企业带来多少订单，是否会带来坏账等。
2.客户满意度测度。对于客户满意度的测度有多种量化方法：模糊综合指标法、函数法。模糊综合指标法是运用模糊数学将定性评价转化为定量分析的工具。根据模糊评价法一般步骤：确定表示评价等级的判断集合各等级可以使用优良差等定性描述，也可以赋值定量描述。使用层次分析法或其他方法确定各个指标权重，记为其中再确定判断矩阵，最后求解客户综合满意度，本文选取函数表示法进行客户满意度测度，将客户满意度归一化为0至1之间的一个数值对函数形状起决定作用。对于满意度的指标确定，应考虑多个影响因素，准时、完好与准确得将货物运送到目的地。综合各个因素获得一个综合指标，根据综合指标的上下界，客户需要的目标值及实际值代入函数可以求解客户满意度的数值表示。
三、车辆调度模型
1.模型构建。车辆调度模型建模需要考虑成本效益问题，本文以客户满意度表示效益，设定效益与成本最优两个目标函数，约束条件除车辆、客户需求外加入大客户配送优先约束，体现定制化特点，模型构建首先需要做若干假设如下：
设定一个车辆属于一个配送中心，从单配送中心出发，配送完成后返回中心；一个配送周期内（即全部车辆派出到返回）所有车辆载重不少于所有客户需求量；一个客户由一个车辆配送，一个车辆可混装多个客户货物一并派送；车辆不能超负荷运作。
模型各参数符号表示如下：
为其子集，表示大客户，根据需求量来识别，B表示车辆集，η表示满意度函数的权值，C1表示运输成本单位值，C2表示车辆固定发车成本，客户需求数以g表示，d代表距离，o表示车辆载重负荷值，ti表示达到客户时刻，tji代表车辆从客户j行驶至i所花费的时间，sti表示车辆在客户点i处停留的时间，设定客户满意度最小值为表示客户最低满意度的时间要求，令Xijb表示车辆b是否从i行驶至j，是为1，否则为0，同理令yib表示车辆b是否负责客户i的任务配送，配送则值为1，不配送则为0。根据第二章客户满意度函数可以定量地表示客户满意度，本文客户满意基于需求时间，指标即到达客户的时间ti，第二章的指标目标值在此处分解为客户期望区间针对具体客户可以用其需求占总需求的比重表示，而式4则表示车辆调度成本最小化目标函数，约束条件①说明所有客户满意度都不能出现最低值，首先必须在客户时间容忍度内配送到达，否则会引发声誉危机，条件④含义类似；条件②表示单个客户需求量不能超过单车承载量；条件③是一个等式约束表示车辆到达客户i的时刻肯定等于在此之前停留的客户点时刻加上停留时间与路途中行驶时间；条件⑤则表示大客户优先满足其期望配送时间，即大客户优先配送原则；⑥表示一个客户仅由一辆运输车配送。
在一般约束中加入了大客户优先分配约束是本文的创新点，融合了大客户管理思想，往往为大客户开辟专线所花费的成本与收入比较普通客户配送成本与收入要经济的多，大客户所带来的经济效应是巨大的，对于客户企业，配送方需要给予足够高的重视。
2.求解算法。对于多目标优化问题的求解一般采用启发式算法，如模拟退火算法、蚁群算法与遗传算法等，其中又以遗传算法使用最为广泛，遗传算法全局搜索速度快，算法鲁棒性好，适合复杂问题的求解，本文对传统遗传算法进行处理同理可得到另一条染色体的后代。⑥进行变异操作，变异概率为Pm，操作步骤为：同前一步操作选取两个染色体，将该两数对应的各自染色体基因码对调形成两个新基因。⑦重复前述步骤，迭代直至收敛或达到最大迭代次数，输出结果。
本文的车辆调度问题是一个多目标、多约束的复杂问题，运用以上改进的遗传算法可以对该问题进行求解，在求解效率上有一定的优势，求解在全局搜索上速度快，减少陷入局部最优的风险，但是，求得的全局最优解精确度一般，可能会出现过早收敛的可能，总体而言，该算法是一个较为理想的多目标求解算法。
四、实例分析
1.实例运行。设定配送中心（编号记为0）有车辆10辆，载重均为50吨，分别服务于10名客户（编号分别为1至10），配送中心与各客户点坐标、需求量、时间窗以及服务时间2.结果分析。根据实例运行结果我们可以发现通过设定达到客户最低满意度的服务最低值，可以减少运输车辆等待时间，保持客户满意度不低于最低水平，避免客户流失，而另一方面从整体的客户满意度来看处于中上水平，其实从各客户的满意度水平来看（具体明细结果在此不做列示），高价值客户达到较高满意度水平，而中小客户满意度并不高，因为考虑到大客户满意度可以提高整体满意度，因而做出了中小客户牺牲，切合了本研究大客户优先的主题。
五、结语
车辆调度问题是一个比较传统的物流配送优化问题的一个研究点，但是随着物流业的发展及现代物流技术的涌现，车辆调度模型研究有了新的突破点，运用优化理论构造多目标复杂模型，构造的启发式算法可以对复杂模型进行求解，并且使用计算机技术手段可以快速对算法进行运算求解。本文引入了大客户管理的思想，增加大客户优先配送约束条件，以满意度与成本为目标函数，构造了一个车辆调度模型，提出了改进的遗传算法求解调度问题，并通过实例对算法进行验证，但是本文未对实现技术进行探讨，有待进一步研究，并且，算法的有效性也需下一步深入研究做进一步的验证。
参考文献：
[1]韩晓路.基于局部搜索遗传算法的仓库车辆调度优化研究[J].物流技术， 2011， （7）： 65-67.
[2]曾云俊， 舒丽君.关于物流企业大客户策略的几点建议[J].物流工程与管理， 2011， 33（6）： 46-47.
[3]欧阳任.第三方物流企业的大客户管理研究[D].上海交通大学， 2008.
在一般约束中加入了大客户优先分配约束是本文的创新点，融合了大客户管理思想，往往为大客户开辟专线所花费的成本与收入比较普通客户配送成本与收入要经济的多，大客户所带来的经济效应是巨大的，对于客户企业，配送方需要给予足够高的重视。
2.求解算法。对于多目标优化问题的求解一般采用启发式算法，如模拟退火算法、蚁群算法与遗传算法等，其中又以遗传算法使用最为广泛，遗传算法全局搜索速度快，算法鲁棒性好，适合复杂问题的求解，本文对传统遗传算法进行处理同理可得到另一条染色体的后代。⑥进行变异操作，变异概率为Pm，操作步骤为：同前一步操作选取两个染色体，将该两数对应的各自染色体基因码对调形成两个新基因。⑦重复前述步骤，迭代直至收敛或达到最大迭代次数，输出结果。
本文的车辆调度问题是一个多目标、多约束的复杂问题，运用以上改进的遗传算法可以对该问题进行求解，在求解效率上有一定的优势，求解在全局搜索上速度快，减少陷入局部最优的风险，但是，求得的全局最优解精确度一般，可能会出现过早收敛的可能，总体而言，该算法是一个较为理想的多目标求解算法。
四、实例分析
1.实例运行。设定配送中心（编号记为0）有车辆10辆，载重均为50吨，分别服务于10名客户（编号分别为1至10），配送中心与各客户点坐标、需求量、时间窗以及服务时间2.结果分析。根据实例运行结果我们可以发现通过设定达到客户最低满意度的服务最低值，可以减少运输车辆等待时间，保持客户满意度不低于最低水平，避免客户流失，而另一方面从整体的客户满意度来看处于中上水平，其实从各客户的满意度水平来看（具体明细结果在此不做列示），高价值客户达到较高满意度水平，而中小客户满意度并不高，因为考虑到大客户满意度可以提高整体满意度，因而做出了中小客户牺牲，切合了本研究大客户优先的主题。
五、结语
车辆调度问题是一个比较传统的物流配送优化问题的一个研究点，但是随着物流业的发展及现代物流技术的涌现，车辆调度模型研究有了新的突破点，运用优化理论构造多目标复杂模型，构造的启发式算法可以对复杂模型进行求解，并且使用计算机技术手段可以快速对算法进行运算求解。本文引入了大客户管理的思想，增加大客户优先配送约束条件，以满意度与成本为目标函数，构造了一个车辆调度模型，提出了改进的遗传算法求解调度问题，并通过实例对算法进行验证，但是本文未对实现技术进行探讨，有待进一步研究，并且，算法的有效性也需下一步深入研究做进一步的验证。
参考文献：
[1]韩晓路.基于局部搜索遗传算法的仓库车辆调度优化研究[J].物流技术， 2011， （7）： 65-67.
[2]曾云俊， 舒丽君.关于物流企业大客户策略的几点建议[J].物流工程与管理， 2011， 33（6）： 46-47.
[3]欧阳任.第三方物流企业的大客户管理研究[D].上海交通大学， 2008.
在一般约束中加入了大客户优先分配约束是本文的创新点，融合了大客户管理思想，往往为大客户开辟专线所花费的成本与收入比较普通客户配送成本与收入要经济的多，大客户所带来的经济效应是巨大的，对于客户企业，配送方需要给予足够高的重视。
2.求解算法。对于多目标优化问题的求解一般采用启发式算法，如模拟退火算法、蚁群算法与遗传算法等，其中又以遗传算法使用最为广泛，遗传算法全局搜索速度快，算法鲁棒性好，适合复杂问题的求解，本文对传统遗传算法进行处理同理可得到另一条染色体的后代。⑥进行变异操作，变异概率为Pm，操作步骤为：同前一步操作选取两个染色体，将该两数对应的各自染色体基因码对调形成两个新基因。⑦重复前述步骤，迭代直至收敛或达到最大迭代次数，输出结果。
本文的车辆调度问题是一个多目标、多约束的复杂问题，运用以上改进的遗传算法可以对该问题进行求解，在求解效率上有一定的优势，求解在全局搜索上速度快，减少陷入局部最优的风险，但是，求得的全局最优解精确度一般，可能会出现过早收敛的可能，总体而言，该算法是一个较为理想的多目标求解算法。
四、实例分析
1.实例运行。设定配送中心（编号记为0）有车辆10辆，载重均为50吨，分别服务于10名客户（编号分别为1至10），配送中心与各客户点坐标、需求量、时间窗以及服务时间2.结果分析。根据实例运行结果我们可以发现通过设定达到客户最低满意度的服务最低值，可以减少运输车辆等待时间，保持客户满意度不低于最低水平，避免客户流失，而另一方面从整体的客户满意度来看处于中上水平，其实从各客户的满意度水平来看（具体明细结果在此不做列示），高价值客户达到较高满意度水平，而中小客户满意度并不高，因为考虑到大客户满意度可以提高整体满意度，因而做出了中小客户牺牲，切合了本研究大客户优先的主题。
五、结语
车辆调度问题是一个比较传统的物流配送优化问题的一个研究点，但是随着物流业的发展及现代物流技术的涌现，车辆调度模型研究有了新的突破点，运用优化理论构造多目标复杂模型，构造的启发式算法可以对复杂模型进行求解，并且使用计算机技术手段可以快速对算法进行运算求解。本文引入了大客户管理的思想，增加大客户优先配送约束条件，以满意度与成本为目标函数，构造了一个车辆调度模型，提出了改进的遗传算法求解调度问题，并通过实例对算法进行验证，但是本文未对实现技术进行探讨，有待进一步研究，并且，算法的有效性也需下一步深入研究做进一步的验证。
参考文献：
[1]韩晓路.基于局部搜索遗传算法的仓库车辆调度优化研究[J].物流技术， 2011， （7）： 65-67.
[2]曾云俊， 舒丽君.关于物流企业大客户策略的几点建议[J].物流工程与管理， 2011， 33（6）： 46-47.
[3]欧阳任.第三方物流企业的大客户管理研究[D].上海交通大学， 2008.
