在上述50个客户的初始算例基础上,模拟配送过程,按表中所列时刻依次引入10个动态事件,并按定时与定量联合策略分5批处理,模拟上午接收变化、调整下午配送的情景。

动态客户需求信息
编号事件类型经度(°E)纬度(°N)动态时刻时间窗需求量(kg)体积(m³)服务时间(min)
C051新增订单116.319539.745908:0313:04–13:421391.06
C007订单取消116.365239.945008:4216:08–16:544173.018
C017订单取消116.081139.868308:4313:13–13:482782.012
C020需求减少116.321239.958408:5317:16–18:11208→154.81.59
C004需求增加116.332039.949108:5414:26–15:22347→436.22.515
C052新增订单116.727839.903209:0714:16–15:154171.06
C053新增订单116.427839.853909:2515:00–15:454171.06
C039时间窗变动116.329640.079009:3517:11–17:54 → 17:05–17:372081.59
C054新增订单116.338839.980909:3814:31–15:243472.515
C055新增订单116.357539.941209:5713:06–13:442081.06
注:新增订单列示其订单属性;取消事件列示取消前的订单属性;需求量和时间窗变动以箭头表示变动前后的取值。

为分析重新优化未执行任务的作用,设置顺序插入策略与滚动重优化策略进行比较。顺序插入逐笔安排新增订单,保留原有未服务客户的访问次序与车辆分配;滚动重优化在插入新增订单后,采用MTC-HGS共同优化新增订单与原有未服务客户,允许调整访问次序、车辆分配及配送行程。顺序插入依次尝试插入既有行程、增加已用车辆的配送行程及启用空闲车辆,在每类可行方案中选择成本增量最小的方案。两种策略采用相同的初始方案与事件处理时刻,均保留已执行任务,并根据车辆当前状态安排后续配送。另将全部事件更新后的客户需求预先纳入优化,求得静态配送方案作为比较。三种方案均完成53个客户和14133 kg需求,结果如表16所示。

表 16 动态客户需求下不同处理方式的求解结果
比较项目静态方案顺序插入策略滚动重优化策略相对变化
总成本(元)2735.033117.012897.34−7.05%
总排放(kgCO₂)234.40232.64195.86−15.81%
总距离(km)968.091099.85966.28−12.14%
实际车辆数(辆)6770.00%
新增订单处理数(笔,重优化/插入)—0/53/2—
完成重优化的批次数(批)—03—
注:表中结果为同一动态事件序列下的仿真结果;相对变化以顺序插入策略为基准。

由表16可知:1)两种在线策略均使用7辆车,滚动重优化的总成本、总排放与总距离较顺序插入分别降低7.05%、15.81%和12.14%,表明在车辆规模相同的条件下,重新安排未执行任务有利于改善动态配送方案。2)滚动重优化在3个批次完成重优化,5笔新增订单中,3笔参与重优化,2笔在未获得可行重优化方案时采用插入处理。顺序插入保留了原有客户的配送安排,滚动重优化则允许原有未服务客户与新增订单共同参与路径调整,为降低配送成本提供了更多选择。

静态方案预先掌握全部事件更新后的客户需求,取得了最低总成本。实际配送中,订单陆续到达、取消或变更,无法事先按该方案安排全日配送任务。滚动重优化的总成本较静态方案高5.93%,总距离和总排放均较低;两者分别使用7辆和6辆车,较短的行驶里程未对应较低的配送总成本。由此可见,在订单逐步到达的条件下,重新安排新增订单与原有未执行任务,有利于降低配送成本和碳排放。