面对繁多的商品品类和多变的采配流程,B2C(Business to Consumers)电商物流运营的主要挑战之一即是合理刻画顾客小批量、不确定性的需求以实现采配流程的平稳高效运行。本文针对B2C电商企业多品补货需求的不确定性,将商品需求假设为三...面对繁多的商品品类和多变的采配流程,B2C(Business to Consumers)电商物流运营的主要挑战之一即是合理刻画顾客小批量、不确定性的需求以实现采配流程的平稳高效运行。本文针对B2C电商企业多品补货需求的不确定性,将商品需求假设为三角模糊变量。同时,考虑基于历史数据的模糊变量确定存在随机可能性判断,本文运用模糊期望值理论,构建以成本最小化为目标的多品采配(Joint replenishment and delivery,JRD)协同模型。模型采用粒子群算法(Particle Swarm Optimization,PSO)进行求解。数值实验验证了PSO相比于遗传算法(Genetic Algorithm,GA)求解JRD的有效性和适用性。展开更多
文摘面对繁多的商品品类和多变的采配流程,B2C(Business to Consumers)电商物流运营的主要挑战之一即是合理刻画顾客小批量、不确定性的需求以实现采配流程的平稳高效运行。本文针对B2C电商企业多品补货需求的不确定性,将商品需求假设为三角模糊变量。同时,考虑基于历史数据的模糊变量确定存在随机可能性判断,本文运用模糊期望值理论,构建以成本最小化为目标的多品采配(Joint replenishment and delivery,JRD)协同模型。模型采用粒子群算法(Particle Swarm Optimization,PSO)进行求解。数值实验验证了PSO相比于遗传算法(Genetic Algorithm,GA)求解JRD的有效性和适用性。
