全渠道零售环境下大型城市物流配送中的优化与学习

In this proposal, we study the urban delivery system design problem as well as the offline and online dispatching problems in last-mile delivery, by considering new characteristics in logistics delivery in mega-cities, created by omni-channel retailing, including B2C e-commerce, O2O business models, and sharing economies. The proposed research is based on the practice of B2C e-commerce, express delivery services, on-demand grocery delivery grocery services, and food delivery services. It involves important factors in the practice of last-mile delivery operations management, such as the stochasticity, dynamics, and time-definiteness of delivery demand, the workload balance, dispatching consistency, delivery difficulty, etc., as well as new features in crowdshipping. Consequently, the research outcomes are expected to provide valuable guidance in the practice of urban delivery. Furthermore, the proposed research is also expected to contribute to the literature in research areas such as vehicle routing problems and variants, stochastic optimization, and optimal learning.

本申请项目结合当前全渠道零售（B2C电子商务、O2O商业模式和共享经济）环境下的大型城市物流配送中的新特征，针对城市配送系统设计问题以及最后一公里配送管理中的离线任务分派问题和在线任务分配问题进行研究。本项目的研究结合B2C电商配送、限时快递、限时零售配送和餐饮外卖配送服务的实践，针对城市配送需求的随机性、动态性和限时性，配送员任务量平衡、配送一致性、配送难度等最后一公里运作管理中的重要因素，以及众包配送的新特征。项目研究成果预期对城市配送实践具有指导价值。此外，本项目还预期在车辆路径问题、随机优化、最优学习等领域取得创新性研究成果。

针对线上零售（B2C电子商务）、现代零售（大型商超与连锁便利店）与传统小零售商户（简称“小商户”）并存的大型城市物流配送管理实践中的新特征和新挑战，项目团队按照三个研究专题开展研究。. 在研究专题一中，结合大型城市物流配送的学术研究前沿与行业管理实践，研究了两级城市配送系统的分区设计问题，提出了结合城市规划、地理及人口特征的配送系统分区设计的重要研究方向。此外，首次将最优学习方法应用于在既定城市配送系统分区设计下配送资源的优化分配方案中，提出了基于离散先验的重采样、重生成知识梯度策略，有效采集配送成本信息，以有限的信息采集成本获取优化的配送资源分配方案。. 在研究专题二中，研究了最后一公里配送中的配送员任务量平衡问题，首次明确提出并区分激励型和负荷型任务量及其平衡周期。在考虑多期任务量平衡的最后一公里配送任务分派问题中，建立了马尔可夫决策过程模型，提出了基于成本函数近似的平衡惩罚策略。此外，我们还拓展研究了面向小商户和购物中心的协同配送问题，验证了协同配送和随机模型的价值。. 在研究专题三中，研究了众包模式下餐饮外卖配送订单的在线动态分派问题和无桩共享单车系统中的单车在线动态调度问题，分别建立了马尔可夫决策过程模型，提出了基于强化学习和深度神经网络的订单分派策略和基于策略函数近似的单车动态调度策略。此外，我们还研究了时变随机扰动下的动态最短路问题和基于汇总数据的异质性、非稳态顾客需求的估计问题。. 在研究过程中，项目团队注重应用运筹学的优化理论框架解决管理科学问题，在运用混合整数规划模型和随机优化方法解决大规模、复杂管理科学问题的数学建模、优化算法设计、数值实验设计及管理洞见分析方面均取得创新性成果，部分研究成果获得国际交通科学与物流领域最佳论文奖和最佳博士学位论文奖。项目团队与国际知名学者及物流配送企业开展深入研究合作，积极进行广泛的国内外学术与行业交流，取得了显著的学术影响和行业影响。