大客戶車輛優(yōu)先分配約束條件下物流配送車輛調(diào)度問題研究

章娣

摘 要：車輛調(diào)度是物流配送的一個(gè)關(guān)鍵環(huán)節(jié)，在調(diào)度中考慮大客戶優(yōu)先配送可以提升大客戶滿意度，提高企業(yè)長遠(yuǎn)效應(yīng)。本文對(duì)大客戶滿意度進(jìn)行測度，構(gòu)造了基于大客戶優(yōu)先配送的車輛調(diào)度模型，提出了模型求解算法，并通過實(shí)例運(yùn)行與結(jié)果分析對(duì)提出的算法進(jìn)行了有效驗(yàn)證，為調(diào)度問題的解決提供方法。

關(guān)鍵詞：大客戶管理；客戶滿意度；車輛調(diào)度模型

一、物流配送中的車輛調(diào)度

物流配送根據(jù)配送主體劃分可以分為配送中心配送、倉庫配送與商店配送，配送基本要根據(jù)走貨運(yùn)途徑，企業(yè)需要對(duì)自身的運(yùn)輸能力做好充分的分配，以最大程度滿足客戶需求，最快最省地將貨物送達(dá)客戶手中。

1.車輛調(diào)度問題描述。車輛調(diào)度由配送中心、貨物、需求方、運(yùn)輸車輛、配送路徑、各類約束及設(shè)定的目標(biāo)構(gòu)成。配送中心是貨物集散中心，起到中轉(zhuǎn)、暫時(shí)存儲(chǔ)、調(diào)撥作用，現(xiàn)實(shí)中的配送中心一般以車站、碼頭及城市中轉(zhuǎn)站等形式存在。貨物自供應(yīng)商發(fā)起，經(jīng)過多個(gè)配送中心到達(dá)需求方處。運(yùn)輸車輛一般具有載重、里程的約束，并且分為普通貨物車輛及專業(yè)特殊物品運(yùn)輸車輛，在一般車輛調(diào)度問題中，一次配送任務(wù)中運(yùn)輸車輛必須返回出發(fā)點(diǎn)。

配送路徑又稱運(yùn)輸網(wǎng)絡(luò)，是車輛調(diào)度的一個(gè)重要參考要素，配送路徑的選擇得當(dāng)可以節(jié)省大量配送資源，增大配送范圍。約束條件與目標(biāo)函數(shù)是車輛調(diào)度問題構(gòu)建優(yōu)化求解模型的必備條件，企業(yè)需要根據(jù)設(shè)定的以成本最優(yōu)、時(shí)間最優(yōu)，或者客戶滿意最大化等目標(biāo)構(gòu)建目標(biāo)函數(shù)，并且根據(jù)車輛負(fù)荷、客戶時(shí)間要求、車輛空置、路線等多個(gè)要素編寫約束條件，以劃出解的范圍。

根據(jù)車輛調(diào)度各要素的描述可以將調(diào)度問題描述如下：令表示配送網(wǎng)絡(luò)，其中V表示節(jié)點(diǎn)，即客戶與配送中心的點(diǎn)集。E、A表示有向邊與無向邊的集合，各邊都將賦權(quán)，權(quán)值可以根據(jù)不同情況設(shè)定為距離或費(fèi)用，表示V、E、A的子集，在特定的約束條件下，如車輛數(shù)目、限載、里程、客戶時(shí)間要求、成本要求等，經(jīng)過優(yōu)化求解，求得時(shí)間最少、路程最短、費(fèi)用最少等結(jié)果。車輛調(diào)度問題也可以繪制成網(wǎng)絡(luò)圖2.基于大客戶滿意度的車輛調(diào)度優(yōu)化。一般車輛調(diào)度問題都會(huì)涉及一個(gè)或者多個(gè)約束條件，約束條件越多，調(diào)度任務(wù)就會(huì)更加復(fù)雜，同時(shí)滿足多個(gè)約束后一輛運(yùn)輸車所能完成的任務(wù)就會(huì)變少，完成運(yùn)輸任務(wù)并非調(diào)度的最終目標(biāo)，而是基本職能，好的調(diào)度方案是要使效益最大化。企業(yè)的客戶具有多種類型，包含了服務(wù)、產(chǎn)品的直接消費(fèi)者，中間商等，各類客戶對(duì)企業(yè)服務(wù)的需求不同，對(duì)企業(yè)配送的要求不同使得客戶的滿意度達(dá)成難度不一。一般大客戶對(duì)企業(yè)貢獻(xiàn)度大，但是其滿意度達(dá)成也更為困難，企業(yè)在制定配送計(jì)劃與車輛調(diào)度方案時(shí)需要考慮大客戶優(yōu)先原則。

一般車輛調(diào)度優(yōu)化目標(biāo)設(shè)定為：運(yùn)輸成本最小、運(yùn)輸時(shí)間最短。對(duì)于目標(biāo)的求解設(shè)定一些客戶要求貨物到達(dá)時(shí)間的約束，車輛本身限制因素等。此種調(diào)度方案將所有客戶視為同一類客戶，沒有考慮不同類型的客戶的需求特性及客戶帶來價(jià)值的不同，在客戶需求方面一般都僅考慮客戶的時(shí)間需求。對(duì)于大客戶的定制化考慮已經(jīng)為不少學(xué)者提供思路，少量的企業(yè)大客戶貢獻(xiàn)主要的利潤收入，其需求表現(xiàn)為：量大、時(shí)間要求高；數(shù)量一般、品質(zhì)要求高、對(duì)貨物的運(yùn)輸要求高、時(shí)間要求次之。大客戶分為大量采購的企業(yè)客戶，少量高價(jià)購買的個(gè)人客戶等，需求各不相同。對(duì)于不同的客戶企業(yè)的配送調(diào)度要迎合大客戶需求，開辟專線，這個(gè)運(yùn)輸調(diào)度提出了新的約束條件。在制定調(diào)度方案是需要先將客戶進(jìn)行認(rèn)定，引入滿意度測評(píng)，以整體滿意度、成本最小化為目標(biāo)，其中大客戶滿意度比普通客戶提升更難，設(shè)定約束條件，構(gòu)建調(diào)度模型。

二、大客戶識(shí)別及滿意度測評(píng)

為構(gòu)建基于大客戶分配約束的車輛調(diào)度模型，需要先識(shí)別大客戶，并且對(duì)所有客戶進(jìn)行滿意度測度，以設(shè)定滿意度最大化的目標(biāo)。

1.大客戶識(shí)別。客戶關(guān)系管理中對(duì)客戶的識(shí)別基于客戶的價(jià)值，即客戶對(duì)于企業(yè)的創(chuàng)利的貢獻(xiàn)度值，可以客戶的購買量、價(jià)格、客戶服務(wù)成本（包括售前、售中與售后）、客戶推薦、客戶帶來的企業(yè)口碑與商譽(yù)提升等，有較容易可以獲得的定量指標(biāo)，也有較難衡量的定性指標(biāo)，考慮的因素越多，構(gòu)造的測評(píng)效果越好，越能夠體現(xiàn)客戶的真實(shí)貢獻(xiàn)價(jià)值。另一方面，也有學(xué)者提出從客戶的自身的發(fā)展情況衡量客戶未來對(duì)企業(yè)的貢獻(xiàn)價(jià)值，這類研究多基于客戶企業(yè)，從客戶企業(yè)內(nèi)部經(jīng)營指標(biāo)，用平衡計(jì)分卡手段衡量客戶企業(yè)的經(jīng)營情況，判斷未來客戶將給企業(yè)帶來多少訂單，是否會(huì)帶來壞賬等。

2.客戶滿意度測度。對(duì)于客戶滿意度的測度有多種量化方法：模糊綜合指標(biāo)法、函數(shù)法。模糊綜合指標(biāo)法是運(yùn)用模糊數(shù)學(xué)將定性評(píng)價(jià)轉(zhuǎn)化為定量分析的工具。根據(jù)模糊評(píng)價(jià)法一般步驟：確定表示評(píng)價(jià)等級(jí)的判斷集合各等級(jí)可以使用優(yōu)良差等定性描述，也可以賦值定量描述。使用層次分析法或其他方法確定各個(gè)指標(biāo)權(quán)重，記為其中再確定判斷矩陣，最后求解客戶綜合滿意度，本文選取函數(shù)表示法進(jìn)行客戶滿意度測度，將客戶滿意度歸一化為0至1之間的一個(gè)數(shù)值對(duì)函數(shù)形狀起決定作用。對(duì)于滿意度的指標(biāo)確定，應(yīng)考慮多個(gè)影響因素，準(zhǔn)時(shí)、完好與準(zhǔn)確得將貨物運(yùn)送到目的地。綜合各個(gè)因素獲得一個(gè)綜合指標(biāo)，根據(jù)綜合指標(biāo)的上下界，客戶需要的目標(biāo)值及實(shí)際值代入函數(shù)可以求解客戶滿意度的數(shù)值表示。

三、車輛調(diào)度模型

1.模型構(gòu)建。車輛調(diào)度模型建模需要考慮成本效益問題，本文以客戶滿意度表示效益，設(shè)定效益與成本最優(yōu)兩個(gè)目標(biāo)函數(shù)，約束條件除車輛、客戶需求外加入大客戶配送優(yōu)先約束，體現(xiàn)定制化特點(diǎn)，模型構(gòu)建首先需要做若干假設(shè)如下：

設(shè)定一個(gè)車輛屬于一個(gè)配送中心，從單配送中心出發(fā)，配送完成后返回中心；一個(gè)配送周期內(nèi)（即全部車輛派出到返回）所有車輛載重不少于所有客戶需求量；一個(gè)客戶由一個(gè)車輛配送，一個(gè)車輛可混裝多個(gè)客戶貨物一并派送；車輛不能超負(fù)荷運(yùn)作。

模型各參數(shù)符號(hào)表示如下：

為其子集，表示大客戶，根據(jù)需求量來識(shí)別，B表示車輛集，η表示滿意度函數(shù)的權(quán)值，C1表示運(yùn)輸成本單位值，C2表示車輛固定發(fā)車成本，客戶需求數(shù)以g表示，d代表距離，o表示車輛載重負(fù)荷值，ti表示達(dá)到客戶時(shí)刻，tji代表車輛從客戶j行駛至i所花費(fèi)的時(shí)間，sti表示車輛在客戶點(diǎn)i處停留的時(shí)間，設(shè)定客戶滿意度最小值為表示客戶最低滿意度的時(shí)間要求，令Xijb表示車輛b是否從i行駛至j，是為1，否則為0，同理令yib表示車輛b是否負(fù)責(zé)客戶i的任務(wù)配送，配送則值為1，不配送則為0。根據(jù)第二章客戶滿意度函數(shù)可以定量地表示客戶滿意度，本文客戶滿意基于需求時(shí)間，指標(biāo)即到達(dá)客戶的時(shí)間ti，第二章的指標(biāo)目標(biāo)值在此處分解為客戶期望區(qū)間針對(duì)具體客戶可以用其需求占總需求的比重表示，而式4則表示車輛調(diào)度成本最小化目標(biāo)函數(shù)，約束條件①說明所有客戶滿意度都不能出現(xiàn)最低值，首先必須在客戶時(shí)間容忍度內(nèi)配送到達(dá)，否則會(huì)引發(fā)聲譽(yù)危機(jī)，條件④含義類似；條件②表示單個(gè)客戶需求量不能超過單車承載量；條件③是一個(gè)等式約束表示車輛到達(dá)客戶i的時(shí)刻肯定等于在此之前停留的客戶點(diǎn)時(shí)刻加上停留時(shí)間與路途中行駛時(shí)間；條件⑤則表示大客戶優(yōu)先滿足其期望配送時(shí)間，即大客戶優(yōu)先配送原則；⑥表示一個(gè)客戶僅由一輛運(yùn)輸車配送。endprint

在一般約束中加入了大客戶優(yōu)先分配約束是本文的創(chuàng)新點(diǎn)，融合了大客戶管理思想，往往為大客戶開辟專線所花費(fèi)的成本與收入比較普通客戶配送成本與收入要經(jīng)濟(jì)的多，大客戶所帶來的經(jīng)濟(jì)效應(yīng)是巨大的，對(duì)于客戶企業(yè)，配送方需要給予足夠高的重視。

2.求解算法。對(duì)于多目標(biāo)優(yōu)化問題的求解一般采用啟發(fā)式算法，如模擬退火算法、蟻群算法與遺傳算法等，其中又以遺傳算法使用最為廣泛，遺傳算法全局搜索速度快，算法魯棒性好，適合復(fù)雜問題的求解，本文對(duì)傳統(tǒng)遺傳算法進(jìn)行處理同理可得到另一條染色體的后代。⑥進(jìn)行變異操作，變異概率為Pm，操作步驟為：同前一步操作選取兩個(gè)染色體，將該兩數(shù)對(duì)應(yīng)的各自染色體基因碼對(duì)調(diào)形成兩個(gè)新基因。⑦重復(fù)前述步驟，迭代直至收斂或達(dá)到最大迭代次數(shù)，輸出結(jié)果。

本文的車輛調(diào)度問題是一個(gè)多目標(biāo)、多約束的復(fù)雜問題，運(yùn)用以上改進(jìn)的遺傳算法可以對(duì)該問題進(jìn)行求解，在求解效率上有一定的優(yōu)勢，求解在全局搜索上速度快，減少陷入局部最優(yōu)的風(fēng)險(xiǎn)，但是，求得的全局最優(yōu)解精確度一般，可能會(huì)出現(xiàn)過早收斂的可能，總體而言，該算法是一個(gè)較為理想的多目標(biāo)求解算法。

四、實(shí)例分析

1.實(shí)例運(yùn)行。設(shè)定配送中心（編號(hào)記為0）有車輛10輛，載重均為50噸，分別服務(wù)于10名客戶（編號(hào)分別為1至10），配送中心與各客戶點(diǎn)坐標(biāo)、需求量、時(shí)間窗以及服務(wù)時(shí)間2.結(jié)果分析。根據(jù)實(shí)例運(yùn)行結(jié)果我們可以發(fā)現(xiàn)通過設(shè)定達(dá)到客戶最低滿意度的服務(wù)最低值，可以減少運(yùn)輸車輛等待時(shí)間，保持客戶滿意度不低于最低水平，避免客戶流失，而另一方面從整體的客戶滿意度來看處于中上水平，其實(shí)從各客戶的滿意度水平來看（具體明細(xì)結(jié)果在此不做列示），高價(jià)值客戶達(dá)到較高滿意度水平，而中小客戶滿意度并不高，因?yàn)榭紤]到大客戶滿意度可以提高整體滿意度，因而做出了中小客戶犧牲，切合了本研究大客戶優(yōu)先的主題。

五、結(jié)語

車輛調(diào)度問題是一個(gè)比較傳統(tǒng)的物流配送優(yōu)化問題的一個(gè)研究點(diǎn)，但是隨著物流業(yè)的發(fā)展及現(xiàn)代物流技術(shù)的涌現(xiàn)，車輛調(diào)度模型研究有了新的突破點(diǎn)，運(yùn)用優(yōu)化理論構(gòu)造多目標(biāo)復(fù)雜模型，構(gòu)造的啟發(fā)式算法可以對(duì)復(fù)雜模型進(jìn)行求解，并且使用計(jì)算機(jī)技術(shù)手段可以快速對(duì)算法進(jìn)行運(yùn)算求解。本文引入了大客戶管理的思想，增加大客戶優(yōu)先配送約束條件，以滿意度與成本為目標(biāo)函數(shù)，構(gòu)造了一個(gè)車輛調(diào)度模型，提出了改進(jìn)的遺傳算法求解調(diào)度問題，并通過實(shí)例對(duì)算法進(jìn)行驗(yàn)證，但是本文未對(duì)實(shí)現(xiàn)技術(shù)進(jìn)行探討，有待進(jìn)一步研究，并且，算法的有效性也需下一步深入研究做進(jìn)一步的驗(yàn)證。

參考文獻(xiàn)：

[1]韓曉路.基于局部搜索遺傳算法的倉庫車輛調(diào)度優(yōu)化研究[J].物流技術(shù)， 2011， （7）： 65-67.

[2]曾云俊， 舒麗君.關(guān)于物流企業(yè)大客戶策略的幾點(diǎn)建議[J].物流工程與管理， 2011， 33（6）： 46-47.

[3]歐陽任.第三方物流企業(yè)的大客戶管理研究[D].上海交通大學(xué)， 2008.endprint

在一般約束中加入了大客戶優(yōu)先分配約束是本文的創(chuàng)新點(diǎn)，融合了大客戶管理思想，往往為大客戶開辟專線所花費(fèi)的成本與收入比較普通客戶配送成本與收入要經(jīng)濟(jì)的多，大客戶所帶來的經(jīng)濟(jì)效應(yīng)是巨大的，對(duì)于客戶企業(yè)，配送方需要給予足夠高的重視。

2.求解算法。對(duì)于多目標(biāo)優(yōu)化問題的求解一般采用啟發(fā)式算法，如模擬退火算法、蟻群算法與遺傳算法等，其中又以遺傳算法使用最為廣泛，遺傳算法全局搜索速度快，算法魯棒性好，適合復(fù)雜問題的求解，本文對(duì)傳統(tǒng)遺傳算法進(jìn)行處理同理可得到另一條染色體的后代。⑥進(jìn)行變異操作，變異概率為Pm，操作步驟為：同前一步操作選取兩個(gè)染色體，將該兩數(shù)對(duì)應(yīng)的各自染色體基因碼對(duì)調(diào)形成兩個(gè)新基因。⑦重復(fù)前述步驟，迭代直至收斂或達(dá)到最大迭代次數(shù)，輸出結(jié)果。

本文的車輛調(diào)度問題是一個(gè)多目標(biāo)、多約束的復(fù)雜問題，運(yùn)用以上改進(jìn)的遺傳算法可以對(duì)該問題進(jìn)行求解，在求解效率上有一定的優(yōu)勢，求解在全局搜索上速度快，減少陷入局部最優(yōu)的風(fēng)險(xiǎn)，但是，求得的全局最優(yōu)解精確度一般，可能會(huì)出現(xiàn)過早收斂的可能，總體而言，該算法是一個(gè)較為理想的多目標(biāo)求解算法。

四、實(shí)例分析

1.實(shí)例運(yùn)行。設(shè)定配送中心（編號(hào)記為0）有車輛10輛，載重均為50噸，分別服務(wù)于10名客戶（編號(hào)分別為1至10），配送中心與各客戶點(diǎn)坐標(biāo)、需求量、時(shí)間窗以及服務(wù)時(shí)間2.結(jié)果分析。根據(jù)實(shí)例運(yùn)行結(jié)果我們可以發(fā)現(xiàn)通過設(shè)定達(dá)到客戶最低滿意度的服務(wù)最低值，可以減少運(yùn)輸車輛等待時(shí)間，保持客戶滿意度不低于最低水平，避免客戶流失，而另一方面從整體的客戶滿意度來看處于中上水平，其實(shí)從各客戶的滿意度水平來看（具體明細(xì)結(jié)果在此不做列示），高價(jià)值客戶達(dá)到較高滿意度水平，而中小客戶滿意度并不高，因?yàn)榭紤]到大客戶滿意度可以提高整體滿意度，因而做出了中小客戶犧牲，切合了本研究大客戶優(yōu)先的主題。

五、結(jié)語

車輛調(diào)度問題是一個(gè)比較傳統(tǒng)的物流配送優(yōu)化問題的一個(gè)研究點(diǎn)，但是隨著物流業(yè)的發(fā)展及現(xiàn)代物流技術(shù)的涌現(xiàn)，車輛調(diào)度模型研究有了新的突破點(diǎn)，運(yùn)用優(yōu)化理論構(gòu)造多目標(biāo)復(fù)雜模型，構(gòu)造的啟發(fā)式算法可以對(duì)復(fù)雜模型進(jìn)行求解，并且使用計(jì)算機(jī)技術(shù)手段可以快速對(duì)算法進(jìn)行運(yùn)算求解。本文引入了大客戶管理的思想，增加大客戶優(yōu)先配送約束條件，以滿意度與成本為目標(biāo)函數(shù)，構(gòu)造了一個(gè)車輛調(diào)度模型，提出了改進(jìn)的遺傳算法求解調(diào)度問題，并通過實(shí)例對(duì)算法進(jìn)行驗(yàn)證，但是本文未對(duì)實(shí)現(xiàn)技術(shù)進(jìn)行探討，有待進(jìn)一步研究，并且，算法的有效性也需下一步深入研究做進(jìn)一步的驗(yàn)證。

參考文獻(xiàn)：

[1]韓曉路.基于局部搜索遺傳算法的倉庫車輛調(diào)度優(yōu)化研究[J].物流技術(shù)， 2011， （7）： 65-67.

[2]曾云俊， 舒麗君.關(guān)于物流企業(yè)大客戶策略的幾點(diǎn)建議[J].物流工程與管理， 2011， 33（6）： 46-47.

[3]歐陽任.第三方物流企業(yè)的大客戶管理研究[D].上海交通大學(xué)， 2008.endprint

在一般約束中加入了大客戶優(yōu)先分配約束是本文的創(chuàng)新點(diǎn)，融合了大客戶管理思想，往往為大客戶開辟專線所花費(fèi)的成本與收入比較普通客戶配送成本與收入要經(jīng)濟(jì)的多，大客戶所帶來的經(jīng)濟(jì)效應(yīng)是巨大的，對(duì)于客戶企業(yè)，配送方需要給予足夠高的重視。

2.求解算法。對(duì)于多目標(biāo)優(yōu)化問題的求解一般采用啟發(fā)式算法，如模擬退火算法、蟻群算法與遺傳算法等，其中又以遺傳算法使用最為廣泛，遺傳算法全局搜索速度快，算法魯棒性好，適合復(fù)雜問題的求解，本文對(duì)傳統(tǒng)遺傳算法進(jìn)行處理同理可得到另一條染色體的后代。⑥進(jìn)行變異操作，變異概率為Pm，操作步驟為：同前一步操作選取兩個(gè)染色體，將該兩數(shù)對(duì)應(yīng)的各自染色體基因碼對(duì)調(diào)形成兩個(gè)新基因。⑦重復(fù)前述步驟，迭代直至收斂或達(dá)到最大迭代次數(shù)，輸出結(jié)果。

本文的車輛調(diào)度問題是一個(gè)多目標(biāo)、多約束的復(fù)雜問題，運(yùn)用以上改進(jìn)的遺傳算法可以對(duì)該問題進(jìn)行求解，在求解效率上有一定的優(yōu)勢，求解在全局搜索上速度快，減少陷入局部最優(yōu)的風(fēng)險(xiǎn)，但是，求得的全局最優(yōu)解精確度一般，可能會(huì)出現(xiàn)過早收斂的可能，總體而言，該算法是一個(gè)較為理想的多目標(biāo)求解算法。

四、實(shí)例分析

1.實(shí)例運(yùn)行。設(shè)定配送中心（編號(hào)記為0）有車輛10輛，載重均為50噸，分別服務(wù)于10名客戶（編號(hào)分別為1至10），配送中心與各客戶點(diǎn)坐標(biāo)、需求量、時(shí)間窗以及服務(wù)時(shí)間2.結(jié)果分析。根據(jù)實(shí)例運(yùn)行結(jié)果我們可以發(fā)現(xiàn)通過設(shè)定達(dá)到客戶最低滿意度的服務(wù)最低值，可以減少運(yùn)輸車輛等待時(shí)間，保持客戶滿意度不低于最低水平，避免客戶流失，而另一方面從整體的客戶滿意度來看處于中上水平，其實(shí)從各客戶的滿意度水平來看（具體明細(xì)結(jié)果在此不做列示），高價(jià)值客戶達(dá)到較高滿意度水平，而中小客戶滿意度并不高，因?yàn)榭紤]到大客戶滿意度可以提高整體滿意度，因而做出了中小客戶犧牲，切合了本研究大客戶優(yōu)先的主題。

五、結(jié)語

車輛調(diào)度問題是一個(gè)比較傳統(tǒng)的物流配送優(yōu)化問題的一個(gè)研究點(diǎn)，但是隨著物流業(yè)的發(fā)展及現(xiàn)代物流技術(shù)的涌現(xiàn)，車輛調(diào)度模型研究有了新的突破點(diǎn)，運(yùn)用優(yōu)化理論構(gòu)造多目標(biāo)復(fù)雜模型，構(gòu)造的啟發(fā)式算法可以對(duì)復(fù)雜模型進(jìn)行求解，并且使用計(jì)算機(jī)技術(shù)手段可以快速對(duì)算法進(jìn)行運(yùn)算求解。本文引入了大客戶管理的思想，增加大客戶優(yōu)先配送約束條件，以滿意度與成本為目標(biāo)函數(shù)，構(gòu)造了一個(gè)車輛調(diào)度模型，提出了改進(jìn)的遺傳算法求解調(diào)度問題，并通過實(shí)例對(duì)算法進(jìn)行驗(yàn)證，但是本文未對(duì)實(shí)現(xiàn)技術(shù)進(jìn)行探討，有待進(jìn)一步研究，并且，算法的有效性也需下一步深入研究做進(jìn)一步的驗(yàn)證。

參考文獻(xiàn)：

[1]韓曉路.基于局部搜索遺傳算法的倉庫車輛調(diào)度優(yōu)化研究[J].物流技術(shù)， 2011， （7）： 65-67.

[2]曾云俊， 舒麗君.關(guān)于物流企業(yè)大客戶策略的幾點(diǎn)建議[J].物流工程與管理， 2011， 33（6）： 46-47.

[3]歐陽任.第三方物流企業(yè)的大客戶管理研究[D].上海交通大學(xué)， 2008.endprint