基于机器学习的成品卷烟销售订单配送调度优化算法研究与应用

F252; 为解决卷烟工业企业成品卷烟销售订单配送调度过程中存在的工作效率低、管理不科学、人工作业量大等问题,基于机器学习设计了一种智能配送调度算法.首先将待调度的成品卷烟销售订单进行凝聚聚类,然后利用专家策略函数和机器策略函数构建搜索树,再通过构造调度优化评价函数进行配送调度决策.以红云红河烟草(集团)有限责任公司2020年4月部分成品卷烟销售订单为例,对精确算法、遗传算法以及机器学习算法进行对比测试.结果表明:与精确算法和遗传算法相比较,机器学习算法具有更好决策性能及全局收敛性,在相同待调度订单数据前提下,使用车辆数分别减少13.28％和10.14％,运输里程减少5％和7.2％,时间成本减...

Full description

Saved in:
Bibliographic Details
Published in烟草科技 Vol. 54; no. 8; pp. 87 - 94
Main Authors 安裕强, 徐跃明, 欧阳世波, 李圣毅
Format Journal Article
LanguageChinese
Published 红云红河烟草(集团)有限责任公司物流中心,昆明市红锦路367号 650000 2021
昆明理工大学管理与经济学院,昆明市景明南路727号 650000%红云红河烟草(集团)有限责任公司物流中心,昆明市红锦路367号 650000%马来西亚博特拉大学经济学院,马来西亚雪兰峩州沙垱 434000
Subjects
机器学习
成品卷烟
凝聚聚类
销售订单
配送调度
卷烟工业企业
Online AccessGet full text
ISSN1002-0861

Cover

More Information
Summary:F252; 为解决卷烟工业企业成品卷烟销售订单配送调度过程中存在的工作效率低、管理不科学、人工作业量大等问题,基于机器学习设计了一种智能配送调度算法.首先将待调度的成品卷烟销售订单进行凝聚聚类,然后利用专家策略函数和机器策略函数构建搜索树,再通过构造调度优化评价函数进行配送调度决策.以红云红河烟草(集团)有限责任公司2020年4月部分成品卷烟销售订单为例,对精确算法、遗传算法以及机器学习算法进行对比测试.结果表明:与精确算法和遗传算法相比较,机器学习算法具有更好决策性能及全局收敛性,在相同待调度订单数据前提下,使用车辆数分别减少13.28％和10.14％,运输里程减少5％和7.2％,时间成本减少68％和45％,多点组合车次数分别增加11.75和8.07百分点.该方法可为提高成品卷烟销售订单配送调度效率提供支持.
ISSN:1002-0861