快递公司送货策略(数学建模)
数学建模+快递公司送货策略+论文
快递公司送货策略一摘要：本文是关于快递公司送货策略的优化设计问题，即在给定送货地点和给定设计规范的条件下，确定所需业务员人数，每个业务员的运行线路，总的运行公里数，以及费用最省的策略。
本文主要从最短路经和费用最省两个角度解决该问题，建立了两个数据模型。
模型一：利用“图”的知识，将送货点抽象为“图”中是顶点，由于街道和坐标轴平行，即任意两顶点之间都有路。
在此模型中，将两点之间的路线权值赋为这两点横纵坐标之和。
如A（x1，y1），B（x2，y2）两点，则权值为D=|x2-x1|+|y2-y1|。
并利用计算机程序对以上结果进行了校核。
模型二：根据题意，建立动态规划的数学模型。
然后用动态规划的知识求得最优化结果。
根据所建立的两个数学模型，对满足设计要求的送货策略和费用最省策略进行了模拟，在有标尺的坐标系中得到了能够反映运送最佳路线的模拟图。
最后，对设计规范的合理性进行了充分和必要的论证。
二关键词：快递公司送货最优化图模型多目标动态规划TSP模型三问题重述：在快递公司送货策略中，确定业务员人数和各自的行走路线是本题的关键。
这个问题可以描述为:一中心仓库(或配送调度中心) 拥有最大负重为25kg的业务员m人, 负责对30个客户进行货物分送工作, 客户i 的快件量为已知 , 求满足需求的路程最短的人员行驶路径,且使用尽量少的人数,并满足以下条件:1) 每条送快件的路径上各个客户的需求量之和不超过个人最大负重。
2) 每个客户的需求必须满足, 且只能由一个人送货.3）每个业务员每天平均工作时间不超过6小时，在每个送货点停留的时间为10分钟，途中速度为25km/h。
4）为了计算方便，我们将快件一律用重量来衡量，平均每天收到总重量为184.5千克。
表一为题中所给的数据：表一处于实际情况的考虑, 本研究中对人的最大行程不加限制.本论文试图从最优化的角度，建立起满足设计要求的送货的数学模型，借助于计算机的高速运算与逻辑判断能力，求出满足题意要求的结果。
送货路线设计问题数学建模优化
送货路线设计问题现今社会网络越来越普及，网购巳成为一种常见的消费方式，随之物流行业也渐渐兴盛，每个送货员需要以最快的速度及时将货物送达，而且他们往往一人送多个地方，请设计方案使其耗时最少。
现有一快递公司，库房在图1中的O点，一送货员需将货物送至城市内多处, 请设计送货方案，使所用时间最少。
该地形图的示意图见图1,各点连通信息见表3,假定送货员只能沿这些连通线路行走，而不能走其它任何路线。
各件货物的相关信息见表1, 50个位置点的坐标见表2。
假定送货员最大载重50公斤，所带货物最大体积1立方米。
送货员的平均速度为24公里/小时。
假定每件货物交接花费3分钟，为简化起见，同一地点有多件货物也简单按照每件3分钟交接计算。
现在送货员要将100件货物送到50个地点。
请完成以下问题。
1.若将1~30号货物送到指定地点并返回。
设计最快完成路线与方式。
给出结果。
要求标出送货线路。
2.假定该送货员从早上8点上班开始送货，要将1~30号货物的送达时间不能超过指定时间，请设计最快完成路线与方式。
要求标出送货线路。
3.若不需要考虑所有货物送达时间限制（包括前30件货物），现在要将100件货物全部送到指定地点并返回。
设计最快完成路线与方式。
要求标出送货线路，给出送完所有快件的时间。
由于受重量和体积限制，送货员可中途返回取货。
可不考虑中午休息时间。
以上各问尽可能给出模型与算法。
图1快递公司送货地点示意图o点为快递公司地点，o点坐标（11000,8250）,单位：米表2 50个位置点的坐标快递公司送货策略一摘要:本文是关于快递公司送货策略的优化设计问题，即在给定送货地点和给定设计规范的条件下，确定所需业务员人数，每个业务员的运行线路，总的运行公里数，以及费用最省的策略。
本文主要从最短路经和费用最省两个角度解决该问题，建立了两个数据模型。
模型一：利用“图”的知识，将送货点抽象为“图”中是顶点，由于街道和坐标轴平行, 即任意两顶点之间都有路。
快递公司送货策略 数学建模论文
XX大学机械工程学院数学建模论文学院：机械工程学院专业：机自题目：快递公司送货策略班级： 09 创新作者：指导教师：2017 年 5月 16日快递公司送货策略摘要本文是关于快递公司送货策略的优化问题，即在给定送货地点和给定送货量和送货时间的约束条件下，确定所需业务员人数，每个业务员的运行线路，总的运行公里数，以及费用最省的策略。
本文主要从最短路经和费用最省两个角度来解决该问题，建立了两个数据模型。
模型一：整数规划模型结合最近插入法和最佳匹配的原理，将送货点抽象为顶点，由于街道和坐标轴平行，即任意两顶点之间都有路。
在此模型中，将两点之间的距离为这两点横纵坐标差的绝对值之和。
并利用Lingo软件对以上结果进行了求解。
模型二：根据题意，建立单目标0-1整数规划的数学模型，然后用类似于问题一的方法，建立满足题意的目标函数以及约束条件，并求得符合要求结果。
最后，对所求解的方案进行优化修改。
关键词快递公司送货最优化多目标动态规划 TSP模型最佳匹配原理一问题的提出：目前，快递行业正蓬勃发展，为我们的生活带来更多方便。
一般地，所有快件到达某地后，集中存放在总部，然后由业务员分别进行派送；对于快递公司，为了保证快件能够在指定的时间内送达目的地，必须有足够的业务员进行送货，但是，太多的业务员意味着更多的派送费用。
假定所有快件在早上7点钟到达，早上9点钟开始派送，要求与当天17点之前必须派送完毕，每个业务员每天平均工作时间不超过6小时，在每个送货点停留的时间为10分钟，途中速度为25km/h，每次出发最多能带25千克的重量。
为了计算方便，我们将快件一律用重量来衡量，平均每天收到总重量为184.5千克，公司总部位于坐标原点，每个送货点的位置和快件重量如下表所示，并且假设街道平行于坐标轴方向。
1.请你运用有关数学建模的知识，给该公司提供一个合理的送货策略（需要多少业务员，每个业务员的运行线路，以及总的运行公里数）。
2.如果业务员负重时的速度是20km/h，获得酬金是3元/km*kg；而不携带快件时的速度是30km/h，酬金是2元/km，请为公司设计一个费用最省的策略。
货物配送问题数学建模
货物配送问题数学建模一、问题描述在物流配送中，如何合理地安排货物的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化，是一个重要的问题。
本文将以某物流公司为例，探讨如何利用数学建模的方法解决货物配送问题。
二、问题分析该物流公司需要将货物从A地配送到B地，其中A地有n个发货点，B地有m个收货点。
每个发货点的货物重量不同，每个收货点的需求量也不同。
为了保证配送效率，该物流公司需要在每个发货点选择最优的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化。
具体而言，该问题需要考虑以下因素：1.货物重量：每个发货点的货物重量不同，需要考虑不同重量的货物在配送过程中的影响。
2. 配送路线：如何选择最优的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化。
3. 配送成本：配送成本包括人工成本、车辆成本、油费等，需要考虑如何在保证配送效率的同时最小化配送成本。
三、数学建模为了解决上述问题，我们可以采用数学建模的方法。
具体而言，我们可以将该问题建模为一个最小费用最大流问题。
最小费用最大流问题是图论中的一个经典问题，其主要思想是在网络流的基础上，引入费用这一概念，使得在满足流量限制的同时，最小化总费用。
在本问题中，我们可以将发货点看作源点，收货点看作汇点，货物的重量看作每个边的流量限制，配送成本看作每个边的费用。
具体而言，我们可以将该问题建模为以下几个步骤：1. 建立网络模型：将发货点和收货点看作网络中的节点，将货物的配送路线看作网络中的边，建立网络模型。
2. 确定流量限制：将每个发货点的货物重量看作每个边的流量限制。
3. 确定费用：将配送成本看作每个边的费用。
4. 求解最小费用最大流：利用最小费用最大流算法，求解最小费用最大流，得到最优的配送路线。
四、实际案例为了验证上述方法的有效性，我们在某物流公司的实际配送中进行了测试。
具体而言，我们将该问题建模为一个最小费用最大流问题，并利用最小费用最大流算法求解最优的配送路线。
送货路线-数学建模-一等奖
摘要摘要本文讨论了送货员送货路线的优化设计问题, 即在给定送货地点和给定设计规范的条件下，综合考虑最大载重范围、最大带货体积以及各货物送货时限，确定业务员的最佳运行路线策略.并总结出一些在这类图中求解近似最优回路的有效法则.对于问题1，采用了两种方法进行了计算，第一种是通过Floyd算法做出各顶点间的最短路径矩阵，然后选出1~30号货物所送达的顶点间的最短路径及距离，用二边逐次修正法求解Hamilton圈；第二种是通过蚁群算法获得多条近似优解，选取最佳线路.对于第二问，则采用改进的遗传算法，求解有时间约束条件的TSP问题，根据线路规划问题的特点，基于遗传算法（GA）建立了一个适用于带有时间约束的送货路线规划模型.实验证明了此算法的有效性和可行性.对于第三问，利用分割求解法和蚁群算法的合成算法，运用共同链分割全图，对每一个分图进行最优求解，由此得到全图的最优解。
关键词送货问题；优化路线；TSP模型；蚁群算法送货路线设计的数学模型1 问题重述现今社会网络越来越普及，网购已成为一种常见的消费方式，随之物流行业也渐渐兴盛，每个送货员需要以最快的速度及时将货物送达，而且他们往往一人送多个地方，请设计方案使其耗时最少.现有一快递公司，库房在图1中的O点，一送货员需将货物送至城市内多处，请设计送货方案，使所用时间最少.该地形图的示意图见图1，各点连通信息见表3，假定送货员只能沿这些连通线路行走，而不能走其它任何路线.各件货物的相关信息见表1，50个位置点的坐标见表2.假定送货员最大载重50公斤，所带货物最大体积1立方米.送货员的平均速度为24公里/小时.假定每件货物交接花费3分钟，为简化起见，同一地点有多件货物也简单按照每件3分钟交接计算.现在送货员要将100件货物送到50个地点.请完成以下问题.1. 若将1~30号货物送到指定地点并返回.设计最快完成路线与方式.给出结果.要求标出送货线路.2. 假定该送货员从早上8点上班开始送货，要将1~30号货物的送达时间不能超过指定时间，请设计最快完成路线与方式.要求标出送货线路.3. 若不需要考虑所有货物送达时间限制(包括前30件货物)，现在要将100件货物全部送到指定地点并返回.设计最快完成路线与方式.要求标出送货线路，给出送完所有快件的时间.由于受重量和体积限制，送货员可中途返回取货.可不考虑中午休息时间..2模型的假设与符号说明2.1 模型假设1．假设送货员只能沿如图所示连通线路行走，而不能走其它任何路线； 2．在连通线路中业务员可以任意选择路线；3．假设送货员每到达一个地点，交接一件货物花费都为3分钟，交接完毕马上前往下一个地点，期间不花费时间；4．假设送货员的速度保持匀速，即保持24公里/小时，不考虑堵车，发生意外等现象； 2.2 符号说明i W ：第i 个货物的重量；(,)i x y ：序号为i 的送货点的坐标； i V ：第i 个货物的体积；C ：送货路线总路程；N ：送货员送货次数；t ：送货所用总时间；(,)G V E ：赋权连通图；i G ：(,)G V E 的第i 个子图；i L ：子图i G 中的最佳回路；()e ω：边e 的边权；()v ω：点v 的点权；i l ：i L 的各边权之和；i e ：i L 的各点权之和；T ：送货中的停留时间； u ：送货员的行驶速度；点权()i v T V ω=⨯.为叙述方便起见，我们在文中不加说明地使用上述变量和符号的变形形式，它们的含义可以通过上下文确定.3 模型的分析与建立3.1 模型的建立把快递公司送货地点示意图抽象为一赋权连通图(,)G V E ，在权图G 中，i v ∈()V G 对应示意图中的快递公司地点及货物送达点，0v 表示快递公司所在地，j e ∈()E G 对应示意图中路径.边权()j e ω∈对应示意图中的路径长度.建立的数学模型如下：{}0(),(),(G),(),e E G e N v V v T V v V ωω∀∈∃∈∃∈∃∈⨯∈求G 中回路12,,,(1)k L L L k >，使得满足：（1）0(),1,2,,;i v V L i k ∈=（2）1()();ki i V L V G ==（3）1()()min(i ni e E L e ω=∈=∑∑目标为总距离最短）或1()()max ()()min(i i j ke E L e V L e v ωω≤≤∈∈⎧⎫⎪⎪+=⎨⎬⎪⎪⎩⎭∑∑目标为时间最短） 为了讨论方便，先给出图论中相关的一些定义.定义1 经过图G 的每个顶点正好一次的圈，称为G 的哈密顿环路，也称Hamilton 圈.定义2 在加权图(,)G V E =中(1)权最小的哈米顿圈称为最佳Hamilton 圈；(2)经过每个顶点至少一次且权最小的闭通路称为TSP 回路问题.由定义2可知，本问题是一个寻找TSP 回路的问题.TSP 回路的问题可转化为最佳Hamilton 圈的问题.方法是由给定的图(,)G V E =构造一个以V 为顶点集的完备图(,)G V E ''=，E '中每条边(,)x y 的权等于顶点x 与y 在图中最短路径的权，111min{,}m m m m ij im mj ij d d d d ---=+在图论中有以下定理：定理1 加权图G 的送货员回来的权和G '的最佳Hamilton 圈的权相同； 定理2 在加权完备图中求最佳Hamilton 圈的问题是NPC 问题. 在解决问题的过程中，我们用到以下算法：算法一（Floyd 算法）：令n D 表示一个N N ⨯矩阵，它的(,)i j 元素是m ij d ．1．将图中各顶点编为1,2,,N ．确定矩阵0D ，其中(,)i j 元素等于从顶点i 到顶点j 最短弧的长度(如果有最短弧的话)．如果没有这样的弧，则令0ij d =∞．对于i ，令00ij d =．2．对1,2,,m N =，依次由m-1D 的元素确定m D 的元素，应用递归公式111min{,}m m m m ij im mj ij d d d d ---=+．每当确定一个元素时，就记下它所表示的路．在算法终止时，矩阵n D 的元素(,)i j 就表示从顶点i 到顶点j 最短路的长度．算法二：求加权图(,)G V E =的TSP 问题回路的近似算法：1．用算法一（Floyd 算法）求出(,)G V E =中任意两个顶点间的最短路，构造出完备图(,)G V E ''=，(,),(,)min (,)G x y E x y d x y ω'∀∈=．2．输入图G '的一个初始Hamilton 圈；3．用对角线完全算法产生一个初始Hamilton 圈；4．随机搜索出(,)G V E ''=中若干个Hamilton 圈，例如2000个；5．对2、3、4步所得的每个Hamilton圈，用二边逐次修正法进行优化，得到近似最佳Hamilton圈；6．在第5步求出的所有H圈中，找出权最小的一个，此即要找的最佳Hamilton 圈的近似解.算法三：蚁群算法蚁群算法是一种新型的模拟进化算法.该算法由意大利学者M. DorigoV. Maniezzo和A. Colorini 等人在90年代首先提出，称之为蚁群系统(ant colony system )，应用该算法求解TSP 问题、分配问题，取得了较好的结果.算法受到真实蚁群觅食行为的启发，科学家发现虽然单个蚂蚁没有太多的智力，也无法掌握附近的地理信息，但整个蚁群却可以找到一条从巢穴到食物源之间的最优路线.经过大量细致观察研究发现：蚂蚁个体之间通过一种称之为外激素(pheromone) 的物质进行信息传递.蚂蚁在运动过程中, 能够在它所经过的路径上留下该种物质，而且蚂蚁在运动过程中能够感知这种物质，并以此指导自己的运动方向，因此，由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象：某一路径上单位时间走过的蚂蚁越多，表明该路线的可用性越好，则后来者选择该路径的概率就越大.蚂蚁个体之间就是通过这种信息的交流寻找最优的到达食物源的线路.蚁群算法具有实现简单、正反馈、分布式的优点.图1 蚁群算法说明在图1中，从A到E（或者从E 到A）有两条路径（ABCDE 和ABHDE），其中B到H、D到H的距离为1，B到C和D到C的距离为0.5.下面分别考虑在时刻t = 0 , 1 ,2 . .时蚁群的运动情况.如图2b，在时刻t = 0 ,设有30只蚂蚁从A运动到B.此时路径BH、BC上没有外激素(蚂蚁留下的信息量)，故蚂蚁将以相同的概率向BC、BH 运动，于是各有15只蚂蚁分别选择路径BH和BC.在真实蚁群中，外激素的数量会随时间的流逝而蒸发掉一部分，为说明方便，此处假设：①所有蚂蚁运动的速度相等；②外激素蒸发量与时间成正比例，即路径上外激素的剩余量与路径的长度成反比；③蚂蚁选路的概率与所选路上外激素的浓度成正比.因为路径BHD 的长度是路径BCD的2倍，当B点的蚂蚁到达D点后，路径BCD上的外激素是BHD上的2倍.如图2c，在时刻t =1有30只蚂蚁从E到达D.因为路径DC上的外激素量是DH上的2倍，根据蚂蚁选路特点，将会有20只蚂蚁选择DC，而只有10只蚂蚁选择DH.以此类推，当t = 2 ,3 ,4. . . 时，将会有更多的蚂蚁选择路径BCD.经过较长时间运动后，蚁群最终会沿着最优路径ABCDE运动.网络的路由问题与蚁群寻路的问题有很大的可比性，都是寻找可以到达目的地的最优路线.目前已经证明蚁群算法在解决路由问题上具有分布式、正反馈、全局收敛等优点.3.2 求解准备1）根据已知位置点的坐标和连接情况，使用Matlab做出各点位置图如下：图2 各点位置与连通情况图2）根据已知各点坐标，由两点间距离公式d=邻连通点间的距离如下表：表1 相邻连通点距离表3.3 模型的求解 3.3.1 问题1问题1要求将1—30号货物送到指定地点并返回，不考虑各货物的送达时间，考虑到3048.550i i W ==<∑，且300.881i i V ==<∑，故不用考虑重量、体积对送货次数的影响，即只需一次送货，无需中途返回取货. 方法一：Floyd 算法+二次逐项修边法1．由表1中的数据，做出图(,)G V E 的邻接矩阵(0)A ，根据Floyd 算法，求得任意两点间的最短距离(51)A ；2．经过分析，发现运送1~30号货物只涉及22个点（含0v ），由于其中21个送货点中有5个含2货物，2个含3货物；3、将这22个顶点令为点集i X ={(,)i i a b ，0,1,2,,21i =}，令矩阵B 为仅含有点i X 的最短距离方阵，构成加权图完备图(,)G V E ''=；5296 5094 7493 3621 2182 1797 5395 4709 1392 39972929 6707 5254 4677 6215 5777 6885 9751 8833 7860 11722 5296 08456 11063 8916 3114 7092 10691 5714 6688 6285 5217 12003 7542 8489 10026 8065 9173 13562 12645 11671 15534 5094 8456 0 2608 2196 5342 3297 3970 8806 5489 8093 7026 5282 9350 6177 7714 9873 10981 11250 10333 9359 13222 7493 11063 2608 03872 7950 5696 2098 11205 7888 9675 9425 3410 11750 7471 5933 11454 13380 9469 8552 10653 11441 3621 8916 2196 3872 0 5803 1824 1775 7333 4016 6620 5553 3086 7877 4704 5610 8400 9508 9146 8229 7887 11118 2182 3114 5342 7950 5803 03979 7577 3884 3574 3171 2104 8889 4428 5375 6913 4951 6059 10449 9531 8558 12420 1797 7092 3297 5696 1824 3979 0 3598 5509 2192 4797 3729 4910 6054 2880 4418 6576 7684 7954 7036 6063 9925 5395 10691 3970 2098 1775 7577 3598 0 9107 5790 7577 7327 1312 9652 53733836 9357 11283 7372 6454 8556 9343 4709 5714 8806 11205 7333 3884 5509 9107 0 3317 2848 1780 9113 4105 5052 6589 4628 5736 10125 9208 8234 12097 1392 6688 5489 7888 4016 3574 2192 5790 3317 0 2605 1537 7102 3862 4809 6346 4385 5493 9882 8965 7991 11854 3997 6285 8093 9675 6620 3171 4797 7577 2848 2605 0 1068 6265 3393 2204 3741 1780 5023 7278 6360 5386 9249 2929 5217 7026 9425 5553 2104 3729 7327 1780 1537 1068 0 7333 2325 3272 4809 2848 3956 8345 7428 6454 10317 6707 12003 5282 3410 3086 8889 4910 1312 9113 7102 6265 7333 0 9658 4061 2524 8045 10461 6060 5142 7244 8031 5254 7542 9350 11750 7877 4428 6054 9652 4105 3862 3393 2325 9658 0 5596 7134 5172 1631 7200 8117 4848 8243 4677 8489 6177 7471 4704 5375 2880 5373 5052 4809 2204 3272 4061 5596 0 1537 3984 6400 5074 4156 3183 7045 6215 10026 7714 5933 5610 6913 4418 3836 6589 6346 3741 4809 2524 7134 1537 0 5521 7937 3536 2618 4720 5508 5777 8065 9873 11454 8400 4951 6576 9357 4628 4385 1780 2848 8045 5172 3984 5521 0 6803 9057 8140 7166 11029 6885 9173 10981 13380 9508 6059 7684 11283 5736 5493 5023 3956 10461 1631 6400 7937 6803 0 5569 6486 3217 6612 9751 13562 11250 9469 9146 10449 7954 7372 10125 9882 7278 8345 6060 7200 5074 3536 9057 5569 0 918 2352 1971 8833 12645 10333 8552 8229 9531 7036 6454 9208 8965 6360 7428 5142 8117 4156 2618 8140 6486 918 0 3269 2889 7860 11671 9359 10653 7887 8558 6063 8556 8234 7991 5386 6454 7244 4848 3183 4720 7166 3217 2352 3269 0 4323 11722 15534 13222 11441 11118 12420 9925 9343 12097 11854 9249 10317 8031 824370455508 11029 6612 1971 2889 4323 0 ⎛⎫⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪⎪⎪ ⎪⎪⎪ ⎪⎪ ⎪⎝⎭图3 加权完备图G ’的邻接矩阵4、将(,,)P V E w 的邻接矩阵(,)B i j 通过经典货郎担问题的解法，即二次逐项修边法，求得最优的Hamilton 圈.图4 方法一运行结果截图表2 程序中点的数字与图1中的对应转换程序 0 1 2 3 4 5 6 7 8 9 10 图 0 131416 17 18 21 23 24 26 27 程序1112 131415161718192021图31 32 34 36 38 39 40 42 43 45 49图5 路线示意图路线：0-->18-->13-->19-->24-->31-->27-->39-->31-->34-->40-->45--> 42-->49-->42-->43-->38-->36-->38-->35-->32-->23-->16-->14-->17-->21-->26-->0路程：C= 54708 （m）方法二：蚁群算法蚁群算法中α、β、ρ等参数对算法性能有很大的影响。
数学建模：快递公司送货策略
20１2年第九届苏北数学建模联赛承诺书我们仔细阅读了第九届苏北数学建模联赛得竞赛规则。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与本队以外得任何人(包括指导教师)研究、讨论与赛题有关得问题。
我们知道,抄袭别人得成果就是违反竞赛规则得, 如果引用别人得成果或其它公开得资料(包括网上查到得资料),必须按照规定得参考文献得表述方式在正文引用处与参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛得公正、公平性。
如有违反竞赛规则得行为,我们愿意承担由此引起得一切后果。
ﻩ我们得参赛报名号为:2394参赛组别(研究生或本科或专科)：本科组参赛队员(签名）:ﻩﻩ队员1:鞠珊队员２:夏逸凡队员3：胡思想获奖证书邮寄地址：徐州工程学院数理学院教2--5132012年第九届苏北数学建模联赛编号专用页参赛队伍得参赛号码：（请各个参赛队提前填写好):竞赛统一编号（由竞赛组委会送至评委团前编号):竞赛评阅编号(由竞赛评委团评阅前进行编号）:题目快递公司送货策略摘要本文针对快递公司送货策略得优化问题进行研究,重点放在给该快递公司提供一个合理得送货策略;在一些特殊条件得限制下,给该公司提供一个费用最省得送货策略。
对于问题一,我们通过运送总距离最短目标函数首先建立了模型——０-1整数线性规划模型。
在给定送货地点与给定送货量与送货时间得约束条件下,结合最近插入法与最佳匹配得原理,将送货点抽象为一个点(顶点)，由于街道与坐标轴平行,即任意两顶点之间都有路,且任意两点间得距离为这两点横纵坐标差得绝对值之与。
如两点,则权值为。
在此基础上,运用矩形,将整个区域分成５个区域,以选择得点得送货质量之与小于25kg且距离尽可能小得点得集合作为一个区域。
依次来分配业务员得送货地点。
通过我们得计算,在不考虑时间得情况下,我们求得一个人完成任务得运送路线为8条,由于工作时间得限制,求出了完成任务所需得最少业务员为5人,最短总路程为。
快递公司送货策略(数学建模)
B题快递公司送货策略摘要本文主要解决快递公司送货策略问题，研究在各种运货地点，重量的确定，业务员的运输条件和工作时间等各种约束条件下，设计最优的路线，得出最优送货策略。
主要研究如下三个问题。
问题一：首先考虑在时间和重量两个约束条件之下，优先考虑重量，通过对送货点的分布进行分析，将分布点按照矩形，弧形和树的理念将问题分成三种模块，从而建立三种送货方案。
方案一，运用矩形，将整个区域分成5个区域，以选择的点的送货质量之和小于25kg 且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
方案二，运用弧形，以原点为圆心画同心圆，按照就近原则确定送货区域，依次分配业务员的送货地点。
方案三，运用Dijkstra 算法计算出每一个顶点到其它点的距离。
分析点的分布，由此得到最小树，在最小树的基础上，向四周延伸，得到相应区域。
且以送货质量小于25kg且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
其次，再综合这三种方案所涉及到得时间，路程依次进行对比，画出柱形图，清晰可得出最优的方案为方案三。
问题二，是解决送货总费用最小的问题。
因此要求业务员的运行路线要尽量短，且尽早卸货。
首先将该区域安排送货点均匀度分为三个小区域，以每个点的信件质量从小到大排列，以送货点最大点为中心，选择该点附近质量较大且距离较短原则的下一个送货点，依次类推，直到根据约束条件为每次携带的快件量不超过25kg，找到该条路线最后一个送货点。
按此方法可得路线为0→10→12→11→0，0→7→14→27→0，0→1→26→28→0，0→13→19→25→0，0→2→5→16→17→0，0→22→15→29→30→0，0→6→20→18→24→0，0→4→3→8→9→21→23→0，并且利用C语言编程（见附录），算得每条路线的费用，所得总费用为14636.1元。
问题三，在问题一的基础上，将业务员的工作时间延长到8小时，由此在问题一的基础上，将8小时的工作时间所需花费的费用在三个方案中进行对比，由此得到依旧是方案三的为最优。
快递公司送货策略39217842
论文快递公司送货策略摘要：本文是设计快递公司最合理的运输策略问题的方案。
在各种运货地点，重量确实定及业务员的运输条件、工作时间等各种约束条件下，按照平行于坐标轴的折线的送货路线，为公司设计要多少业务员，每个业务员的运行线路，以及总的运行公里数。
对于问题一及问题二，三，我们建立了三个模型。
模型一：利用数学中的“分割〞思想和“图论〞的知识，按照要求求出满足条件的方案。
其中要用到各点之间距离，利用MATLAB，求出各两点之间的距离，即得到最小树。
模型二：携带快件与不携带快件的速度及酬金相差很大，在模型一的根底上，运用最小树及图论的思想，改变运输顺序，建模及求解。
模型三与模型一的思路相同。
最后，对设计标准的合理性进行了充分和必要的论证。
关键字：送货策略最小树分割与图论问题重述：〔1〕为我们生活带来方便的快递正在蓬勃开展起来。
然而，对于快递公司，如何花费最少的派送费用，即在运送完每天必须的快递时，使用最少的业务员。
该题条件：〔2〕每个业务员每天的工作时间不超过6小时，〔3〕每个送货点停留的时间为10分钟，途中速度为25km/h，并且每次出发最多能带25千克的重量的货物。
〔4〕为计算简便，将快件一律用重量来衡量，平均每天收到总重量为184.5千克。
〔5〕送货路线为平行于坐标轴的折线。
〔6〕每个送货点的位置和快件重量如表1该题要求：〔1〕运用数学建模知识，为公司提供合理的运货策略，即要多少业务员，每个业务员的运行线路，以及总的运行公里数。
〔2〕当业务员携带快件时的速度是20km/h ，获得的酬金为3元/km.kg ；而不携带快件的速度为30km/h ，酬金是2元/h ，设计一个费用最省的策略〔3〕当业务员的工作时间延长到8小时，该公司的策略该如何改变。
表一问题分析：问题一：〔1〕对于时间和重量两个约束条件，我们优先考虑重量；〔2〕纵观送货点的分布，将分布点按照矩形、弧形、混合型及最优途径四种方案，将重量之和接近25千克的分布点联合起来〔3〕区域数=的重量每次出发每人最多能带每天收到的总重量=25.5184=7.38，所以至少要有8个区域；〔4〕计算出分割好的区域内业务员完成一次任务的时间之和，最后将满足几个区域的时间之和小于6小时的区域的运送任务分派给同一个业务员问题二：在问题一的模型的根底上，采取模型一的四种方案，即将所有分布点分割成方案一的区域，由于问题二中携带快件与不携带快件的速度及酬金相差很大，所以我们考虑应该尽量将一个区域中快件重量大的优先派送去，找出每个区域最节省的路径即可问题三：与模型一的思路相同模型假设：〔1〕送货运行路线均为平行于坐标轴的折线〔2〕运货途中快件没有损坏，业务员运送过程也十分平安，没有堵车等问题，并且业务员很敬业，即一切顺利〔3〕每个业务员每天的工作时间不超过6小时〔4〕每个送货点停留的时间为10分钟，途中速度为25km/h，并且每次出发最多能带25千克的重量的货物〔5〕〔6〕各个业务员之间运送快件的任务是相互独立模型建立与求解：方案一以原点为圆心画同心圆，以一个圆内或圆周周围的点为一片，找出送货质量和小于25KG且距离尽可能小的点的集合，为一个送货区域，由一位业务员负责送货。
送货问题数学建模
送货问题数学建模现代物流业的发展已经让我们的日常生活变得更加便利和高效。
随着互联网的普及与电子商务的兴起，送货问题也变得越来越重要。
送货问题数学建模就是要通过数学方法对复杂的商业物流环节进行建模，解决运输、分配、路径选取等问题，以提高物流效率和降低物流成本。
一、送货问题的分类送货问题的种类很多，以下是常见的几种：1.配送中心选址问题：选择一个更优的配送中心位置来覆盖更多的目的地区域；2.货物配送路径问题：最小化运输距离、时间或成本，以提高效率；3.配送车辆路径规划问题：最小化运输路线、提高客户服务水平、降低运输成本；4.仓库存储问题：在有限的空间范围内，如何最大限度地利用存储空间；5.单一问题：如何为单个商品或一组商品选择最优的送货路径和时间，以及如何评估一个订单的优先级，以便分配优先级？二、送货问题数学建模的基本步骤1.形成数学模型，将实际问题转化为数学问题；2.寻找数学公式、算法和数据结构，对问题进行求解；3.程序编码，将模型和算法用程序语言实现；4.测试和验证算法的正确性和可行性。
三、送货问题数学建模的应用案例1.配送中心选址问题：若干家公司都是位于城市区域内的，其需求分布在城市内不同的区域，问题是如何选取地理位置最合适的配送中心位置。
建立模型后，可以利用K-Means等聚类算法，通过计算每个区域和某个点之间的距离以及需求量等指标，最终确定最佳点位。
2.货物配送路径问题：假设有N个顾客，在配送中心和顾客之间有M条路径，每条路径的距离、时间和成本不同。
问题是如何选择合适的路径，以最小化总的运输距离、时间或成本。
运用数学模型最优化定理（Optimization Theory），获得路径权值分布，并通过动态规划法（Dynamic Programming），确定总权值最小的路径组合方案。
3.配送车辆路径规划问题：假设在某地区的某天有n份订单需要配送，题目是如何安排车辆的行车路线来满足订单的要求。
可利用决策树算法（Decision Tree）和深度优先搜索算法（Depth First Search），遍历所有可能的停车点和配送路径，找到满足订单要求的最佳车辆路线方案。
快递公司送货策略数学模型数学建模-37页文档资料
快递公司送货策略快递公司送货策略模型摘要本文是关于快递公司送货策略的优化设计问题，即在给定送货地点和给定设计规划的前提下，确定所需的业务员人数，每个业务员的行程路线，总的运行公里数及费用最省的策略。
在问题一中，在考虑业务员工作时间及载重限制的两方面因素的情况下，寻求路程最短的路线优化组合，建立TSP（旅行商问题）模型，采用最近邻算法，以原点（配送中心）为起点，通过距离矩阵依次寻找距离最近的未服务送货点，运用MATLAB软件求解出最优的路线组合。
并根据遗传算法的思想，提出了模型优化的方案，得到了一个相对较优的策略，模型结果为：共需6名送货员，所需总路程为536千米，所需总时间为26.44小时。
对于问题二，以业务员酬金最少为目标，选取最优路线时应尽量避免快件回送现象，同样建立TSP（旅行商问题）模型，依次寻找费用最小的点的组合，由此寻找最优路线组合，优化模型结果为：总路程是620千米，所花总时间是31.43小时，共需要送货员8人，所需最少费用为16189.9元。
对于问题三，业务员工作时间增加2小时，以寻找业务员人数最小的路线分配为目标，并尽量保证时间和路程的相对均衡。
由于业务员工作时间对总的运行路线影响较小，所以只需对业务员数量和各业务员送货线路进行调整，调整后将业务员人数减少到4人。
关键字：TSP（旅行商问题）最近邻法交叉算子一、问题重述目前，快递行业正蓬勃发展，为我们的生活带来更多方便。
一般地，所有快件到达某地后，先集中存放在总部，然后由业务员分别进行派送；对于快递公司，为了保证快件能够在指定的时间内送达目的地，必须有足够的业务员进行送货，但是，太多的业务员意味着更多的派送费用。
假定所有快件在早上7点钟到达，早上9点钟开始派送，要求于当天17点之前必须派送完毕，每个业务员每天平均工作时间不超过6小时，在每个送货点停留的时间为10分钟，途中速度为25km/h，每次出发最多能带25千克的重量。
为了计算方便，我们将快件一律用重量来衡量，平均每天收到总重量为184.5千克，公司总部位于坐标原点处（如图2），每个送货点的位置和快件重量见下表，并且假设送货运行路线均为平行于坐标轴的折线。
快递公司的配送数学建模
快递公司的配送问题摘要配送是物流系统中非常重要的一个环节，在物流的各项成本中，配送成本占了相当高的比例，减少配送里程以降低物流配送成本成为物流管理过程中首要考虑的问题之一。
本文在已知货运车容量、各客户所需货物重量、快递公司与客户以及客户与客户之间的距离的条件下，建立了以单车场路径问题模型（即VRP模型）为基础、以车辆总行程最短为目标函数、以货物运输量小于汽车载重量以及在客户要求的时间范围内运送货物等为约束条件的单目标线性规划模型。
对于问题一，本文建立了两个模型：模型I：硬时间窗车辆路径规划模型首先根据题目所给条件，对运货所需的车辆数进行预估，然后结合货物运输量小于汽车载重量、一个客户点的货物仅由一辆车配送等约束条件，同时考虑线路的连通性和汽车到达客户点的时间范围，采用0-1规划法建立使总运行里程最小的车辆路径规划模型。
模型II：软时间窗车辆路径规划模型在模型I硬时间窗车辆路径规划模型的基础上，将模型I中的关于时间范围的约束条件，通过设定惩罚函数的系数，变成目标函数的一部分。
本文在考虑路程最短的目标的同时，也要求尽可能在时间范围内到达。
因此，建立了以成本（包括惩罚成本以及行驶过程中带来的成本）最小为目标的函数，以运输量小于汽车载重量以及线路的连通性等为约束条件，建立软时间车辆路径规划模型。
最后运用遗传算法求解模型。
对于问题二，根据题目所提供的数据，利用硬时间窗车辆路径规划模型。
首先，根据货运车的载重量和客户点的需求总量，估计出运货所需车辆数为3，然后，借助Lingo 求解该模型。
得到最优路径的总里程数为910千米，快递公司每天的配送方案应为:每天出动3辆车。
3辆车的行驶路径分别为：0->3->1->2->0，0->6->4->0，0->8->5->7->0关键词： VRPTW 遗传算法 0-1规划法 Lingo目录一、问题重述 (2)二、模型假设和符号说明 (2)三、问题分析 (3)四、模型的建立与求解 (4)4.1问题一的解答 (4)4.1.1模型的准备 (4)4.1.2模型的建立 (4)4.1.3模型的求解 (7)4.2问题二的解答 (8)4.2.1对货运车辆数的估计 (8)4.2.2路线的规划 (8)五、模型的评价与改进 (11)5.1模型的优缺点分析 (11)5.2 模型的改进 (12)六、参考文献 (12)七、附录 (13)一、问题重述某快递公司在某个地区拥有一支货运车队，每台货运车辆的载重量（吨）相同、平均速度（千米/小时）相同，该快递公司用这样的车为若干个客户配送物品，快递公司与客户以及客户与客户之间的公路里程（千米）为已知。
快递公司送货策略
快递公司送货策略摘要本文针对快递公司送货策略问题，分别建立两个相应的数学模型。
模型一：针对问题1，首先，利用改良圈法得到在不考虑时限与载重的前提下，由一个业务员派送所有快件，从公司到30个送货点的最短路径；最后，将众多送货点划分为8个区域，得出每个区域的运行路线。
从而得出如下结论：业务员路线第一个人公司→11→23→29→30→28→公司第二个人公司→22→32→15→19→公司第三个人公司→10→12→13→公司公司→7→14→20→17→公司第四个人公司→1→3→8→4→公司公司→9→26→27→公司第五个人公司→2→5→16→6→公司公司→18→24→25→公司总人数5个总路程484公里模型二：针对问题2，根据就近原则，制定出运行路线。
从而得出如下结论：业务员路线第一个人公司→27→29→30→公司第二个人公司→10→22→32→23→公司第三个人公司→1→9→11→26→公司第四个人公司→3→8→12→15→公司公司→2→4→14→18→公司第五个人公司→6→7→13→19→公司公司→5→20→25→公司第六个人公司→16→17→24→28→公司总人数6个总路程536公里总费用13764.7元最后，对模型进行了进一步的评价与推广。
1.不错！关键词：快件派送运行路线业务员调度运行费用1问题重述1.1问题背景某快递公司将快件集中存放在总部，然后由业务员分别进行派送；在保证快件能够在指定的时间内送达目的地，且有足够的业务员进行送货的情况下，对送货点的快递派送网络进行重构，设计一个快递公司合理的送货策略问题。
1.2派送情况派送情况如表1-1所示：表1-1 派送情况携带快递重量最多25kg 每个业务员每天平均工作时间不超过6小时派送途中速度25/km h 在每个送货点停留的时间10分钟平均每天收到总重量184.5kg派送时间9:00～17:00备注 1.公司总部位于坐标原点 2.假设街道平行于坐标轴方向1.3问题提出问题1：请你用有关数学建模的知识，给该公司提供一个合理的送货策略（需要多少业务员，每个业务员的运行路线，以及总的运行公里数）；问题2：如果业务员负重时的速度是20/km h，获得酬金是3/km kg元；而不携带快件时的速度是30/km h，酬金是2/km元，请为公司设计一个费用最省的策略。
快递公司送货最优策略的研究 数学建模
快递公司送货最优策略的研究摘要本问题为物流配送路径优化问题，即所谓的车辆路径问题VRP。
对一系列的发货点和收货点，组织适当的车辆行驶路径，在满足货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制和时间限制等的约束条件下，达到使路程最短，费用最少，时间尽量短，使用车辆尽量少等目的，最终使得企业的成本最低。
问题一，为一个典型的规划模型，根据题目中的约束条件，首先建立0-1分布函数表示某一业务员是否经过某一送货点，列出目标函数为送货的总路程，采用节约算法求解最优的8条路线为0→28→30→29→23→15→0，0→8→27→26→0，0→18→24→25→0，0→21→15→19→14→16→0，0→22→11→13→17→9→0，0→20→7→12→0，0→10→4→2→0，0→6→5→3→1→0，再根据所得的路线，结合每个业务员的工作时间求得所需业务员数为5人。
由于节约算法得到的结果并非最问题二，考虑要使得总费用最小，则业务员的运行路线要尽量少，并且要尽早卸货，据此建立重力及引力模型，采用中心法求解，用C语言编程得到相应的路线为0→1→2→3→8，0→6→4→7→13→15，0→5→20→17→18，0→14→18→25→16，0→9→12→10→11，0→23→21→27，0→24→26→28，0→23→29→30 ，求得总费用为19891.1元。
而第一问中优化后求得的总费用为16059.7元，此问题中的所得的路线的费用更省，因此采用第一问中优化后的路线。
问题三，在问题一的基础上，只需将业务员每天的工作时间有6h改成8h，同样为规划模型，运用节约算法，并对其修正，得到优化后的结果为需要4名业务员，线路和问题一种优化的线路相同。
具体分配策略为1号业务员分配到线路1、8，2号分配到路线4、7，3号分配到2、6，4号分配到3、5。
关键词：规划模型节约算法多路线同步决策重力及引力模型中心法快件密集度一、问题重述与分析对于快递公司，一般地，所有快件到达某地后，先集中存放在总部，然后由业务员分别进行派送。
数学建模+快递公司送货策略+论文之欧阳歌谷创编
快递公司送货策略欧阳歌谷（2021.02.01）一摘要：本文是关于快递公司送货策略的优化设计问题，即在给定送货地点和给定设计规范的条件下，确定所需业务员人数，每个业务员的运行线路，总的运行公里数，以及费用最省的策略。
本文主要从最短路经和费用最省两个角度解决该问题，建立了两个数据模型。
模型一：利用“图”的知识，将送货点抽象为“图”中是顶点，由于街道和坐标轴平行，即任意两顶点之间都有路。
在此模型中，将两点之间的路线权值赋为这两点横纵坐标之和。
如A（x1，y1），B（x2，y2）两点，则权值为D=|x2-x1|+|y2-y1|。
并利用计算机程序对以上结果进行了校核。
模型二：根据题意，建立动态规划的数学模型。
然后用动态规划的知识求得最优化结果。
根据所建立的两个数学模型，对满足设计要求的送货策略和费用最省策略进行了模拟，在有标尺的坐标系中得到了能够反映运送最佳路线的模拟图。
最后，对设计规范的合理性进行了充分和必要的论证。
二关键词：快递公司送货最优化图模型多目标动态规划 TSP模型三问题重述：在快递公司送货策略中，确定业务员人数和各自的行走路线是本题的关键。
这个问题可以描述为:一中心仓库(或配送调度中心) 拥有最大负重为25kg的业务员m人,负责对30个客户进行货物分送工作,客户i的快件量为已知 ,求满足需求的路程最短的人员行驶路径,且使用尽量少的人数,并满足以下条件:1)每条送快件的路径上各个客户的需求量之和不超过个人最大负重。
2)每个客户的需求必须满足,且只能由一个人送货.3）每个业务员每天平均工作时间不超过6小时，在每个送货点停留的时间为10分钟，途中速度为25km/h。
4）为了计算方便，我们将快件一律用重量来衡量，平均每天收到总重量为184.5千克。
表一为题中所给的数据：表一处于实际情况的考虑,本研究中对人的最大行程不加限制.本论文试图从最优化的角度，建立起满足设计要求的送货的数学模型，借助于计算机的高速运算与逻辑判断能力，求出满足题意要求的结果。
数学建模：快递公司送货策略之欧阳与创编
2012年第九届苏北数学建模联赛承诺书我们仔细阅读了第九届苏北数学建模联赛的竞赛规则。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。
我们的参赛报名号为：2394参赛组别（研究生或本科或专科）：本科组参赛队员 (签名) ：队员1：鞠珊队员2：夏逸凡队员3：胡思想获奖证书邮寄地址：徐州工程学院数理学院教2--5132012年第九届苏北数学建模联赛编号专用页参赛队伍的参赛号码：（请各个参赛队提前填写好）：竞赛统一编号（由竞赛组委会送至评委团前编号）：竞赛评阅编号（由竞赛评委团评阅前进行编号）：题目快递公司送货策略摘要本文针对快递公司送货策略的优化问题进行研究，重点放在给该快递公司提供一个合理的送货策略；在一些特殊条件的限制下，给该公司提供一个费用最省的送货策略。
对于问题一，我们通过运送总距离最短目标函数首先建立了模型——0-1整数线性规划模型。
在给定送货地点和给定送货量和送货时间的约束条件下，结合最近插入法和最佳匹配的原理，将送货点抽象为一个点（顶点），由于街道和坐标轴平行，即任意两顶点之间都有路，且任意两点间的距离为这两点横纵坐标差的绝对值之和。
如()()2211,,,y x B y x A 两点，则权值为1212y y x x D -+-=。
在此基础上,运用矩形，将整个区域分成5个区域，以选择的点的送货质量之和小于25kg 且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
通过我们的计算，在不考虑时间的情况下，我们求得一个人完成任务的运送路线为8条，由于工作时间的限制，求出了完成任务所需的最少业务员为5人，最短总路程为km 365。
数学建模：快递公司送货策略之欧阳育创编
2012年第九届苏北数学建模联赛承诺书我们仔细阅读了第九届苏北数学建模联赛的竞赛规则。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。
我们的参赛报名号为：2394参赛组别（研究生或本科或专科）：本科组参赛队员 (签名) ：队员1：鞠珊队员2：夏逸凡队员3：胡思想获奖证书邮寄地址：徐州工程学院数理学院教2--5132012年第九届苏北数学建模联赛编 号 专 用 页参赛队伍的参赛号码：（请各个参赛队提前填写好）： 竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）：题目 快递公司送货策略摘要本文针对快递公司送货策略的优化问题进行研究，重点放在给该快递公司提供一个合理的送货策略；在一些特殊条件的限制下，给该公司提供一个费用最省的送货策略。
对于问题一，我们通过运送总距离最短目标函数首先建立了模型——0-1整数线性规划模型。
在给定送货地点和给定送货量和送货时间的约束条件下，结合最近插入法和最佳匹配的原理，将送货点抽象为一个点（顶点），由于街道和坐标轴平行，即任意两顶点之间都有路，且任意两点间的距离为这两点横纵坐标差的绝对值之和。
如()()2211,,,y x B y x A 两点，则权值为1212y y x x D -+-=。
在此基础上,运用矩形，将整个区域分成5个区域，以选择的点的送货质量之和小于25kg 且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
通过我们的计算，在不考虑时间的情况下，我们求得一个人完成任务的运送路线为8条，由于工作时间的限制，求出了完成任务所需的最少业务员为5人，最短总路程为km 365。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
. . .B题快递公司送货策略摘要本文主要解决快递公司送货策略问题，研究在各种运货地点，重量的确定，业务员的运输条件和工作时间等各种约束条件下，设计最优的路线，得出最优送货策略。
主要研究如下三个问题。
问题一：首先考虑在时间和重量两个约束条件之下，优先考虑重量，通过对送货点的分布进行分析，将分布点按照矩形，弧形和树的理念将问题分成三种模块，从而建立三种送货方案。
方案一，运用矩形，将整个区域分成5个区域，以选择的点的送货质量之和小于25kg 且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
方案二，运用弧形，以原点为圆心画同心圆，按照就近原则确定送货区域，依次分配业务员的送货地点。
方案三，运用Dijkstra 算法计算出每一个顶点到其它点的距离。
分析点的分布，由此得到最小树，在最小树的基础上，向四周延伸，得到相应区域。
且以送货质量小于25kg且距离尽可能小的点的集合作为一个区域。
依次来分配业务员的送货地点。
其次，再综合这三种方案所涉及到得时间，路程依次进行对比，画出柱形图，清晰可得出最优的方案为方案三。
问题二，是解决送货总费用最小的问题。
因此要求业务员的运行路线要尽量短，且尽早卸货。
首先将该区域安排送货点均匀度分为三个小区域，以每个点的信件质量从小到大排列，以送货点最大点为中心，选择该点附近质量较大且距离较短原则的下一个送货点，依次类推，直到根据约束条件为每次携带的快件量不超过25kg，找到该条路线最后一个送货点。
按此方法可得路线为0→10→12→11→0，0→7→14→27→0，0→1→26→28→0，0→13→19→25→0，0→2→5→16→17→0，0→22→15→29→30→0，0→6→20→18→24→0，0→4→3→8→9→21→23→0，并且利用C语言编程（见附录），算得每条路线的费用，所得总费用为14636.1元。
问题三，在问题一的基础上，将业务员的工作时间延长到8小时，由此在问题一的基础上，将8小时的工作时间所需花费的费用在三个方案中进行对比，由此得到依旧是方案三的为最优。
关键字：规划模型Floyd算法最小生成树 MATLAB一、问题重述：目前，快递行业正蓬勃发展，为我们的生活带来更多方便。
一般地，所有快件到达某地后，先集中存放在总部，然后由业务员分别进行派送；对于快递公司，为了保证快件能够在指定的时间内送达目的地，必须有足够的业务员进行送货，但是，太多的业务员意味着更多的派送费用。
假定所有快件在早上7点钟到达，早上9点钟开始派送，要求于当天17点之前必须派送完毕，每个业务员每天平均工作时间不超过6小时，在每个送货点停留的时间为10分钟，途中速度为25km/h，每次出发最多能带25千克的重量。
为了计算方便，我们将快件一律用重量来衡量，平均每天收到总重量为184.5千克，公司总部位于坐标原点处（如图2），每个送货点的位置和快件重量见下表，并且假设送货运行路线均为平行于坐标轴的折线。
（1）请你运用有关数学建模的知识，给该公司提供一个合理的送货策略（即需要多少业务员，每个业务员的运行线路，以及总的运行公里数）；（2）如果业务员携带快件时的速度是20km/h，获得酬金3元/km kg；而不携带快件时的速度是30km/h，酬金2元/km，请为公司设计一个费用最省的策略；（3）如果可以延长业务员的工作时间到8小时，公司的送货策略将有何变化？二、符号说明三、模型假设（1）假设以送货运行路线均为平行于坐标轴的折线而不是直线，类似计算也可同样处理。
（2）运货途中快件没有任何损坏，并且业务员的运送过程也十分安全，没有堵车、天气等问题，即送货过程非常顺利。
（3）每个业务员每天的工作时间不超过6小时，第三问，则不超过8小时。
（4）快件一律用重量单位千克来衡量，平均每天收到总重量为184.5千克的货物，且对体积没有影响。
（5）各个业务员之间的快件运送过程是相互独立的。
四、问题分析1、问题一、三：针对问题一，三，使用相同的思路，即只要在分配人员的时间上做修改。
（1）对于时间和重量两个约束条件，我们优先考虑重量；（2）纵观送货点的分布，将分布点按照矩形、弧形及树的理念三种方案，将重量之和接近25千克的分布点联合起来； （3）区域数=的重量每次出发每人最多能带每天收到的总重量=25.5184=7.38，所以至少要有8个区域；（4）计算出分割好的区域内业务员完成一次任务的时间之和，最后将满足几个区域的时间之和小于6小时（问题一）或者8小时（问题三）的区域的运送任务分派给同一个业务员。
（5）对于假设一说明如下：折线距离：已知两点A(1x ,1y )，B(2x ,2y )，距离为横坐标之差的绝对值与纵坐标之差的绝对值，即d(A,B)= |1x -2x |+|1y -2y | 为AB 两点之间的距离，在很多点的情况下，两点间的直线距离也同时可以使用折线距离来表示，折线距离最短也就是直线距离的最短，为了方便计算也使用折线距离来表示本题中的直线距离。
1.1模型建立与求解：两质点的横纵坐标（,()i i x y ，,()j j x y ）各自的差的绝对值的和等价于两质点之间的距离ij d ，即两点间距离： ||||ij i j i j d x x y y =-+-d 都是使用用excel 得到的距离,即a 矩阵（见附录） 一个区域所用时间为：10i i Dt k v=+⨯ 所用总时间：1030ij d T v=+⨯方案一根据各个送货点的分布，以矩形把整个区域分成5个区域，在区域或区域周围找出送货质量和小于25KG 且距离尽可能小的点的集合，为一个送货区域，由一位业务员负责送货。
由此，画出的送货区域为下图1-1：图1-1然后连成折线距离的如下图1-2图1-2业务员的送货路线、送货区域、送货的路程及时间（通过excel可得）、如下表1-3：方案二以原点为圆心画同心圆，以一个圆内或圆周周围的点为一片，找出送货质量和小于25KG且距离尽可能小的点的集合，为一个送货区域，由一位业务员负责送货。
由此，画出的送货区域为下图1-4：图1-4连成折线距离的图1-5如下图1-5则业务员的送货路线、送货区域、送货的路程及时间（通过excel可得）如下表1-6：表1-6方案三计算赋权图中各对顶点之间最短路径，显然可以调用Floyd 算法。
具体方法是：每次以不同的顶点作为起点，用Floyd 算法求出从该起点到其余顶点的最短路径，反复执行n −1次这样的操作，就可得到从每一个顶点到其它顶点的最短路径。
这种算法的时间复杂度为O (3n )。
第二种解决这一问题的方法是由Floyd R W 提出的算法，称之为Floyd 算法。
假设图G 权的邻接矩阵为o A1112121222012n n n n nn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦其中i i j ij j v v a i j v v =⎧⎪=≠⎨∞=⎪⎩权值，当之间有边时，，当之间无边时，0,1,2,.ii a i n ==对于无向图，o A 是对称矩阵， ijji a a =。
Floyd 算法的基本思想是：递推产生一个矩阵序列1,,,,,k n A A A 其中矩阵k A 的第i 行第j 列元素(,)k A i j 表示从顶点i v 到顶点j v 的路径上所经过的顶点序号不大于k 的最短路径长度。
计算时用迭代公式：()()111,min (,),(,)(,)k k k k A i j A i j A i k A k j ---=+，k 是迭代次数，,,1,2,。
i j k nA即是各顶点之间的最短通路值。
最后，当k = n时，n许多应用问题都是求最小生成树问题。
就像此模型中需要求解最小费用问题，该费用涉及到路程和载重量，所以如何设计优化的路程是相当重要的。
因此运用最小生成树中的Floyd算法以此算出路线。
以找出所有点所形成的图中找距离最小的最小树，并在最小数的基础上，向周围延伸，找出送货质量和小于25KG 且距离尽可能小的点的集合，为一个送货区域，由一位业务员负责送货。
最小树是由MATLAB计算得到的，可以保证是最小树。
通过MATLAB得出的最小树b矩阵(见附录)，转换为图像连接在一起为转化成直角坐标系中的最小树为如图1-7：图1-7在此最小树的基础上划出的送货区域为如图1-8：图1-8则业务员的送货路线、送货区域、送货的路程及时间（通过excel可得）如下表1-9：表1-9模型检验如表1-10：通过用条形图进行各个方案进行比较得到如表1-11表1-11实验结果的对比发现，用最小树理论解出来的比按几何方法划区域的解更优。
对比发现，当总路程最小时，往往会使总费用最小。
最终的答案为：（1）需要5个业务员，总的运行公里数为482km,每个业务员的运行路线为上文的方案四的运行路线。
（2）当业务员的工作时间延长到8小时时，依然是方案三为最优，业务员的安排变化在上文的方案三中的安排。
问题二当业务员到达第一个送货点后，即以该送货点为中心，计算周围送货点与该送货点的快件密集度，快件密集度最大的作为首选下一个送货点，即max{}i ij d b =；到达第二个送信点后，即以该送货点为中心，计算周围送货点与该送货点的快件密集度，快件密集度排名第二的作为首选第二个送货点；到达第三个送货点后，即以该送货点为中心，计算周围送货点与该送货点的快件密集度，快件密集度排名第三的作为首选第二个送货点；按此方法依次类推，直到根据约束条件为每次携带的快件量不超过25kg ，找到最后一个送货点。
若首选送货点的快件量大于总快件量(25kg)，则依次选择快件密集度又次之且满足要求的送货点作为最后一个送货点,使总的快件量最大限度的接近25kg ，最后一个送货点的选择以总的快件量为主导因子,以距离最短为次要因子。
目标函数: (1)011min [32()]kk i ki kn k k n Ki r r r r k k i F q d d sign n -===+⋅∑∑约束条件：(1)0121111121[()]60..{|{1,2,,},1,2,,},kki k k i ki kn k k n r K i n K r r r r kk k i k Kk k k ki ki k k k q Q d d sign n n v tv n Ls t n L R r r L i n R R k k -====⎧≤⎪⎪⎪+⋅+≤⎪⎪⎪≤≤⎨⎪⎪=⎪⎪=∈=⎪⋂≠∅∀≠⎪⎩∑∑∑∑问题一、三都是以路程作为划分的界限，而问题二就是考虑以费用为主，费用最主要的因素就是重量和路程，根据题意，每个送货点的送货的质量是已知确定的，在确定送货路线的时候，需要考虑每个业务员每次的载重量不得超过25Kg ，且每个业务员每天工作量少于6小时即满足上面论述中需要注意的一些限制条件。