最后一公里极速配送（一）

   阿里最后一公里总结（一） 经过7.1到7.15日两个星期的奋战，已经初步解决了电商配送问题的优化问题，此过程中主要采用的算法是蚁群算法。我们可以将电商的配送问题化为无时间窗的VRP问题，在此过程中我们也碰到了一些问题。譬如:其中问题最大的就是如何对需求量140的容量进行限制的问题，为了解决这个问题 我大约花了1个星期左右的时间，最开始的两天里一直以为是自己的程序有问题，所以几乎疯狂的网上收集相关的程序，最后问题还是没有解决，接近最后几天的时候，我把蚁群算法的思路重新理了一遍。

  蚁群算法的基本思路就是:第一步:初始化禁忌表;第二步:对于每一只蚂蚁进行最优化路径求解;第三步:更新信息素;第四步。。。将整个算法思想看完之后，再去浏览程序就非常简单了，当我在审阅这个程序的时候发现出错的原因就在载重量140约束这一块出现问题，就是在添加货物时，当select不为空时，sum-load的表达式只写了矩阵的一下标。改过来之后，可以完全按照算法运行出正确的结果。 这里忘记说了，虽然算法是核心部分。但是别忘了在进行算法设计之前最重要的一步就是数据处理。数据处理设计到的操作也比较多，这里大约花了1天时间。主要用到了文件读取，细胞数组的元素提取，存储;大家一定要读取熟练掌握细胞数组中关于下标查找的一些函数。 数据处理和蚁群算法设计好之后，下面的一步就是对快递员的安排，并且编写出符合要求的程序来，并输出正确格式的csv文件。 在对快递员进行优化安排的过程中我并没有采用优化算法。大致思路就是，每个人的工作时间不能超过“720分钟，从第一个网点到最后一个网点每个网点逐次安排。每个快递员只服务于一个网点。在安排快递员时，先对取货状态进行输出，然后再对送货状态进行输出。最后就可以安排完所有电商的情况。本次处理没有对快递员的数目（因为这不影响最后的得分）进行最优化处理，后续阶段可以考虑对快递员数目进行最优化。以及对参数进行优化得出更少的时间。 接下来的任务就是要完成o2o商品的配送任务，由于o2o的情况要考虑到时间限制，在学术上面称为有时间窗的VRP问题。我初步观察了一下时间数据得出了如下规律:取货时间和送达时间的差值为90分钟。为此我们制定如下的配送方案:先将商户聚类，以距离最近网点为指标将598个商户分为74类;然后，对于每个网点，取货时间相近的订单放在一起，然后依次配送;由于时间限制可以初步估计每条路线上配送的订单号类型应该不超过5-7，这样的话才可能满足在商家要求时间之前到达，而且在客户要求时间之前送达到指定地点。这里的编程可能稍微有点复杂。