刘俊明;陈伟伟;杨靖远;熊、惠;陈灿 电子物流配送网络设计的迭代预测与优化。 （英语） Zbl 1492.90020号 信息J.计算。 34，第2期，769-789（2022）. 摘要：在线零售商的出现为其分销网络的设计带来了新的机遇。值得注意的是，对于不经营线下商店的在线零售商来说，他们的目标客户对物流服务的质量更为敏感，例如交付速度和可靠性。本文是由淘宝网上一家领先的化妆品在线零售商发起的，旨在通过将其集中配送网络重新设计为多级配送网络来提高其物流效率。多级分销网络由一层主要设施和一层次要设施组成，前者用于存放供应商的库存和转运，后者用于提供最后一英里的配送。设计这样的设施网络有两个主要挑战。首先，在线客户可以通过重新设计的网络对物流效率的变化做出显著响应，从而使网络在原始需求分配下处于优化状态。第二，由于在线零售商的销售额相对较小，并且在选择设施位置方面非常灵活，因此设施候选集可能很大，导致设施位置优化难以解决。为此，我们提出了一种用于配电网设计的迭代预测和优化策略。具体地说，我们首先开发了一个人工神经网络（ANN）来预测客户需求，将网络给定的物流服务质量和基于人口统计的城市级购买力考虑在内。然后，建立了一个混合整数线性规划（MILP）模型，以选择运输、设施设置和包装加工成本最低的设施位置。我们进一步开发了一种高效的两阶段启发式算法，用于计算MILP模型的高质量解，该算法具有凝聚层次聚类算法和期望和最大化算法。随后，将神经网络需求预测器和两阶段启发式算法结合起来进行迭代网络设计。最后，使用实际数据集，我们验证了需求预测的准确性，并证明了需求和网络设计之间的相互依赖性。贡献总结：我们提出了一种用于电子物流多级分销网络设计的迭代预测和优化算法，并评估了其对在线零售商的运营价值。我们使用迭代框架解决分销网络设计和需求分布之间的相互作用问题。此外，结合运筹学和数据挖掘的思想，我们的论文提供了一个端到端的解决方案，可以准确预测在线销售分布，随后解决大规模配电网优化设计问题。 MSC公司： 90磅06 运输、物流和供应链管理 90B80型 离散位置和分配 68T07型 人工神经网络与深度学习 90立方厘米 混合整数编程 90C05（二氧化碳） 线性规划 90 C59 数学规划中的近似方法和启发式 90立方厘米 动态编程 关键词：设施位置优化;人工神经网络;启发式的;需求预测;电子物流 软件：阿达·布斯特。RT公司;TensorFlow公司;基因科普 PDF格式BibTeX公司 XML格式引用 \textit{J.Liu}等人，《信息与计算》。34，第2号，769--789（2022；Zbl 1492.90020） 全文： 内政部 参考文献： [1] Abadi M、Barham P、Chen J、Chen Z、Davis A、Dean J、Devin M等（2016）Tensorflow:大型机器学习系统。程序。第12届USENIX大会。系统设计实现（OSDI 16）（加利福尼亚州伯克利USENIX协会），265-283谷歌学者 [2] Abiodun OI、Jantan A、Omolara AE、Dada KV、Mohamed NA、Arshad H（2018）《人工神经网络应用的最新进展：一项调查》。太阳神4（11）：e00938.Crossref，谷歌学者·doi:10.1016/j.heliyon.2018.e00938 [3] Alp O，Erkut E，Drezner Z（2003）p-median问题的高效遗传算法。安·Oper。物件。122（1-4）:21-42.Crossref，谷歌学者·Zbl 1038.90046号 ·doi:10.1023/A:1026130003508 [4] Bohlmeijer E，Ten Klooster PM，Fledderus M，Veehof M，Baer R（2011）抑郁成年人五方面正念问卷的心理测量特性和简短形式的发展。评估18（3）:308-320.谷歌学者交叉引用·doi:10.1177/10731911111408231 [5] Boysen N，de Koster R，Weidinger F（2019）《电子商务时代的仓储：一项调查》。欧洲药典。物件。277（2）：396-411.Crossref，谷歌学者·Zbl 1430.90065 ·doi:10.1016/j.ejor.2018.08.023 [6] Bucko J，Kakalejčík L，FerencováM（2018）《网上购物：影响消费者购买行为的因素》。Cogent巴士。管理5（1）:1-15.Crossref，谷歌学者·doi:10.1080/2331195.2018.1535751 [7] Chen C，Liu J，Li Q，Wang Y，Xiong H，Wu S（2017）互联仓库网络中在线零售商的仓库选址。程序。2017 IEEE国际。Conf.数据挖掘（ICDM）（IEEE，新泽西州皮斯卡塔韦），805-810.谷歌学者 [8] 切尼·W、金凯·D（2009）线性代数：理论与应用（Jones&Bartlett Learning，马萨诸塞州伯灵顿）。谷歌学者 [9] Chong AYL，Ch'ng E，Liu MJ，Li B（2017）《通过大数据预测消费品需求：在线促销营销和在线评论的作用》。国际。J.生产研究。55（17）:5142-5156.谷歌学者（Google Scholar）交叉引用·doi:10.1080/00207543.2015.1066519 [10] Contreras I、Cordeau JF、Laporte G（2011）大型无容量枢纽位置的Benders分解。操作。物件。59（6）：1477-1490.Link，谷歌学者·兹比尔1242.90094 [11] 崔锐，李明，李清（2020）《高质量物流的价值：sf快递与阿里巴巴冲突的证据》。管理科学。66（9）：3879-3902.谷歌学者链接 [12] Do CB，Batzoglou S（2008）什么是期望最大化算法？自然生物技术26（8）：897-899.Crossref，谷歌学者·doi:10.1038/nbt1406 [13] Drucker H、Burges CJ、Kaufman L、Smola AJ、Vapnik V（1997）支持向量回归机。Jordan MI，Petsche T编辑，Proc。第九届国际。Conf.神经信息。处理系统（麻省理工学院出版社，马萨诸塞州剑桥），155-161。谷歌学者 [14] 段强，廖太伟（2013）不同需求下分散和集中能力受限供应链的补货政策优化。国际。J.生产经济。142（1）：194-204.Crossref，谷歌学者·doi:10.1016/j.ijpe.2012.11.004 [15] Fernie J，Sparks L（2018年）物流和零售管理：零售供应链中的新问题和新挑战（Kogan Page Publishers，伦敦）。谷歌学者 [16] Ferreira KJ、Lee BHA、Simchi-Levi D（2015）《在线零售商分析：需求预测和价格优化》。制造服务运营。管理18（1）:69-88链接，谷歌学者 [17] Fischetti M，LjubićI，Sinnl M（2017），重新设计大型设施位置的折弯机分解。管理科学。63（7）：2146-2162.Link，谷歌学者 [18] Fisher ML（2004）求解整数规划问题的拉格朗日松弛方法。管理科学。50（12，补充）：1861-1871.谷歌学者链接 [19] Friedman JH（2001）贪婪函数近似：梯度提升机。安。统计师。29（5）：1189-1232.Crossref，谷歌学者·Zbl 1043.62034号 ·doi:10.1214/aos/1013203451 [20] Gendron B，Khuong PV，Semet F（2016）基于拉格朗日的分枝定界算法，用于求解具有单一分配约束的两级无容量设施选址问题。运输科学。50（4）：1286-1299.链接，谷歌学者 [21] Goodfellow I，Bengio Y，Courville A（2016年）深度学习（麻省理工学院出版社，马萨诸塞州剑桥）。谷歌学者·Zbl 1373.68009号 [22] 哈松MH（1995）人工神经网络基础（麻省理工学院出版社，马萨诸塞州剑桥）。谷歌学者·Zbl 0850.68271号 [23] Hastie T，Tibshirani R（1996）判别自适应最近邻分类和回归。Touretzky D，Mozer M，Hasselmo M，eds.神经信息处理系统进展8（麻省理工学院出版社，马萨诸塞州剑桥），409-415.谷歌学者 [24] Hübner A，Holzapfel A，Kuhn H（2015）多渠道零售的运营管理：一项探索性研究。操作。管理研究。8（3）：84-100.谷歌学者（Google Scholar）Crossref·doi:10.1007/s12063-015-0101-9 [25] Hübner A、Kuhn H、Wollenburg J（2016）《全渠道杂货零售业最后一英里的实现和分销：战略规划框架》。国际。J.零售分销管理44（3）：228-247.Crossref，谷歌学者·doi:10.1108/IJRDM-11-2014-0154 [26] Karlik B，Olgac AV（2011）神经网络广义MLP架构中各种激活函数的性能分析。国际。J.人工智能专家系统1（4）：111-122.谷歌学者 [27] Liaw A，Wiener M（2002）《随机森林分类和回归》。R新闻2（3）：18-22.谷歌学者 [28] Lim SFW、Jin X、Srai JS（2018）《消费者驱动的电子商务：关于最后一刻物流模型的文献综述、设计框架和研究议程》。国际。J.物流配送。管理48（3）:308-332.Crossref，谷歌学者·doi:10.1108/IJPDLM-02-2017-0081 [29] 林毅（2019）《电子城市主义：电子商务、移民与中国城市淘宝村的转型》。城市91:202-212.Crossref，谷歌学者·doi:10.1016/j.cities.2018.11.020 [30] Liu J，Sun L，Chen W，Xiong H（2016）《重新平衡自行车共享系统：多源数据智能优化》。程序。第22届ACM SIGKDD国际。Conf.知识发现数据挖掘（ACM，纽约），1005-1014.谷歌学者 [31] Liu J，Li Q，Qu M，Chen W，Yang J，Xiong H，Zhong H，Fu Y（2015）《自行车共享系统中的站点优化》。2015 IEEE国际。Conf.数据挖掘（IEEE，新泽西州皮斯卡塔韦），883-888.谷歌学者 [32] Loh WY（2008）分类和回归树方法。百科全书统计。质量可靠性1:315-323.谷歌学者 [33] 陆毅，刘忠，马力（2020）通过物流管理竞争：中国电子零售业研究。供应链和物流管理：概念、方法、工具和应用（宾夕法尼亚州好时IGI Global），1075-1094.Crossref，谷歌学者·doi:10.4018/978-1-7998-0945-6.ch050 [34] Masood S、Sharif M、Masood A、Yasmin M、Raza M（2015）《医学图像分割调查》。当前医学成像11（1）:3-14.Crossref，谷歌学者·doi:10.2174/157340561101150423103441 [35] Matarazo TJ，Pakzad SN（2016）使用期望最大化进行结构识别：模态识别的迭代仅输出方法。J.工程师机械142（4）：04015109.Crossref，谷歌学者·doi:10.1061/（ASCE）EM.1943-7889.0000951 [36] Melo MT、Nickel S、Saldanha-Da-Gama F（2009）《设施位置和供应链管理——审查》。欧洲药典。物件。196（2）：401-412.Crossref，谷歌学者·Zbl 1163.90341号 ·doi:10.1016/j.ejor.2008.05.007 [37] Michalewicz Z（2013）遗传算法+数据结构=进化程序（施普林格科技与商业媒体，柏林）。谷歌学者 [38] Mukherjee I，Routroy S（2012）使用Levenberg-Marquardt和准newton开发的神经网络与梯度下降算法进行性能比较，以模拟多响应研磨过程。专家系统应用。39（3）：2397-2407.Crossref，谷歌学者·doi:10.1016/j.eswa.2011.08.087 [39] Ortiz-Astorquisa C、Contreras I、Laporte G（2018）《多级设施选址问题》。欧洲药典。物件。267（3）:791-805.谷歌学者Crossref·Zbl 1403.90484号 ·doi:10.1016/j.ejor.2017.10.019 [40] Ortiz-Astrokija C，Contreras I，Laporte G（2019）多层无容量设施选址的精确算法。运输科学。53（4）：1085-1106.Link，谷歌学者 [41] Panagiotelis A、Smith MS、Danaher PJ（2014）《从亚马逊到苹果：在线零售销售、购买发生率和访问行为建模》。J.总线。经济。统计人员。32（1）：14-29.Crossref，谷歌学者·doi:10.1080/07350015.2013.835729 [42] Ponce D、Contreras I、Laporte G（2020）《通过第三方供应链进行电子商务运输》。运输研究第E部分：物流。运输版本。140:101970.交叉引用，谷歌学者·doi:10.1016/j.tre.2020.101970 [43] Ranganathan A（2004）Levenberg-Marquardt算法。LM算法教程11（1）：101-110.谷歌学者 [44] Rao S、Goldsby TJ、Griffis SE、Iyengar D（2011）《电子物流服务质量（e-lsq）：对客户购买满意度和保留率的影响》。J.总线。物流。32（2）：167-179.Crossref，谷歌学者·文件编号：10.1111/j.2158-1592.2011.01014.x [45] Rardin RL，Rardin RR（1998）运筹学中的优化第166卷（新泽西州上鞍河普伦蒂斯·霍尔）。谷歌学者 [46] Rohmer S、Gendron B（2020年）最后一英里配送中的包裹储物柜指南，从OR的角度突出挑战和机遇（蒙特利尔CIRRELT）。谷歌学者 [47] Singh S，Rana R（2018）人口因素对消费者网上购物感知的影响。全球J.管理总线。物件。18（6）:6-E.Google学者 [48] Solomatine DP，Shrestha DL（2004）Adaboost。RT：用于回归问题的增强算法。2004 IEEE国际。联合Conf.神经网络，第2卷（IEEE，新泽西州皮斯卡塔韦），1163-1168.谷歌学者 [49] Song G，Zhan Y，Guo Y（2016）网上购物特征和物流服务对满意度的影响。第13届国际。Conf.服务系统服务管理（ICSSSM）（IEEE，Piscataway，NJ），1-6.谷歌学者 [50] Speranza MG（2018）《运输和物流趋势》。欧洲药典。物件。264（3）：830-836.Crossref，谷歌学者·Zbl 1375.90039号 ·doi:10.1016/j.ejor.2016.08.032 [51] Subramanian N，Gunasekaran A，Yu J，Cheng J，Ning K（2014）中国电子零售业中的客户满意度和竞争力：确定质量因素作用的结构方程建模（SEM）方法。专家系统应用。41（1）:69-80.谷歌学者（Google Scholar）交叉引用·doi:10.1016/j.eswa.2013.07.012 [52] Wang G、Gunasekaran A、Ngai EW、Papadopoulos T（2016）《物流和供应链管理中的大数据分析：研究和应用的某些调查》。国际。J.生产经济。176:98-110.交叉引用，谷歌学者·doi:10.1016/j.ijpe.2016.03.014 [53] Wu CJ（1983）关于EM算法的收敛性。安。统计师。11（1）：95-103.Crossref，谷歌学者·Zbl 0517.62035号 ·doi:10.1214/aos/1176346060 [54] Xu D，Tian Y（2015）聚类算法综合综述。数据科学年鉴。2（2）：165-193.Crossref，谷歌学者·doi:10.1007/s40745-015-0040-1 [55] Yu H，Wilamowski BM（2011）Levenberg-Marquardt培训。Wilamowski BM，Irwin JD编辑。工业电子手册（CRC出版社，博卡拉顿），12-1-12-16，Crossref，谷歌学者·doi:10.1201/b10604-15 [56] Yu J，Subramanian N，Ning K，Edwards D（2015）物联网时代的产品交付服务提供商选择和客户满意度：中国电子零售商的视角。国际。J.生产经济。159:104-116.Crossref，谷歌学者·doi:10.1016/j.jpe.2014.09.031 [57] Yu Y，Wang X，Zhong RY，Huang G（2017）《供应链管理中的电子商务物流：家具行业的实施和未来展望》。印度河。管理数据系统117（10）：2263-2286.谷歌学者交叉引用·doi:10.1108/IMDS-09-2016-0398 [58] Zetina CA，Contreras I，Cordeau JF（2019a）基于benders分解的多商品无容量固定电荷网络设计精确算法。计算。操作。物件。111:311-324.Crossref，谷歌学者·Zbl 1458.90180号 ·doi:10.1016/j.cor.2019.07.007 [59] Zetina CA、Contreras I、Cordeau JF（2019b）以利润为导向的弹性需求固定费用网络设计。运输研究第B部分：方法127:1-19.谷歌学者Crossref·doi:10.1016/j.trb.2019.06.004 [60] Zhang L，Suganthan PN（2016）神经网络训练随机算法调查。通知。科学。364:146-155.Crossref，谷歌学者·Zbl 1426.68299号 ·doi:10.1016/j.ins.2016.01.039 [61] Zhang C，Tian YX，Fan ZP，Liu Y，Fan LW（2020）使用宏观经济指标和在线评论进行产品销售预测：一种结合前景理论和情绪分析的方法。软计算。24:6213-6226.Crossref，谷歌学者·Zbl 1489.91137号 ·doi:10.1007/s00500-018-03742-1 [62] 朱峰，刘强（2018）《与互补者竞争：亚马逊的实证研究》。com网站。战略管理J。39（10）：2618-2642.Crossref，谷歌学者·doi:10.1002/smj.2932 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。