考虑消费者新鲜度感知的生鲜前置仓选址-容量决策研究

摘要

生鲜电商的发展逐渐成熟，消费者通过线上消费生鲜产品频次增加。但随着生活水平的提高，消费者对生鲜产品的品质和配送时效的重视度越来越高，因此，为满足消费者的个性化需求，生鲜产品由传统的单仓或多个配送中心发全国逐渐过渡到社区配送的前置仓模式。但前置仓选址和容量多依赖于经验决策，使得管理难度大、供求不匹配、配送成本较高，这不利于生鲜电子商务的发展。因此，科学合理地安排前置仓、优化库存能力显得尤为重要。　　本文提出聚类算法和数学模型相结合的两阶段决策方法，从生鲜产品新鲜度、消费者感知价值等角度出发，试图解决前置仓选址-容量决策优化问题。在第一阶段提出基于AP（Affinity Propagation）聚类算法的前置仓选址-需求点分配初步决策方法，根据需求点之间的距离信息进行聚类；第二阶段提出前置仓选址-容量联合优化的精细决策模型，并设计免疫优化算法求解，得到前置仓决策方案。主要的研究工作如下：　　①提出前置仓选址-需求点分配的初步决策方法。采用AP聚类算法将大量的需求点根据其位置特点及点之间的关系进行聚类，将前置仓选址问题转化为一般性选址问题。通过AP一次聚类得到需求点群，AP二次聚类得到备选前置仓的数量和位置，构成“备选前置仓-需求点”的配送网络结构关系，为第二阶段的精细决策工作提奠定了基础。　　②提出储存新鲜率的概念，进行前置仓容量和运营分析，以期构建前置仓选址-容量联合优化的精细决策模型。　　③提出面向消费者需求的前置仓选址-容量精细决策方法。结合前置仓选址和容量问题，考虑消费者新鲜度感知和储存新鲜率，构建了以最低总成本为目标函数的前置仓选址-容量与需求点分配精细决策模型。　　结合上述研究工作，进行算例分析。设计了免疫优化算法，改进了算法的变异和交叉操作。论文提出方法的合理性通过实例验证，在灵敏度分析的基础上，分析前置仓的补货成本、运营成本、建设成本以及补货周期随着储存新鲜率的变化趋势。得出合理的储存新鲜率下的最佳选址方案、前置仓容量和运营方案，为生鲜电商企业进行前置仓选址工作提供合理依据。

目录

1 绪论

1.1.1 研究背景

1.1.2 研究目的及意义

1.2 国内外研究现状

1.2.1 生鲜电商相关研究现状

1.2.2 设施选址相关研究现状

1.2.3 前置仓相关研究现状

1.2.4 文献评述

1.3.1 研究内容

1.3.2 论文创新点

1.4.1 研究方法

1.4.2 技术路线

2 生鲜前置仓选址相关理论概述

2.1.1 前置仓的概念及分类

2.1.2 前置仓网络结构及特点分析

2.2.1 消费者感知价值的内涵

2.2.2 消费者感知价值影响因素

2.2.3 消费者感知价值指标选取

2.3 模糊理论分析

2.3.1 模糊集合的概念

2.3.2 模糊数的描述

2.3.3 模糊数的性质

2.4 本章小结

3 前置仓选址-需求点分配初步决策

3.1.1 需求特征分析

3.1.2 需求区域定位

3.2 聚类算法

3.2.1 K-Means聚类算法

3.2.2 AP聚类算法

3.2.3 聚类有效性评价指标

3.3 聚类结果分析

3.3.1 K-Means聚类结果

3.3.2 AP聚类结果

3.3.3 聚类结果对比分析

3.4 基于AP聚类算法的前置仓-需求点的初步决策

3.4.1 决策流程描述

3.4.2 实例模拟与分析

3.5 本章小结

4 基于免疫优化算法的前置仓选址-容量精细决策

4.1.1 问题描述

4.1.2 模型假设与参数符号的说明

4.1.3 消费者需求量描述

4.1.4 消费者新鲜度感知分析

4.1.5 基于消费者新鲜度感知的前置仓容量与运营分析

4.1.6 模型的建立

4.2 模型去模糊化处理

4.3.1 免疫优化算法概述

4.3.2 免疫优化算法的具体步骤

4.4 本章小结

5 A企业前置仓选址分析

5.1 A企业背景

5.2.1 需求点群聚集点确定

5.2.2 初步获取前置仓备选地址

5.3 前置仓选址-容量精细决策

5.3.1 生鲜产品需求量及相关参数获取

5.3.2 基于Matlab的免疫优化算法求解

5.3.3 算法有效性与模型合理性的验证

5.3.3 储存新鲜率灵敏度分析

5.4 本章小结

6 总结与展望

6.1 本文总结

6.2 未来展望

参考文献

附录

A. 作者在攻读学位期间承担的科研项目

B. 学位论文数据集

C.AP聚类算法和K-Means聚类算法代码

D. 免疫优化算法Matlab主函数代码

致谢