网上超市订单分批问题研究

黄晓旭 华北电力大学经济与管理学院

网上超市订单分批问题研究

黄晓旭 华北电力大学经济与管理学院

本研究针对网上超市的订单分批问题，对订单分批影响因素进行了分析，并运用遗传算法对订单分批问题的求解思路进行了分析概括。本研究对网上超市减少订单分拣时间、提高分拣效率，从而提高网上超市配送水平，具有重要价值。

网上超市 订单分批问题 遗传算法

一、引言

近年来，网上超市快速发展，逐渐成为主流的商品零售方式之一。截至到2015年，中国网上零售市场交易规模达3.83万亿元人民币，在整个网上零售发展已较为成熟的背景下，增长率（35.71%）依然维持高位，成为中国经济社会中一般不可忽视的力量。网上超市主要销售使用频率最高的日常快消品，其订单具有数量庞大、订单所含商品品项多、客户收货时间要求严格并多样，一单多品订单的履行问题已成为拥有海量商品的大型网上超市面临的难题。于是，就有必要对数量庞大的订单进行分批拣选。

订单分批是指为了提高拣选作业效率而把多张订单集合成一批，进行批次拣取作业，其目的是缩短拣取时平均行走搬运的距离和时间[1]。换句话说，对订单分批问题进行分析处理时，首先采用某种方式对所有订单作分批处理，然后确定出拣选的次序和适当的拣选路径，来达到目标函数的最优。其目标函数分为两种，一是使拣选行走的总时间最短，二是使拣选行走的距离最短而提高拣选作业效率。当采用分批策略时，在同一时间，拣选人员或拣选设备可以处理多张订单，缩短拣选人员重复寻找储位的时间，从而有效的提高拣选效率。因此，在配送中心或物流中心等需要处理大量订单的物流功能节点中，订单分批得到了广泛的应用[2]。

为了提高订单分批的求解效率，不仅要考虑订单分批的影响因素，而且还要创建或改进分批的算法，这样才可以提高订单分批求解方法的通用性和求解效率。本研究为实现上述目标，结合网上超市订单的特点，总结了影响其订单分批的影响因素和常用算法，实现网上超市订单的分批。

二、订单分批影响因素分析

订单分批拣选作业主要适合以下两种情形：

1.当仓库商品中，商品品项数比较少，某种商品的存储量比其他商品存储量大，那么，所有订单中重复出现这种存储量大的商品的概率就高，将订单中相同品项的商品放在一起后进行拣选，就能减少拣选次数，这样就能充分体现分批拣选的优势。

2.当所有订单中的商品具有较高相似性时，也适合采用分批拣选方式。例如在对仓库存储品项数目没有限制的前提下，对某一时间段内或者某个批次类似品项出行频率较高的订单就可以实施订单分批策略。

经过调查，本文将订单分批的影响因素分为两类，即客户信息、配送站信息。

（1）客户和订单信息。包括客户重要等级、订单包裹送达时间要求等；①客户重要等级：分为三个等级，特别重要，重要，一般。属于“特别重要”的客户将具有最优先被服务的特权。②送达时间要求：客户所要求的送达时间是影响分批的一大因素，如果以天为单位安排配送计划，可按照客户要求的送货时间分为上午，下午，晚间三个时间段的客户群。顾客对网上超市商品的收货时间的要求越来越严格。如，京东商城针对不同消费者的配送需求，推出了211限时达、夜间配、定时达、极速达等特色服务。一号店也推出半日达、定时达、一日三送的特色服务。

（2）配送站信息。包括送货区域，以及配送车辆在客户点间的行驶距离。①送货区域：客户所在的送货区域是影响分群的主要依据，可按送货地点的分布特征来分类；②行驶距离：点与点间的直线距离不能代表行驶时间，因此需要在分批时将该因素考虑在内。

三、基于遗传算法的订单分批求解算法

遗传算法（Genetic Algorithm，GA）GA是由Holland在1975年提出来，主要是模仿生物进化的过程，将初始可行解二进制化为所谓“基因”，并利用遗传和变异的思想对解进行优化[3]。遗传算法是一种比较经典的智能优化算法，由于其收敛速度快而局部搜索能力弱，因此通常用来和其他局部搜索快的方法如禁忌搜索算法等相结合。在订单分批问题中，经常采用双目标函数的表现矩阵，将染色体对不同的目标函数值的优劣进行综合排序。而且，在控制种群向目标函数方向进化时，通常采用基于个体适应性的交叉和变异概率函数，以此来保持种群的多样性。

遗传算法主要包括的步骤如下所示：

（1）染色体编码。编码方式采用实数编码,即每条染色体代表一种可能的订单合并批次序列，其基因序列为（G1,G2...,GK），即所有订单的所有可能的合并组合，其中GK代表一批合并的订单。（2）生成种群。随机生成一定数量的染色体,即不同的订单组合。（3）计算各染色体的适应度。计算不同订单排列的目标函数的值，采用种群各个体的目标函数的值转化为不同个体的综合适应度。（4）交叉和变异。依据染色体的适应度大小选择个体进行交叉和变异操作，生成新的个体。交叉概率和变异概率由常数确定。（5）更新种群。将原始种群和新生成的个体采用优解保存策略合并后得到新的种群,返回（3）直到迭代结束后得到最优解。

四、结论

本研究有助于为解决网上超市订单分拣问题提供科学有效方法，丰富了网上超市订单分拣理论，具有重要的理论意义和实际意义。

在理论方面，本研究在分析了网上超市订单特点的基础上，分析了订单分批的影响因素，为网上超市订单的分批提供了一种新方法，为计算机在线智能地生成订单分批方案提供新工具，可提高订单分批理论的科学性、实用性和普适性。

在实际应用方面，本研究的理论成果可用来指导网上超市或其它B2C电子商务企业的订单分批作业工作，有助于电子商务企业实现效率与客户服务水平的综合提升，从而提高其竞争优势。

[1]李诗珍,杜文宏.基于聚类分析的订单分批拣货模型及启发式算法[J].統計與決策,2008, 2008（12）: 53-56.

[2]王艳艳,周以齐,沈长鹏,吴耀华.一种两类“货到人”订单拣选系统的适用性选择方法[J]. 机械工程学报,2015,04:206-212.

[3]Koch, S, Wascher, G.. A Grouping Genetic Algorithm for the Order Batching Problem in Distribution Warehouses.FEMM Working Papers, 2011.