科研之友
微信
新浪微博
Facebook
分享链接
摘要
新冠疫情的持续出现和冷链技术的不断成熟，促进了生鲜电商行业的快速发展。针对生鲜电商的前置仓选址及订单履约问题，本文考虑了生鲜商品需求的不确定性及保质期特点，构建了以选址成本和订单履约成本最小化为目标的两阶段随机规划模型。提出了一种基于样本均值近似SAA（Sample average approximation）的Benders分解算法，即SBD算法（SAA-based Benders Decomposition）。该算法通过拉丁超立方抽样法将原模型转化为混合整数规划的SAA近似模型，再通过Benders分解算法对该模型进行求解。最后，以一个案例验证了所提出算法的有效性。结果表明，SBD算法在求解时间与求解精度上均优于商业求解器Cplex的求解结果；所提出的两阶段随机规划方法能够有效帮助生鲜电商企业在不确定环境下降低成本，为前置仓的布局及订单履约提供决策上的支持。
- 单位
