一种可扩展的最后一公里配送服务：从仿真到缩比实验

在本文中，我们研究了一种最后一公里配送服务问题，该服务从最多 $N$ 辆可用车辆中选取若干辆，将 $M$ 个包裹从集中式仓库配送至 $M$ 个配送地点。该最后一公里配送服务的目标是通过选择执行配送的最优车辆数，联合最大化客户满意度（最小化配送时间）并最小化运营成本（最小化总行驶时间）。我们将其建模为一个分配（车辆到包裹）与路径规划（确定配送顺序与路线）问题，该问题等价于 NP-hard 的多旅行商问题。我们提出了一种可扩展的启发式算法，其以牺牲一定最优性为代价，在包裹数量较大时实现合理的计算成本。该算法将层次聚类与贪心搜索相结合。为验证我们的方法，我们将仿真结果与面向未来出行系统的 $1$:$25$ 缩比机器人实验平台上的实验进行了比较。