餐盒分配优化：餐盒配送中的箱分配问题

本研究提出一种新颖的优化挑战——箱分配问题（Box Allocation Problem, BAP），该问题发生在价值 140 亿美元的英国餐盒配送市场中。BAP 涉及在 15 天的规划期间，将订单分配到多个生产设施，以最小化日间食谱变动，同时遵守容量和资格约束。我们将 BAP 建模为混合整数线性规划（MILP）问题，系统比较了 COIN-OR 分支定切（CBC）求解器与启发式方法的性能，包括 Tabu Search 和 Iterative Targeted Pairwise Swap。规模实验显示，在最多 100,000 订单的实例中，CBC 始终在不到两分钟内获得最优解，即使在工厂容量波动和客户订单变化的动态条件下仍能保持最优性。通过减少日间食谱差异，此方法支持更准确的原料预测，减少食品浪费，并提高跨多工厂网络的运营效率。这些结果为餐盒配送运营中的时序分配问题提供了首个全面解题框架。