(54.236.58.220) 您好!臺灣時間:2021/03/01 00:51
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:楊惠茹
研究生(外文):YANG, HUEI-JU
論文名稱:網路外送餐飲平台尖峰時段指派作業最適化之探討
論文名稱(外文):Peak-Hour Task Assignment Optimization for Online Food Delivery Platforms: A Comparison of Two Approaches
指導教授:馬恆馬恆引用關係
指導教授(外文):MA, HENG
口試委員:劉光泰劉家盛
口試委員(外文):LIU, GUANG-TAILIU, CHIA-CHENG
口試日期:2020-05-29
學位類別:碩士
校院名稱:中華大學
系所名稱:工業管理學系
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:35
中文關鍵詞:網路外送餐飲平台基因演算法最適化指派
外文關鍵詞:Online Delivery PlatformGenetic AlgorithmTask Assignment Optimization
相關次數:
  • 被引用被引用:0
  • 點閱點閱:88
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
網路外送餐飲平台之商業模式是根據消費者透過手機APP或於網站選取餐點,平台收到訂單後,再根據既定的法則進行外送員的指派,通常指派作業會依外送員、訂單取貨與送貨地點進行區域性指派,區域性指派可能會導致多餘時間成本的耗費,因為平台系統通常在接獲訂單時,以指派最近的外送員接單。當外送員人數少於訂單量時,此類指派方式通常缺乏在可容許時間範圍內之最佳指派。
因此,本論文提出客製化基因演算模式進行隨機模擬訂單產生情境,產出最適化的外送員指派模式,並與傳統以最近外送員指派模式作比較,其結果呈現一致性降低時間成本。以本論文提供之方法,尤其適用於外送員人數短缺時訂單之指派。

The business model for online food delivery platforms is that when the platform receives an order from a customer via its mobile phone app or online ordering page, the platform would allocate the delivery task to one of it’s courier partners according to the result from executing its task assignment algorithm. Traditionally, most such algorithms assign delivery tasks only based on the courier partners’ proximity to the restaurant and the customer, which would lead to a less-than-optimal overall task assignment during peak hours when the number of orders exceeds the number of courier partners.
This paper proposes a different approach that utilizes a genetic algorithm (GA) for online delivery task assignment optimization. Compared with the traditional proximity based algorithm, the GA algorithm consistently achieves a lower total delivery time. The advantage is especially obvious for peak hours, when the total number of orders far exceeds the number of courier partners.

目錄
摘要 i
ABSTRACT ii
誌謝辭 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 問題描述 2
第三節 研究目的 3
第四節 研究假設 4
第五節 研究貢獻 4
第二章  文獻探討 5
第一節 外送平台相關 5
第二節 二次指派問題 6
第三節 基因演算法(GA)之應用 7
第三章 研究方法 11
第一節 基因編碼 11
第二節 運算元設計 11
第三節 基因演算流程 14
第四章 模擬結果與分析 18
第一節 模擬環境與假設 18
第二節 Baseline 19
第三節 模擬結果 21
第四節 結果分析 30
第五章 結論 31
參考文獻 32


表目錄
表 1 以Baseline進行指派各人員處理訂單之所需時間 21
表 2 以Baseline進行指派範例之所需時間 21
表 3 模擬之訂單資訊 21
表 4 外送員之地理位置與運送速度 22
表 5 固定外送員可用率之平均配送時間 24
表 6 固定外送員可用率之平均延遲 25
表 7 不同外送員可用率之平均配送時間 26
表 8 不同外送員可用率之平均延遲 27
表 9 不同外送員可用率之延遲訂單比例 28
表10不同承諾送達時間之延遲訂單比例 29

圖目錄
圖 1 研究探討指標圖 3
圖 2 本研究採用合格之整數編碼 11
圖 3 本論文之單點交配運算元 12
圖 4 本論文所採用之同染色體突變 13
圖 5 同染色體多基因突變示意圖 14
圖 6 本論文所提基因演算流程圖 14
圖 7 以八條染色體為演化群之擇優複製示意圖 17
圖 8 本論文使用之送餐模擬環境 18
圖 9 以Baseline進行指派範例 20
圖10外送員比例固定之ADT 24
圖11外送員比例固定之AT 25
圖12不同外送員可用率之ADT 26
圖13不同外送員可用率之AT 27
圖14不同外送員可用率之DOR 28
圖15不同承諾送達時間之DOR 29


王士維(2016)。應用於無線區域網路負載平衡之高效率複合式演算法。未出版之碩士論文,國立中山大學資訊工程學系研究所,高雄巿。
王國明、郭人介、陳啟光、詹前隆、翁紹仁、黃怡詔等(2018)。工業工程應用於健康事業與醫療照護之回顧與展望。管理與系統,25(3),413-456。
吳民友(2016)。多目標隨機排程最佳化:以台灣汽車零組件製造商為例。未出版之碩士論文,國立成功大學製造資訊與系統學系研究所,台南巿。
吳孟澤(2017)。運用基因演算法於無線感知網路壽命規劃。未出版之碩士論文,國立中興大學電機工程學系研究所,台中巿。
吳持尊(2017)。具終站批次機台之分散彈性零工式排程。未出版之碩士論文,國立交通大學工業工程與管理學系研究所,新竹巿。
呂佳靜(2018)。應用基因演算法於醫療人員及診間之排程問題研究。未出版之碩士論文,國立臺灣科技大學工業管理學系研究所,台北巿。
李韋宏(2017)。具時間窗之平行機台排程。未出版之碩士論文,中原大學工業與系統工程學系研究所,桃園巿。
杜彥劭(2018)。服務缺失、顧客情緒與顧客反應之關聯-以熟食外送平台為例。未出版之碩士論文,國立高雄第一科技大學行銷與流通管理學系研究所,高雄巿。
林立家(2017)。餐飲外賣電商新藍海。未出版之碩士論文,臺灣大學農業經濟學系研究所,台北巿。
林谷峰(2019)。遺傳演算法在製造業排程問題之應用。未出版之碩士論文,淡江大學管理科學學系企業經營研究所,新北巿。
林季煖(2015)。以不同染色體表達法用基因演算法求解DFJS排程問題。未出版之博士論文,國立交通大學工業工程與管理系研究所,新竹巿。
林聖偉(2019)。外送平台顧客滿意度之影響因素與顧客使用頻率的關係。未出版之碩士論文,中興大學企業管理學系研究所,台中巿。
林維邦(2019)。應用基因演算法結合統計手法優化手術房排程系統—以桃園某醫院為例。未出版之碩士論文,中原大學工業與系統工程研究所,桃園巿。
武坊庭(2017)。運用啟發式演算法求解多樓層倉儲系統之多目標最佳化問題。未出版之碩士論文,中原大學工業與系統工程研究所,桃園巿。
施坤亮(2018)。快遞專件配送之指派最佳化。未出版之碩士論文,國立交通大學管理學院運輸物流學系研究所,新竹巿。
科技新報(2018)。「聰明懶經濟」發酵,foodpanda公布「2018美食外送大數據」。檢索日期:2018年12月6日,取自https://technews.tw/2018/12/06/foodpanda-announces-2018-food-delivery-big-data/
翁毓婍(2017)。以遺傳演算法求解儲位指派問題。未出版之碩士論文,淡江大學資訊管理學系研究所,新北巿。
區庭傑(2018)。運用基因演算法求解於封閉式分揀系統之貨物分揀排程問題。未出版之碩士論文,國立清華大學工業工程與工程管理學系研究所,新竹巿。
張修豪(2019)。台灣之網路外送餐飲平台價值主張與價值適配研究-以Uber Eats為例。未出版之碩士論文,國立臺灣大學商學研究所,台北巿。
張琇婷(2019)。消費者的價值觀對於網路外送餐飲平台使用意圖之探討-以便利性為中介變數。未出版之碩士論文,國立成功大學國際企業研究所,台南巿。
張福生(2016)。基於貪婪搜尋的多目標基因演算法於急難物流排程問題。未出版之碩士論文,國立中山大學資訊工程學系研究所,高雄巿。
郭勁宏(2018)。考慮多個自動倉儲之聯合迴流式混合流程型生產排程與載具指派問題之研究。未出版之碩士論文,國立交通大學工業工程與管理系研究所,新竹巿。
陳建安(2017)。應用基因演算法改進零工式生產排程之研究-以半導體封裝模具廠為例。未出版之碩士論文,國立成功大學工業與資訊管理學系研究所,台南巿。
陳惠屏(2015)。以整合性科技接受模型探討線上訂餐外送系統的成功因素。未出版之碩士論文,中興大學科技管理學系研究所,台中巿。
曾厚希(2019)。現代美食消費模式之關鍵因素。未出版之碩士論文,國立臺灣師範大學全球經營與策略研究所,台北巿。
黃允成、張妤宣(2018)。可選擇績效指標下最適生產排程之研究-以某拉門製造廠為例。先進工程學刊,13(1),15-22。
黃俊瑋(2018)。O2O電子商務模式-以餐飲外送服務為例。未出版之碩士論文,國立暨南大學資訊管理學系研究所,南投縣。
黃彥誠(2017)。應用簡化群體-熵演算法於分佈式運算系統中工作指派問題之研究。未出版之碩士論文,國立清華大學工業工程與工程管理學系研究所,新竹巿。
楊為翔(2019)。應用兩階段基因演算法於考量乘客屬性及營運成本之公車路網排班問題之研究。未出版之碩士論文,中原大學工業與系統工程研究所,桃園巿。
裴璐(2018)。外賣平台商家篩選及圖片資訊呈現方式之設計研究。未出版之碩士論文,國立臺灣科技大學設計系研究所,台北巿。
趙淳慧(2017)。出境航班與轉盤型卸載道之指派問題。未出版之碩士論文,國立清華大學工業工程與工程管理學系研究所,新竹巿。
蔡榮發、彭磊義、林明華與陳俐穎(2018)。儲位指派問題之全域最佳化方法。管理與系統,25(1),29-59。
Ariyasingha I.D.I.D & Fernando T.G.I. (2019). A New Multi-Objective Ant Colony Optimisation Algorithm for Solving the Quadratic Assignment Problem, Vidyodaya Journal of Science, 22(1), 1-11
Dokeroglu T. & Cosar A. (2016). A novel multistart hyper-heuristic algorithm on the grid for the quadratic assignment problem. Engineering Applications of Artificial Intelligence, 52, 10-25
Helal A. M., Jawdat E., Elnabarawy I., Abdelbar A. M. & Wunsch D. C. (2017, NOV.). Integrated Particle Swarm and Evolutionary Algorithm Approaches to the Quadratic Assignment Problem. 2017 IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2017), HONOLULU, HI
Hussin M.S. & Stützle T. (2017). Hybrid Simulated Annealing for the Bi-objective Quadratic Assignment Problem. International Workshop on Multi-disciplinary Trends in Artificial Intelligence, Springer, Cham, Lecture notes in computer science, 10607 LNAI, 462-472
Samanta S., Philip D. & Chakraborty S. (2018). Bi-objective dependent location quadratic assignment problem: Formulation and solution using a modified artificial bee colony algorithm. Computers & Industrial Engineering, 121, 8-26
Yu T., Yan J., Wang Y., Liu W. & Li B. (2018, December). Generalizing graph matching beyond quadratic assignment model. 2018 NeurIPS, Montreal, Canada.

電子全文 電子全文(網際網路公開日期:20250709)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔