1. 案例11中前3个问题分别提出了3个算法要求，请问这3个算法要求是否要一一体现在方案书写中呢？      
回答：如果使用同一套算法解决案例11中的前3个问题，则需要分别说明针对每个问题特点所引入的算法特性，分别说明相关的测试方法和结果等，重复的算法特性不需要重复介绍说明。

2. 关于案例后面的3个模型算法问题需要层层递进建立几个模型算法解决吗，可以建立一个就可以了吗？
回答：如果能够建立同一套模型、开发同一套算法解决案例11中的前3个问题，则需要分别说明针对每个问题特点所引入的模型特征和算法特性，尽量减少不必要的重复。

3. 能否提供数据  
①北京市商超配送各个配送中心的地址能不能提供？
回答：案例中没有出现“配送中心”的术语。车辆默认停在提货地，提货地地址等相关信息请见附件8《两日订单》L至N列。
②附件9中的点位费是否是累加的？所给车辆的具体规格，所需耗油的类型，每个类型车辆每千米的耗油量，每个类型车辆的具体数量？                                                                     
回答：点位费是指车辆多点配送时，每个点（除第一个点外）需额外支付的运费。以附件9《车型的主要参数》中的金杯车为例（起步价为350，点位费为50），若单点配送则该车次需支付起步价350，若两点配送则该车次需支付400，三点配送需支付450，以此类推。车辆的规格等请见附件9。总成本包含起步价和点位费两部分，车辆的油耗成本不计入，欢迎选手留出计算/优化油耗成本的接口，至于各车型的油耗成本请查阅有关资料，设定合理即可。各车型数量充足，即各车型数量可视为无限。

4. 附件8中每个送货地点所对应需要的货物体积和质量是总体积总质量还是平均体积平均质量？
回答：总体积和总重量。以首行数据为例，共50件货物，总重量为0.56吨，总体积为1.35立方米。

5. 附件8中货物有吨位有数量但体积为0数据是否有问题？                                                      
回答：体积为0表示该货物体积可以忽略。

6. 案例中给出的附件8里有订单信息和客户信息，我们根据该数据进行了优化并实验，请问能不能提供该数据公司原来的装载分配和路径选择情况，我们希望通过对原来数据比较来说明我们优化方案的优化效果。
回答：由于案例中谈论的问题已经在实际问题的基础上做了简化，实际应用场景考虑的约束更加复杂，因此实际的配送路线不具备对比和参考的价值。如果需要方案间的对比来体现优化算法的效果，可以通过求解精确模型得到最优解，与最优解进行比较；或者通过与简单、经典的启发式算法来进行比较。

7. 案例的附件8订单数据中，对于体积数据存在部分缺失，且没有给出货物的具体长、宽、高值，请问是否意味着配载问题只需要考虑结合泡重比且考虑装箱顺序，而不需要建立三维模型呢？
回答：装车配载问题中，输出每辆车装载哪些订单即视为达到要求。有余力的选手可以对货物的形状进行合理假设，计算出每单货物的尺寸，探究三维装箱算法。

8. 附件8两日订单里的数量、吨位、体积是指什么呢？数量有的是125，有的是8，相差很大，是因为商品的体积吗？还有一个地方去了四趟，为什么不一起去呢？
回答：由于商品类型不一，商品的单位体积和单位重量存在差异。附件8中的数量、吨位、体积指该订单所有货物的总量，而非平均值。同一送货地址在同一天可能存在多个订单，是否使用同一辆车进行配送需要选手设计的算法来做判断。

9. 关于为企业设计app,不具有app开发能力的，将app设计理念讲清楚，用网页的形式展示效果可以不？ 
回答：选手可以自行决定呈现形式，鼓励选手动手开发可实际操作的APP。

10. 设计的APP在附件中以什么形式展现呢，扫码还是APP各功能模块的截图？方案设计前后没有真实对比，可以自己预测数据来体现方案的最优么？
回答：选手可以自行决定APP的呈现形式。如果需要方案间的对比来体现优化算法的效果，可以通过求解精确模型得到最优解，与最优解进行比较；或者通过与简单、经典的启发式算法来进行比较。

11.  APP设计出来可以跟别的公司进行一个调试或者线下试用吗？
回答：可以。

12. 中外运企业在运输方面产生的碳排放量，在碳交易平台进行的碳交易量以及获得的碳排放权；案例中提及的福特全顺江铃、金杯面包车属于新能源车型，但了解到其使用的燃料为汽油？
回答：本案例中总成本包含起步价和点位费两部分，车辆的碳排放、油耗成本等均不计入。欢迎有余力的选手留出计算/优化油耗成本、碳排放量的接口，至于各车型的油耗成本、碳排放量请查阅有关资料，设定合理即可。

13. 希望获取目前中外运公司的货运方式与规划方法，案例描述与网上所查的都比较模糊，导致所研究的技术应用无法精准改善。其次，基于小组研究的课题，我们需要知道中外运目前对于整个城市车载配送的计算量要求是多少，来探究智能赋能之后计算量的增长。
回答：由于案例中谈论的问题已经在实际问题的基础上做了简化，实际应用场景考虑的约束更加复杂，因此实际的配送规划方法不具备对比和参考的价值。如果需要方案间的对比来体现优化算法的效果，可以通过求解精确模型得到最优解，与最优解进行比较；或者通过与简单、经典的启发式算法来进行比较。提供的数据中平均每天的订单量在200单左右，基本反映了本合同物流项目的日常情况。鼓励选手们勇敢地用自己的算法向规模更大、难度更大的情景去发起挑战，案例附件里给的订单数量不够的话，完全可以用合理、自洽的方式去生成订单。

14.案例中第三问，“如订单的动态性”，订单的动态性的具体含义是什么。       
回答：在实际过程中可能会出现一些特殊情况，比如临时的订单的增、删、改，调度人员会实时地调整配送方案来应对。这些实时的决策是否可以交由算法来执行，例如：首先，算法能否在第一天规划的时候，就留出一些余地；其次，当第二天配送过程中特殊情况发生时，算法能否在第一时间做出响应，比如当某个订单的地址发生更改时，算法能否立刻计算出路线应当怎样相应的修改。选手在考虑上述情景时，难免需要一些前提条件，比如历史上订单发生更改的概率等，选手完全可以在合理的范围内做自洽的设置，不必局限于附件8提供的数据。
 
15. 城市配送中，交易模式是怎么样的？ 客户与企业是否是合同物流关系，客户是有长期固定的订单需求和每天动态需求相结合，还是都为动态需求？                      
回答：本案例背景为合同物流项目。在实际的业务场景中，通常调度人员会在第一天的某个时间点之前，比如下午五点前，收到第二天需要配送的绝大多数的订单信息，需求可视为动态（即每个客户每天是否提交订单以及订单的货量大小等均为随机）。调度人员结合相关的车型信息，对第二天的配送进行计划。这个计划包含配载计划和路径规划两个部分：配载计划就是某个车型的一个车次需要装载哪些订单，路径规划就是应该以怎样的先后顺序去进行配送。到了第二天，车辆按照预先制定的计划先到提货地提货，提货完成之后依次前往它负责的每个订单的送货地址进行配送。到达送货点后，车辆通常都需要排队等待，卸货本身也需要持续一段时间，等待时间和卸货时间的估算方式请见附件8。
 
16.服务对象订单资料   : 中外运负责配送的B端客户下订单有什么规律吗？比如商超洗衣液一次至少得拿货半箱，而不能拿三分之一箱或者三分之二箱等不能以"箱"或“半箱”为单位的订货数，能否给出某些客户的具体订货单供参考分析？
回答：客户需求可视为动态（即每个客户每天是否提交订单以及订单的货量大小等均为随机），选手可视作无规律。订单中的“数量”一列的单位为“件”，即货物的最小单位。订单的详细信息涉密，抱歉不能提供。
 
17. 公司有规定几点前收到的增添改订单需今日处理吗？
回答：中外运一直以来都把客户的利益放在首位，能在当日处理的增删改订单一定不会推迟到次日。
 
18. 请问中外运现阶段技术应用，对于车辆路径规划、装车配载、仓位规划等问题的解决方案是偏向业务相互独立去解决，还是已经有一体化的技术平台（运筹优化/AI），在这个基础上去解决对应问题？
回答：中外运以打造世界一流智慧物流平台企业为愿景，近年来成立了中外运创新科技有限公司，拥有独立的专业算法团队去解决不同业务场景中各类决策优化问题，期待选手们未来就业择业时选择中外运。
 
19. 因为体积模拟还需要考虑物体密度，难度比较大，不考虑体积可以吗？
回答：至少需要考虑车辆的容积约束，即分配给车辆的订单体积总和不得超过车辆的最大装载。

上一篇：“中国外运杯”第七届全国大学生物流设计大赛案例7答疑（补充）
下一篇：“中国外运杯”第七届全国大学生物流设计大赛常见问题答疑