今天继续讨论配送体系，之前谈论好几次配送的指标体系， 这一篇文章我们主要是重新深入的看一下配送体系， 抛开指标体系，看配送体系下的几个角色， 这些角色在系统中的关系， 以及不用场景下这些关系的变化。我是配送圆环这张图基本上就介绍了配送业务到底在干什么样的事情， 用户下单给平台，平台从系统中找到骑手和商家， 商家负责出餐， 骑手负责配送，进而平台完成了了这样一个订单， 产生了平台赖以生存的指标GMV

今天心血来潮突然想写点紧靠业务的文章，做了几年的配送业务，一直没有十分概括的看目前的工作，似乎今天突然想清楚啦。 并不是业务上有多么的精进，而是真的把这个业务能够与现实的生活关联起来，开窍的前兆啦。找了好久终于找到一个像样的图片啦（如图1）。整个配送业务就是一个大的蓄水池系统。配送的最大目标就是让这个系统不要崩坏， 尽可能的稳定和高效的运行。所以就有几个系统需要维持整个配送蓄水池的健康运行（不溢出

当前这个时间点， 我们似乎正在经历异常技术平权的革命， 因为大模型的出现， 让原来很多需要花费很多精力的工作变得毫无意义（这里就不便举例子）， 也让我由此感慨一下，接下来主要看看我们在算法这个方向是如何看待算法工作与大模型的关系。

在电商和零售行业，常见的仓储类型包含RDC和FDC两类，其中ROD表示区域仓，FDC表示前置仓，也就是说从省仓下沉到县，可以在短距离内将商品送达消费者。仓储网络的选址不仅要对单个仓库进行覆盖分析，还要从全局进行整体优化。所以仓储的网络的选址需要考虑成本、时效等因素。问题抽象一般的主干仓储可以划分为货源地->RDC->FDC->客户四个层级，且顺序要保持一致。

供应链自从人类开始生产生活就已经开始存在啦，直到20世纪才被学者提出来，今天我们通过一个小的文章宏观介绍一些供应链的基础知识。供应链系统是一个整合系统，将商流、物流、信息流、资金流进行有机的结合，通过管理这些流程，实现一个高效运作的整体。商流：商流是指供应链中，商品和服务在供应链各个环节的流通交易过程。物流：物流是商品从生产地到消费地点的运输和仓储过程，包括物流、仓储、包装等活动。信息流：信息流是

Dantizig-Wolfe分解算法本章继续介绍大规模优化问题的求解方式。

本节继续讲解存储论，不过咱们要加深一下难度，大家知道这个时候不是所有的事情就是100%发生的，一定是已一个概率的形式存在的， 那么本节就要讲的核心内容就是当概率遇上运筹规划，将会有什么有意思的求解方法吗？

今天我们来介绍运筹优化中的一类问题，存储论问题。在日常生活中通常需要最合理、最经济的存储问题。例如水库蓄水问题等，接下来就来介绍一个存储论包括的相关概念。需求补充费用（存储费，订货费，生产费，缺货费）存储策略其中存储策略包括几种方式。t-循环策略， 每个固定的时间t，补充一个固定的存储量Q（t，S）存储策略，每隔一个固定的时间补充一次，补充的数量不固定，看实际存储量确定，如果实际存储量为L，那么补

书接上回，今天我们来看一个更加复杂的问题，VRP问题【指车辆路径问题（Vehicle Routing Problem）】，通过上面的学习知道了TSP问题是一个人和若干个景点，遍历一遍的最小代价和方案。VRP问题的问题定义是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短

咱们先来说下TSP问题的背景， 背景讲的是一个游客和几个景点的故事， 一个游客想用最小的代价游历完所有的景点，一个是方案怎么选择，一个是最小代价是什么？这就引出了TSP问题，