多車場物流協(xié)同運輸調度的方法研究

摘要：多車場物流系統(tǒng)運輸調度方法可以解決物流運輸過程中小批量貨物的集配，對同向運輸任務進行整合，可以有效提升貨物的裝載率，降低車輛的空駛率。文章對當前物流協(xié)同模型進行了介紹，以聚類遺傳算法為基礎對協(xié)同運輸調度設計方法進行了探討。

關鍵詞：多車場物流；協(xié)同運輸調度方法；物流運輸；小批量貨物集配；貨物裝載率；車輛空駛率 文獻標識碼：A

中圖分類號：TP391 文章編號：1009-2374（2016）01-0111-02 DOI：10.13535/j.cnki.11-4406/n.2016.01.056

從利潤的角度來看，對多車場物流車輛協(xié)調運輸?shù)膯栴}進行研究和分析，可以在不影響個體物流企業(yè)盈利的情況下進一步提升企業(yè)利潤，站在物流企業(yè)的個體盈利的角度來說，對運輸方案進行優(yōu)化，建立滿足運輸任務的運輸方案可以從物流企業(yè)盈利角度構建數(shù)學模型，然后使用遺傳算法重構運輸任務，徹底將物流業(yè)務級配問題解決。

1 問題描述和數(shù)學模型

物流協(xié)同運輸指的是對物流企業(yè)的運輸資源和物流信息進行共享，然后由物流企業(yè)一起來承擔運輸任務，由于不同物流公司的裝運點和出發(fā)點并不一致，在一些地方的運輸點會出現(xiàn)交匯，貨物需要送至的地點也有可能會有幾個，所以對于需要多點卸載和長途運輸?shù)奈锪鬈囕v，要對裝卸節(jié)點和運輸線路合理的安排，提升物流資源的使用效率，節(jié)省物流的運輸成本。例如在運送汽車配件時，需要利用多家物流企業(yè)從多個配件中心將貨物運輸?shù)蕉鄠€地點。本文在下述基礎上開展研究工作：（1）運輸任務是由配件中心來進行確定的，并且將任務下達給物流企業(yè)后任務不發(fā)生變化，在運輸任務中要對運輸量、運輸?shù)钠鹗键c和目的地進行確定；（2）允許運輸車輛可以對多地客戶貨物進行運輸，并且在運輸時，可以在一段時間內(nèi)不滿載的情況下進行運輸，不考慮貨物重量對油耗造成的影響；（3）下達的貨物配送任務物流企業(yè)可以完成；（4）貨物可以在每一個地點進行卸貨，并且不考慮貨物裝卸過程中耗費的時間；（5）運輸車輛不受運輸距離的限制，并且每一輛車只承擔一項運輸任務，當車輛的運輸能力低于某車輛的運輸任務后，要分解該車輛的運輸任務；（6）如果各個配送中心之間的距離比較遠，可以暫時不對各個配送中心之間的調撥任務進行考慮；（7）所有車輛分配的初始任務均為空載回程，并且一輛車輛對應一個初始運輸任務；（8）由一個物流公司負責所有配送中心任務車輛的調配。以上述內(nèi)容為基礎，對下述變量進行定義：

假設配件中心有n個，各個配件中心的送貨點有m個，第i個配件中心貨物地點配送運輸任務集合為，，第i個配件中心點到地點j點的配送任務為，。按照上述設定要求，配送中心的運輸任務由i個物流公司負責。需要支付此配件中心任務的價格為，根據(jù)地圖API可以按照途徑地點對運輸位置進行分解，然后將其作為子運輸任務的集合，的分解任務數(shù)為，如此一來，就可以把一個起止點路徑轉變成多個起止點的運輸任務集合，運輸子任務分別為，，主要由運輸終止點、運輸起點為、運輸重量為組成，運輸子任務的發(fā)掘和合并集貨地點由運輸終點和運輸起點負責，運輸車輛能不能參與到運輸協(xié)同中主要由運輸重量限制，所以可以將運輸任務做如下分解：

根據(jù)運輸?shù)幕驹瓌t和順序，和是同一個地點，運輸子任務使用下述公式表示運輸成本：

在公式中成本系數(shù)為，>0，主要由油耗費用、路橋費用構成。起點和終點的里程數(shù)為。加入安排車輛k來完成運輸?shù)淖尤蝿眨敲炊x，否則為0，從i配件中心出發(fā)車輛在完成運輸最后的運輸任務后，定義從配件中心返回的任務為，定義返回成本為：

，在公式中指的是地圖API起點和止點的生成距離。在進行上述分析后，求得物流企業(yè)最大效益的目標函數(shù)：

（1）

約束條件為：

（2）

， （3）

， （4）

（5）

（6）

（7）

從上述模型不難看出，式（1）代表物流企業(yè)在進行協(xié)同運輸后所取得的最大利潤和；式（2）表示當運輸車輛承擔的任務超出總損耗時，車輛k才可以對此任務進行承擔；式（3）是限制每一輛車的總運輸量在額定載重以內(nèi)；式（4）指的是限制各輛車貨物的裝載體積小于額定裝車體積；式（5）是對完成車輛運輸任務后從出發(fā)點返回后進行限定；式（7）指的是限制各個運輸任務需要有車輛來完成，從而求出原任務分解后的子任務。

2 以聚類遺傳算法為基礎進行設計

一般情況下，聚類算法一般分為層次法、劃分法、基于網(wǎng)絡法和基于密度法，在對車輛進行調度排序時，一般使用啟發(fā)式來找出最優(yōu)解，遺傳算法一般采用群體搜索技術來選擇初始種群、變異、交叉等操作，進而產(chǎn)生新的群體，并逐漸靠近最優(yōu)解。首先利用模糊聚類的方式將有利于貨物進行運輸?shù)慕馊呵蟪觯缓笤僭谶z傳算法中對其進行利用，利用變異和交叉將最優(yōu)解求出。

2.1 初始種群的生成

一般情況下，運輸車輛的途徑地點的卸貨點是一定的，而能否作為集貨點是不確定的，信息為模糊信息，所以運輸車輛途經(jīng)地點的卸貨點是否為集貨點是由模糊聚類的方法進行確定。

2.1.1 聚類。首先把初始運輸線路上有可能經(jīng)過的地點作為節(jié)點，節(jié)點之間的權重為各個地點之間的距離，進而構建出無向帶權圖，見圖1。配送中心分別由1號節(jié)點、2號節(jié)點和3號節(jié)點表示，貨物運輸車輛需要經(jīng)過的地點由4～10號節(jié)點表示，兩個地點之間的距離代表連線上的權重。

圖1 無向帶權圖

結合運輸車輛在多車場物流協(xié)同運輸?shù)幕厩闆r，車輛需要經(jīng)過的地點的集合為，一般會選擇交通比較便利的地方來作為協(xié)同運輸點，中心點集選用鄰接點最多的節(jié)點，從中心點開始，根據(jù)地圖上的距離API將剩余節(jié)點最短路徑長度計算出來。參考聚類定義，同類數(shù)據(jù)樣本的相似度比較高，因此，使用Kim Dw定義節(jié)點之間的相似度：

， （8）

本文以一類中心為集貨點的中心，所以對目標函數(shù)做如下定義：

（9）

按照以下流程進行聚類計算：（1）結合節(jié)點中各個最大臨近節(jié)點構成的中心點集，然后用式（8）對中心點和節(jié)點之間的相似度進行計算；（2）將中心點構成的集貨點類中代入相似度，其中指的是相似度閥值；（3）將未歸類節(jié)點中具有最大鄰接點構成的中心點集找出來，然后對步驟（1）和步驟（2）進行重復，直至每一個點均歸入到類中；（4）以式（9）對目標函數(shù)進行計算，節(jié)點集合為各類中心點，對步驟（1）和步驟（3）進行重復，當計算出的目標函數(shù)超過原有函數(shù)時，要使用新的分類，直至類對象不再出現(xiàn)變化后停止，最后將未歸入類的節(jié)點看成孤立點。

2.1.2 利用聚類結果進行遺傳算法染色體初始種群生成。一般使用一串字符串來對遺傳算法染色體編碼進行表示，為了對問題進行解決，本文構建了包括運輸任務和運輸任務起點和終點的染色體編碼。本文中染色體基因段的起點和終點為配送中心，當運輸任務的地點僅有一個時，將該地點作為起點，增加結束基因。此基因分別由起始配件中心、運輸任務地點構成。在染色體中，配件中心起點基因是染色體段的開始，并將配送任務作為染色體段的結束，在構成染色體基因段后，就會組成運輸車輛的運輸任務。考慮到運輸任務所要經(jīng)過的地點的順序是分先后的，因此在遺傳算法的影響下，染色體遺傳算法產(chǎn)生變化后，染色體經(jīng)過的地點和車輛的實際順序并不一致，所以需要對染色體進行增加，并修正校驗規(guī)則。

2.2 遺傳算法求解

假設迭代次數(shù)為t，最大迭代次數(shù)為max（t），按照以下流程進行計算：（1）初始染色體使用最近鄰啟發(fā)的方法進行構件，c=0，t=1計算適應度；（2）對適應度最大的兩個染色體進行保留和適應，并根據(jù)交叉變異的概率進行交叉和變異，新的染色體形成后，根據(jù)染色體校驗規(guī)則對新的種群進行修正；（3）以新的染色體對線路進行描述，分解任務后對染色體的適應度進行重新計算；（4）選擇適應度最高的染色體作為初始染色體轉移到步驟三；（5）當時，就認為物流協(xié)同運輸獲取的利潤比之前高，即可終止程序，如果達不到上述要求，則認為此線路沒有達到協(xié)同條件要求。

3 結語

綜上所述，本文首先對原分配任務和配送任務空載回程等約束條件進行了確定，然后對車輛協(xié)同運輸模型進行了設計，利用集貨點對配送任務進行調整，進而使運輸利潤得以提升，降低物流公司配送過程產(chǎn)生的損耗，提升了物流企業(yè)的管理水平和信息水平，為多車場物流協(xié)同運輸調度積累了參考經(jīng)驗。

參考文獻

[1] 孫國華.帶時間窗的開放式滿載車輛路徑問題建模及其求解算法[J].系統(tǒng)工程理論與實踐，2012，32（8）.

[2] 盧冰原，何力，賈兆紅.模糊環(huán)境下的多目標非滿載車輛調度問題[J].公路交通科技，2011，28（8）.

作者簡介：饒永照（1976-），男，云南曲靖人，葛洲壩集團機電建設有限公司工程師，研究方向：物流運輸管理。

（責任編輯：黃銀芳）