基于粒子群算法的穆斯林商貿(mào)物流配送問題研究

馬子睿

摘要： 該文主要介紹了基于PSO算法的穆斯林商貿(mào)物流配送問題，對問題進行具體定義，并給出相應的配送模型；最后把PSO優(yōu)化算法運用到穆斯林商貿(mào)物流配送中心選址問題中。

關鍵詞： 粒子群；穆斯林商貿(mào)； 物流配送

中圖分類號：TP301 文獻標識碼：A 文章編號：1009-3044（2017）34-0256-02

Abstract：The paper introduces the particle swarm algorithm to solve the logistics distributing problem of Muslim enterprises. We research the model of Muslim trade logistics distributing. Finally， this paper focuses on the particle swarm optimization algorithm applied to the Muslim trade logistics distributing.

Key words：Particle swarm；Muslim trade；Logistics distribution

穆斯林商貿(mào)物流側重于穆斯林用品、清真食品在城市之間、城鄉(xiāng)之間的從供應者到需求者的運輸與集散。如何將群體智能算法應用到穆斯林商貿(mào)物流配送中，以實現(xiàn)商貿(mào)物流配送的最佳化，提高穆斯林企業(yè)的競爭力，具有非常重要的理論意義和應用價值。

穆斯林商品的物流配送問題主要針對物流配送中心選址和路徑優(yōu)化等問題，按照穆斯林客戶物流需求、穆斯林商品市場特點，采用現(xiàn)代計算機管理手段和物流管理技術，主要通過個性化訂制配送中心、優(yōu)化配置網(wǎng)絡資源和智能算法的研究，為每一個穆斯林商品客戶提供個性化、智能化和最優(yōu)化的配送服務和物流管理。本文主要介紹針對穆斯林企業(yè)的物流配送問題，利用PSO算法實現(xiàn)物流配送中心的選址。

1 穆斯林企業(yè)物流配送問題

穆斯林企業(yè)為了在與大型企業(yè)的合作和競爭中，尋求更多的發(fā)展和生存機會，不斷地提高市場快速反應能力和物流配送能力，開始構建較短的交貨期、個性化的配送中心選址以及商品高度客戶化的物流管理機制。

物流管理是供應鏈管理過程的子過程，主要是為了解決產(chǎn)品生產(chǎn)端與商品消費端之間的前期計劃、中期處理和后期存貨問題。穆斯林商品的物流分配調(diào)度一般由訂單到達、商品請求、商品到達和商品分配調(diào)度幾個部分組成，這實際上是一個商品配送問題[1]。商品物流配送問題是兩個實體，即商品和客戶，是客戶所購買商品的分發(fā)交付過程。商品物流配送問題的核心問題是物流中心選址問題。

2 粒子群算法

粒子群優(yōu)化（PSO ）算法是一種進化計算算法[2，3]，與其他群體智能算法相類似，粒子群中的每個粒子包含位置和速度兩個特征，其中位置是目標函數(shù)中自變量的取值，目標函數(shù)的值即為適應度。粒子群優(yōu)化算法與其他進化算法相比較，主要特點是易實現(xiàn)，搜尋速度較快，調(diào)整的參數(shù)較少，魯棒性較好和較強的全局收斂能力。對于解決智能物流中的物流配送問題非常適合，對于復雜環(huán)境下的問題求解表現(xiàn)出了較強的適應性[4，5]。

傳統(tǒng)PSO算法的不足是，在尋找粒子的位置和速度參數(shù)時，需要較長的時間和較多的迭代次數(shù)，實時性差。為了解決傳統(tǒng)PSO優(yōu)化算法的缺點和不足，Wen Fung Leong等在文獻[7]中提出了是否丟棄粒子是由粒子群在解空間中的密度決定的；Bassel Soudan等在文獻[8]中提出了粒子是否丟棄由粒子的當前適應度決定的。這些改進的粒子群優(yōu)化算法主要是通過動態(tài)調(diào)整粒子的數(shù)量，從而降低了算法的平均時間復雜度，但對目標函數(shù)優(yōu)化的損失較大。根據(jù)文獻[6-8]的研究和實驗，為了提高粒子群優(yōu)化算法的優(yōu)化性能，最主要的是找到一種平均計算時間復雜度較低，目標函數(shù)優(yōu)化的損失較小的自適應PSO算法。

自適應的PSO算法可以擴大探測范圍，使個體在下一代的探測中有機會跳出局部最優(yōu)解。在不影響優(yōu)化性能的前提下，既減小了算法的平均時間復雜度，又可以在對時間取值于連續(xù)變化的實值空間上動態(tài)地進行求解。

3 基于粒子群算法在穆斯林商貿(mào)物流配送模型

穆斯林商品的物流配送問題主要是針對客戶所需的穆斯林商品如何進行高效地、合理地分配，使得交付商品所需的時間最短及交付路線最合理。這一問題的研究對智慧物流的應用具有非常重大的實用價值，不僅提高了穆斯林企業(yè)的核心競爭力，而且增加了穆斯林企業(yè)的經(jīng)濟效益。

寧夏穆斯林商貿(mào)城是銀川最大的大型清真類農(nóng)副產(chǎn)品物流配送中心，采用的物流模式先進，主要以銀川為中心，周邊輻射半徑為300公里，物流配送中心的建設目標是，以構筑綠色的清真農(nóng)副產(chǎn)品質(zhì)量安全市場和清真農(nóng)副產(chǎn)品的快捷產(chǎn)銷鏈為基準點，主要特色是清真農(nóng)副產(chǎn)品質(zhì)量安全標準化、物流和配送智能化、信息服務網(wǎng)絡化及“一站式”的物流供應鏈，最終把寧夏穆斯林商貿(mào)城建設成為一個集交易展示、物流加工和管理檢測的功能綜合的、一體的智能化、現(xiàn)代化的綠色清真農(nóng)副產(chǎn)品物流配送中心。

3.1 個性化物流配送中心選址

穆斯林企業(yè)的特點是其產(chǎn)品高度客戶化、產(chǎn)品批量較小，物流中心的商品配送需要穆斯林企業(yè)既要具備對市場需求的快速響應能力，又要具備對供應鏈的動態(tài)智能配送能力。如何設計合適的粒子編碼方案是關鍵。

第一，無關系；第二，低延遲，一般延遲是幾毫秒；第三，大規(guī)模無縫可擴展性，是指沒有表格大小和吞吐量限制；第四，可預測性能；第五，全局二級索引。

穆斯林企業(yè)的物流配送過程中，主要存在兩個實體：商品、客戶。每個客戶的地理位置和商品需求量是一定的，配送車輛的載重量是一定的，智能配送就是合理制定商品的配送路線，在總行車路程最短、總運行時間最小的目標下使得目標函數(shù)最優(yōu)化，智能配送需要滿足以下條件：endprint

第一，配送車輛的起點和終點均是配送中心；第二，配送路徑上客戶對商品的需求量之和小于等于配送車輛的載重量；第三，配送車輛路經(jīng)各客戶的地理位置點當且僅當通過一次。

基于粒子群算法在穆斯林商貿(mào)物流配送模型的目標是一個智能配送中的配送中心選址和路徑優(yōu)化問題，如果配送中心的選址最佳、最合理，即總配送時間最小。配送時間與車輛的配送路徑成正比。

3.2 粒子群優(yōu)化算法實現(xiàn)物流配送中心選址

將離散二進制引入粒子群算法，將粒子的矢量位置的取值采用二進制編碼[9]，粒子群找到的局部最優(yōu)位置和全局最優(yōu)位置的取值也是0或1。

第一步，初始化x0，采用輪盤賭法確定取值是0或1；

第二步，計算粒子的適應度值；

第三步，更新

如果滿足終止條件，那么停止迭代，得到局部近似最優(yōu)解xk+1。否則，返回步驟二直至達到最大迭代次數(shù)為止。

4 結束語

本文研究基于PSO算法的穆斯林商貿(mào)物流配送中心選址問題，以若干個性化物流任務的情況為研究對象，將結合穆斯林企業(yè)的實際運作情況，對其物流配送中心選址問題進行具體定義，并把PSO優(yōu)化算法運用到穆斯林商貿(mào)物流配送問題中。

參考文獻：

[1] 吳慧聰.基于大規(guī)模定制的物流研究[J].物流工程與管理，2010，32（5）：37-39.

[2] Kennedy J，Eberhart R.Particle Swarm Optimization[C]. Proceedings of the IEEE International Conference on Neural Networks.Perth，Australia，2005：1942-1945.

[3] 田東平，徐成虎.改進的粒子群優(yōu)化算法的研究和分析[J].計算機工程與應用，2008（34）：56-60.

[4] 趙鵬軍，劉三陽.基于雙指數(shù)的粒子群算法[J].計算機工程與應用，2008，44（29）.

[5] K E Parsopoulos， M N Vrahatis. Unified particle swarm optimization in dynamic environments [C]. In Proc. EvoWorkshops 2005.

[6] Tan K c，Lee T H，Khor E F Evolutionary algorithm with dynamic population size and local exploration from multiobjective optimization[J].IEEE Transactions on Evolutionary Computation，2001，5（6）：565-588.

[7] Leong Wen-Fung，Yen G G.Dynamic Population Size in PSO based Multi-objective Optimization[C]. IEEE Congress on Evolutionary Computation Sheraton Vancouver W all Centre Hote1.Vancouver，BC，Canada，July 2006.

[8] Soudan B，Saad M An Evolutionary Dynamic Population Size PSO Implementation[C]. ICTTA 2008，3rd international conference on information and communication technologies：from theory to application.Apri1 2008：1-5.

[9] 管婷婷. 多目標粒子群算法在物流配送中的應用研究[D].南昌大學，2012：17-18.endprint