基于BP算法的應急物流網絡構建研究

甘曦之

[摘 要] 物流作為“第三利潤源泉”對經濟活動的影響日益明顯，越來越受到人們的重視，現代物流業呈穩步增長態勢，中國物流行業起步較晚，隨著國民經濟的飛速發展，中國物流行業保持較快增長速度，運用人工神經網絡主要指模仿人類的思維，屬于非線性動力學系統，主要特點是分布式保存信息進行協同處理。研究構建基于BP算法的應急物流網絡，及通過啟發式方法的研究，可完成理論建模和仿真的實現，具有重要的理論意義和實踐意義。

[關鍵詞] 物流網絡；BP神經網絡；啟發式算法

[中圖分類號] F560 [文獻標識碼] A [文章編號] 1009-6043（2018）08-0027-03

Abstract： As "the third profit source"， the influence of logistics on the economic activities has become increasingly apparent， increasingly get people's attention. The modern logistics industry grows steadily. China's logistics industry started relatively late. With the rapid development of national economy， China's logistics industry maintains rapid growth. Using artificial neural network is to imitate the human mind and belongs to the nonlinear dynamic system. Its main characteristic is the coordination of distributed stored information. Based on BP algorithm and heuristic method， the research of emergency logistics network can complete theoretical modeling and simulation， which has important theoretical and practical significance.

Key words： logistics network， BP neural network， heuristic algorithm

一、引言

中國的自然災害非常多、經常發生，受到自然災害的打擊比較大，每年的損失非常多。臺風、地震、洪水、干旱、暴雪、滑坡、泥石流、暴雨等自然災害每年都會發生，防不勝防。經過這么多年的總結，我國的自然災害呈現出很多特點，例如，種類繁多、季節性非常強、地域特征顯著、共生性和伴生性非常明顯等。每年自然災害都會讓大家的生命和財產遭受一定的損失，阻礙了經濟的發展、社會的進步，降低了大家的生活水平，所以，國內政府往往未雨綢繆，事先制定好應急預案，這樣能夠保證自然災害爆發后可以及時向受災地區運送人、財、物，將由于自然災害導致的損失降到最低，此外，國內專家學者深入研究了應急物流配送方面，幫助我們處理了很多實際困難。配送作為物流系統的核心功能，直接與消費這相關聯[1][2]，配送功能完成質量的好壞及其達到的服務水平直接影響企業物流成本及客戶對整個物流服務的滿意程度。配送的核心部分是配送車輛的集貨、貨物分揀及送貨過程，其中，車輛配送線路的合理優化對整個物流運輸速度、成本、效益影響是比較顯著的。人工神經網絡主要指有著適應性的簡單單元構成的廣泛并行互連的網絡，可以模仿生物神經系統，交互反應真實世界物體。人工神經網絡有著非線性適應性處理信息的功能，有著以往人工智能所不具備的直覺，例如，語音識別、模式、非結構化處理信息等，進而在識別模式、優化組合、預測、智能控制等方面獲得非常大的成功[3]。將傳統方法付之于人工神經網絡，有助于信息處理技術、人工智能的未來發展壯大。這幾年，人工神經網絡發展越來越好，在模擬人類認知這一塊日臻完善，再加上遺傳算法、模糊系統、進化機制等方法，達到了計算智能的效果，是今后人工智能的重中之重，并且伴隨著實際應用越來越好。信息幾何的出現使得大家對人工神經網絡研究更加深入了。此外，隨著神經計算機日益完善，部分產品已經開始銷售。神經計算機的光電結合功能極大的推動了人工神經網絡的發展。

二、神經網絡BP算法

（一）人工神經網絡

人工神經網絡的發展大概有50年時間，這期間跌宕起伏，有波峰也有低谷。人工智能、神經網絡技術是兩種完全不一樣的技術[4]。人工神經網絡的發展歷程如下：

（1）1940年-1950年，人工神經網絡處于起步階段，剛剛興起。

（2）1950-1968年，人工神經網絡的高峰期。

（3）1968-1980年是人工神經網絡研究的低潮期。

（4）20世紀80年代的第二次高潮期。

（5）20世紀90年代以后的發展時期。

總的來說，人工神經網絡是由很多簡單的處理單元采用既定的方式彼此連接組成計算機系統，系統動態響應外部的輸入信息對信息進行處理。

（二）BP神經網絡原理

1986年，BP網絡誕生了，主要指按照誤差逆傳播算法訓練的多層前饋網絡，如今BP網絡的應用越來越廣泛，受到大家的一致好評，它能夠學習并保存非常多的輸入—輸出模式映射關系，根本不需要提前列出闡述該映射關系的數學方程[5]。

誤差反傳算法的核心是將學習過程一分為二：（1）正向過程，輸入信息借助輸入層傳遞到隱含層并且進行處理，最終得到各個單元的實際輸出結果；（2）反向過程，假如輸出層沒有獲得想要的輸出結果，系統就會逐層遞歸地運算實際的輸出結果同想要的輸出結果之間的誤差，進而參照這個誤差來改變權值，也就是說，我們能夠對每一權重運算接收單元的誤差值和發送單元的激活值的積。運用BP算法得到多層前饋型網絡的結構。如圖1所示。

網絡結構由輸入、輸出層節點構成，此外，還含有一或多層隱含節點。將輸入信息傳遞給隱含層節點，通過每個單元激活函數（也就做轉換、作用函數）運算，隱含節點把輸出答案送至輸出節點，輸出值就得到了[6]。網絡的學習過程一分為二，包括正向和反向。正向傳播的原理是上層神經元影響下層神經元。假如沒有得到想要的結果，就是輸出結果同想要的輸出結果之間的誤差，該系統就切換到反向傳播模式，信號自動返回，我們可以變動每一層神經元的權重，反復地傳播給輸入層計算，然后轉到正向傳播過程，通過這樣反反復復的過程，系統的誤差信號會達到最低，一旦系統的誤差讓大家能夠接受，BP網絡的學習過程就完成了。

BP算法適用在多層神經元網絡，以梯度下降法為核心，通過反復演變，BP網（包括一個隱含層）能夠保證任意精度近似任何連續非線性函數。

（三）BP算法簡介

BP算法涉及兩個方面內容：前向傳遞信號、反向傳遞誤差。也就是獲得實際結果是按照正向傳播模式，修正權值、閾值是按照反向傳播模式，也就是反向。

圖2中：xj表示輸入層第j個節點的輸入，j=1，…，M；

wij表示隱含層第i個節點到輸入層第j個節點之間的權值；

θi表示隱含層第i個節點的閾值；

？準（x）表示隱含層的激勵函數；

wki表示輸出層第k個節點到隱含層第i個節點之間的權值，i=1，…，q；

ak表示輸出層第k個節點的閾值，k=1，…，L；

？鬃（x）表示輸出層的激勵函數；

Ok表示輸出層第k個節點的輸出。

（2）誤差的反向傳播過程

反向傳遞誤差，也就是從輸出層一層一層算出每一層神經元輸出誤差，接下來使用誤差梯度下降法對每一層閾、權值進行修正，通過這樣反反復復的過程，系統的誤差信號會達到最低[7]。

參數初始化完成：批量輸入學習精度、初始權值、閾值、最大訓練次數、隱節點數等學習樣本，然后歸一化出來這些輸出、輸入量，接下來就能夠獲得每一層的輸出、輸入量以及輸出層的誤差E（q）E（q）<ε，將閾、權值進行修正YesNYes，自此參數初始化完成。

三、基于MATLAB的神經網絡預測模型建立及應用

（一）物流配送的車輛調度發展現狀

對于應急救助物資配送方面，國外的研究比較早，技術比較完善，并且有很多成果值得我們借鑒。隨著研究的深入，很多研究成果已經開始嘗試在實實在在的應急物資配送問題中得到應用，取得了非常好的效果，挽救了大量的生命，避免了很多財產的損失。由于國內對應急救助物資配送方面的研究還不夠深入，目前僅有的這些研究成果基本上都是理論層面的，盡管個別學者研究了應急物流配送優化模型，借助優化算法解開了模型。最終由于國外的研究成果不滿足國內的實際情況，存在一定的問題，不能直接投入使用。

VRP（車輛調度問題）是指對很多個裝、卸貨點，安排最優的行車線路，使各車輛能夠順利通過，達到約束條件的要求（例如，發送量、貨物量、發交貨時間、車輛容量），達到預期目的（例如，行駛最短的路線、花費最少的資金、耗費最少的時間、安排最少數量的車輛）。一般認為，不涉及時間的是路徑問題，涉及時間的是調度問題。當然，VRP并不止是這樣的一個小范圍，而是有更多的客戶點與一個倉庫鏈接，從而達到一整個物流集群[8]。

根據路徑規劃前調度員對相關信息是否已知，VRP可分為靜態VRP和動態VRP，動態VRP是相對于靜態VRP而言的。靜態VRP指的是：假定在優化調度指令執行之前，調度中心實現獲得全部和優化調度有用的資料，并且這些資料不隨時間變化而變化。調度開啟之后，以上信息不再改變。

而VRP發展到現在存在的問題也是非常突出的，例如，只有一單貨物，配送成本遠高于一單的客戶所給的運費，在這種情況下，該如何調度車輛？甚至還有回程運輸的空載問題，在這些問題之中，或多或少都涉及到了VRP的身影，那么在這樣的配送中怎么有效的解決車輛的路徑優化問題就是降低運輸和物流成本的關鍵所在。

（二）BP網絡結構設計

MATLAB將newff作為神經網絡函數，然后用其來獲得每層的神經元數、網絡的層數、傳遞函數，它的表達式如下：

net=newff（PR，[S1，S2，..，SN]，{TF1，TF2，..，TFN}，BTF，BLF，PF）

其中PR：由R維的輸入樣本最小最大值構成的R*2維矩陣；

[S1，S2，…SN]：各層的神經元個數；

{TF1，TF2，…，TFN}：各層的神經元傳遞函數；

BTF：訓練用函數的名稱。

因此BP網絡結構設計的內容如下：列出網絡層數以及神經元數量，定下來傳遞函數和相應的算法。

（三）初始值的選擇及參數設計

BP神經網絡屬于一種非線性系統，初始值決定了學習能不能達到局部最小，能不能收斂，訓練時間有多長。必須滿足的一點是：輸入累加初始權值讓所有神經元狀態值同0接近，以此保證每一個神經元的連接權值都能夠在它們的S型激活函數變化最大處進行調節。一般來說，初始值選擇（-1，+1）之間的隨機數。

此外，參數的設計對神經網絡的應用也是非常關鍵的。BP網絡模型中最重要的參數包括學習速率和動量因子。

（四）預處理和后處理數據

在網絡訓練之前，必須讓全部數據的量綱一致，這就應該預處理輸入以及輸出數據，進而滿足要求，還能夠極大地提高訓練速度。數據預處理基本都使用歸一化方法，也就是把全部數據處理后滿足[0，1]的條件。

操作流程如下：

根據全部原始數據，找到最大值Xmax、最小值Xmin。

接下來按照以下公式進行運算：

這樣，Xi就是歸一化之后的數據。

（五）確定網絡訓練模式

逐變和批變是BP網絡訓練的兩種模式。前者主要原理是，只要有樣本輸入到網絡，就會自動更新權重、偏置值。后者主要原理是，必須全部樣本輸入的網絡，才會更新權重、偏置值。所以，批變模式僅僅需要一個訓練函數，非常的便捷，有著較快的收斂速度。此外，很多改進的快速訓練算法必須采取批變模式。

四、結論

對于應急救助物資配送方面的研究由于國外起步較早，研究成果也相對比國內多一些，技術也比較成熟。但是許多國外學者的研究和我國的實際國情不相符，不能直接應用到我國的應急物資配送系統中。因此，基于BP算法的應急物流網絡構建研究，及啟發式方法的研究，找到高效準確的應急物流網絡構建方法，具有重要的理論意義和實踐意義。

[參考文獻]

[1]王美玲.利用于非線性函數逼近的小波神經網絡算法仿真[J].北京理工大學學報，2012（3）：10-27.

[2]郝昕玉，姬長英.非線性系統的神經-模糊建模方法的研究[J].江西農業學報，2008（9）：12-29.

[3]孫帆，施學勤.基于MATLAB的BP神經網絡設計[J].計算機與數學工程，2007，35（8）：55-70.

[4]張葛祥，李娜.MATLAB仿真技術與應用[M].北京：清華大學出版社，2010：1-9.

[5]余華，吳文全，曹亮.BP神經網絡的改進算法及其應用[J].電腦知識與技術，2009，5（19）：5256-5258.

[6]蘇高利，鄧芳萍.論基于MATLAB語言的BP神經網絡的改進算法[J].科技通報，2003，19（2）：130-135.

[7]馮蓉，楊建華.基于BP神經網絡的函數逼近的MATLAB實現[J].榆林學院學報，2007（3）：20-22.

[8]韓力群.人工神經網絡理論設計及應用[M].北京：化工工業社，2012：5-15.

[責任編輯：趙磊]