智能物流最短配送路徑選取優化模型分析

賀 琳

(阜陽師范學院，安徽 阜陽 236037)

隨著物流產業的發展，對物流的配送路徑優化研究受到人們的極大重視。通過對物流配送路徑的智能選取，能夠降低物流配送中的經濟開銷，促進物流經濟發展。采用大數據信息處理技術進行物流配送路徑優化，結合智能物流調度技術，分析物流配送路徑優化對物流經濟發展的關系模型，分析智能配送路徑選取對物流經濟發展的影響，挖掘智能配送路徑選取對物流經濟發展的影響大數據量化特征，結合特征提取和信息融合的方法，可以提高物流經濟的發展水平[1]。對此提出一種基于最短路徑規劃和面板數據檢驗的智能配送路徑選取對物流經濟發展影響的建模方法，構建智能配送路徑選取對物流經濟發展的統計特征分析對象模型，結合多元線性融合方法進行智能配送路徑選取，對物流經濟發展因子進行分析。結合模糊約束控制方法，實現物流智能配送路徑優化，并實現智能配送路徑選取技術對物流經濟發展影響的建模，最后進行實證分析，得出有效性結論。

1 物流配送路徑選取優化模型

1.1 智能物流配送路徑的組網設計

為了實現對智能配送路徑選取對物流經濟發展準確評估，采用最短路徑規劃和統計特征量化評估方法進行智能配送路徑選取[2]，結合物流交通路網組網結構模型進行最短路徑規劃，用路段和交叉口組成的網絡分析物流路徑，物流路徑規劃的網絡組網結構模型為：

(1)

其中，i(t)和s(t)分別標記物流配送路徑的節點位置和路徑規劃長度，當t>δ時，采用Small World網絡模型構建物流配送的SIRS模型[3]，智能配送路徑選取的動力學模型可以描述為：

(2)

計算物流配送路徑的路段阻抗，進行配送路徑的動態選址網絡規劃設計，當路段的流量為0時，物流配送路徑的選取問題為一個線性規劃問題[4]，設Power-Law結構中有m個物流配送Sink節點，表示為A1,A2,…,An，每個節點進行物流配送的負載量為a1,a2,…,an，采用最短路徑搜索進行物流配送路徑的線性規劃設計，得到物流配送調度運輸問題數學表達：

(3)

(4)

N=Nt+1,Nt≥0

(5)

C表示節點i的最大傳輸概率密度函數，在線性規劃條件下，得到物流配送的路網拓撲結構描述為：

(6)

建立一種基于粗糙集理論下的物流配送路徑動態搜索模型，結合自適應路徑規劃和尋優控制，提高路徑規劃能力[6]。

1.2 物流配送路徑優化規劃

采用最短路徑尋優方法進行智能配送路徑選擇，采用量化回歸分析方法構建智能配送路徑選取與物流經濟發展的大數據統計分析模型[7]，得到物流配送路徑的線性規劃數據集為n，物流路徑選取對物流經濟發展的促進性特征分布矩陣為一個n×n的矩陣：

(7)

(8)

將任意的物流配送中心數據點xi和xj之間的最大相似度特征量，描述為s(i,j)，其值越小，表示物流路徑規劃的動態性越好，則相似度越小，表示物流路徑規劃的適應度越差。根據上述算法設計，進行物流路徑空間規劃設計，得到物流配送路徑選擇的路徑規劃樣本集X={x1,x2,…,xn}，找到k個聚類中心{a1,a2,…,ak}，對采用模糊均值聚類方法進行物流經濟發展的統計學建模，得到物流配送路徑規劃對物流經濟發展影響的統計量為：

flg-M(z)=flg(z)+hxflg(z)+hyflg(z)

(9)

其中，flg(z)為配送路徑聚類統計量，hx為配送路徑相似度，hy為配送路徑的適應度。遍歷整個物流配送路徑規劃的網絡模型，計算物流配送區域U內的任意一個物流配送節點的負載量，得到物流配送路徑對物流經濟發展的整體適應度模型描述為：

(10)

其中，n為電子商務環境下物流配送中心分布粒子的個數。設定m0個結點通過2×(m0-1)條向量節點進行路徑規劃設計，以概率1-p生成一個結點模型，得到平均適應度，結合平均適應度水平進行量化回歸分析。

2 物流配送路徑對物流經濟發展的影響建模

2.1 描述性統計分析和物流經濟發展影響變量模型

E′c=E′TX+E′RX

(11)

E′c=Nk1LDA+Nk2+Ec=(N+1)k1LDA+k1LA+(N+2)k2

(12)

(13)

其中，N為統計特征量。考慮智能配送路徑選取對物流經濟發展的統計特征預測值，采用均衡調度方法進行大數據采樣，結合最佳配送路線進行面板數據分析。

(14)

用量化回歸分析方法構建智能配送路徑選取與物流經濟發展的描述性統計分析模型，得到描述性統計特征量為：

(15)

當R2TR2={Xd+1,Xd+2,…Xd+m}{Xd+1,Xd+2,…Xd+m}T時，智能配送路徑選取對物流經濟發展的統計特征定量遞歸分析迭代次數Xt取最小值，由此物流經濟發展影響變量分析和統計建模。

2.2 智能配送路徑選取對物流經濟發展的影響統計分析

結合多元線性融合方法進行智能配送路徑選取對物流經濟發展因子的分析，采用線性指數分析方法對智能配送路徑選取進行向量量化分解，特征分解形式：

maxT

(16)

(17)

用ΔM′ij(i=1,D;j=1,N)表示智能配送路徑選取對物流經濟發展的貢獻度，在線標記信息傳遞矩陣FN×1，在模糊約束控制下，智能配送路徑選取對物流經濟發展的最優決策代價函數為：

ΔM′ij=yij(Bi-Ai)

(18)

根據大數據挖掘結果分析智能配送路徑選取對物流經濟發展的促進性因素，計算決策量化集T(βNG)≥Tmin，物流路徑選取的促進性貢獻度水平為：

(19)

其中，T表示時間窗口，u表示介于0和1之間的隨機數。根據智能配送路徑選取對物流經濟發展因子分析結果[9]，計算節點Nk(k>2)的權值：

(20)

x′(tn+1)=Xm+1(m)

(21)

輸出智能配送路徑選取對物流經濟發展的統計特征序列預測的期望值mk和標準差εk，設N0=0，D0=1，對k=1,2,…,n-1，設定初始值φkj，結合迭代式進行回歸分析，實現智能配送路徑選取對物流經濟發展的影響建模。

3 實證分析與檢驗

為了測試所提方法在分析智能配送路徑選取對物流經濟發展的影響的應用性能，進行仿真實驗，實驗采用統計學分析軟件SPSS 14.0和VC++設計，對物流經濟發展的統計特征的先驗樣本采樣規模集為500，物流配送路徑節點數為1 000，信息傳輸速率為12 Mb·s-1，訓練樣本集為10，物流經濟發展數據統計分析的初始采樣率為100 kHz，終止采樣率為150 kHz，穩健性檢驗統計分析結果見表1。

表1 穩健性檢驗統計分析結果

根據上述統計分析結果，進行智能配送路徑選取對物流經濟發展影響的建模，得到最優配送路徑規劃如圖1所示。

圖1 智能配送路徑選取輸出

圖2 均方根誤差測試

在智能配送路徑選取基礎上，分析智能配送路徑選取對物流經濟發展的影響，測試均方根誤差，得到測試結果如圖2所示。智能配送路徑選取對物流經濟發展具有顯著性水平，本文方法對物流配送路徑選取的尋優性較好，提高了物流吞吐量。

4 結語

綜上所述，研究了物流配送路徑選取優化和物流經濟發展問題，提出智能物流最短配送路徑選取優化模型。與傳統模型進行對比，所提模型的均方根誤差較低，并且較為穩定，具有較高的實際應用性。但是還存在很多不足，在均方根誤差控制方面，仍有提升的空間，這也是未來的研究方向。