多目標生鮮電商聯合配送車輛動態路徑優化研究

甘贊菲

在信息化技術以及高速網絡逐漸完善的背景下，國內的電子商務環境得到了很大的改善。這篇文章主要研究的就是生鮮電商配送路徑的相關問題。以介紹生鮮配上路徑優化的重要作用作為切入點，詳細闡述了生鮮配送車輛動態路徑優化的具體方式。

一、引言

互聯網的高速發展讓服務行業的行為模式產生了巨大的變革。而作為服務行業的重要組成部分之一，物流行業的發展更是呈現出迅猛的勢頭。本文以物流行業與生鮮電商的結合作為例子，說明了物流行業的發展對群眾的實際生活所產生的影響與改變。

二、動態車輛路徑含義及特點

想要了解多目標動態路徑的優化方式，我們先要了解的就是動態這兩路徑的基本概念以及特點。簡單來說，所謂的動態路徑就是通過合理地安排運送車輛的路線來滿足客戶的實際需求，以實時追蹤系統作為基礎，用更為科學的根據道路實時情況優化配送線路的模式來取代傳統的既定配送路線模式。這種方式所體現出的最大特點就是時效性以及靈活性，一方面借助實時路況分析技術為配送車輛規劃處最優的行進路線，另一方面可以根據貨物類型以及車輛的狀態來對路線進行合理調整，對于生鮮產品配送工作來說，使用這種模式可以大大縮短物流運輸時間，保證生鮮產品的質量。

三、多目標聯合配送路徑相關問題

（一）多目標路徑構成要素

為了降低運輸過程中所產生的成本，物流公司就要對多目標路徑進行優化，其主要的目的就是運用盡可能少的時間來為更多的客戶進行服務。從總體上來說，影響多目標路徑優化的因素主要包括以下幾個方面。首先是服務的客戶，客戶是物流企業生存的基礎，想要在市場競爭中占有更大的市場份額，就必須要重視客戶。一方面要不斷挖掘新的客戶，另一方面要維持老客戶。因此物流企業要不斷提高自身的服務質量，就物流車輛行駛路徑而言，需要將每一個客戶都看做是配送網絡中的一個節點，同時對于每一條運輸線路上所有客戶的需求量進行匯總，形成總貨物量數據。其次是貨物，對于配送工作來說，將貨物安全且完整地運動到目的地是首要任務，在進行多目標路徑規劃的時候就需要對收獲地區、貨物的體積重量以及交貨時間等元素進行綜合性的考量。最后是運輸路線，運輸路線是由配送中心、行駛線路以及交付地點三個要素組成，在進行多目標路徑規劃的時候一般采用由節點和線段組成的有有向圖進行表示。

（二）聯合配送路徑計算方式

就目前的技術手段來看，對于聯合配送路徑的計算主要有兩種方式。第一種是分解法，針對單車場的VRP，其解法相對簡單，而多車場的VR計算則是一個比較復雜的問題，需要考慮的因素非常多，因此要將多車場VRP分解為多個相對獨立的單車場VRP，通過計算這些獨立VRP來尋找最佳的解決方案。第二種就是整體法，這種方式與分解法的作用邏輯正好相反，是將多車場問題看成一個整體來進行處理，不再將每一個車場分配給對應的客戶，在這種計算方式下，行駛線路將會變得更加復雜，而且由于中間環節的增多，聯合配送路徑的計算量也隨之增加，為了加快計算效率，可以采用以下方式：首先創建一個虛擬車場，虛擬車場到每個實際車場不需要成本，然后把真實的車場假想為客戶，這樣車量必須在虛擬車場出發，經過實際的配送車場來向客戶進行交付，最后在交付完成后讓車輛返回實際車場。通過這種方式可以大大簡化計算步驟，提高路徑計算的效率。

四、配送動態路徑優化具體方式

（一）動態配送模式建設

想要讓動態路徑優化技術穩定地運行下去，就必須要通過計算機技術建立起相關的模型。為了保證模型更加嚴謹，在建設之前要進行充分的假設。第一，在創建模型的時候只考慮了路況發生改變時車輛速度動態變化的情況，其他的情況不在考慮范圍之中。第二，物流車輛的速度隨著時間的推移而發生改變。第三，模型中計算的配送時間僅代表車輛的行駛時間，不計算搬運貨物以及泊車等事件所花費的時間。在進行充分假設之后，就要對于速度的變化進行計算，一方面是要考慮交通擁堵的情況，這也是影響配送時間的一個非常重要的因素，因此可以將路況分為擁堵、一般、通暢三類，將物流車輛分配到“通暢”類型的路段。另一方面就是對于動態速度的計算，針對三種路況進行獨立分析。通過對三種路況車流量、交通密度等元素的分析得出車輛速度分布函數，并且通過公式得出行駛時間函數表達式：，運用該模型可以迅速計算出物流車輛行駛的實際時間。

（二）使用遺傳算法

遺傳算法是配送動態路徑優化技術的一大特點，也是該技術保證“實時性”的重要前提。一方面我們要弄清遺傳算法的特點，第一，與傳統的優化算法相比，遺傳算法運用并行方式進行計算，讓優化工作變得更具全面性，通過對于計算范圍的不斷擴大來對整個路徑配置系統進行優化。第二，遺傳算法可以針對不同種群中的元素進行統一處理，這種處理方式可以很好地降低遇到局部困境的概率，提高并行化計算的效率。第三，遺傳算法具有強大的自適應能力，借助優化過程中所獲取的信息，讓適應性比較高的基因可以更好地適應周圍的環境，增加其生存的幾率。第四，遺傳算法中不需要用到輔助知識或者是輔助信息，在使用該算法的時候只要確定搜索路徑上的目標函數以及適應度函數就可以進行遺傳運算。與其他函數結構相比，適應度函數對于數據的連續性沒有要求，并且其搜索的范圍可以隨意設定，這與物流行業具有很高的契合度，因此被應用與動態路徑優化技術中。

（三）遺傳算法與動態路徑優化的結合

首先，要列出n個有順序的自然數，在計算的時候每一個解就是由n個自然數所組成的一個數組。每一個數組就代表著一種物流車輛行進的線路，使用這種方式可以更為高效地尋找到最優結果。使用數組來代表運輸路線部件方便計算軟件的讀取，而且也方便對于路線進行修改。其次，使用隨機生成的方式生成n個客戶點，并且根據車輛的荷載限制與配送時間制定初始染色體，如果，同時滿足，那么就可以在地ili個客戶與ili+1個客戶之間插入0 ，如果無法插入就將客戶的向前、向后移動一個位置再進行插入，重復這一步驟，一直等到產生了足夠規模的種群之后再停止插入。再次，根據設計出來的站群，使用適度函數對于目標記性評價，以此來篩選個體中的優良基因，個體的適應性越高，那么它遺傳給下一代的幾率也就越大，反之則遺傳的幾率就變得越小。最后通過遺傳算子設計來制定出實時的配送最優路線。可以使用交叉算子、選擇算子以及變異算子根據種群的特點進行獨立計算，依靠父代染色體與變異后染色體之間的遺傳關系來對不同運輸路徑進行優先級評定，最終完成動態路徑的優化工作。

五、結語

信息化技術的不斷成熟為電子商務打開了新的局面，特別是對于生鮮行業來說，依靠電子商務可以將商業范圍進行空間上的快速擴張，而想要保證服務質量，就必須要運用物流動態路徑優化技術來縮短生鮮產品運輸的時間，通過這種全新的配送方式來滿足越來越大的市場需求。（作者單位：貴州省黔南職業技術學院，大數據與電子商務系）