兩階段式物流配送路徑優(yōu)化模型仿真

杜衛(wèi)華，翁傳芳

(南昌航空大學(xué)科技學(xué)院，江西 九江 332020)

1 引言

如今全球經(jīng)濟(jì)發(fā)展速度極快，且呈現(xiàn)出經(jīng)濟(jì)一體化進(jìn)程，在此背景下物流活動已經(jīng)成為人們生活中必不可少的一部分。2020年疫情暴發(fā)，網(wǎng)絡(luò)帶貨逐漸火熱起來，物流已成為目前企業(yè)最重要的競爭領(lǐng)域。各個企業(yè)為了能夠提高配送效率及成本效益，需要對兩階段式配送路徑優(yōu)化模型進(jìn)行研究。

李桃迎等人提出考慮動態(tài)需求的外賣配送路徑優(yōu)化模型，該方法首先對目標(biāo)函數(shù)進(jìn)行定義，其中包含了配送成本、時間懲罰成本等，根據(jù)隨機(jī)參數(shù)對配送帶來的影響，對需要配送的范圍、訂單等進(jìn)行設(shè)定，根據(jù)設(shè)定結(jié)果獲取路徑優(yōu)化方案。該方法的路徑設(shè)定存在一定誤差，存在配送路徑優(yōu)化模型效果差的問題。王博弘等人提出成品油二次配送路徑優(yōu)化模型及混合求解算法，該方法將配送最短路徑用作目標(biāo)函數(shù)，實(shí)際配送需求量用作約束條件，依據(jù)目標(biāo)函數(shù)和約束條件對配送優(yōu)化模型進(jìn)行建立，并求解該模型。該方法構(gòu)建的模型不夠完善，存在用戶滿意度差的問題。葛顯龍等人提出考慮越庫作業(yè)的連鎖超市配送路徑優(yōu)化方法，該方法首先根據(jù)配送運(yùn)作模式，將最小化配送成本看作目標(biāo)，并以此構(gòu)建一個配送路徑模型，利用該模型把配送過程劃分成兩個階段，根據(jù)現(xiàn)在產(chǎn)品的多樣性，利用遺傳算法對劃分的兩種階段進(jìn)行求解，以此實(shí)現(xiàn)配送路徑優(yōu)化方法，該方法的劃分結(jié)果不完善，存在配送次數(shù)多的問題。

為了解決上述方法中存在的問題，提出面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型。

2 區(qū)域物流的兩階段式配送路徑影響因素分析

2.1 區(qū)域物流

目前為止我國物流發(fā)展趨勢較快，人們對物流配送的需求也日漸提升。由于越來越多的貨物需要配送，導(dǎo)致配送期間容易出現(xiàn)錯誤，所以為了避免這種問題的發(fā)生，需要建立一個區(qū)域物流信息平臺，將其與各個區(qū)域物流相連，以此支撐各個物流之間的關(guān)系，建立的平臺如圖1所示。

圖1 區(qū)域物流綜合信息平臺

根據(jù)圖1可知，該平臺可以對物流信息進(jìn)行管理及服務(wù)，能夠?qū)Υ髷?shù)據(jù)進(jìn)行處理。當(dāng)各個區(qū)域物流企業(yè)進(jìn)行業(yè)務(wù)運(yùn)作時，區(qū)域物流信息平臺可以給物流企業(yè)提供信息支持的服務(wù)，依據(jù)現(xiàn)場數(shù)據(jù)采集流程，及時對采集的數(shù)據(jù)進(jìn)行處理，并將處理后的物流信息輸送到物流企業(yè)或其它平臺中，以此便于企業(yè)對信息流的交互使用，提升物流配送效率。

2.2 配送成本影響因素

基于構(gòu)建的區(qū)域物流綜合信息平臺，根據(jù)平臺中的數(shù)據(jù)對配送成本影響因素進(jìn)行分析。

對物流進(jìn)行配送時，影響企業(yè)配送的因素較多，例如車輛運(yùn)輸、貨物運(yùn)輸、物流公司管理等。這些影響因素?zé)o疑會增加物流企業(yè)的負(fù)擔(dān)，加大物流企業(yè)的運(yùn)輸成本。

1)物流配送的距離

物品在配送過程中，運(yùn)輸距離會對運(yùn)輸成本產(chǎn)生巨大影響。若需要配送的地區(qū)距離較遠(yuǎn)，那么配送成本就會隨著運(yùn)輸距離的增加而提升。

2)貨物運(yùn)輸量

通常情況下貨物運(yùn)輸有海運(yùn)、陸運(yùn)、空運(yùn)三種運(yùn)輸方式。大多數(shù)情況下貨物都會利用陸運(yùn)方式進(jìn)行配送，而貨物運(yùn)輸量由車輛大小進(jìn)行決定。貨車越大，運(yùn)送的貨物數(shù)量也越多。

3)物流運(yùn)輸方式

上述說明貨物運(yùn)輸方式總共有三種，而各個運(yùn)輸方式所產(chǎn)生的費(fèi)用也大不相同。通常來說，空運(yùn)的運(yùn)輸成本最大，但運(yùn)送時間最短。水運(yùn)的運(yùn)輸成本最小，但運(yùn)送的時間最長。為了規(guī)避這種問題，可以針對不同配送貨物的屬性對其進(jìn)行相應(yīng)的配送，以此減小運(yùn)輸成本。

4)市場因素

貨物在配送過程中通常會有燃油費(fèi)、裝卸費(fèi)、過路費(fèi)等，若運(yùn)送的貨物不平衡，就會出現(xiàn)空載的問題，這會導(dǎo)致運(yùn)力浪費(fèi)，導(dǎo)致配送成本提升。所以對貨物進(jìn)行運(yùn)輸時，由于市場的不確定性變動，需要反復(fù)確認(rèn)來回路程的貨物是否保持平衡，在平衡的狀態(tài)下運(yùn)輸成本損耗較低，而不平衡的狀態(tài)下運(yùn)輸成本損耗較高。

基于構(gòu)建的區(qū)域物流綜合信息平臺，獲取了影響配送成本的主要因素，根據(jù)取得的影響因素建立面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型。

3 配送路徑模型的建立

3.1 配送路徑模型的建立

3.1.1 目標(biāo)函數(shù)

1)配送用戶的不確定性

在大多數(shù)城市中，物流配送者分為兩部分，第一部分是做生意的零售商、另一部分為極少數(shù)的消費(fèi)者。通常情況下零售商的配送訂單都是固定的，他們會與物流企業(yè)簽訂合同，有貨物需要配送時就會將訂單發(fā)送到物流企業(yè)手中，物流公司會直接按照訂單配送車輛，這種配送需求的用戶被稱作靜態(tài)客戶。與之相反的是，沒有提前與物流公司簽訂合同或下訂單就有配送需求的用戶，這類用戶被稱作動態(tài)客戶。

(1)

當(dāng)式(1)成立時，就說明可以把動態(tài)客戶記作可配送對象，若不成立，就不再對該動態(tài)客戶提供配送服務(wù)。

2)車輛配送過程中的燃油量

物流車輛在配送過程中會排放出

CO

，它與物流車輛的油耗量成正比，因此根據(jù)車輛的碳排放量就可以計算出車輛的油耗量。

若運(yùn)輸車輛

s

的實(shí)際載重是

Q

，那么配送車輛的燃油耗費(fèi)總量用表達(dá)式定義如下：

(2)

3

.

1

.

2 約束條件

根據(jù)制定的目標(biāo)函數(shù)，使車輛在配送過程中要滿足下述條件，具體表示如下：

1)物流車輛將貨物配送完成后必須要回到原始配送中心，用表達(dá)式定義為

(3)

2)物流車輛一般都停在指定位置，沒有對該車輛進(jìn)行任務(wù)的分配，該車輛就不會啟動，而分配任務(wù)的車輛啟動后才可以為客戶進(jìn)行服務(wù)，同時每位客戶只能實(shí)行一次服務(wù)。用表達(dá)式定義如下

(4)

3)車輛行駛的最大距離約束條件，用表達(dá)式定義為

(5)

式中，

D

描述的是約束條件。

3.2 構(gòu)建模型

車輛對貨物進(jìn)行配送時，過多的車輛會導(dǎo)致物流公司的配送成本增加，同時更多的配送車輛也會因此產(chǎn)生更多的油耗量，影響到物流公司的配送成本。所以根據(jù)設(shè)置的目標(biāo)函數(shù)與約束條件將客戶最大滿意度與燃油最小消耗量看作目標(biāo)，以此構(gòu)建兩階段式配送路徑模型，該模型的表達(dá)式如下所示

(6)

3.3 基于改進(jìn)混合蟻群算法的模型優(yōu)化

基于構(gòu)建的模型，采用混合蟻群算法對建立的模型進(jìn)行優(yōu)化，具體操作如下所示。

1)構(gòu)建路徑

對模型進(jìn)行優(yōu)化前首先需要對配送路徑進(jìn)行選擇，蟻群會通過各個路徑中的信息素差異對最優(yōu)路徑進(jìn)行選取。設(shè)立在

t

時刻時螞蟻

k

處存在某個節(jié)點(diǎn)，該節(jié)點(diǎn)需要朝著待訪問節(jié)點(diǎn)進(jìn)行轉(zhuǎn)移，

p

(

t

)就是節(jié)點(diǎn)的轉(zhuǎn)移概率。利用概率隨機(jī)策略對最優(yōu)路徑進(jìn)行選擇，這時螞蟻

k

選擇的路徑用表達(dá)式定義如下

(7)

式中，

η

(

t

)描述的是

t

時刻的啟發(fā)式信息，π(

t

)描述的是信息素濃度，

q

描述的是路徑搜索。如果最終結(jié)果為

q

<

q

時，就說明要選擇含有最大信息素的路徑，這種路徑選擇方式被稱作確定性搜索，主要用來提升優(yōu)化算法的收斂速度。

2)更新信息素

由于信息素的更新速度影響著模型優(yōu)化的收斂速度，因此采用混合算法對信息素進(jìn)行更新。

螞蟻對路徑構(gòu)建完成后，最優(yōu)螞蟻釋放的信息素就是更新后的信息素，用表達(dá)式定義為

(8)

式中，

ρ

描述的是信息素?fù)]發(fā)系數(shù)，

T

描述的是最優(yōu)路徑，

G

描述的是路線，

P

描述的是常量。

對信息素進(jìn)行更新后，可以有效地減少耗時，以此避免該算法陷入局部最優(yōu)。

根據(jù)選取的最優(yōu)路徑及信息素的更新，便于完成配送路徑模型的優(yōu)化，那么兩階段式配送路徑模型的優(yōu)化流程如圖2所示。

圖2 模型優(yōu)化流程圖

首先建立區(qū)域物流信息平臺對兩階段式配送路徑運(yùn)輸成本的影響因素進(jìn)行有效分析，確立目標(biāo)函數(shù)及約束條件，構(gòu)建兩階段式配送路徑優(yōu)化模型，并采用改進(jìn)混合蟻群算法對模型進(jìn)行優(yōu)化，從而實(shí)現(xiàn)面向區(qū)域物流的兩階段式配送路徑模型的構(gòu)建。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型方法的整體有效性，需要對該方法進(jìn)行實(shí)驗(yàn)對比測試。

采用面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型方法(方法1)、考慮動態(tài)需求的外賣配送路徑優(yōu)化模型及算法(方法2)和成品油二次配送路徑優(yōu)化模型及混合求解算法(方法3)進(jìn)行實(shí)驗(yàn)測試。

1)首先根據(jù)客戶需求給出車輛配送到配送中心之間的距離，采用方法1、方法2和方法3分別對客戶的貨物進(jìn)行配送，配送完成后根據(jù)客戶的滿意度驗(yàn)證路徑優(yōu)化模型的效果，具體測試結(jié)果如下所示。

設(shè)定配送中心為1個，客戶數(shù)目為10個，配送車輛為3輛，在這10位客戶中，每位客戶的需求為

g

。物流貨物的單位為

T

。通過給出的配送距離，采用方法1、方法2和方法3分別對車輛的配送路徑進(jìn)行合理安排，根據(jù)配送時間體現(xiàn)出配送效果，以此表明用戶對不同方法配送路徑安排的滿意程度，如圖3所示。

圖3 車輛運(yùn)輸時間測試

分析圖3中的數(shù)據(jù)發(fā)現(xiàn)，本次實(shí)驗(yàn)設(shè)定的運(yùn)輸距離為9000km。三種方法在測試期間，方法1的運(yùn)輸時間要低于其余兩種方法，而方法3的運(yùn)輸時間最高。由此可見，方法1對運(yùn)輸路徑的規(guī)劃效果要優(yōu)于方法2和方法3。基于該試驗(yàn)，以此獲取各個客戶對不同方法的滿意程度。如圖4所示。

圖4 用戶滿意度測試

根據(jù)圖4中的數(shù)據(jù)發(fā)現(xiàn)，由于方法1的配送時間最短，所以用戶對方法1的配送滿意程度最高，且方法1的運(yùn)動軌跡呈現(xiàn)出上升趨勢，要高于方法2和方法3。與方法1相反，方法3的配送時間最長，所以用戶對方法3的配送滿意程度最低，致使方法3的運(yùn)動軌跡呈現(xiàn)出下降趨勢。

綜上所述，方法1的配送時間最短、用戶滿意度最高，這是因?yàn)榉椒?對配送運(yùn)輸成本的影響因素進(jìn)行有效分析，以此提升了配送效果，降低了車輛配送時間。

2)為了明確本文所提方法對路徑進(jìn)行優(yōu)化前后的貨物配送次數(shù)對比效果，需要利用本文所提方法進(jìn)行路徑優(yōu)化前后配送次數(shù)測試，測試結(jié)果如圖5所示。

圖5 路徑優(yōu)化前后配送次數(shù)對比測試

通過圖5中的測試結(jié)果可知，未對本文所提方法進(jìn)行優(yōu)化前，需要配送4-6次才能完成指定貨物的配送，而對本文所提方法進(jìn)行優(yōu)化后，只需配送2-4次即可完成配送。可見對文本所提方法優(yōu)化后，配送次數(shù)有所減少，有效地提升了貨物運(yùn)輸效率。

5 結(jié)束語

在這個信息化時代，物流已經(jīng)成為人們生活中不可或缺的一部分，所以針對兩階段式配送路徑優(yōu)化模型存在的問題，提出面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型。該方法通過建立的區(qū)域物流綜合信息平臺分析了兩階段式配送路徑影響因素，基于分析結(jié)果構(gòu)建兩階段式配送路徑模型，并采用改進(jìn)混合蟻群算法對該模型進(jìn)行優(yōu)化，實(shí)現(xiàn)面向區(qū)域物流的兩階段式配送路徑優(yōu)化模型方法。該方法在配送路徑優(yōu)化模型領(lǐng)域中起到重要作用，在今后兩階段式配送路徑優(yōu)化模型方法中有著長遠(yuǎn)的發(fā)展空間。