基于優(yōu)先級的物流園區(qū)共同配送車輛調(diào)度優(yōu)化研究

(成都市規(guī)劃設(shè)計研究院, 四川 成都 610041)

·新能源汽車與低碳運(yùn)輸·

基于優(yōu)先級的物流園區(qū)共同配送車輛調(diào)度優(yōu)化研究

何 金 海

(成都市規(guī)劃設(shè)計研究院, 四川 成都 610041)

為高效、快速地保證配送任務(wù)的完成，實現(xiàn)配送成本最優(yōu)，在分析物流園區(qū)共同配送過程中產(chǎn)生的各種成本的基礎(chǔ)上，構(gòu)建基于優(yōu)先級的車輛調(diào)度優(yōu)化模型。借鑒交通流分配的思想，引入虛擬距離，提出模型的求解思路和算法。最后，在實際算例中，通過運(yùn)行Lingo，得出最優(yōu)車輛調(diào)度方案。

物流園區(qū)；共同配送；車輛調(diào)度；優(yōu)先級；

物流園區(qū)實行共同配送模式，配送量以及配送需求點將顯著增加，然而配送需求點空間分布將更加復(fù)雜，加之現(xiàn)有道路網(wǎng)絡(luò)錯綜復(fù)雜，在共同配送模式中僅憑人工經(jīng)驗制定車輛調(diào)度方案是難以實現(xiàn)的，尤其是考慮配送的優(yōu)先級。如何高效、快速地保證配送任務(wù)的完成，并且能夠?qū)崿F(xiàn)配送成本最優(yōu)是當(dāng)前共同配送模式中面臨的挑戰(zhàn)。在滿足配送需求量限制、車輛裝載限制、配送時間限制等一系列限制條件下制定最佳的調(diào)度方案，使配送距離最短、配送成本最優(yōu)、配送服務(wù)質(zhì)量最高是很難實現(xiàn)的[1-2]。對于現(xiàn)有車輛調(diào)度的優(yōu)化研究主要集中在構(gòu)建懲罰成本和車輛使用成本為目標(biāo)的，并采取相應(yīng)的算法進(jìn)行優(yōu)化。例如文獻(xiàn)[3] 構(gòu)建油耗費(fèi)用和固定費(fèi)用最小的車輛調(diào)度模型，并采用云自適應(yīng)遺傳算法進(jìn)行求解；文獻(xiàn)[4]為優(yōu)化帶時間窗的車輛調(diào)度計算問題,引入量子進(jìn)化算法，提出了一種混合量子免疫進(jìn)化算法；文獻(xiàn)[5] 研究了使用蟻群算法優(yōu)化遺傳算法解決物流車輛調(diào)度問題。綜上所述，現(xiàn)有的研究成果缺乏考慮配送訂單的優(yōu)先級別，因此構(gòu)建基于優(yōu)先級的物流園區(qū)共同配送車輛調(diào)度優(yōu)化模型，并設(shè)計相應(yīng)的算法是很有必要的。

1 優(yōu)先級的意義

由于物流園區(qū)共同配送中心各企業(yè)對配送貨物的急迫程度不同，對于優(yōu)先級較高的客戶，在配送過程中需要優(yōu)先考慮配送，因此在配送中心實施共同配送時需要對其進(jìn)行分類，并確定各企業(yè)各種貨物配送的優(yōu)先順序，合理分配處理物流配送任務(wù)先后順序。合理制訂車輛調(diào)度優(yōu)化方案不僅可以降低物流園區(qū)共同配送中心的物流成本，而且可以提高配送服務(wù)質(zhì)量，提升客戶滿意度，使物流園區(qū)共同配送中心達(dá)到總體效益最優(yōu)；因此，配送任務(wù)優(yōu)先級確定在車輛調(diào)度優(yōu)化中起著重要的作用。對于優(yōu)先級的確定主要與配送任務(wù)的配送松弛時間、違約損失成本、配送任務(wù)收益、客戶配送量以及與客戶合作關(guān)系等因素相關(guān)，具體針對優(yōu)先級的確定可以采取系統(tǒng)聚類的方法，并引入優(yōu)先度系數(shù)進(jìn)行確定。

2 模型構(gòu)建

2.1 模型假設(shè)

具體假設(shè)如下：

1)物流園區(qū)中僅存在一個共同配送中心，車輛從共同配送中心出發(fā)，完成所有配送任務(wù)后，再回到共同配送中心；2)物流園區(qū)共同配送中心的所有配送貨物類別大致相同，所需配送車輛類別大致相同，沒有特殊車輛需求；3)物流園區(qū)共同配送中心所有任務(wù)可以混裝，可以實現(xiàn)一輛車為多個客戶配送，特殊情況除外；4)配送中客戶的貨物需求量、配送地點、服務(wù)時間范圍已知，同時配送客戶與客戶之間的距離已知；5)共同配送中心的車輛充足，能夠滿足共同配送中心的用車需求；6)不考慮交通事故以及車輛問題等特殊情況對配送服務(wù)的影響；7)不考慮配送路網(wǎng)上對車輛量的限制。

2.2 參數(shù)變量

2.3 目標(biāo)函數(shù)

物流園區(qū)共同配送中心的配送成本包括配送運(yùn)輸成本、配送延遲或者提前的懲罰成本以及超里程補(bǔ)償費(fèi)用成本。

1)配送運(yùn)輸成本。

配送運(yùn)輸成本又包括配送車輛的固定成本和配送車輛的運(yùn)輸成本，固定成本其主要表示如下：

(1)

配送車輛運(yùn)輸成本表示如下：

(2)

2)配送懲罰成本。

物流園區(qū)共同配送中心的車輛只有在[ETi,LTi]范圍之內(nèi)完成配送任務(wù)才能不接受懲罰，若配送提前或者延遲將會得到一定的懲罰，而且懲罰的大小與延遲或提前時間成正比關(guān)系，具體函數(shù)表達(dá)式[6-7]如下：

(3)

為此可以得到物流園區(qū)共同配送中心所有任務(wù)配送完成后產(chǎn)生的懲罰成本，表達(dá)式如下：

(4)

3)超里程補(bǔ)償費(fèi)用成本。

超里程補(bǔ)償費(fèi)用成本主要是由于單次配送距離過長，因此需要對超正常工作時間以外的駕駛員和裝卸人員實施一定的補(bǔ)償，具體超里程補(bǔ)償費(fèi)用成本函數(shù)表示如下：

(5)

2.4 模型構(gòu)建

通過對物流園區(qū)共同配送車輛調(diào)度問題進(jìn)行深入分析，可以得到如下基于優(yōu)先級的物流園區(qū)共同配送中心車輛調(diào)度優(yōu)化模型：

(6)

s.t.

1)車輛容量限制。

(7)

(8)

2)車輛運(yùn)行限制。

(9)

(10)

(11)

(12)

3)車輛時間限制。

tij=dij/v，

(13)

(14)

t0=0，

(15)

(16)

4)其他限制。

xijm=0或1，i,j=1,2,3,…,n,

m=1,2,3,…,M。

(17)

yim=0或1,i=1,2,3,…,n,

m=1,2,3,…,M。

(18)

目標(biāo)函數(shù)(6)表示車輛的總成本最優(yōu)，包括車輛固定成本、車輛運(yùn)行成本、懲罰成本以及超里程補(bǔ)償費(fèi)用成本；約束條件(7)表示每輛車裝載的貨物重量不能超過其最大載重；約束條件(8)表示每輛車裝載的貨物體積不能超過其最大載重體積；約束條件(9)、(10)、(11)表示每個客戶只由一輛車服務(wù)且只服務(wù)一次；約束條件(12)表示每輛配送車輛都是從物流園區(qū)共同配送中心出發(fā)然后又回到共同配送中心；約束條件(13)表示從客戶i至客戶j車輛所花費(fèi)的時間；約束條件(14)表示到達(dá)配送客戶j的時間等于到達(dá)配送客戶i的時間加上配送客戶i所花費(fèi)的時間和配送客戶i至客戶j車輛所花費(fèi)的時間；約束條件(15)、(16)表示配送車輛從配送中心出發(fā)和抵達(dá)時間為0；約束條件(17)、(18)表示決策變量的值。

3 模型求解思路

由于物流園區(qū)共同配送中心對所有的配送任務(wù)進(jìn)行分級處理，得到不同級別的配送任務(wù)。對于配送任務(wù)級別較高的則需要保證能夠按時送達(dá)，而對于一般的配送任務(wù)則保證以企業(yè)利益最大化為目標(biāo)，對配送任務(wù)實施配送。為此，在配送過程中借鑒交通流分配的思想，引入虛擬距離的概念進(jìn)行求解，對于配送任務(wù)等級比較高的則采取優(yōu)先配送，對于配送任務(wù)優(yōu)先級比較低的則可以相應(yīng)地延遲配送，最終使整體配送效率和效益達(dá)到最優(yōu)。

設(shè)物流園區(qū)共同配送中心有n個配送任務(wù)，其中物流園區(qū)共同配送中心用0表示，則各配送任務(wù)之間的距離表示如下：

由于在車輛調(diào)度優(yōu)化過程中假設(shè)i到j(luò)的距離等于j到i的距離，即dij=dji，假設(shè)第i個配送任務(wù)的配送級別為τi，其中τi∈[1，2，3，4]，車輛配送每個配送級別對應(yīng)一個虛擬距離系數(shù)ξi，其中ξi∈[0,1]，ξ0=1，為此i到j(luò)的虛擬距離表示如下：

(19)

(20)

車輛從i到j(luò)的虛擬距離需要乘以j的優(yōu)先級系數(shù)，車輛從j到i的虛擬距離需要乘以i的優(yōu)先級系數(shù)，所以i到j(luò)的虛擬距離大小不同。根據(jù)前面的分析，可以將整個配送網(wǎng)絡(luò)的虛擬距離矩陣表示如下：

對于車輛調(diào)度優(yōu)化研究大多采用節(jié)約費(fèi)用法[2,8]，因此在基于優(yōu)先級的情況下，原有求解費(fèi)用節(jié)約值時需要對其修正，即在原有的費(fèi)用節(jié)約值基礎(chǔ)上需采用虛擬距離的費(fèi)用節(jié)約值，其他的費(fèi)用節(jié)約值依舊采取原有的實際距離進(jìn)行計算。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

假設(shè)選取某物流園區(qū)10組配送數(shù)據(jù)進(jìn)行驗證，具體的數(shù)據(jù)如表1所示。

表1 配送任務(wù)基礎(chǔ)數(shù)據(jù)

表2 配送任務(wù)之間的距離

4.2 虛擬距離計算

在進(jìn)行虛擬距離計算時，虛擬距離系數(shù)ξi的取值為ξ0=1.0，ξ1=0.4，ξ2=0.6，ξ3=0.8，ξ4=1.0，為此物流園區(qū)共同配送中心配送任務(wù)之間的虛擬距離如表3所示。

表3 配送任務(wù)之間的虛擬距離

4.3 模型求解

將10組配送任務(wù)的具體數(shù)據(jù)、虛擬距離以及模型中所需要的具體參數(shù)代入模型中，選取固定成本為160元，單位成本為5元，每輛車限重為3 t，車輛運(yùn)行速度為40 km/h，時間懲罰成本系數(shù)為500，車輛超里程懲罰成本系數(shù)為100，并且將其具體模型寫入程序中，經(jīng)運(yùn)行程序可以得到以下的運(yùn)行結(jié)果。

圖1 LINGO運(yùn)行結(jié)果

通過模型求解得到基于優(yōu)先級的物流園區(qū)共同配送車輛調(diào)度優(yōu)化模型的最優(yōu)成本為1 212.5元，其中固定成本為480元，變動成本為732.5元，時間懲罰成本為0元，超里程懲罰成本為0元，所有的配送任務(wù)都在滿足配送需求的前提下完成配送任務(wù)。

通過程序結(jié)果可以得到該10組配送任務(wù)需要3輛車進(jìn)行配送，同時可以得到每輛車的配送路線以及配送任務(wù)的順序等結(jié)果，具體的車輛調(diào)度優(yōu)化方案見表1所示。

表4 物流園區(qū)共同配送車輛調(diào)度優(yōu)化結(jié)果

5 結(jié)束語

本文在構(gòu)建物流園區(qū)共同配送中心車輛調(diào)度優(yōu)化模型中，不僅考慮了時間懲罰成本和超里程懲罰成本，同時還考慮物流園區(qū)共同配送中心的配送任務(wù)優(yōu)先級別，確定不同配送任務(wù)的輕重緩急。同時，借鑒交通流分配的思想，采用虛擬距離系數(shù)的方法，得到不同配送任務(wù)之間的虛擬距離。該方法將有利于企業(yè)在配送過程中看清任務(wù)的輕重緩急，在企業(yè)遇到相應(yīng)的問題時，能夠及時采取相應(yīng)的措施來滿足客戶的配送服務(wù)要求和服務(wù)質(zhì)量，保證共同配送中心的信譽(yù)和企業(yè)的運(yùn)作效率。

[1]李軍,郭耀煌.車輛優(yōu)化調(diào)度理論與方法[M].北京：中國物資出版社,2001： 10-11.

[2]童岱. 小件貨物運(yùn)送車輛調(diào)度優(yōu)化[J].西華大學(xué)學(xué)報：自然科學(xué)版， 2005, 24(5):43-44.

[3]蹇潔,王旭,葛顯龍. 云自適應(yīng)遺傳算法有能力約束的車輛調(diào)度優(yōu)化[J].重慶大學(xué)學(xué)報： 2013, 36(8):40-46.

[4]任偉. 基于量子免疫算法的車輛調(diào)度問題優(yōu)化[J]. 計算機(jī)科學(xué)，2013,40(5):233-270.

[5]邵麗麗. 蟻群優(yōu)化自適應(yīng)遺傳算法物流車輛調(diào)度實現(xiàn)[J].計算機(jī)測量與控制，2012,20(5):1423-1425.

[6]趙魯華.城市配送中心車輛調(diào)度優(yōu)化研究[D]. 長春：吉林大學(xué),2005.

[7]蔡珊珊.需求驅(qū)動下的城市配送車輛動態(tài)配置研究[D].北京：北京工商大學(xué)，2011.

[8]劉琳.冷鏈物流配送優(yōu)化路徑模型及控制算法[D].煙臺：煙臺大學(xué)，2012.

(編校：夏書林)

ResearchonVehicleSchedulingOptimizationofJointDistributioninLogisticsParkbasedonPriority

HE Jin-hai

(ChengduInstituteofPlanning&Design,Chengdu610041China)

In order to deliver efficiently and rapidly with minimum cost, various costs generated during the joint distribution of Logistics Park are analyzed and the optimization model on vehicle scheduling is set up according to priority. The solution and algorithm of the model are put forward based on the distribution theory of traffic flow and the virtual distance. They are demonstrated in Lingo environment and the optimum vehicle scheduling is obtained.

logistics park; Joint distribution; Vehicle scheduling; priority;

2014-10-04

何金海(1988—)，男，碩士研究生，主要研究方向為物流園區(qū)規(guī)劃與共同配送。

F259.2

：A

：1673-159X(2015)04-0071-05

10.3969/j.issn.1673-159X.2015.04.014