艦船器材物流保障問題研究?

張海軍 徐廷學(xué) 逯 程 李 凱

1 引言

戰(zhàn)爭自古以來就離不開后勤保障，在古代，兵家就已經(jīng)提出了“兵馬未動(dòng)，糧草先行”的后勤理論，時(shí)至今日，現(xiàn)代戰(zhàn)爭隨著形勢的變化和形態(tài)的多樣，對(duì)后勤保障的要求也越來越高?，F(xiàn)階段我國根據(jù)自身實(shí)際情況對(duì)軍事的各個(gè)方面進(jìn)行探索與變革，而沒有后勤上的改革，就沒有軍事上的變革，所以后勤的改革是當(dāng)前軍事變革的重要組成部分。依照后勤保障發(fā)展的趨勢，后勤保障在將來肯定要實(shí)現(xiàn)可視化，可視化后勤保障通過自動(dòng)識(shí)別技術(shù)、互聯(lián)網(wǎng)技術(shù)、數(shù)據(jù)安全技術(shù)、物資編碼技術(shù)、車輛定位導(dǎo)航技術(shù)、現(xiàn)代物流技術(shù)等手段實(shí)現(xiàn)了物資器材的全程可視、精確控制?，F(xiàn)在可視化后勤保障技術(shù)受到了越來越多學(xué)者的關(guān)注和研究，現(xiàn)代物流技術(shù)作為可視化后勤的關(guān)鍵技術(shù)之一，對(duì)資源的有效利用具有重要意義。

物流配送的關(guān)鍵是配送車輛的路徑問題（Vehicle Routing Problem，VRP），VRP一直是物流研究領(lǐng)域中的一個(gè)具有重要理論意義和現(xiàn)實(shí)意義的問題。因此，在艦船器材物流保障過程中，需要制定合理有效的配送路徑，選擇省時(shí)省力的方法，在完成軍事保障的任務(wù)的前提下，盡最大努力滿足部隊(duì)對(duì)配送的需求。

2 艦船器材物流保障以及車輛配送問題概況研究

現(xiàn)代物流，源于軍隊(duì)，并隨著現(xiàn)代信息技術(shù)的應(yīng)用和工業(yè)生產(chǎn)技術(shù)的進(jìn)步而逐步發(fā)展，為經(jīng)濟(jì)飛躍發(fā)揮了巨大作用，因此有人將現(xiàn)代物流定性為新世紀(jì)全球化中一個(gè)嶄新的產(chǎn)業(yè)和經(jīng)濟(jì)的增長點(diǎn)，也是新時(shí)期我軍后勤保障和管理的一個(gè)創(chuàng)新性研究課題和重要切入點(diǎn)。車輛配送問題作為軍事物流課題中一個(gè)重要分支，是一個(gè)有約束條件的復(fù)雜的最優(yōu)路徑查尋問題。

2.1 物流定義及特點(diǎn)

物流，是物品從供貨地向接受地實(shí)體流動(dòng)的過程。根據(jù)實(shí)際的需要，對(duì)運(yùn)輸、搬運(yùn)、裝卸、包裝、儲(chǔ)存、配送、流通加工、信息處理等基本功能進(jìn)行有機(jī)結(jié)合。

現(xiàn)代物流的突出特點(diǎn)主要表現(xiàn)在復(fù)雜性、系統(tǒng)性、層次性和信息依賴性等方面，同時(shí)包括準(zhǔn)確預(yù)測所需的資源、合理地儲(chǔ)備、快速響應(yīng)保障的需求、科學(xué)的運(yùn)輸、靈活的調(diào)遣和追求最優(yōu)效益等特點(diǎn)。

2.2 軍事物流定義及艦船器材物流保障特點(diǎn)

軍事物流，具體指軍事力量在平時(shí)和戰(zhàn)時(shí)生活、執(zhí)勤、訓(xùn)練以及作戰(zhàn)所需的軍事物資通過籌措、包裝、運(yùn)輸、加工或生產(chǎn)、供應(yīng)、倉儲(chǔ)等環(huán)節(jié)，最終抵達(dá)部隊(duì)從而被消耗使用，實(shí)現(xiàn)其空間轉(zhuǎn)移和調(diào)節(jié)的整個(gè)過程。

艦船器材物流保障有如下特點(diǎn)：1）軍用物資的特殊性；

2）軍事物流的不均衡性；

3）軍事物流的時(shí)效性。

2.3 VRP問題定義及分類

車輛配送問題（Vehicle Routing Problem，VRP）是Dantzig和Ramser在1959年提出來的。所謂VRP問題，一般指的是：調(diào)用一定數(shù)量的車輛，對(duì)發(fā)貨點(diǎn)和收貨點(diǎn)，組織適當(dāng)?shù)男熊嚶肪€，令車輛有序地訪問它們，在滿足特定的約束條件下（如：貨物需求量及發(fā)貨量、交發(fā)貨的時(shí)間、車輛載重的限制、行駛里程的限制、行駛時(shí)間的限制等），力爭達(dá)到一定的目標(biāo)（如車輛行駛的里程最短、運(yùn)輸?shù)目傎M(fèi)用最低、車輛按照一定的時(shí)間到達(dá)、使用車輛數(shù)量最少等）。

根據(jù)研究內(nèi)容側(cè)重點(diǎn)的區(qū)別，物流配送路徑問題的分類方式有很多種。本文對(duì)物流配送路徑問題進(jìn)行如下分類：

表1 物流配送路徑問題的劃分形式

2.4 小結(jié)

通過對(duì)軍事物流保障的概況研究分析可知，艦船器材物流保障必須要達(dá)到一定的水準(zhǔn)，才可以滿足信息化條件下戰(zhàn)爭環(huán)境對(duì)后勤保障中軍事物流的諸多要求：

1）快速響應(yīng)保障需求；

2）正確決策，統(tǒng)籌調(diào)控；

3）準(zhǔn)確預(yù)測所需物資裝備；

4）綜合優(yōu)化，高效低耗。

但是，目前艦船器材的物流保障存在著現(xiàn)有問題，無法滿足信息化條件下戰(zhàn)場環(huán)境對(duì)后勤保障中軍事物流的要求。

3 艦船器材物流保障的現(xiàn)狀以及存在的問題

現(xiàn)代高科技情況下的信息化戰(zhàn)爭，具有很強(qiáng)的機(jī)動(dòng)性、聯(lián)合性、突發(fā)性和透明度，艦船部隊(duì)的器材需求已從“長周期、少批次、大批量、少品種”轉(zhuǎn)變?yōu)椤岸讨芷?、多批次、小批量、多品種”。而我們海軍現(xiàn)在在艦船器材生產(chǎn)、周轉(zhuǎn)、儲(chǔ)管的整個(gè)過程中，逐級(jí)設(shè)庫，層層設(shè)庫，保障效益低下，很難適應(yīng)現(xiàn)代戰(zhàn)爭對(duì)后勤保障高效、準(zhǔn)確、快速的要求；在我們海軍艦船器材現(xiàn)行的保障模式下，運(yùn)輸部隊(duì)和倉庫作為基層級(jí)的保障實(shí)體，承擔(dān)上級(jí)賦予的運(yùn)輸和物資收發(fā)任務(wù)，而對(duì)部隊(duì)需求信息的及時(shí)處理和反饋，以及器材如何適時(shí)、適地、適量、低成本、高效地從起點(diǎn)運(yùn)送到各部隊(duì)手中，通常并不關(guān)心；艦船器材當(dāng)前實(shí)行的后勤保障體制存在“條塊分割，各自為政”的現(xiàn)象，軍事物流各環(huán)節(jié)相互“斷裂”，很難支撐整個(gè)戰(zhàn)區(qū)的網(wǎng)絡(luò)物流運(yùn)作，各級(jí)各層所屬的倉庫都以自身效益和功能最大化為目標(biāo)，很少關(guān)注本環(huán)節(jié)以外的事情。艦船器材配送車輛的路徑優(yōu)化通過減少保障的層次、精簡中間保障環(huán)節(jié)，實(shí)行科學(xué)的物資儲(chǔ)備和調(diào)控，最大限度節(jié)約資源，從而提高裝備保障的效益；艦船器材配送車輛的路徑優(yōu)化通過信息技術(shù)裝備和手段，準(zhǔn)確而精細(xì)地運(yùn)用和籌劃各種保障力量，靈活協(xié)調(diào)各項(xiàng)保障行動(dòng)，化被動(dòng)為主動(dòng)，對(duì)部隊(duì)實(shí)施適時(shí)、適量、適地的精確化保障；艦船器材配送車輛的路徑優(yōu)化通過對(duì)區(qū)域中的各項(xiàng)資源進(jìn)行整合優(yōu)化，整體籌劃及運(yùn)用，按照不同保障任務(wù)，將現(xiàn)有不同的作戰(zhàn)單元與相對(duì)獨(dú)立的保障單元進(jìn)行組合，實(shí)現(xiàn)作戰(zhàn)力量和保障力量的最佳結(jié)合，確保作戰(zhàn)全方位、全過程、全時(shí)段無縫隙、不間斷的供應(yīng)保障。

4 對(duì)提高艦船器材物流保障能力的思考

目前，針對(duì)如何改進(jìn)艦船器材物流的保障方法，關(guān)鍵在于研究車輛路徑優(yōu)化問題，即運(yùn)用科學(xué)的算法對(duì)車輛路徑問題進(jìn)行優(yōu)化，從而實(shí)現(xiàn)艦船器材物流保障能力的提升。

4.1 VRP算法分類

VRP問題基本的求解算法通?？梢苑譃榫_算法和啟發(fā)式算法兩類。

精確算法（Accurately Arithmetic）對(duì)于小規(guī)模的路徑優(yōu)化問題在犧牲空間和時(shí)間的基礎(chǔ)上可以得到令人比較滿意的解決方案。但是配送路徑優(yōu)化問題屬于NP-hard問題，實(shí)際中問題的規(guī)模較大，使用精確算法所消耗的空間和時(shí)間成本都是比較大的。

而啟發(fā)式算法（Heuristics）不管是在小規(guī)模還是大規(guī)模的問題中，均能在一定的范圍和較短的時(shí)間內(nèi)給出滿意解或最優(yōu)解。因此，目前相關(guān)領(lǐng)域的專家學(xué)者主要研究方向是啟發(fā)式算法，特別是現(xiàn)代啟發(fā)式算法。

4.2 啟發(fā)式算法［1～14］

啟發(fā)式算法定義為：在可接受的成本（算法在執(zhí)行過程中所用的空間和時(shí)間）條件下，基于相關(guān)領(lǐng)域經(jīng)驗(yàn)和直觀構(gòu)造，給出組合優(yōu)化問題的一個(gè)可行解。

一般來說，我們將啟發(fā)式算法的發(fā)展大體分為早期的啟發(fā)式算法（構(gòu)造式啟發(fā)算法）和現(xiàn)代的啟發(fā)式算法（智能算法）兩個(gè)階段。早期啟發(fā)式算法主要包括，掃描法（Sweeping）、插入法（Insertion）、最 近 鄰 法 （Nearest Neighbor） 和 節(jié) 約 法（Clarke-Wright Algorithm）；現(xiàn)代啟發(fā)式算法主要包括，遺傳算法（Genetic Algorithms，GA）、模擬退火算法（Simulated Annealing，SA）、禁忌搜索算法（Tabu Search，TS）、粒子群算法（Particle Swarm Optimization，PSO）等。

4.3 現(xiàn)代啟發(fā)式算法

現(xiàn)代啟發(fā)式算法，又被稱為智能啟發(fā)式算法。該算法一般是從問題的初始解開始，通過對(duì)當(dāng)前解的局部進(jìn)行不斷優(yōu)化以獲取最優(yōu)解或滿意解。迄今為止，現(xiàn)代啟發(fā)式算法不僅包括基本的智能算法，還包括基于基本算法的混合優(yōu)化算法，以及隨著大數(shù)據(jù)和云計(jì)算發(fā)展而產(chǎn)生的云算法等。下文將會(huì)對(duì)常見的一些現(xiàn)代啟發(fā)式算法進(jìn)行分析對(duì)比。

1）禁忌搜索法

在上世紀(jì)八十年代的中期Glover首次提出一個(gè)叫做禁忌搜索法的概念，也稱做列表尋優(yōu)法，后來隨著學(xué)者們研究的慢慢增多，這種算法也慢慢變成了一套相對(duì)完整的算法。這種局部搜索的算法是一種人工智能型的算法，同時(shí)也是對(duì)爬山算法在一定程度上的推廣。這種算法的一個(gè)比較顯而易見的特點(diǎn)就是使用了禁忌技術(shù)，“禁忌”這個(gè)詞我們可以明顯的看到它的意思就是不能和前面做一樣的工作。通過對(duì)已經(jīng)達(dá)到的局部最優(yōu)點(diǎn)在禁忌表上進(jìn)行記錄，這樣就能夠令我們不會(huì)被局部最優(yōu)所困擾，應(yīng)用這個(gè)禁忌表可以令我們在下一次搜索的時(shí)候?qū)植克阉鞯倪@些點(diǎn)進(jìn)行很好的選擇，以便跳出局部最優(yōu)點(diǎn)。后來就有很多學(xué)者運(yùn)用禁忌搜索法對(duì)VRP問題進(jìn)行求解，取得了很多可觀的研究成果。然而這種算法只適合離散問題的尋優(yōu)，限制了它的適用范圍。

2）模擬退火法

模擬退火法的思想最早是Metropolis于1953年提出來的，這種算法亦是通過對(duì)局部搜索算法進(jìn)行擴(kuò)展，三十年后，在求解VRP問題中得到廣泛的應(yīng)用。這種算法存在一個(gè)非常顯著的特點(diǎn)，就是根據(jù)一定概率選擇鄰域中的目標(biāo)函數(shù)值比較惡劣的狀態(tài)。算法的主要實(shí)現(xiàn)過程是通過對(duì)溫度的控制得到的，隨著迭代次數(shù)的增加，溫度參數(shù)就會(huì)變得越來越小，最后得到最優(yōu)解的概率無限接近1。這種算法在全局搜索能力方面比較強(qiáng)是其一大優(yōu)點(diǎn)，但它并不只是朝著更好解的方向搜索，同時(shí)其它方向上的解也會(huì)通過特定的方式進(jìn)行搜索，因此可以克服過早收斂到某個(gè)局部極值點(diǎn)這一缺點(diǎn)，從而得到比較好的解；該算法通常因?yàn)闀r(shí)間的限制，在運(yùn)行時(shí)只保留一個(gè)當(dāng)前解，所以該算法的不足在于僅能得到一個(gè)近似最優(yōu)解。

3）遺傳算法

20世紀(jì)70年代，美國Michigan大學(xué)的J.Holland教授率先提出了遺傳算法。這種算法主要的能力就是全局隨機(jī)搜索。算法借用達(dá)爾文進(jìn)化論里的“物競天擇，適者生存”的規(guī)律，然后模擬組合優(yōu)化問題。該算法在解決VRP問題時(shí)，往往通過對(duì)車輛路徑進(jìn)行染色體編碼，然后對(duì)遺傳算子進(jìn)行交叉、復(fù)制和變異操作之后再對(duì)其進(jìn)行研究和分析來尋找最佳路徑。遺傳算法存在的一個(gè)不足之處就是容易產(chǎn)生“早熟”現(xiàn)象。

4）人工神經(jīng)網(wǎng)絡(luò)法

20世紀(jì)80年代，Hopfield經(jīng)過研究，成功地把人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到了組合優(yōu)化問題上。這種算法主要就是在神經(jīng)網(wǎng)絡(luò)中應(yīng)用一些合適的能量函數(shù)，然后網(wǎng)絡(luò)的狀態(tài)就會(huì)一直的保持變化，在變化過程中能量會(huì)越來越小，慢慢達(dá)到最終的平衡，然后就可以得到一個(gè)收斂的局部最優(yōu)解。雖然這種算法在很多問題上達(dá)到了不錯(cuò)的成績，比如：圖劃分問題、作業(yè)調(diào)度問題、圖著色問題、旅行商問題等，但是這種算法在解決實(shí)際問題時(shí)還有一些不足的地方，其解的質(zhì)量遠(yuǎn)不如一些其他算法求解近似解的質(zhì)量。

5）蟻群優(yōu)化算法

Dorigo等在20世紀(jì)90年代提出了一種可以求解VRP問題以及其他優(yōu)化問題的算法——蟻群算法。這種算法最明顯的特點(diǎn)就是把所要優(yōu)化的問題看成是尋找螞蟻在找食過程中的最短路徑問題。螞蟻在剛剛開始尋找食物的時(shí)候，并不知道食物會(huì)在哪里，但當(dāng)它們中間有一只螞蟻找到食物后，這一只找到食物的螞蟻就會(huì)釋放一種叫做“信息素”的物質(zhì)在空氣中，然后其它螞蟻就會(huì)感受到這種信息素，結(jié)果就會(huì)有很多螞蟻來到有食物的這個(gè)地方。但并不是所有的螞蟻都能以同樣方式找尋食物，因而有的螞蟻就會(huì)尋找其它路線，如果再有其他螞蟻找到新的路線，而且如果新的路線比之前的短，那么這個(gè)比較近的路線上就會(huì)引來更多螞蟻，依此類推，經(jīng)過若干的時(shí)間后，就可能會(huì)出現(xiàn)一條信息素最多的最短路徑。因此，螞蟻感受到的信息素濃度越大，那么螞蟻所走的路徑就最短，也就是最好的覓食路徑。

5 結(jié)語

總之，以嚴(yán)格數(shù)學(xué)方法作為基礎(chǔ)用來求解的精確算法所得出的結(jié)果一般都會(huì)比人工智能算法要好。但是這種算法一般只在求解中小規(guī)模的VRP問題時(shí)才是可行的，然而我們在現(xiàn)實(shí)中遇到的問題大多都是大規(guī)模的，因而想運(yùn)用精確算法找到現(xiàn)實(shí)中大規(guī)模的VRP問題的最優(yōu)解幾乎是不可能的。相對(duì)而言啟發(fā)式算法就可以找到相對(duì)滿意的解或近似解，所以求解大規(guī)模的VRP問題時(shí)采用高效的啟發(fā)式算法更具現(xiàn)實(shí)意義。綜上所述，運(yùn)用啟發(fā)式算法，尤其是現(xiàn)代啟發(fā)式算法對(duì)車輛路徑問題進(jìn)行優(yōu)化是我們解決這一問題的主要途徑，也是提高艦船器材物流保障能力的重要研究方向。

［1］陳志，武繼剛，宋國治，等.NodeRank：一種高效軟硬件劃分算法［J］.計(jì)算機(jī)學(xué)報(bào)，2013，36（10）：2033-2040.

CHEN Zhi，WU Jigang，SONG Guozhi，et al.NodeRank：An Efficient Software and Hardware Partitioning Method［J］.Chinese Journal of Computers，2013，36（10）：2033-2040.

［2］吳婷，余勝威.基于量子粒子群和蟻群算法的物流配送路徑優(yōu)［J］.物流技術(shù)，2015，34（16）：131-135.

WU Ting，YU Shengwei.Logistics distribution based on quantum particle swarm optimization and ant colony algorithm［J］.Logistics technology，2015，34（16）：131-135.

［3］邰曉紅，李璐.改進(jìn)節(jié)約法下的物流配送路徑優(yōu)化問題［J］.遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2016，35（6）：667-672.

RUANXiaohong，LILu.The logistics distribution route optimization problem under the improved economy method［J］.Journal of Liaoning Technical University，2016，35（6）：667-672.

［4］王學(xué)文，孫毅，趙振紅，等.基于改進(jìn)節(jié)約法的物流配送路徑優(yōu)化研究［J］.科技視界，2014（12）：226-227.

WANG Xuewen，SUN Yi，ZHAO Zhenhong，et al.Research on Logistics Distribution Routing Optimization Based on Improved Conservation Method［J］.Science and Technology Vision，2014（12）：226-227.

［5］周磊.基于節(jié)約里程法的配送路線優(yōu)化研究——以蘇寧電器為例［J］.物流技術(shù)，2016，35（1）：109-116.

ZHOU Lei.Study on the optimization of distribution routes based on the mileage-saving method—A case study of Suning Appliance［J］.Logistics Technology，2016，35（1）：109-116.

［6］包勇，黎英.一種改進(jìn)遺傳算法在車輛路徑問題中的應(yīng)用［J］.廣西師范學(xué)院學(xué)報(bào)，2016，33（1）：92-115.

BAO Yong，LI Ying.Application of an Improved Genetic Algorithm in Vehicle Routing Problem［J］.Journal of Guangxi Teachers Education University，2016，33（1）：92-115.

［7］戴卓.三層物流網(wǎng)絡(luò)選址——路徑優(yōu)化及混合啟發(fā)式算 法 研 究［J］.計(jì) 算 機(jī) 應(yīng) 用 研 究 ，2017，34（8）：2349-2354.

DAI Zhuo.Three-tier Logistics Network Location—Path Optimization and Hybrid Heuristic Algorithm Research［J］.Computer Application Research，2017，34（8）：2349-2354.

［8］裴小兵，賈定芳.基于模擬退火算法的城市物流多目標(biāo)配送車輛路徑優(yōu)化研究［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2016，46（2）：105-113.

MIN Xiaobing，JIA Dingfang.Research on multi-objective vehicle routing optimization of urban logistics based on simulated annealing algorithm［J］.Mathematics practice and understanding，2016，46（2）：105-113.

［9］高更軍，黃宇，梁承姬.逆向物流供應(yīng)鏈最佳供應(yīng)商選擇及訂單量分配［J］.計(jì)算機(jī)應(yīng)用研究，2017，34（4）：1067-1071.

GAO Gongjian，HUANG Yu，LIANG Chengji.Optimum supplier selection and order allocation in reverse logistics supply chain［J］.Computer application research，2017，34（4）：1067-1071.

［10］谷煒，張群，衛(wèi)李蓉.基于GIS的物流配送中心末端大規(guī)模車輛路徑優(yōu)化問題研究［J］.中國管理科學(xué)，2013，11（21）：379-389.

GU Wei，ZHANG Qun，WEI Lirong.GIS-based research on the large-scale vehicle routing problem at the end of logistics distribution center［J］.Chinese Management Science，2013，11（21）：379-389.

［11］劉笑然，江帆，蘇好.基于節(jié)約里程法的物資配送路徑設(shè) 計(jì) 研 究［J］.物 流 工 程 與 管 理 ，2016，38（5）：117-118.

LIU Xiaoran，JIANG Fan，SU Hao.Research on material distribution path design based on the saving mileage method［J］.Logistics Engineering and Management，2016，38（5）：117-118.

［12］何小虎.基于改進(jìn)蟻群算法在糧食物流配送路徑優(yōu)化的應(yīng)用研究［J］.電子設(shè)計(jì)工程，2016，24（9）：39-41.

HE Xiaohu.Application research based on improved ant colony algorithm in grain logistics distribution route optimization［J］.Electronic Design Engineering，2016，24（9）：39-41.

［13］趙宏，張艷敏，蔣雨晨.基于費(fèi)用的物流配送優(yōu)化研究［J］.系統(tǒng)仿真技術(shù)及其應(yīng)用，2014（15）：95-98.

ZHAO Hong， ZHANG Yanmin， JIANG Yuchen.Cost-based logistics distribution optimization research［J］.System simulation technology and its application，2014（15）：95-98.

［14］林建，楊雙煒.基于系統(tǒng)動(dòng)力模型的LPG物流水運(yùn)配送路徑優(yōu)化［J］.統(tǒng)計(jì)與決策，2016，4（4）：50-53.

LIN Jian，YANG Shuangwei.LPG logistics distribution optimization based on system dynamic model［J］.Statistics and decision-making，2016，4（4）：50-53.