基于遺傳算法的配送中心選址
——以廣州KT物流科技有限公司為例

2019-08-21 00:45:28林松輝

沿海企業(yè)與科技 2019年4期

劉輝，林松輝

物流配送中心作為線上銷售、線下銷售的主要節(jié)點和供應鏈的重要紐帶，扮演著集中分配的角色，它介于上游制造商和下游零售商之間負責進行專業(yè)的倉儲、揀貨、運輸?shù)茸鳂I(yè)，并具有整合商流、物流、現(xiàn)金流、信息流等的功能，在物流配送系統(tǒng)中具有重要的地位。物流配送中心不僅可以提高供應鏈運營的效率，降低運營成本，還能夠?qū)崿F(xiàn)供應鏈的整體優(yōu)化，間接提高企業(yè)競爭力。因此，研究物流配送中心的選址是重要而必要的。

一、配送中及其心選址

（一）配送中心的內(nèi)涵

1.概念

配送中心是指從事以配送服務為主的現(xiàn)代化設施，是以組織配送式銷售和供應、執(zhí)行實物配送為主要功能的流通型物流結點。它能夠很好地解決用戶多樣化需求和廠商大批量專業(yè)化生產(chǎn)的矛盾，因此逐漸成為現(xiàn)代化物流的標志。

2.與物流中心的區(qū)別

配送中心是儲存眾多物品且將儲存周期較短的眾多物品配送給眾多零售店（如專賣店、連鎖店、超市等）或最終客戶的場所；而物流中心則是儲存眾多物品、且將儲存周期稍長的眾多物品送達下一層經(jīng)銷商或配送中心的場所。

（二）配送中心的分類

1.根據(jù)功能不同的分類

（1）流通加工型配送中心——配送中心對物品的流通和加工職能較為重視。為了匹配客戶的要求，占有市場的主動權，配送中心主要進行流通以及再加工活動以滿足客戶的需求。

（2）配送型配送中心——配送中心對物品的配送職能較為重視。作為面向零售商和消費者的物流節(jié)點，配送中心不僅有集貨、倉儲、分揀、加工、運輸?shù)嚷毮?，更強調(diào)以快速為主要目標所進行的短距離、小范圍的快速配送。

（3）倉儲型配送中心——配送中心對物品的倉儲能力較為重視。在提高土地利用率以及降低倉儲成本的條件下，一般會采用此類配送中心。

（4）樞紐型配送中心——配送中心強調(diào)物品的集運及轉(zhuǎn)運功能。因其特殊的功能多會把配送中心設在海關或機場附近。

2.根據(jù)投資主體不同的分類

（1）合作型配送中心——由多家企業(yè)合資建設的配送中心。合作型配送中心可以分攤建設費用，且可共用于同一區(qū)域進行配送服務。

（2）自用型配送中心——通常是供應鏈相關方為了提高物資的周轉(zhuǎn)效率、降低配送成本、提高服務質(zhì)量所自行建立的配送中心。

（3）公共型配送中心——投資主體多為政府或第三方物流企業(yè)。其特點是具有高度專業(yè)的配送能力，且對于客戶的要求有強大的調(diào)整能力。

3.根據(jù)運營主體不同的分類

（1）制造商型配送中心——投資主體、運營主體及服務對象都是制造商本身。通過建立獨特的物流中心，可以滿足企業(yè)自身產(chǎn)品的配送要求，提高客戶的服務水平，降低配送成本，提高企業(yè)的競爭力。

（2）批發(fā)商型配送中心——投資及運營主體是批發(fā)商或代理商。在商品的流通過程中，起橋梁及紐帶作用，將生產(chǎn)商的產(chǎn)品聚集到配送中心，再分配到下游零售商或用戶的手中，具有較高的社會合作性。

（3）零售商型配送中心——投資及運營主體是零售商。一般而言是多家大中型企業(yè)共同出資建立的配送中心，通過批量采購及批量運輸取得規(guī)模效益，使整體的平均成本降低，提高自身的利潤[1}。

（三）配送中心的選址

1.選址的內(nèi)涵

在一定的經(jīng)濟區(qū)域內(nèi)，用科學合理的方法對配送中心進行地理位置的選址，最佳的選址位置可以使配送中心發(fā)揮最大的效益。如：縮短配送時間、降低配送費用、滿足配送需求、降低企業(yè)的運營成本、改善供應鏈，對企業(yè)的發(fā)展具有高度的戰(zhàn)略意義。

2.選址的原則

（1）經(jīng)濟性原則——配送中心選址的最后確定要以低成本、高效率、高收益為目標，避免因建設配送中心而過度地占用企業(yè)經(jīng)濟資源。

（2）適應性原則——配送中心的選址要具有適應性，既要適應企業(yè)發(fā)展的戰(zhàn)略目標，也要適應企業(yè)的運作需求，而且還需要適應客戶的要求。

（3）彈性原則——配送中心的選址需要有一定的彈性，能夠滿足社會的變化，具有前瞻性、發(fā)展性。

3.選址的規(guī)劃

根據(jù)配送中心選址的規(guī)劃，可分為單中心選址和多中心選址，是根據(jù)配送中心的數(shù)量不同而進行分類的。如圖1所示。

4.選址的影響因素

（1）自然環(huán)境——指地形、地貌、天氣條件等自然因素。首先，配送中心需要盡可能縮短與供應商、或者客戶的配送距離與配送時間，因此不宜建在地形迂回曲折的地方。其次，是否靠近河海的地貌也需考慮，這意味著運輸方式的不唯一性。最后，該地的溫度、濕度等也是對倉儲造成重大影響的因素[2]。

（2）經(jīng)濟環(huán)境——多指當?shù)氐幕ǔ潭纫约叭瞬刨Y源狀況。在基建程度低的地方，配送中心會得不到各方面技術上的支持，如信息通訊、人才數(shù)量等。從而失去其存在的價值，甚至會導致虧損情況出現(xiàn)。

（3）政策環(huán)境——指政府的支持和優(yōu)惠政策等，公司會因為政府政策帶來的積極影響得到巨大的發(fā)展空間；然而，政府政策的不允許，也很容易形成各種障礙壁壘，從而限制企業(yè)的發(fā)展。

（4）企業(yè)戰(zhàn)略選擇——配送中心的類型是根據(jù)公司的戰(zhàn)略選擇而確定的。以配送為主的配送中心，往往會建在與多數(shù)客戶較為接近的地方；而以倉儲為主的配送中心，則更多地會考慮建設成本以及配送中心的空間利用率。

（5）城市路況——城市路況往往能夠影響配送的及時性，成為影響運輸時效的主要因素之一。例如廣州的路況相對而言就遠不及惠州：在廣州城區(qū)只能行駛5公里路程，在惠州城區(qū)可能可以行駛8公里甚至8公里以上。

5.選址的實施步驟

（1）約束條件分析：首先明確建立配送中心的目的、意義、重要性，再分析好各種約束條件，如政府是否允許在此地建立配送中心、顧客的分布情況、配送中心的物流職能等。

（2）收集整理材料：選址是為了追求運輸費、配送費、物流設施設備費用的最低化，因此搜集數(shù)據(jù)時，一般要掌握客戶業(yè)務量、各項費用（運輸費、配送費、土地費、人工費、業(yè)務費）和其他（包括配備車輛數(shù)、作業(yè)人員數(shù)、裝卸方式、裝卸機械費用）各類信息。

（3）地址篩選：在整理分析材料之后，應該考慮各種因素的影響并且對需求進行預測，初步確定選址范圍。

（4）定量分析：根據(jù)不同情況采用不同模型進行運算。

（5）結果評價：綜合各種因素，包括市場適應性、購置土地條件、服務質(zhì)量等，對初步選址結果進行評價。

（6）復查：根據(jù)不同因素的不同影響程度，運用加權法進行運算，根據(jù)是否滿足選址的約束條件將結果進行確認，若不滿足，則返回第（3）步地址篩選繼續(xù)運算。

（7）確定選址結果：通過一系列調(diào)查分析以及運算之后，確定選址結果。

圖1單中心選址和多中心選址示意圖

二、配送中心選址的研究方法

（一）傳統(tǒng)型算法

基于物流配送中心選址在降低物流成本、提高物流效率等方面的巨大作用，眾多學者對混合整數(shù)規(guī)劃、層次分析法、重心法等傳統(tǒng)型選址算法進行了大量的研究。

胡敏通過雙重中心法對配送中心的選址進行研究，確認了其有效性[3]。王富忠、龐海云通過遵循知識準則的求解算法，較好地實現(xiàn)了倉庫選址最優(yōu)及配送成本最優(yōu)的雙優(yōu)目的[4]。楊彪等以供應鏈成本最低為目標運用混合整數(shù)規(guī)劃的方法快速地解決了選址的問題[5]。張延亮、康國棟利用迭代重心法和蒙特卡羅隨機模擬的方法對單一地方和兩個地方的選址問題求得最佳選址方案[6]。徐其強基于層次分析法證明了對物流中心選址的可行性[7]。吳婷等認為在只考慮運輸成本的單一因素時，CFLP模型對市場選址具有一定的優(yōu)勢[8]。宋正娜等驗證了在多因素影響下P—中值模型對醫(yī)院設施進行分布選址有一定的指導性[9]。董偉通過網(wǎng)絡覆蓋模型對航空飛行服務站分布進行研究，得出了較好的分析結果[10]。

（二）創(chuàng)新型算法

近幾年，一些學者驗證了遺傳算法、粒子群算法、蝙蝠算法、布谷鳥算法等創(chuàng)新型算法在物流配送中心選址問題上的有效性和可行性。

楊立通過和諧搜索算法和遺傳算法結合的混合算法得出選址的最優(yōu)解[11]。歐陽浩等用遺傳算法獲得針對運營成本問題的近似最優(yōu)的選址方案[12]。馮席席證實了粒子群算法和粒子群算法模型對選址進行求解的可行性[13]。黃鑫磊通過仿真驗證蝙蝠算法其良好的全局優(yōu)化性，還用連續(xù)型單配送中心、離散型多配送中心驗證了蝙蝠算法求解選址問題的可行性[14]。趙世安、屈遲文采用改進的布谷鳥算法求解物流配送中心的選址問題，并且驗證了有效性[15]。李小川在煙花算法中引入人群搜索算法中的利己行為、利他行為和預動行為，對物流配送中心選址出現(xiàn)的早熟收斂、搜索精度低、魯棒性差等缺陷進行了完善，并且改進了此算法對于求解物流配送中心選址問題的有效性[16]。高雯倩對引力搜索算法進行了改進，并且提出了引力系數(shù)的動態(tài)調(diào)整策略以及基于粒子聚集程度的變異策略[17]。

（三）遺傳算法與配送中心選址

如前所述，很多學者采用遺傳算法去計算配送中心的選址，通過研究不同的影響因素、不同的選址范圍計算遺傳算法跟配送中心選址的匹配度，并且得知主要影響因素除距離、單位運費等之外，還包括天氣狀況、道路狀況以及“種群”范圍的選擇等。

1.基本概念

遺傳算法簡稱GA（Genetic Algorithm），其基于自然界中的適者生存規(guī)則，通過將算法擬化成自然界中種群的進化，將算法與種群進化中的染色體互換、基因突變等結合在一起，通過決定種群生存進化的“適應值”去篩選出最優(yōu)解。

此算法跟重心法、層次分析法等截然不同，它通過與自然的結合，不需要多梯度的新信息；只是通過人工進化的方法，在多個解中根據(jù)適應值去逼近最優(yōu)解，類似于堆積木的一個過程。

遺傳算法將選址問題轉(zhuǎn)化成為多目標排序的問題[18]，并且提出了多個生物進化的名詞，如種群、染色體、基因突變、適者生存等，同時用“遺傳”的方式，并且通過反復的運算對比，找出最“適合生存”的解。遺傳算法是與自然結合的創(chuàng)新型算法。

2.具體步驟

（1）編碼：以二進制的方式按照一定規(guī)則對備選配送中心進行編碼，編碼成若干個獨立的個體。

（2）組成種群：即所有被以一定規(guī)則編碼的獨立個體被匯聚在一起，組成一個類似于種群的一個集合，稱之為初始種群。

（3）反解編碼：根據(jù)設定的編碼規(guī)則，通過反解編碼的方式，將編碼里面所包含的信息反解出來，類似于生物學中的染色體從表現(xiàn)型轉(zhuǎn)換為基因型再轉(zhuǎn)換成為表現(xiàn)型的一種轉(zhuǎn)換流程。

（4）計算函數(shù)值：即將變量作為計算的數(shù)據(jù)，解出函數(shù)值。函數(shù)值又稱為適應值，適應值是決定種群生存或者淘汰的一個驗證值。

（5）選擇交換染色體的個體：以適應值作為參考，選擇出若干個交換染色體的個體，并依據(jù)選址需求，有目的地進行染色體互換，或者進行隨機交換。

（6）基因突變：是將某一互換完染色體的獨立個體，進行某一處的數(shù)據(jù)改變，以模仿自然界中的突變，并進行適應值的計算。

（7）適應值的重復運算：包括染色體交叉互換，基因突變等重復操作，直至滿足目標函數(shù)的最優(yōu)解出現(xiàn)或者運算終止，則標志為運算結束[19]。

3.遺傳算法詳解

（1）制定編碼

制定編碼的方法包括二進制編碼、浮點數(shù)編碼、格雷碼編碼等。由于二進制編碼更近似于染色體，更符合生物進化的規(guī)律，因此選取二進制編碼。

二進制編碼是根據(jù)一定規(guī)律，將選址信息編碼成由若干個三位二進制組成的“染色體”，所有的“染色體”又組成了“種群”，種群又可以稱為解的集合。具體的表現(xiàn)如生物學中染色體的表現(xiàn)型向基因型的轉(zhuǎn)變。

（2）目標函數(shù)的制定

目標函數(shù)用于計算染色體的適應度，選擇遺傳個體的交叉與變異，決定整體收斂性，對于整體的優(yōu)化選擇起著極其重要的作用。

由于是二進制編碼，并且為了穩(wěn)定收斂性，因此一般會選擇線性函數(shù)作為目標函數(shù)。需要注意的是，目標函數(shù)的選擇不當會出現(xiàn)局部最優(yōu)解的情況，導致可能會出現(xiàn)整體最優(yōu)解無法得到的情況。如：

（3）選擇、交叉與變異算子

遺傳算法的選擇方式主要包括輪盤賭選擇、隨機選擇。輪盤賭選擇是通過概率高低，選擇兩條染色體作為父代跟母代進行交叉互換與變異，用于生成新一代的染色體，選擇概率的高低取決于適應度的高低，適應度越高被選擇的概率越高。如圖2所示：染色體總適應值為8+6+4+2=20；則選中染色體A至D的概率分別為40%、30%、20%、10%。

而隨機選擇是通過輪盤賭的方式得出一對染色體進行比較，采取淘汰低適應度的方法，留下高適應度再進行隨機抽取一對進行染色體交叉互換生成子代交叉即為染色體交叉互換?；Q方式包括單點交叉、兩點交叉及多點交叉，顧名思義，交叉的“堿基位”可以由一個到多個不等。如圖3所示。

變異包括基因位變異與均勻變異?；蛭蛔儺愂侵敢砸欢ǖ母怕剩S機地選擇一個或多個基因位進行突變；均勻突變則是通過某一小概率，去替換均勻分布的隨機數(shù)，比較適用于算法前期。此步驟是通過選擇父代和母代染色體，進行交叉互換及變異，生成多個子代，盡可能地提高適應值，得出最優(yōu)解。

（4）適應度的再計算

通過生成的子代，進行適應值的計算，如此重復步驟，直至得出最優(yōu)解或者當運算的代數(shù)到達上限時。

遺傳算法的具體流程如圖5所示。

4.遺傳算法的優(yōu)點

（1）可解性不可比擬

相較于復雜算法，遺傳算法可以避免出現(xiàn)函數(shù)無解的情況。適應值作為遺傳算法的主要支點，它并不需要函數(shù)的太多支持。面對函數(shù)時，可通過交叉互換或基因突變來改變無解的情況。因此，遺傳算法對于函數(shù)的低依賴性是重心法、層次分析法等傳統(tǒng)的選址計算方法所不能比擬的。

（2）特別強的魯棒性

當求解的過程中可能出現(xiàn)多個異常結果的情況下，遺傳算法有很高概率能得到最優(yōu)可行解或者近似最優(yōu)解。

圖2輪盤賭算法概率圖

圖3染色體交叉

圖4染色體變異

圖5遺傳算法流程圖

（3）具有整體優(yōu)化能力

遺傳算法對于解的搜索是以一組包含多個初始解的集合展開的；在求解的后半段，生成的解不是唯一的單個解，而是多個最優(yōu)解。因為可以讓需求者擁有更多的選擇，具備強大的整體優(yōu)化能力。

（4）強大的可改動性

可改動性是指對原需求進行改變，如對目標函數(shù)的改進。許多算法在這樣的情況下容易失靈進而無法繼續(xù)求解，但是遺傳算法可利用Matlab強大的計算能力，在程序上稍作修改便可繼續(xù)求解。

（5）特別高的并行性

并行性不會直接在解集上反映，而是在對于求解編碼的問題上，它會在多個信息空間區(qū)域內(nèi)同時進行搜索，從而盡可能減少出現(xiàn)局部最優(yōu)解的幾率。

5.遺傳算法的不足

（1）對遺傳算法的研究有待提高

遺傳算法是一種模擬生物進化的算法，在運用于選址實踐中有著不錯的效果。但作為一種創(chuàng)新型算法，有待加強其理論方面的研究。

（2）參數(shù)缺少對應的規(guī)范確定的準則

遺傳參數(shù)的設置取決于編碼以及遺傳技術的差別，往往是依靠過去經(jīng)驗得來的參考值，所以該算法的應用也受參數(shù)不規(guī)范的影響。

（3）選取初始種群往往是決定性的

在處理單峰函數(shù)的問題上，遺傳算法擁有著得天獨厚的優(yōu)勢。但是在處理多峰函數(shù)的問題上，遺傳算法就比較容易陷入局部最優(yōu)解，導致無法收斂出全局最優(yōu)值。因此種群的選取，往往是決定性的。

（4）局部搜索能力不夠

遺傳算法的搜索能力受控制參數(shù)以及初始種群的影響。一般情況下，遺傳算法的收斂速度較慢。不僅如此，遺傳算法的穩(wěn)定性往往比較低，導致局部的搜索能力不足，這是簡單的遺傳算法存在的不可避免的缺點。

三、基于廣州KT物流科技有限公司的實證分析

（一）選址背景

1.公司簡介

廣州KT物流科技有限公司成立于2017年，年營業(yè)額3億元左右，員工約300人，是一個專門為中小企業(yè)提供物流運作解決方案和代管服務的智能化物流平臺。其主要以“人工智能+云服務+大數(shù)據(jù)”為核心能力，通過互聯(lián)網(wǎng)創(chuàng)新技術，優(yōu)化整合社會運力，滿足中小企業(yè)碎片化的物流運作需求，有效幫助中小企業(yè)降低物流成本。

2.選址情況簡介

近年來，為滿足公司發(fā)展需要，擬在珠海、東莞、中山、惠州、廣州等地選址再建立三個配送中心，使配送中心由目前的兩個增加為五個。根據(jù)統(tǒng)計，8個主要用戶群到達各個配送中心的流程圖以及成本分別見圖6和附錄。

圖6多點配送流程圖

（二）選址要求

配送中心選址應符合以下規(guī)律[20]。

1.最小成本原則

供貨點到配送中心的總成本+配送中心到用戶的總成本+配送中心運營成本（可變成本+固定成本）最小。

2.限制條件

（1）供應點到配送中心總運量要小于配送中心總供應量。

（2）配送中心到用戶的總運量要大于用戶需求量。

（3）供應點到配送中心總運量要等于物流中心到用戶的總運量。

（4）要選擇該配送中心才可以出現(xiàn)運量。

（5）物流中心的個數(shù)不可超過上限。

（6）運量不可小于0。

（7）一個用戶只對應一個配送中心，一個配送中心則可以對應多個用戶。

因此綜合運量、單位運費、固定成本的目標函數(shù)為：

因此綜合運量、單位運費、固定成本、可變成本的目標函數(shù)為：

其中CKI為供貨點到配送中心的單位成本，TKI為供貨點到配送中心的運量，CIJ為配送中心到用戶的單位成本，TIJ為配送中心到用戶的運量，F(xiàn)為固定成本，L為可變成本。L可變成本為by自然環(huán)境成本、sg經(jīng)濟環(huán)境成本、od政治環(huán)境成本以及aq路況成本之和。