兩階段式物流配送路徑優(yōu)化模型仿真

杜衛(wèi)華，翁傳芳

(南昌航空大學科技學院，江西 九江 332020)

1 引言

如今全球經(jīng)濟發(fā)展速度極快，且呈現(xiàn)出經(jīng)濟一體化進程，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，該方法首先對目標函數(shù)進行定義，其中包含了配送成本、時間懲罰成本等，根據(jù)隨機參數(shù)對配送帶來的影響，對需要配送的范圍、訂單等進行設(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函數(shù)，實際配送需求量用作約束條件，依據(jù)目標函數(shù)和約束條件對配送優(yōu)化模型進行建立，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)配送運作模式，將最小化配送成本看作目標，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行求解，以此實現(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行管理及服務(wù)，能夠?qū)Υ髷?shù)據(jù)進行處理。當各個區(qū)域物流企業(yè)進行業(yè)務(wù)運作時，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行分析。

對物流進行配送時，影響企業(yè)配送的因素較多，例如車輛運輸、貨物運輸、物流公司管理等。這些影響因素無疑會增加物流企業(yè)的負擔，加大物流企業(yè)的運輸成本。

1)物流配送的距離

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

2)貨物運輸量

通常情況下貨物運輸有海運、陸運、空運三種運輸方式。大多數(shù)情況下貨物都會利用陸運方式進行配送，而貨物運輸量由車輛大小進行決定。貨車越大，運送的貨物數(shù)量也越多。

3)物流運輸方式

上述說明貨物運輸方式總共有三種，而各個運輸方式所產(chǎn)生的費用也大不相同。通常來說，空運的運輸成本最大，但運送時間最短。水運的運輸成本最小，但運送的時間最長。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行相應的配送，以此減小運輸成本。

4)市場因素

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

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。

若運輸車輛

s

的實際載重是

Q

，那么配送車輛的燃油耗費總量用表達式定義如下：

(2)

3

.

1

.

2 約束條件

根據(jù)制定的目標函數(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行服務(wù)，同時每位客戶只能實行一次服務(wù)。用表達式定義如下

(4)

3)車輛行駛的最大距離約束條件，用表達式定義為

(5)

式中，

D

描述的是約束條件。

3.2 構(gòu)建模型

車輛對貨物進行配送時，過多的車輛會導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，以此構(gòu)建兩階段式配送路徑模型，該模型的表達式如下所示

(6)

3.3 基于改進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行優(yōu)化，具體操作如下所示。

1)構(gòu)建路徑

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

t

時刻時螞蟻

k

處存在某個節(jié)點，該節(jié)點需要朝著待訪問節(jié)點進行轉(zhuǎn)移，

p

(

t

)就是節(jié)點的轉(zhuǎn)移概率。利用概率隨機策略對最優(yōu)路徑進行選擇，這時螞蟻

k

選擇的路徑用表達式定義如下

(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，用表達式定義為

(8)

式中，

ρ

描述的是信息素揮發(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輸成本的影響因素進行有效分析，確立目標函數(shù)及約束條件，構(gòu)建兩階段式配送路徑優(yōu)化模型，并采用改進混合蟻群算法對模型進行優(yōu)化，從而實現(xiàn)面向區(qū)域物流的兩階段式配送路徑模型的構(gòu)建。

4 實驗與分析

為了驗證面向區(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，需要對該方法進行實驗對比測試。

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)進行實驗測試。

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行配送，配送完成后根據(jù)客戶的滿意度驗證路徑優(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 車輛運輸時間測試

分析圖3中的數(shù)據(jù)發(fā)現(xiàn)，本次實驗設(shè)定的運輸距離為9000km。三種方法在測試期間，方法1的運輸時間要低于其余兩種方法，而方法3的運輸時間最高。由此可見，方法1對運輸路徑的規(guī)劃效果要優(yōu)于方法2和方法3?；谠撛囼灒源双@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，這是因為方法1對配送運輸成本的影響因素進行有效分析，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行優(yōu)化后，只需配送2-4次即可完成配送?？梢妼ξ谋舅岱椒▋?yōu)化后，配送次數(shù)有所減少，有效地提升了貨物運輸效率。

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，并采用改進混合蟻群算法對該模型進行優(yōu)化，實現(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的發(fā)展空間。