裴志松
(長春工業(yè)大學(xué)人文信息學(xué)院,長春130122)
物流調(diào)度對于物流企業(yè)來說,是最重要的一個環(huán)節(jié)。早期物流企業(yè),因為起步早,經(jīng)驗匱乏,企業(yè)規(guī)模較小等原因,物流調(diào)度成本在企業(yè)運營成本中居高不下,這不但阻礙了企業(yè)的發(fā)展,也容易造成客戶滿意度的降低[1]。所以,現(xiàn)代物流企業(yè),應(yīng)該能夠根據(jù)每個客戶的要求,及時準確地制定出相應(yīng)的調(diào)度方案,不但可以提高工作效率,也能增加物流的吞吐率,最終降低企業(yè)的運營成本,因此,應(yīng)該制定一種大規(guī)模的物流調(diào)度服務(wù)流程,規(guī)范企業(yè)操作,以達到適應(yīng)現(xiàn)代社會的需要?;谶@種情況,本文提出一種新型物流調(diào)度算法,將現(xiàn)代物流技術(shù)與信息技術(shù)相結(jié)合,提出一種新型物流調(diào)度算法,希望通過先進的物流管理理念,加上高效的程序算法,在網(wǎng)絡(luò)上合理配置資源,以提升企業(yè)運行效率,降低成本。為了驗證本文算法的可行性,通過模擬環(huán)境的數(shù)據(jù)對比,給出了解決方案,在實際應(yīng)用中,可以取得理想的效果。
粒子群體在N維空間中飛行,在群體飛向最優(yōu)位置的過程中,可以對速度和位置進行更新,比如第i個微粒個體的所處位置為si=(si1,si2,...,siD),每個個體的飛行速度為ti=(ti1,ti2,...,tiD),個體經(jīng)歷過的位置可定義為vi=(vi1,vi2,...,viD),其中i=1,2,...,k。通過計算,可以發(fā)現(xiàn)群體微粒經(jīng)過的最優(yōu)位置可以表示為Pg=(pg1,pg2,...,pgD)。所以可以有公式:
式中:w——慣性權(quán)重,表明粒子的運動速度與歷史信息的比較;
c1、c2——加速系數(shù),一般均為正值;
r1、r2——[0,1]之間的隨機數(shù)。
速度公式(2)的第2項表明每個粒子群中個體的認知能力;第3項表明全體認知能力補充?;谑?1)、式(2)的微粒群算法稱作基本微粒群算法,也就是傳統(tǒng)的粒子群算法。[2]
但是,傳統(tǒng)粒子群算法雖然應(yīng)用比較廣泛,但是也存在一些問題,比較典型的就是收斂速度慢并且容易陷入局部最優(yōu)化等缺陷。因此,筆者對該算法進行了一定的改善,以求能夠滿足物流調(diào)度的實際應(yīng)用。
根據(jù)本文算法,粒子首先會在一個群體中進行全局的目標(biāo)搜索,當(dāng)一定代數(shù)內(nèi)適應(yīng)值的變化小于閾值時,微粒群就會出現(xiàn)搜索停滯,而且粒子群體被分為2個子群。當(dāng)粒子在分群時,會按照個體不同的適應(yīng)值進行動態(tài)分配:首先選擇一個中間適應(yīng)值,如果高于這個適應(yīng)值,將被分到第1個子群,其余的將分配到第2個子群,按上述分配原則,可以將所有的粒子分配到各個子群。[3]這種分群方法,可以更好地體現(xiàn)不同個體在分配時候的動態(tài)分配性,并且可以保證在后續(xù)的搜索中提高搜索效率?;诜秩旱慕Y(jié)果,本算法通過不斷進行分群迭代操作,把各個子群進行動態(tài)混合優(yōu)化,并尋找優(yōu)化目標(biāo),直到找到優(yōu)化目標(biāo)位置,優(yōu)化過程基本經(jīng)過3~4輪就可以達到滿意的結(jié)果,可以保證優(yōu)化的效率。所以,經(jīng)過優(yōu)化的公式,可以表示為如式(3)和式(4)。
式中:i——i=1,…,m,為每個子群的粒子數(shù);
j——j=1,2,為子群的數(shù)量;
pg,j(t)——第j個子群進化到t代的全局最優(yōu)位置;
vi,j(t)——第j個子群中粒子的飛行速度;
pi,j(t)——第j個子群進化到t代所求的最優(yōu)位置;
c3、c4— —加速系數(shù);
r3、r4——[0,1]之間的隨機數(shù)。
為了驗證算法的有效性。根據(jù)物流企業(yè)的實際情況,設(shè)計了如下的實驗用例:在一個時間點上,某個物流公司在時域內(nèi)同時有5個物流任務(wù)并發(fā)執(zhí)行,并且每個任務(wù)有7個網(wǎng)絡(luò)節(jié)點存在分工合作的問題。主要數(shù)據(jù)如表1和表2所示。T1~T5是用來表示控制協(xié)調(diào)中時間和成本的比重,物流企業(yè)可以根據(jù)不同的供貨商,進行定制的物流需求,并且能夠?qū)1,w2進行動態(tài)調(diào)整。
表1 5個物流任務(wù)的時間參數(shù)
表2 5個物流任務(wù)的成本參數(shù)
利用本算法,可以對該物流任務(wù)進行優(yōu)化,結(jié)果 如表3所示。
表3 本算法的調(diào)度結(jié)果
從表3可以看出,通過本算法,的確可以有效地 解決大規(guī)模物流企業(yè)自身定制物流調(diào)度問題,并且具有一定的規(guī)律性。
大型物流企業(yè)在現(xiàn)代生活中,已經(jīng)達到了舉足輕重的地步,設(shè)置涉及到了社會穩(wěn)定的因素。要加強物流企業(yè)自身的運營能力,主要是要有一個適合自身的物流調(diào)度程序,通過現(xiàn)代物流技術(shù)與計算機技術(shù)相結(jié)合,為物流企業(yè)定制了一款大規(guī)模物流調(diào)度算法,并且進行了數(shù)據(jù)驗證,可以在理論上對物流企業(yè)有一個借鑒的作用,具有一定的推廣價值。
[1]吳慧聰.基于大規(guī)模定制的物流研究[J].物流工程與管理,2010,32(5):37-39.
[2]紀震,廖惠連,吳青華.粒子群算法及應(yīng)用[M].北京:科學(xué)出版社,2009:46.
[3]張潛.物流配送路徑優(yōu)化調(diào)度建模與實務(wù)[M].北京:中國物資出版社,2006:17-18.