○ 俞秋婷 張岐山

（福州大學(xué)管理學(xué)院 福建 福州 350108）

一、引言

應(yīng)急物流配送網(wǎng)絡(luò)設(shè)計是一個復(fù)雜系統(tǒng)，它的模型既可以是確定性的，也可以是不確定性的。在確定性模型中，獲得的信息都是確定值；而不確定性模型中，獲得的信息可以是不確定的，包括需求的不確定、路徑選擇的不確定、車輛選擇的不確定，還包括隨機(jī)不確定、模糊需求不確定和灰色不確定等。國內(nèi)外的學(xué)者對于確定性應(yīng)急物流配送網(wǎng)絡(luò)作了較為細(xì)致全面的研究，通過建立整數(shù)規(guī)劃或者混合整數(shù)規(guī)劃、雙層規(guī)劃模型、多目標(biāo)模型描述應(yīng)急物流配送網(wǎng)絡(luò)。為了使所建立的模型越來越接近現(xiàn)實，越來越多的應(yīng)急物流配送網(wǎng)絡(luò)的研究引入了模糊變量、隨機(jī)變量、灰變量。

目前，大多數(shù)的研究都集中在對需求的模糊性或隨機(jī)性、運輸時間的模糊性以及災(zāi)難對于路徑破壞的模糊性上，極少考慮由于天氣隨機(jī)變化影響運輸效率的隨機(jī)模型。在現(xiàn)實中，由于氣候因素導(dǎo)致運輸效率降低是相當(dāng)普遍的，而在應(yīng)急物流中，時效的重要性凸顯，因此考慮天氣隨機(jī)因素的應(yīng)急配送網(wǎng)絡(luò)研究是有價值的。

二、問題描述

當(dāng)某個地區(qū)遭受突發(fā)事件影響時，就需要對這個地區(qū)進(jìn)行物資的應(yīng)急配送。天氣是對該地區(qū)進(jìn)行應(yīng)急配送重要的影響因素，它直接影響該物資運送的時間成本。當(dāng)天氣情況較好時，路段流量較為暢通，從而導(dǎo)致運輸時間延長；反之，當(dāng)天氣情況較差時，路段流量較為擁堵，進(jìn)而引起運輸時間縮短。因此，天氣狀況對于整個交通運輸有著重大影響，必須考慮天氣隨機(jī)變化情況下的應(yīng)急配送中心選址和運輸路線的安排問題。

災(zāi)害發(fā)生后，天氣狀況概率分布服從某種分布，其中x軸表示天氣好壞，y軸表示天氣狀況的概率。當(dāng)天氣狀況服從正態(tài)分布時，x的隸屬函數(shù)的概率密度為：

通過隨機(jī)模擬，正是由天氣狀況和概率的隨機(jī)取值來決定路段流量eij的隨機(jī)分布，為了簡化模型和便于求解，本文將路段流量eij的取值設(shè)定為服從0-1隨機(jī)分布，分布如下：

應(yīng)急配送網(wǎng)絡(luò)問題屬于最小成本問題，其中不僅僅包括一般物流配送的費用成本，還包括時間成本。本文討論的是多個受災(zāi)點和多個出救點的應(yīng)急配送網(wǎng)絡(luò)規(guī)劃問題。其中主要包括兩個問題，一個是出救點的選址問題，即在多個備選出救點中選取數(shù)量一定的點確定成為應(yīng)急狀況下的出救點，另一個是運輸線路問題，即每個受災(zāi)點對應(yīng)某個出救點進(jìn)行物資的供應(yīng)。該應(yīng)急配送網(wǎng)絡(luò)是以一個一級運輸系統(tǒng)（即從出救點到受災(zāi)點之間的運輸）運作總成本最小化為目標(biāo)，綜合考慮應(yīng)急配送過程中的各種制約因素而建立的數(shù)學(xué)模型。

三、基本假設(shè)

1、模型假設(shè)

第一，假設(shè)天氣變化服從某一正態(tài)分布。X-天氣好壞的取值范圍為（0，1），即x=0表示天氣差，x=1表示天氣好；Y- 概率的取值范圍為（0，1），即y=0表示此狀況發(fā)生的可能性為不可能，y=1表示此狀況發(fā)生的可能性為一定發(fā)生。x表示一種對天氣的評價好壞，y表示天氣為x狀況下的概率是多少。

第二，假設(shè)不同天氣導(dǎo)致從出救點j到受災(zāi)點i的路段流量eij服從0-1隨機(jī)分布。由于天氣的變化，不同路段的流量eij隨機(jī)變化。假設(shè)受災(zāi)點的數(shù)目是一定的，需求量的情況為隨機(jī)需求。目前設(shè)成 xij取[a，1）且 yij取（0，b）上的值時，eij為 1，其它情況為0（a和b為可調(diào)參數(shù)，以免eij大部分為0）。

第三，備選的出救點已經(jīng)過粗篩選，在確定的若干備選點進(jìn)行選址，如果符合條件就建立，否則就不建立。

第四，出救點的容量、固定建設(shè)費用、物資的儲存費用和運輸成本均已知。出救點到受災(zāi)點的配送距離、單位運輸費用和運輸速度均已知。

第五，運輸費用和運輸量、距離成正比。出救點數(shù)目一定，且出救點有容量的限制。每個受災(zāi)點至少有一個出救點供貨。目標(biāo)函數(shù)為成本函數(shù)，且為線性函數(shù)。

2、符號與變量說明

第一，模型中的參數(shù)符號。

i：受災(zāi)點編號 i∈｛1，2，……I｝；

j：出救點編號 j∈｛1，2，……J｝；

eij：0-1變量，表示從出救點j到受災(zāi)點i的路段流量eij能否可行（1—可行，0—不可行）；

eij通過隨機(jī)模擬的過程來擲篩子求出它的取值，每一段路都擲一次篩子；

E：最終選擇的出救點j數(shù)量；

a：時間成本的權(quán)重a?（0.6，1）（使得時間作為主要的優(yōu)化目標(biāo)）（設(shè)定一個固定值，eg：0.6）；

fj：出救點j基礎(chǔ)投資費用；

Lj：出救點j的最大容量限制；

Cj：出救點j的存儲費用；

γi：受災(zāi)點 i的需求量；

Gij：出救點j到受災(zāi)點i的的單位距離運輸費用（根據(jù)eij來確定，若eij=0，則為無窮大，否則由用戶指定或由隨機(jī)函數(shù)生成）；

dij：出救點j到受災(zāi)點i的距離；

vij：出救點j到受災(zāi)點i的運輸速度；

第二，模型中的變量。

Mj：0-1變量，表示第j個待選出救點是否被選擇建立（1—選，0—不選）；

Kij：0-1變量，表示出救點j和受災(zāi)點i是否存在供需關(guān)系（1—存在，0—不存在）；

Kij：救點j是否向受災(zāi)點i提供救助；

Xij：出救點j到受災(zāi)點i的運量。

四、模型的建立

應(yīng)急配送網(wǎng)絡(luò)問題屬于總成本最小的問題，其中包括了時間成本和費用成本兩大塊。根據(jù)上述的模型假設(shè)，綜合考慮了受災(zāi)點對物資的隨機(jī)需求、給定出救點選址數(shù)量和出救點容量水平限制等情況，基于天氣隨機(jī)變化的以及配送網(wǎng)絡(luò)模型的構(gòu)建如下。

目標(biāo)函數(shù)是：

對所建模型作簡要說明：

目標(biāo)函數(shù)（1）為應(yīng)急配送網(wǎng)絡(luò)的總成本最小，其中包括了時間成本和費用成本。其中函數(shù)（2）表示時間成本的最小化，函數(shù)（3）表示費用成本的最小化，即出救點開設(shè)和運營的固定建設(shè)費用，從出救點到受災(zāi)點的運輸費用以及出救點物資的儲存費用，物資在出救點和受災(zāi)點之間的選址配送等費用總和最小。

約束條件（4）保證允許開設(shè)的出救點的數(shù)目為確定量；約束條件（5）表示所有出救點i配送到受災(zāi)點j的商品總量要滿足受災(zāi)點j對商品總需求量；約束條件（6）表示出救點的供應(yīng)量是有限制的，出救點i配送到受災(zāi)點j的商品總量不得超過出救點的容量；約束條件（7）表示每個受災(zāi)點至少有一個選中的出救點供應(yīng)物資；約束條件（8）表示非負(fù)變量的取值約束；約束條件（9）保證變量取0或1。

五、考慮天氣隨機(jī)變化的應(yīng)急配送網(wǎng)絡(luò)模型求解步驟

1、構(gòu)造微粒表達(dá)方式

在應(yīng)急配送網(wǎng)絡(luò)模型的算法求解中，如何運用合適的微粒表達(dá)方法，是實現(xiàn)算法一個非常重要的突破點。應(yīng)急配送網(wǎng)絡(luò)出救點的選址問題主要是在一系列備選出救點中確定出救點的最佳位置，最終的目標(biāo)是使總成本最小化。對于每個受災(zāi)點來說，就存在兩個問題：是不是出救點，該受災(zāi)點隸屬于哪個出救點。本文構(gòu)造了一種微粒表達(dá)方法，對于一個H個受災(zāi)點的出救點的選址問題，每微粒對應(yīng)于一個H列的矩陣。

例如，設(shè)某一應(yīng)急配送網(wǎng)絡(luò)有4個備選的出救點，要從中選出2個作為確定的出救點（即配送中心）；6個受災(zāi)點，若某微粒的位置向量X為：

出救點號：1 2 3 4

X1：0 1 0 2

受災(zāi)點號：1 2 3 4 5 6

X2：2 1 2 2 1 2

其中X1表示該備選的出救點是否為確定的出救點，0表示不是，自然數(shù)i表示在該點建立第i個出救點；X2表示該受災(zāi)點點隸屬于第幾個出救點。

在該例子中，配送中心為：2，4；需求點隸屬情況為：

2：1，5

4：2，3，4，6

2、算法的求解具體步驟

線性遞減慣性權(quán)重的粒子群算法求解考慮天氣隨機(jī)變化的應(yīng)急配送網(wǎng)絡(luò)模型，其算法總體流程如下：

Step1：設(shè)定微粒群算法參數(shù)。

Step2：初始化微粒 X。微粒 X 中：x=[M1，M2，…Mj]是（J+M）維二進(jìn)制，wj∈｛0，1｝，1 表示網(wǎng)絡(luò)節(jié)點出救點修建，0 表示不建。檢查修建的出救點的總數(shù)是否滿足設(shè)施設(shè)置的最小值約束，以及檢驗選中的出救點的處理能力是否能滿足受災(zāi)點的需求，確保受災(zāi)點不會與未設(shè)置的出救點相關(guān)聯(lián)。

Step3：初始化微粒eij。由天氣狀況符合正態(tài)分布或均勻分布，來確定eij的取值。若微粒eij=0，出救點j到受災(zāi)點i的單位距離運輸費用Gij則為無窮大；若eij=1，則Gij=1。

Step4：評價每個微粒的適應(yīng)值。以f目標(biāo)函數(shù)，以其值最小為目標(biāo)進(jìn)行進(jìn)化。

Step5：將當(dāng)前各微粒的位置和適應(yīng)值分別存儲在各微粒的pi，fitmessi中，將所有pi中適應(yīng)值最優(yōu)個體的位置和適應(yīng)值分別存儲在 pg、fpbest中。

Step6：更新微粒的速度和位置。

Step7：更新微粒的權(quán)重。

Step8：執(zhí)行Step3，評價每個微粒的適應(yīng)值，并與fitnessi和fpbest進(jìn)行比較，如果較好，則更新 fitnessi、fpbest、pi和 pg。

Step9：重復(fù)Step6到Step8給定的循環(huán)次數(shù)。

[1]唐康：基于隨機(jī)需求的應(yīng)急物資分配模型[J].現(xiàn)代商業(yè)，2010（8）.

[2]王世珍：多目標(biāo)應(yīng)急救援物資調(diào)度問題的研究[J].知識經(jīng)濟(jì)，2009（12）.

[3]李軍軍、王錫淮、黃有方、肖健梅：基于混合微粒群優(yōu)化算法的配送中心選址問題求解[J].現(xiàn)代物流技術(shù)，2006（29）.

[4]Ayed Salmen，Imtiaz Ahmad，Sabah A1-Madani：Particle swarm optimization for task assignment problem[J].Microprocessors and Microsystems，2002（26）.

[5]汪定位、王俊偉：智能優(yōu)化方法[M].高等教育出版社，2009.