常連玉，陳海燕

(1.長安大學　汽車學院，陜西　西安　710064；2.交通運輸部管理干部學院，北京　065201)

?

無車承運人運力資源組織優(yōu)化研究

常連玉1,2，陳海燕2

(1.長安大學汽車學院，陜西西安710064；2.交通運輸部管理干部學院，北京065201)

為了對無車承運人承運的運力資源進行優(yōu)化，降低運營成本，建立了帶有機會約束條件的無車承運人運力資源組織優(yōu)化模型。該模型針對無車承運人運營過程中要充分考慮不同主體利益、運力資源分散異質(zhì)、運價形成以及利益分配模式等特點，旨在實現(xiàn)多重約束下的無車承運人效益最大，運輸企業(yè)盈利處于合理區(qū)間，對運力資源、貨源和運輸線路進行了匹配優(yōu)化。在此基礎(chǔ)上，設計了針對該模型的微粒子群和神經(jīng)網(wǎng)絡混合智能算法對模型進行求解，并通過算例對其進行了驗證。結(jié)果表明：該模型及其算法具有有效性和實用性，能為無車承運人管理者提供決策依據(jù)。

運輸經(jīng)濟；運力資源組織優(yōu)化；微粒子群算法；無車承運人；機會約束

0　引言

無車承運人是指公路貨運市場以承運人的名義承攬貨源，與貨主方簽訂運輸合同，然后無車承運人將貨源外包給實際承運人，并與實際承運人簽訂運輸合同，由實際承運人按照無車承運人的要求完成運輸服務[1]。無車承運人模式的典型特征在于“承運人”，即區(qū)別于普通貨運中介，它需要承擔運輸合同約定的法律責任，而“無車”是指一般不從事具體的運輸業(yè)務，主要從事運輸組織、貨物分撥、運輸方式和運輸線路的選擇等工作。一方面由無車承運人與分散的、規(guī)模較小的運輸企業(yè)或運輸個體簽署合作協(xié)議，由這些分散的、規(guī)模較小的運輸企業(yè)或運輸個體作為實際承運人，承擔實際運輸任務，無車承運人則負責提供貨運任務，車輛的組織調(diào)配和信息技術(shù)支持。另一方面，無車承運人則以其名義負責尋找貨源，與貨主簽署運輸合同，并承擔承運人的權(quán)利和義務。這種運輸組織模式比較適合貨源相對集中，而運輸企業(yè)力量相對薄弱、分散的運輸市場，無車承運人通過聯(lián)合小、散、弱的運輸企業(yè)形成穩(wěn)定合作關(guān)系，從而可以更好地滿足貨主(托運人)的需求，也同時可以為運輸企業(yè)爭取更合理的運價，有利于運輸企業(yè)專注于運輸環(huán)節(jié)，實現(xiàn)了專業(yè)化分工，提升運輸市場的運作效率。在“互聯(lián)網(wǎng)+”背景下，無車承運人利用信息技術(shù)平臺整合車源和貨源，進行有效匹配和高效運作，通過網(wǎng)絡產(chǎn)生用戶黏性，以運力整合和增值服務創(chuàng)造價值；通過合理組織資源和精細組織，低成本、高質(zhì)量及高效率完成客戶專業(yè)化與個性化的需求，為客戶提供完整物流解決方案或供應鏈優(yōu)化方案。

當前，我國物流企業(yè)中絕大部分是傳統(tǒng)貨運企業(yè)，物流運作水平不高，總體規(guī)模不大、組織化程度低，尤其是占市場主體90%以上的公路貨運業(yè)戶呈現(xiàn)典型的“多、小、散、弱”結(jié)構(gòu)特點，導致全社會貨源、運力、站場等物流資源集約利用不足、整體運作效率不高。無車承運人模式能夠有效對接車、貨資源，提升物流運作效率，降低車輛空駛率，提高組織化程度，降低社會和企業(yè)的物流成本。為此，交通運輸部也將發(fā)展無車承運人作為推動運輸服務提質(zhì)增效升級的重點工作內(nèi)容[2]。無車承運人在我國尚屬新鮮事物，成熟的運作模式和成功經(jīng)驗較少，在推動無車承運人模式發(fā)展的過程中，要解決的核心問題就是無車承運人在承攬貨源的基礎(chǔ)上，利用科學的方法對其掌握的大量分散、差異化的運力資源進行高效組織配置，與貨主個性化的運輸需求進行合理匹配，這是降低運輸成本，發(fā)揮無車承運人模式優(yōu)勢的關(guān)鍵。近年來，學術(shù)界對運力資源優(yōu)化整合的運輸系統(tǒng)決策問題逐漸有較多的關(guān)注，并且取得了一系列有價值的研究成果，但目前的研究主要集中在運輸車輛調(diào)度、車輛路徑優(yōu)化、路徑和調(diào)度的混合問題等方面。Alireza圍繞多車場多周期和車輛容量及運行時間限制下，構(gòu)建了總運輸成本最小的模型[3]。侯爽在多車場協(xié)同工作背景下，針對多車場車輛路徑問題和多車場車輛任務優(yōu)化調(diào)度問題成本最優(yōu)模型，提出了“先指派,后優(yōu)化”的多階段啟發(fā)式算法，結(jié)論證明模型及算法能夠有效降低運輸空駛率[4]。Repoussis的研究以降低運輸總成本為目標，在運輸需求已知的前提下，構(gòu)建了車輛運行最優(yōu)運輸路線模型，優(yōu)化了迭代禁忌搜索算法進行求解[5]。Subramanian針對混合車型車輛路徑優(yōu)化問題，設計根據(jù)不同車型確定最優(yōu)車隊構(gòu)成并通過線路優(yōu)化模型以實現(xiàn)總成本最優(yōu)，并利用基于啟發(fā)式的混合整數(shù)規(guī)劃算法求解了360個客戶運輸優(yōu)化問題，驗證了模型的有效性[6]。Huth建立了在動態(tài)物流網(wǎng)絡中，基于運力限制下車輛路徑優(yōu)化和物流資源調(diào)度的整合數(shù)學模型[7]。在多目標運力資源優(yōu)化組織模型研究方面，Lin建立了企業(yè)物流資源與服務匹配導向下的多目標決策模型[8]。彭大衡、房巧紅等基于機會約束下，建立了機會約束多目標規(guī)劃模型，對資源組織情況進行優(yōu)化，并通過算例對目標結(jié)構(gòu)下的最優(yōu)決策進行求解[9-10]；分別針對物流車輛調(diào)度的單車、多車物流合乘匹配問題，以及在運輸過程中的服務需求換乘和路網(wǎng)時變情況，構(gòu)建了4類模型，并主要采用蟻群算法求解，通過算例證明模型能夠降低車輛運輸成本[11]。王旭提出面向物流任務的跨組織邊界物流資源優(yōu)化組織策略，建立以時間、成本、質(zhì)量和服務為目標函數(shù)的包括車輛在內(nèi)物流資源選擇組織模型，并采用算法對模型進行求解[12]。

綜上所述，現(xiàn)有文獻主要是基于車輛路徑優(yōu)化(VehicleRoutingProblem，VRP)和車輛排程(VehicleSchedulingProblem，VSP)擴展延伸發(fā)展起來，所構(gòu)建的模型的目標函數(shù)更多考慮整體運輸成本最低，缺少對無車承運人多方參與主體的分類研究，并且以研究單車場同質(zhì)車輛(同一型號、載重量等)問題為主，而缺少對多車場異質(zhì)車輛問題的研究。無車承運人的運力資源優(yōu)化組織是一個復雜的系統(tǒng)工程，其運力資源和貨源分布具有地理分散性、資源不平衡性、運力復雜性、主體相對獨立性等特點。在對無車承運人運力資源進行優(yōu)化的過程中，首先需要兼顧多主體利益，即無車承運人、運輸車隊(一般為服務于無車承運人的中小型企業(yè))、貨主三方要實現(xiàn)效益最大化。其次要符合運輸市場實際情況，充分考慮分散的運力車型、載重能力等參差不齊，運價的形成和盈利模式，以及綜合運輸成本構(gòu)成等情況。第三要結(jié)合無車承運人在對運力資源進行整合的同時也對貨源分布進行整合，實現(xiàn)車貨最優(yōu)匹配。本文以此為出發(fā)點，構(gòu)建帶有機會約束條件無車承運人運力資源優(yōu)化配置數(shù)學模型，為決策者提供參考，進而設計了微粒子群和神經(jīng)網(wǎng)絡混合智能算法進行求解，給出算例加以驗證，該方法能夠很好適應無車承運人運力和貨運分散、個體獨立、運力異構(gòu)、整合增值等特點。

1　運力資源組織優(yōu)化模型

1.1問題描述

將無車承運人運力資源組織優(yōu)化問題定義為：某無車承運人在某一特定時期內(nèi)在整個運輸市場上主要為n個運輸需求企業(yè)提供運輸服務，這些運輸需求企業(yè)共有A類貨物需要運往特定目的地，運輸距離分別為La，無車承運人與運輸需求企業(yè)i談判的第a(a∈A)類貨物運輸價格為pia，無車承運人合理安排運輸車隊j將運輸需求企業(yè)i的貨物a采用k種運輸方式運送至目的地，無車承運人按照與車隊j協(xié)定的價格Pj與該車隊進行結(jié)算，該價格與pia之間一般存在差價，無車承運人達到其收益R的最大化。

1.2基本假設

本文在構(gòu)建無車承運人運力資源組織優(yōu)化模型時基于以下假設：

(1)無車承運人在運輸市場上可組織到一定規(guī)模的運力資源；

(2)在貨物裝載過程中，均按照規(guī)定進行合理配裝；

(3)貨物的運輸均可按照運輸需求企業(yè)的要求在指定的時間內(nèi)運送至指定的目的地；

(4)各種貨物的貨運量矩陣及起點和終點之間的距離矩陣均為已知。

1.3模型構(gòu)建

無車承運人組織模式的關(guān)鍵是與運輸需求企業(yè)簽訂運輸合同，通過合理組織與無車承運人開展合作的運輸車隊或者企業(yè)的運力資源完成整個運輸服務過程，因此無車承運人資源的組織優(yōu)化涉及到運輸市場上的3個主體：無車承運人、運輸需求企業(yè)及運輸車隊或運輸企業(yè)。無車承運人在取得貨源的前提下，合理選擇運輸車隊或企業(yè)進行價格談判，通過與運輸需求企業(yè)談判的運輸價格和與運輸車隊談判的運輸價格之間的差價賺取利潤，并且期望利潤最大化；對運輸需求企業(yè)而言，其目的就是選擇某種運輸服務將貨物在規(guī)定的時間內(nèi)運至目的地；運輸車隊在買方市場的環(huán)境下，其目的是保證利潤在一定的可接受水平內(nèi)。因此，構(gòu)建運力資源組織優(yōu)化模型如下所示。

目標函數(shù)：

(1)

約束條件：

(2)

(3)

(4)

1.4參數(shù)與模型說明

模型中，R為無車承運人的收益；i為貨物運輸需求企業(yè)，n為貨物運輸需求企業(yè)總數(shù)；A為貨物的種類數(shù)；K為運力類型總數(shù)；Qiak為貨物運輸需求企業(yè)i使用k種運力運輸a類貨物的需求量；Qia為運輸需求企業(yè)i需要運輸?shù)腶類貨物的總量；piak為無車承運人針對采用k種運力運輸a類貨物向貨物運輸需求企業(yè)i收取的價格；Liak為貨物運輸需求企業(yè)i使用k種運力運輸a類貨物的運輸距離；j為與無車承運人簽訂運輸合作協(xié)議的車隊或者運輸企業(yè)；Ljka為車隊j采用運輸k種運力運輸a類貨物的實際運輸距離；cjka為車隊j采用運輸k種運力運輸a類貨物運輸價格；m為車隊或者運輸企業(yè)總數(shù)；Pj為無車承運人與j車隊的結(jié)算價格；xj為邏輯變量，若無車承運人選取j車隊合作，xj值則取1，否則取0；C為無車承運人的日常運營成本；Ck為k種運力的運輸能力；xk為邏輯變量，α為車隊j的利潤率；β為置信水平。

式(1)為模型的目標函數(shù)，表示無車承運人的收益R最大化；式(2)為運力的容量限制，表示各類貨物的載運量總和不超過各種運力的運輸能力的總和；式(3)為機會約束條件，表示車隊j的利潤率不低于α的概率，不小于置信水平β；式(4)為對邏輯變量xj和xk的定義。

2　算法設計

本文構(gòu)建的模型為一個帶有機會約束條件的非線性規(guī)劃問題?？紤]到微粒子群算法具有可實現(xiàn)且具有較小的調(diào)整參數(shù)、收斂速度快、解的質(zhì)量高、魯棒性較好等優(yōu)點，而神經(jīng)網(wǎng)絡算法具有很強的非線性擬合能力、可映射任意復雜的非線性關(guān)系、學習規(guī)則簡單等優(yōu)點，因此采用微粒子群和神經(jīng)網(wǎng)絡混合智能算法求解該模型[13-15]，具體算法步驟如下所示。

第1步：利用隨機模擬為下列不確定函數(shù)U產(chǎn)生輸入輸出數(shù)據(jù)：(xt,yk)，t，k分別為輸入、輸出神經(jīng)元的個數(shù)。利用線性函數(shù)轉(zhuǎn)換法對xt，yk分別進行歸一化處理，以歸一化后的輸入輸出數(shù)據(jù)作為訓練樣本。

(5)U2:x→MaxR。

(6)

第2步：利用以上訓練樣本訓練一個BP神經(jīng)網(wǎng)絡以逼近不確定函數(shù)U1和U2。

第4步：利用訓練好的神經(jīng)網(wǎng)絡計算每個歸一化后微粒的網(wǎng)絡仿真輸出值，并進行反歸一化，即計算MaxR作為每個微粒的適應值。

第5步：對每一個微粒將其最好適應值與全局所經(jīng)歷的最好適應值進行比較，較好者作為當前的全局最好位置，并再按照式(7)和式(8)對速度和位置進行更新。

(7)

(8)

第6步：對更新后的微粒再次進行歸一化處理，利用神經(jīng)網(wǎng)絡計算網(wǎng)絡的仿真輸出值并進行反歸一化，檢驗微粒的可行性。若為可行解，則接受，否則保持原位置不變。

第7步：如果完成K次迭代，則輸出模型最優(yōu)值，否則返回第4步。

3　實例分析

3.1數(shù)據(jù)準備

以浙江省某無車承運人為例，采用本文構(gòu)建的運力資源組織優(yōu)化模型對運輸車隊和運力類型的選擇進行仿真模擬。在運輸市場上，該無車承運人承運的5家貨主企業(yè)需要其將4類貨物分別運往5個不同的目的地，該無車承運人有7家運輸車隊可供其選擇進行合作完成該項運輸業(yè)務，每個車隊具有多種類型的運力可使用。在原運輸市場中，由于運力資源分散、且貨主企業(yè)對運力進行選擇具有隨機性和路徑依賴性，運力資源的組織往往達不到最優(yōu)，造成運力資源浪費的問題，現(xiàn)通過無車承運人的模式對運力資源的優(yōu)化調(diào)整以提高其使用效率。根據(jù)調(diào)查，各企業(yè)需運輸?shù)呢浳锓N類、目的地、運輸距離等信息如表1所示，7家運輸車隊的運力資源情況如表2所示。

表1　5家企業(yè)運輸需求情況表Tab.1　Transport needs of 5 enterprises

注：a/b分別為運輸量和運輸距離，單位分別為t和km。

由調(diào)查所得的不同噸位車型運輸費用情況，可以得到單位運輸費用函數(shù)F(x)， 單位為t·km，其中x為貨運量，單位為t。

(9)

3.2計算結(jié)果

按照微粒子群和神經(jīng)網(wǎng)絡混合智能算法，設置個參數(shù)值為：c1=c2=2，慣性權(quán)重w=0.4，最大迭代次數(shù)為K=100，訓練樣本50個，粒子種群規(guī)模10，神經(jīng)元3個，隱形神經(jīng)元15個，輸出神經(jīng)元3個。根據(jù)模型計算，將車隊預期利潤率設置為5%時，運力資源組織優(yōu)化的結(jié)果如表3所示。

表2　運輸車隊運力及到貨源地的距離情況表Tab.2　Transport capacity and distance to goods sourcing destinations of transport enterprises

注：8/3/(5/7/2/4/8)分別為運力的載重、運力數(shù)量、車隊到企業(yè)1的距離、車隊到企業(yè)2的距離、車隊到企業(yè)3的距離、車隊到企業(yè)4的距離、車隊到企業(yè)5的距離，單位分別為t,veh,km,km,km,km,km。其他項以此類推。

表3　運力資源組織優(yōu)化結(jié)果表(α=5%)Tab.3　Optimal organization result of transport resources(α=5%)

注：E3aD1(8)+E3dD5(8)分別為運輸需求企業(yè)、貨物種類、目的地及貨物運輸量，單位為t。其他項以此類推。

3.3結(jié)果分析

(1)車隊A安排13輛貨車，其中2輛V1型貨車、7輛V2型貨車、4輛V4型貨車，運力共計275t，有效運力使用率為99.3%；車隊B安排27輛貨車，其中4輛V1型貨車、6輛V2型貨車、8輛V3型貨車、9輛V4型貨車，運力共計684t，有效運力使用率為98.0%；車隊C安排7輛貨車，其中2輛V3型貨車、5輛V4型貨車，運力共計225t，有效運力使用率為98.2%；車隊D安排17輛貨車，其中2輛V1型貨車、3輛V2型貨車、9輛V3型貨車、3輛V4型貨車，運力共計397t，有效運力使用率為96.5%；車隊E安排9輛貨車，其中4輛V2型貨車、2輛V3型貨車、3輛V4型貨車，運力共計223t，有效運力使用率為97.3%；車隊F安排1輛V2型貨車，運力共計17t，有效運力使用率為64.7%；車隊G安排17輛貨車，其中6輛V1型貨車、3輛V2型貨車、3輛V3型貨車、5輛V4型貨車，運力共計349t，有效運力使用率為99.7%。

(2)無車承運人的利潤為11 526.95元，利潤率為6.76%。車隊A的運輸成本為17 547.95元，利潤率為5.26%；車隊B的運輸成本為45 262.4元，利潤率為5.52%；車隊C的運輸成本為8 129.6元，利潤率為5.41%；車隊D的運輸成本為54 527.6元，利潤率為5.57%；車隊E的運輸成本為14 762.8元，利潤率為5.16%；車隊F的運輸成本為955.9元，利潤率為5.23%；車隊G的運輸成本為19 293.3元，利潤率為5.45%。

4　結(jié)論

(1)無車承運人通過整合貨源，并對運力進行合理組織，開展與運輸需求企業(yè)及運輸企業(yè)之間的協(xié)作，能夠提供高質(zhì)量的運輸服務，有效提高運輸組織化程度，降低運輸車輛空駛率，降低物流成本，可以降低能源消耗，減少污染物排放，對交通運輸業(yè)節(jié)能減排具有重要意義。

(2)針對無車承運人全程收費、通過合理調(diào)度收取運費差價的盈利模式以及與運輸需求企業(yè)和運輸企業(yè)之間進行運價談判的特點，綜合考慮運輸成本、運輸車型等因素，構(gòu)建了帶有機會約束條件無車承運人運力資源優(yōu)化配置模型。

(3)案例計算結(jié)果分析表明，通過合理組織，7個車隊的平均有效運力使用率為93.39%，平均利潤率達5.37%，不僅能夠保證無車承運人和運輸企業(yè)利潤在一定的可接受范圍內(nèi)，而且能夠降低運輸成本，對科學組織運力資源，具有重要的應用價值。

(4)無車承運人的運力資源優(yōu)化配置受運輸價格、供需雙方、運輸過程等多重因素的影響，在今后的研究中，將考慮運輸市場價格波動、運輸過程時間窗要求等因素對運力資源配置結(jié)果的影響。

[1]董娜.無車承運人的優(yōu)勢分析和發(fā)展建議[J].交通標準化,2011,12(24):87-90.

DONGNa.SuperiorityandAdviceofNon-CarOperatingCarrier[J].TransportationStandardization, 2011, 12(24): 87-90.

[2]楊傳堂. 堅持五大發(fā)展理念 推進結(jié)構(gòu)性改革為全面建成小康社會當好先行 [EB/OL]. (2015-12-28)[2016-02-28].http://www.moc.gov.cn/zhuanti/2016jiaotonggongzuo_HY/201512/t20151228_1966865.html.

YANGChuan-tang.Uphold5DevelopmentConcepts,andPromoteStructuralReformsBeingaGoodFirstforBuildingaWell-offSocietyComprehensively[EB/OL]. (2015-12-28)[2016-02-28].http://www.moc.gov.cn/zhuanti/2016jiaotonggongzuo_HY/201512/t20151228_1966865.html.

[3]RAHIMI-VAHEDA,CRAINICTG,GENDREAUM,etal.APathRelinkingAlgorithmforaMulti-DepotPeriodicVehicleRoutingProblem[J].JournalofHeuristics, 2013，19(3): 497-524.

[4]侯爽. 多車場整車任務調(diào)度問題研究[D]. 濟南:山東大學，2012.

HOUShuang.ResearchonMulti-depotVehicleSchedulingProblemwithFullCarLoad[D].Jinan:ShandongUniversity,2012.

[5]REPOUSSISPP,TARANTILISCD.SolvingtheFleetSizeandMixVehicleRoutingProblemwithTimeWindowsviaAdaptiveMemoryProgramming[J].TransportationResearchPartC:EmergingTechnologies, 2010, 18(5):695-712.

[6]SUBRAMANIANA,PENNAPHV,UCHOAE,etal.AHybridAlgorithmfortheHeterogeneousFleetVehicleRoutingProblem[J].EuropeanJournalofOperationalResearch, 2012, 221(2): 285-295.

[7]HUTHT,MATTFELDDC.IntegrationofVehicleRoutingandResourceAllocationinaDynamicLogisticsNetwork[J].TransportationResearchPartC:EmergingTechnologies,2009,17(2):149-162.

[8]LINZi-kui,CHENLei.NoticeofRetractionMulti-targetOptimizationModelofLogisticsResourcesAllocation[C]//2009InternationalConferenceonMachineLearning&Cybernetics.Washington,D.C.:IEEE,2009:2587-2592.

[9]胡青蜜,胡志華,陶莎.二級軸輻式零擔物流網(wǎng)絡設計的資源均衡利用問題[J].公路交通科技,2013,30(4):124-131.

HUQin-mi,HUZhi-hua,TAOSha.ResourceBalancedUsageProblemforBi-levelHub-and-spokeLTLLogisticsNetworkDesign[J].JournalofHighwayandTransportationResearchandDevelopment, 2013,30(4):124-131.

[10]房巧紅,陳功玉.再制造逆向物流網(wǎng)絡的機會約束目標規(guī)劃模型[J].工業(yè)工程與管理,2010,15(1):74-81.FANGQiao-hong,CHENGong-yu.Chance-constrainedGoalProgrammingModelforRemanufacturingReverseLogisticsNetwork[J].IndustrialEngineeringandManagement, 2010, 15(1): 74-81.

[11]邵增珍.物流匹配問題的調(diào)度模型和算法研究[D].濟南：山東師范大學, 2013.

SHAOZeng-zhen.ResearchonSchedulingModelandAlgorithmsofLogisticsMatchingProblem[D].Jinan:ShandongNormalUniversity,2013.

[12]王旭,田帥輝,王振鋒.面向物流任務的跨組織邊界物流資源優(yōu)化配置[J].計算機集成制造系統(tǒng),2012,18(2):389-395.

WANGXu,TIANShuai-hui,WANGZhen-feng.Inter-organizationalBoundaries’LogisticsResourceOptimizedAllocationOrientedtoLogisticsTask[J].ComputerIntegratedManufacturingSystems, 2012, 18(2): 389-395.

[13]肖寧.求解隨機機會約束規(guī)劃的混合智能算法[J].計算機工程與應用,2010,46(22):43-46.

XIAONing.SolvingStochasticChance-constrainedProgrammingProblemswithHybridIntelligentAlgorithm[J].ComputerEngineeringandApplications, 2010, 46(22): 43-46.

[14]HONGSP,KIMYH.AGeneticAlgorithmforJointReplenishmentBasedontheExactInventoryCost[J].ComputersOperationsResearch, 2009, 36(1): 167-175.

[15]劉志雄,梁華.粒子群算法中隨機數(shù)參數(shù)的設置與實驗分析[J].控制理論與應用,2010,27(11):1489-1496.

LIUZhi-xiong,LIANGHua.ParameterSettingandExperimentalAnalysisoftheRandomNumberinParticleSwarmOptimizationAlgorithm[J].ControlTheory&Applications, 2010, 27(11): 1489-1496.

Study on Optimal Organization of Transport Resources for No-car Operating Carrier

CHANG Lian-yu1,2，CHEN Hai-yan2

(1.SchoolofAutomobile,Chang’anUniversity,Xi’anShaanxi710064,China;2.ManagementInstitute,MinistryofTransport,Beijing065201,China)

Tooptimizethetransportresourcesofno-caroperatingcarrierandreduceoperationalcosts,theoptimalorganizationmodeloftransportresourcesforno-caroperatingcarrierwithchanceconstraintsisestablished.Themodelaimstogetmaximumbenefitsofno-caroperatingcarrierwithmultipleconstraints,tomaketransportenterprise’benefitsbeinreasonablerange,tomatchandoptimizeresources,goodsandtransportroutesbasedonconsiderationofthecharacteristicsofdifferentsubjects’benefits,heterogeneityanddispensabilityoftransportresources,formationoftransportpriceandmodeofbenefitdistribution.Onthisbasis,thehybridintelligentalgorithmwithparticleswarmalgorithmandneuralnetworkalgorithmisdesignedtosolvethemodel,whichisverifiedbyanumericalexample.Thecalculatingresultshowsthatthemodelanditssolvingalgorithmhaseffectivenessandpracticability,andcanprovideadecision-makingbasisforno-caroperatingcarrier’smanager.

transporteconomics;optimalorganizationoftransportresources;particleswarmalgorithm；no-caroperatingcarrier;chanceconstraint

2016-03-02

國家自然科學基金項目(51278057)；國家社會科學基金項目(09XJY004)；中央高校基本科研業(yè)務費專項資金項目(310823160314)

常連玉(1979-)，男，河南鄧州人，講師，博士研究生.(sly319@126.com)

10.3969/j.issn.1002-0268.2016.10.024

U491

A

1002-0268(2016)10-0152-07