高曉巍

基于QPSO算法的冷鏈物流配送運(yùn)輸問(wèn)題的研究

高曉巍

隨著中國(guó)消費(fèi)者生活模式的轉(zhuǎn)變，冷鏈產(chǎn)品的銷售比重迅速加大，優(yōu)化冷鏈物流運(yùn)輸路徑成為提高企業(yè)競(jìng)爭(zhēng)力的關(guān)鍵。文章以物流運(yùn)輸成本最小化與顧客滿意程度最大化為目標(biāo)，利用QPSO算法進(jìn)行求解。仿真實(shí)驗(yàn)結(jié)果表明，QPSO算法在求解多配置中心多車輛的冷鏈物流運(yùn)輸路徑問(wèn)題中呈現(xiàn)出了較好的穩(wěn)定性與收斂速度。

量子行為粒子群算法；冷鏈物流；客戶滿意度

一、引言

隨著現(xiàn)代化制冷技術(shù)的發(fā)展，海、陸、空運(yùn)輸網(wǎng)絡(luò)的建立，人們對(duì)生鮮冷凍食品的品質(zhì)和安全提出了更高的要求，這為冷鏈物流的發(fā)展提供了有力的契機(jī)。冷鏈物流是指以保證易腐食品品質(zhì)為目的，以保持低溫環(huán)境為核心，以現(xiàn)代化制冷技術(shù)為手段的物流信息管理和配送系統(tǒng)。然而我國(guó)冷鏈物流的發(fā)展起步較晚，在物流設(shè)施、冷藏技術(shù)設(shè)備及配送管理等方面與歐、美、日發(fā)達(dá)國(guó)家差距較大。據(jù)不完全統(tǒng)計(jì)，我國(guó)每年由于冷鏈物流問(wèn)題所帶來(lái)的經(jīng)濟(jì)損失高達(dá)100億美元。因此，優(yōu)化配送運(yùn)輸路徑成為降低社會(huì)經(jīng)濟(jì)損失，提高企業(yè)經(jīng)濟(jì)效益的有效途徑之一。

二、文獻(xiàn)綜述

物流配送運(yùn)輸路徑優(yōu)化方法主要包括精確算法和群體智能算法兩種。由于群體智能算法的并行性、分布式、易操作性等特點(diǎn)使得遺傳算法、粒子群、蟻群等典型的群體智能算法在冷鏈物流研究中得到廣泛的應(yīng)用。劉鎮(zhèn)等人在考慮多源實(shí)時(shí)交通信息的基礎(chǔ)上建立了運(yùn)輸成本和配送時(shí)間的優(yōu)化模型，并在云計(jì)算環(huán)境下利用粗粒度并行遺傳算法對(duì)模型假設(shè)進(jìn)行了有效性的驗(yàn)證；陶榮綜合考慮配送、貨損與懲罰三個(gè)主要成本要素建立了帶有時(shí)間窗的優(yōu)化配送運(yùn)輸模型，并通過(guò)蟻群算法驗(yàn)證了模型的有效性和可行性。他所提出的多溫共配思想為冷鏈物流的發(fā)展注入了新鮮血液；量子粒子群（QPSO）優(yōu)化算法是在粒子群（PSO）優(yōu)化算法的基礎(chǔ)上，從量子力學(xué)的角度提出的一種新型算法。QPSO算法通過(guò)建立δ勢(shì)阱模型使處于量子束縛態(tài)的粒子按照一定的概率密度實(shí)現(xiàn)全局收斂，已經(jīng)證實(shí)QPSO算法克服了PSO算法因速度限制搜索空間受限的問(wèn)題。本文采用量子粒子群優(yōu)化算法實(shí)現(xiàn)模型假設(shè)的驗(yàn)證。

三、冷鏈產(chǎn)品物流配送路徑優(yōu)化模型

冷鏈產(chǎn)品物流配送路徑優(yōu)化問(wèn)題可描述為在一定范圍內(nèi)和約束條件下，將冷鏈產(chǎn)品通過(guò)儲(chǔ)運(yùn)的方式實(shí)現(xiàn)在多個(gè)配送中心與供給客戶之間的空間位移，并使目標(biāo)函數(shù)達(dá)到最優(yōu)化。

假設(shè)冷鏈產(chǎn)品的配送中心有M個(gè)，運(yùn)輸車輛有P輛（載重量均為r），客戶有N個(gè)（貨物需求為ni其中i=1，2，…，N），且每輛運(yùn)輸車完成任務(wù)后均返回配送中心?？蛻襞c配送中心的編碼分別為1，2，…，N，N+1，N+2，...，N+M；變量定義如下：

其中客戶在［Bi，Li］內(nèi)的意度為1，在該區(qū)間以外客戶的滿意度隨時(shí)間ti而線性減少，α，β是客戶對(duì)時(shí)間的敏感系數(shù)。

冷鏈產(chǎn)品的儲(chǔ)運(yùn)直接影響產(chǎn)品的質(zhì)量與安全，因此，需同時(shí)考慮物流運(yùn)輸路徑最短和客戶滿意程度兩個(gè)最優(yōu)化問(wèn)題，構(gòu)建數(shù)學(xué)建模如下：

其中Dij表示兩個(gè)客戶i，j之間的距離；配送中心M具有PM輛儲(chǔ)運(yùn)貨車。

目標(biāo)函數(shù)需滿足如下約束條件：

（1）參與儲(chǔ)運(yùn)的車輛不能超出配送中心的總車輛數(shù)，即

（2）參與儲(chǔ)運(yùn)的車輛的承載數(shù)量是有限的，約束如下：

（3）每個(gè)客戶配送服務(wù)僅一次

（4）配送路徑無(wú)子回路

在目標(biāo)函數(shù)中引入罰函數(shù)以約束車輛容量，

其中ξ取值足夠大時(shí)不可行解在迭代過(guò)程中將被淘汰。

四、基于QPSO算法的物流運(yùn)輸路徑優(yōu)化問(wèn)題

（一）QPSO算法

QPSO算法從量子力學(xué)理論出發(fā)，通過(guò)建立δ勢(shì)阱模型束縛粒子，在收索空間中受量子束縛的粒子以一定的概率密度分布，當(dāng)粒子與中心的距離趨于無(wú)窮大時(shí)，其概率密度趨于零。

在一個(gè)M維的目標(biāo)搜索空間中，由N個(gè)粒子組成的種群的決策變量為粒子第t次迭代的位置向量，粒子個(gè)體最好位置為以最小優(yōu)化問(wèn)題minf（x）為例，由下式確定：

粒子的演化方程

當(dāng)參數(shù)γ由1.0線性遞減到0.5時(shí)效果較好。

（二）粒子編碼

構(gòu)造X1與X2兩個(gè)N維子向量。X1為車輛信息，X1∈［1，p］，X2為車輛儲(chǔ)運(yùn)路徑信息。假設(shè)2個(gè)配送中心，對(duì)12個(gè)客戶進(jìn)行儲(chǔ)運(yùn)服務(wù)，每個(gè)配送中心所擁有的車輛數(shù)分別為2，3，且這5輛車的編碼分別為1至6。

表1　粒子編碼

儲(chǔ)運(yùn)路線為：

配送中心1

車輛1的儲(chǔ)運(yùn)路徑為：4→7

車輛2的儲(chǔ)運(yùn)路徑為：10→11→8

配送中心2

車輛3的儲(chǔ)運(yùn)路徑為：1→3

車輛4的儲(chǔ)運(yùn)路徑為：12→9

車輛5的儲(chǔ)運(yùn)路徑為：2→3→6

（三）基于QPSO算法的物流運(yùn)輸路徑規(guī)劃算法

QPSO算法流程如下：

第一步：取種群規(guī)模為N，最大迭代次數(shù)T，對(duì)粒子進(jìn)行編碼；

第三步：利用公式（4-3）計(jì)算平均最好位置；

第七步：轉(zhuǎn)第三步繼續(xù)迭代，達(dá)到迭代次T結(jié)束；

（四）仿真實(shí)驗(yàn)結(jié)果與分析

假設(shè)某地由3個(gè)配送中心對(duì)該地區(qū)的15個(gè)門店提供儲(chǔ)運(yùn)服務(wù)，每個(gè)配送中心1，2，3的車輛數(shù)分別為2，2，2，6輛車的編碼分別為1，2，……，6；14個(gè)客戶及3個(gè)配送中心在XOY平面的位置信息如下表2，表3所示

表2　客戶信息

表3　配送中心信息

通過(guò)Matlab7.0對(duì)QPSO算法進(jìn)行計(jì)算機(jī)仿真實(shí)驗(yàn)。結(jié)果表明了QPSO算法的可行性和有效性。儲(chǔ)運(yùn)路線如圖1所示。

圖1　最優(yōu)配送方案圖

經(jīng)粒子解碼得到有效路徑為：

配送中心1的車輛1：15→10→14→15

配送中心1的車輛2：15→4→2→15

配送中心2的車輛3：16→5→16

配送中心2的車輛4：16→9→3→7→16

配送中心3的車輛5：17→12→11→1→17

配送中心3的車輛6：17→13→8→6→17

仿真實(shí)驗(yàn)結(jié)果如下：

表4　仿真實(shí)驗(yàn)結(jié)果

由上表可見(jiàn)QPSO算法在解決冷鏈產(chǎn)品物流儲(chǔ)運(yùn)路徑問(wèn)題中呈現(xiàn)出較強(qiáng)的穩(wěn)定性與收斂性。

五、結(jié)束語(yǔ)

隨著中國(guó)消費(fèi)者對(duì)冷鏈產(chǎn)品需求量的增加及對(duì)產(chǎn)品質(zhì)量安全性的重視，為冷鏈物流的發(fā)展提供了機(jī)遇，研究冷鏈產(chǎn)品的儲(chǔ)運(yùn)優(yōu)化路徑，是提高物流企業(yè)競(jìng)爭(zhēng)力及消費(fèi)者滿意度的關(guān)鍵。本文從現(xiàn)代物流管理理念出發(fā)，以冷鏈產(chǎn)品的儲(chǔ)運(yùn)成本最小化與顧客的滿意程度最大化作為優(yōu)化目標(biāo)，使得算法的研究與實(shí)現(xiàn)更具有現(xiàn)實(shí)意義。

［1］方凱，鐘漲寶，王厚俊.賀嵐基于綠色供應(yīng)鏈的我國(guó)冷鏈物流企業(yè)效率分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2014，（03）：50-53.

［2］邵瑞銀.河南省農(nóng)產(chǎn)品冷鏈物流現(xiàn)狀、問(wèn)題與對(duì)策［J］.企業(yè)經(jīng)濟(jì)，2013，（02）：15-17.

［3］劉鎮(zhèn)，徐優(yōu)香，王譯.基于云計(jì)算的冷鏈物流配送車輛路徑優(yōu)化方法研究［J］.電子設(shè)計(jì)工程，2013，（04）：23-27.

［4］陶榮.基于蟻群算法的多溫共配冷鏈物流配送問(wèn)題研究［J］.物流技術(shù)，2014，（02）：31-34.

［5］孫俊.量子行為粒子群優(yōu)化 ［M］.北京：清華大學(xué)出版社，2011，8.

［6］張仁堂，董海洲，喬旭光等.現(xiàn)代果蔬物流中冷鏈技術(shù)集成創(chuàng)新研究［J］.世界農(nóng)業(yè)，2007，9（3）:47—49.

高曉巍，女，黑龍江齊齊哈爾人，齊齊哈爾大學(xué)理學(xué)院副教授，研究方向：智能規(guī)劃、優(yōu)化算法。

N945.12

A

1008-4428（2016）10-12-03