徐文瑞

（陜西財經職業(yè)技術學院，陜西 咸陽 712000）

基于GIS技術的物流配送線路優(yōu)化與仿真模擬

徐文瑞

（陜西財經職業(yè)技術學院，陜西 咸陽 712000）

為進一步提升物流配送效率，文章提出一種混合優(yōu)化算法，首先對傳統的規(guī)劃算法進行簡單的介紹，根據遺傳算法在局部搜索方面的劣勢，以及模擬退火算法在局部搜索方面的優(yōu)勢，構建物流配送混合模型；然后結合GIS電子地圖，文章以實際區(qū)域的某物流單車配送為例，對上述的混合模型進行仿真，從而得到該車輛的最優(yōu)配送路徑圖。

GIS；物流配送；遺傳算法；退火算法；單車配送

隨著現代物流的不斷發(fā)展，如何提高物流配送的效率，同時降低物流企業(yè)的配送成本，成為物流企業(yè)提升自身競爭力的重要途徑。對此，為解決該問題，眾多的物流企業(yè)開始加強對物流配送路徑的優(yōu)化，以此減少配送中不必要的人員投入和資金浪費，進而提升物流企業(yè)的運營效率。本文則針對當前物流企業(yè)配送的需求，提出一種基于單車配送的線路優(yōu)化，并對其進行了詳細的研究。

1 遺傳算法原理

當前，針對物流配送路徑的優(yōu)化中，比較經典的算法包括蟻群算法、遺傳算法和爬山算法。其中，遺傳算法是常用的一個算法。該算法主要運用生物學中的優(yōu)勝劣汰的思想，模仿群體進化，從而獲得適應度最強的解，也稱作滿意解。在該算法中，首先將研究的對象看成是多個不同的個體組成，然后針對每一個個體，采用遺傳編碼的方式，并通過適應度函數，對不同的個體進行交叉和變異，進而得到最優(yōu)解的集合，并最終得到最優(yōu)解。該算法的典型優(yōu)勢在于其通用性好，同時其搜索的效率高。該算法有幾個關鍵的步驟：

（1）采用二進制方法對個體進行編碼。該步驟是算法的一個最為重要的步驟，其編碼的方式將直接影響交叉的結果，進而影響到最終的最優(yōu)解。對此，對于編碼方案的選定，必須要結合具體的方案和不同的個體而選定。

（2）初始化種群。該步驟中，其初始化的好壞，直接影響種群的進化效率。因此，在對種群進行初始化的過程中，通常需要提前設定相關的參數，同時考慮種群進化的相關影響因素。這樣才可以提高種群凈化的速度。

（3）對適應度函數選擇要合理。在遺傳算法中，適應度函數被認為是關鍵。如果選擇的適應度函數偏向于某個個體，那么很可能導致其出現過度收斂的問題，但是，如果忽視某個個體，那么也會導致算法不能及時收斂，進而影響到整個種群的進化效率。在本文中，為得到最優(yōu)的單車配送路徑，選擇如下的適應度函數：

公式（1）中，cij表示你為對應弧段（i，j）的長度，K表示比例系數。

（4）選擇與交叉變異操作。通過上述的適應度函數，得到適應度值較大的個體，進而被選擇操作，以此通過這種方式讓適應能力強的個體得到保留，然后進行交叉操作，實現優(yōu)勢互補。同時，為保持種群的多樣性，通常在進行變異操作中進行基因交換。

2 混合算法構建

遺傳算法被認為在全局搜索方面具有很強的優(yōu)勢，但是在局部搜索方面則存在明顯的問題。對此，需要對傳統的遺傳算法進行改進。而模擬退火算法在局部搜索方面存在很大的優(yōu)勢，對此提出將遺傳算法和模擬退火算法進行融合。

2.1 退火模擬算法原理

退火模擬算法的實現中，主要包括狀態(tài)表達、移動、熱平衡達到、降溫控制。

狀態(tài)表達：通常是采用狀態(tài)能量函數來表示，這也對應著相應的目標函數。對于該步驟，通常也被認為是利用遺傳算法進行編碼。

移動：假設i表示為當前解，j為其鄰域中的一個解，由此可以得到其適應度函數為fi和fj。用Δf表示目標的增量，如Δf＜0，那么算法則從i移動到j。

熱平衡達到：該步驟通表示當熱平衡達到一定的溫度后，逐步進入到等溫的過程。這通常被認為是模擬退火算法的一個內循環(huán)的過程。而為了保持其自身的平衡，就需要保持足夠的內循環(huán)。但是在實際的層面來講，這種內循環(huán)達到的平衡狀態(tài)是不可能的，只能盡量接近這個結果。

降溫函數：該部分主要為模擬退火算法的外循環(huán)部分，用于控制溫度下降的方式。本文在對降溫算法的選取中，選擇如下的降溫函數：

其中，r的取值在（0.95，0.99）之間，而r越大，表示其溫度下降也就越快。

2.2 混合算法構建

要充分利用上述兩種算法的優(yōu)勢，則需要借助模擬退火算法在局部最優(yōu)的優(yōu)勢，從而得到最優(yōu)的個體，進而進行下一代的迭代。因此，在該思路下，將該算法設計為如圖1所示。

圖1 最優(yōu)路徑混合算法構建

3 GIS與物流最優(yōu)路徑配送模型集成

GIS作為一種空間分析系統，其被廣泛地應用在各個領域。而將物流最優(yōu)配送模型與GIS進行集成，其目的就是將模型優(yōu)化后的結果，通過GIS展示給管理者，最終為其提供決策依據。具體的集成框架如圖2所示。

4 仿真結果

為驗證上述方法的可行性，以廣州某配送區(qū)域作為研究對象，利用AIRGIS采集到的圖像矢量化該區(qū)域的點圖層。同時以煙草貨運配送的門店線路為例，以3個不同的業(yè)務員配送線路進行優(yōu)化，從而可以得到如圖3所示經優(yōu)化后的門店配送線路。

而在實際的運行中，通過上述的線路優(yōu)化，3個業(yè)務員在配送的距離方面分別從原來的126.4公里、108.2公里和139.5公里減少到118.3公里、97.4公里和119.4公里。由此看出，極大地減少了業(yè)務員配送的距離。

5 結語

通過上述的結果可以看出，通過實際的應用，業(yè)務員配送的距離都有所減少，并提高了其配送的效率。而通過結果說明，本文提出的混合算法的思路，在線路配送方面具有很大的優(yōu)勢。

圖2 GIS與混合模型集成框架

圖3 GIS仿真配送線路結果

[1]韓富狀，陳穎彪，千慶蘭，等.基于GIS技術的物流配送線路優(yōu)化與仿真模擬[J].熱帶地理，2014（6）：842-849.

[2]李昱.基于GIS的農資物流配送線路優(yōu)化算法研究[J].商場現代化，2014（27）：61-63.

[3]初良勇，邢大寧，王鴻鵬，等.智能化物流配送調度優(yōu)化平臺設計及實現[J].集美大學學報（自然科學版），2012（6）：433-437.

Optimization and simulation of logistics distribution routing based on GIS technology

Xu Wenrui
（Shaanxi Vocational College of Finance and Economics, Xianyang 712000, China）

In order to further improve the ef fi ciency of logistics distribution, this paper proposes a hybrid optimization algorithm. Firstly, a brief introduction to the traditional planning algorithms is given, according to the the disadvantages of genetic algorithm in the local search and the advantages of simulated annealing algorithm in the local search, the logistics distribution hybrid model is built; then combined with GIS map, taking the actual the area of a single logistics distribution as an example, the above hybrid model is simulated in this paper, in order to get the optimal distribution route map of the vehicle.

GIS; logistics distribution; genetic algorithm; annealing algorithm; bicycle delivery

徐文瑞（1981— ），男，陜西延安，講師；研究方向：統計，管理。