楊璞光 陳安 呂永貴 羅艷輝

摘 要：本文研究了煙草物流配送時(shí)間的優(yōu)化問(wèn)題。該問(wèn)題具有組合復(fù)雜性和計(jì)算困難性。本文首先根據(jù)卷煙工業(yè)物流實(shí)際情況建立相應(yīng)的數(shù)學(xué)模型，采用了基于啟發(fā)式策略和散射搜索算法的優(yōu)化方法來(lái)縮短煙草物流配送的時(shí)間。該方法通過(guò)放寬問(wèn)題的限制條件，構(gòu)造優(yōu)化配送的位置順序，尋找最優(yōu)配送周期來(lái)減少配送時(shí)間。最后通過(guò)數(shù)值實(shí)驗(yàn)對(duì)該算法進(jìn)行了評(píng)價(jià)，并與現(xiàn)有強(qiáng)約束下的啟發(fā)式算法進(jìn)行了比較。結(jié)果表明，該算法具有較好的優(yōu)化效果，能夠有效縮短工煙物流配送的時(shí)間。

關(guān)鍵詞：煙草物流配送;優(yōu)化方法;散射搜索算法;啟發(fā)式算法

引言：煙草物流是指煙草及其制品和原輔料從生產(chǎn)、收購(gòu)、儲(chǔ)存、運(yùn)輸、加工到銷(xiāo)售服務(wù)整個(gè)過(guò)程中物質(zhì)實(shí)體運(yùn)動(dòng)以及流通環(huán)節(jié)的所有附加增值活動(dòng)，進(jìn)一步可以狹義地認(rèn)為是指煙草行業(yè)基于社會(huì)職能分工的不同，工煙企業(yè)、商煙企業(yè)及相互之間發(fā)生的煙草制品和相關(guān)物資實(shí)物的移動(dòng)活動(dòng)。煙草行業(yè)是一個(gè)壟斷經(jīng)營(yíng)的高利潤(rùn)行業(yè)，因此高利潤(rùn)有時(shí)候掩蓋了現(xiàn)代物流對(duì)企業(yè)競(jìng)爭(zhēng)力的價(jià)值。物流成本是煙草企業(yè)成本中的重要組成部分，物流成本的降低就是企業(yè)的“第三利潤(rùn)源”。因此要以強(qiáng)大的物流體系來(lái)支撐煙草行業(yè)的持續(xù)發(fā)展，應(yīng)對(duì)市場(chǎng)環(huán)境帶來(lái)的風(fēng)險(xiǎn)。

當(dāng)今，很多行業(yè)相關(guān)的優(yōu)化問(wèn)題被提出，有一些在相關(guān)文獻(xiàn)中得到了解決，并提出了多種求解算法。例如漳州煙草配送區(qū)域及線路優(yōu)化借助柔性線路截取算法以及GIS線路優(yōu)化輔助系統(tǒng)，依據(jù)零售戶的地理位置、歷史銷(xiāo)量對(duì)全區(qū)所有零售客戶進(jìn)行線路調(diào)整，改變傳統(tǒng)既定計(jì)劃、線路、車(chē)輛、人員“以線定車(chē)”的固定配送模式，建立了“以量定車(chē)，以戶定線，戶量均衡，動(dòng)態(tài)優(yōu)化”的彈性送貨新模式。又例如宜春市煙草公司針對(duì)物流配送線路建立VRP模型，通過(guò)節(jié)約算法優(yōu)化問(wèn)題，提高卷煙配送運(yùn)輸效率，降低配送成本。安陽(yáng)市煙草公司利用GIS系統(tǒng)，添加適當(dāng)?shù)募s束條件，達(dá)到“送貨線路到最優(yōu)，車(chē)輛配載經(jīng)濟(jì)”的目標(biāo)。

卷煙工業(yè)物流配送中心負(fù)責(zé)給煙草商業(yè)公司點(diǎn)至點(diǎn)的分發(fā)，配送中心發(fā)出配送車(chē)輛，完成配送任務(wù)后返回物流配送中心。各地商煙公司比較分散，導(dǎo)致物流末端配送呈現(xiàn)多批次、少批量的特點(diǎn)，對(duì)配送中心的物流配送路線優(yōu)化提出了嚴(yán)峻挑戰(zhàn)。本文將著重圍繞物流配送路線優(yōu)化問(wèn)題展開(kāi)探討，提出相應(yīng)的優(yōu)化解決方法。

一、問(wèn)題描述

卷煙工業(yè)物流配送指的是各個(gè)送貨車(chē)輛從物流配送中心配貨到向各個(gè)煙草商業(yè)公司送貨的過(guò)程。送貨路徑選擇的合理性對(duì)于整個(gè)配送過(guò)程的成本和效率都有很大的影響。所以如何采用科學(xué)合理的方式規(guī)劃配送過(guò)程，是煙草物流管理過(guò)程中需要研究的一個(gè)重要問(wèn)題。

本文假設(shè)問(wèn)題里的送貨車(chē)輛在一個(gè)運(yùn)送周期里可運(yùn)送多種貨物到多個(gè)地點(diǎn)，每個(gè)配送點(diǎn)坐標(biāo)都各不相同，送貨車(chē)輛載重量一定。送貨車(chē)輛先到配貨倉(cāng)庫(kù)一次性裝配多種貨物，然后分別移動(dòng)到對(duì)應(yīng)的煙草商業(yè)公司卸下所需貨物，這個(gè)過(guò)程中送貨車(chē)輛不會(huì)再返回物流中心裝配貨物，除非它已經(jīng)放置完之前取的所有貨物。理論上是一次裝配后，依次去多個(gè)煙草商業(yè)公司卸貨，在規(guī)劃的路徑終點(diǎn)剛好完全卸完貨物。之后再次返回物流中心配貨，循環(huán)往復(fù)的過(guò)程。

二、問(wèn)題分析和建模

卷煙工業(yè)物流配送的總時(shí)間可以分為以下幾個(gè)部分：（1）送貨車(chē)輛在送貨路途行駛的時(shí)間;（2）送貨車(chē)輛在倉(cāng)庫(kù)裝配貨物的時(shí)間;（3）送貨車(chē)輛在各個(gè)煙草商業(yè)公司卸貨的時(shí)間。

假設(shè)配送完所有貨物需要K個(gè)配送周期（以下簡(jiǎn)稱(chēng)周期），用Ti表示一個(gè)周期所需要的時(shí)間（1

Tipick：在第i個(gè)周期中送貨車(chē)輛從配送中心的倉(cāng)庫(kù)裝配貨物的時(shí)間。包括了在配送中心中行駛的時(shí)間和貨物裝配所需的時(shí)間。

Tidownload：在第i個(gè)周期中送貨車(chē)輛從貨物裝配完成后到第一個(gè)煙草商業(yè)公司的時(shí)間。

Tiplace：在第i個(gè)周期中送貨車(chē)輛卸貨的時(shí)間。包括在不同煙草商業(yè)公司間移動(dòng)的時(shí)間和卸貨所需要的時(shí)間。

Tiupload：在第i個(gè)周期中送貨車(chē)輛從最后一個(gè)煙草商業(yè)公司卸完貨后離開(kāi)到新的配送中心的時(shí)間。

因此，卷煙工業(yè)物流配送的總時(shí)間可以由以下數(shù)學(xué)公式表示：

■（1）

假設(shè)第i周期送貨車(chē)輛裝配的貨物份數(shù)為■（1

■（2）

其中，■表示一次裝貨的時(shí)間。

同時(shí)，第i周期送貨車(chē)輛需要到達(dá)的煙草商業(yè)公司卸貨次數(shù)為■（1

■（3）

其中，■表示在煙草商業(yè)公司卸貨所需要的時(shí)間，■表示在不同煙草商業(yè)公司間移動(dòng)的時(shí)間，（j，j+1）表示從第j個(gè)煙草商業(yè)公司到第j+1個(gè)煙草商業(yè)公司?？山普J(rèn)為是個(gè)常數(shù)，因此，由公式（2）可知，主要影響送貨時(shí)間的是在煙草商業(yè)公司之間移動(dòng)的時(shí)間。

通過(guò)以上分析，影響卷煙工業(yè)物流配送時(shí)間的主要因素為送貨車(chē)輛去各個(gè)煙草商業(yè)公司送貨的順序。這個(gè)因素在整體優(yōu)化問(wèn)題中高度耦合，使得問(wèn)題變得復(fù)雜。因此，本文嘗試用一種分解相關(guān)問(wèn)題的方法，然后設(shè)計(jì)相應(yīng)的方法來(lái)求解問(wèn)題。

通過(guò)合并等式（1），（2），（3），能得到：

■（4）

在等式（4）中，第三項(xiàng)和第四項(xiàng)主要取決于循環(huán)次數(shù)K和送貨車(chē)輛最大裝載量;其余項(xiàng)主要取決于行駛的時(shí)間和循環(huán)次數(shù)K。因此，為了縮短配送時(shí)間，應(yīng)當(dāng)縮短配送周期內(nèi)行駛的時(shí)間和減少總的周期數(shù)。

三、優(yōu)化方法

1.可行解的編碼和評(píng)價(jià)函數(shù)

優(yōu)化方法中的可行解不僅要包含問(wèn)題中的決策信息，而且要適合所使用的算法。因此，為可行解設(shè)計(jì)一個(gè)合適的編碼表示形式是必要的。

假設(shè)每個(gè)送貨目的地都用一個(gè)連續(xù)的整數(shù)進(jìn)行連續(xù)編號(hào)。使用不同目的地的編號(hào)構(gòu)造編碼序列來(lái)表示不同的可行解。編碼序列可以通過(guò)以下方法進(jìn)行解碼：首先，從序列開(kāi)始通過(guò)分組G區(qū)分送貨組，也對(duì)應(yīng)于送貨周期。每組G表示一輛車(chē)一個(gè)周期所要到達(dá)的目的地集合。然后，對(duì)于每個(gè)送貨組G，根據(jù)整數(shù)編號(hào)在序列中出現(xiàn)的順序，依次將H1到HN（N是送貨組中整數(shù)編號(hào)數(shù)量）分配給編號(hào)的目的地。

舉例說(shuō)明，一輛送貨車(chē)輛要到達(dá)4個(gè)目的地，用H1表示一個(gè)周期內(nèi)計(jì)劃送的第1個(gè)目的地。而一共有14個(gè)目的地需要它送貨，那么送貨順序問(wèn)題的可行解可以用下圖所示的編碼序列表示。

圖中，編碼序列{3，14，1，12，5，13，8，6，9，4，11，10，2，7}可被解碼為下面兩個(gè)內(nèi)容：（1）目的地被分成了四組{3，14，1，12}，{5，13，8，6}，{9，4，11，10}和{2，7}，對(duì)應(yīng)了四個(gè)送貨周期：G1、G2、G3、G4。（2）每貨物組中的目的地編號(hào)按其在組中的出現(xiàn)順序?qū)?yīng)了依次送貨到煙草商業(yè)公司的順序：如G1中先送編號(hào)3的目的地，到14號(hào)目的地，再到1號(hào)目的地，最后到12號(hào)目的地。

從一個(gè)可行解的編碼中可以得出兩個(gè)決策信息：運(yùn)送貨物的周期數(shù)和一個(gè)周期內(nèi)向目的地送貨的順序?？尚薪獾木幋a實(shí)現(xiàn)了包含必要的決策信息，并使得可行解能夠適用于算法。所以把問(wèn)題的可行解經(jīng)過(guò)編碼后輸入算法，把算法得到的結(jié)果解碼便能得到所期望的決策信息。

在煙草物流配送的過(guò)程中，裝貨和卸貨過(guò)程的時(shí)間可以近似為常數(shù)，主要的時(shí)間為在不同的煙草商業(yè)公司間移動(dòng)所用的時(shí)間。因此，煙草物流配送的時(shí)間基本可以由送貨車(chē)輛行駛的時(shí)間來(lái)衡量，而已知不同煙草商業(yè)公司的距離，可以通過(guò)計(jì)算距離的方式得到近似的行駛所需時(shí)間。本文通過(guò)建立數(shù)學(xué)函數(shù)的方式來(lái)計(jì)算各個(gè)物流配送方案所耗費(fèi)的時(shí)間，來(lái)評(píng)估下文提出算法的不同可行解。

2.基于散射搜索的優(yōu)化算法

由第2章的問(wèn)題建?？芍@個(gè)問(wèn)題很難通過(guò)局部搜索方法找到最優(yōu)解或次最優(yōu)解。所以本文采用了一種基于散射搜索（SS）的優(yōu)化算法，該算法是由Glover提出的一種全局搜索方法，其很少依賴(lài)搜索過(guò)程的隨機(jī)性，而是采用其框架中一系列系統(tǒng)性方法來(lái)實(shí)現(xiàn)對(duì)優(yōu)化問(wèn)題的求解?；赟S方法的算法流程圖如圖5所示。

算法的具體操作步驟如下：

（1）生成初始解集

對(duì)于散射搜索法，要求初始集的解盡可能分散在整個(gè)解空間中。為了滿足這一需求，按照以下步驟生成初始解集：

第一步：利用貨物的編碼集M，隨機(jī)地生成初始可行解L0={m1，m2...mi...mM}，mi表示第i份貨物的編碼，|M|是貨物的總數(shù)量。L（i）=mi。

第二步：定義一個(gè)序列P（h：s）=（L0（s），L0（s+h），L0（s+2h），...，L0（s+rh）），其中1

第三步：通過(guò)改變[1，|M|]中的h，能從初始解中得到|M|個(gè)不同的可行解。從而構(gòu)造出初始解集S。

為了保證初始解集的多樣性，本文對(duì)第三步做一點(diǎn)小的改動(dòng)。對(duì)于可行解L（h），引入它的翻轉(zhuǎn)序列，表示為L(zhǎng)*（h），那么它同樣也是可行解。例如，對(duì)于可行解L（4）=（4，9，6，3，7，2，5，1，8），它的翻轉(zhuǎn)序列為L(zhǎng)*（4）=4）=（8，1，5，2，7，3，6，4，9）。如果改變[1，|M|/2]中的h，生成|M|/2組初始解，還可以得到|M|/2組翻轉(zhuǎn)解，進(jìn)而能通過(guò)這些可行解構(gòu)造初始解集。如果需要產(chǎn)生更多的解來(lái)擴(kuò)展初始解集，能夠使用這種方法隨機(jī)地生成另一組可行集。

（2）初始解的改進(jìn)

改進(jìn)初始解的操作的目的是將初始集合中的每個(gè)原始解轉(zhuǎn)換為一個(gè)或多個(gè)更好的解?？梢杂煤?jiǎn)單或復(fù)雜的方法來(lái)改進(jìn)解。考慮算法的時(shí)間復(fù)雜度，本文采用兩元素優(yōu)化局部搜索方法對(duì)初始解集S的解進(jìn)行改進(jìn)。

解改進(jìn)的基本操作描述如下。利用兩元素優(yōu)化方法對(duì)S中的一個(gè)解進(jìn)行改進(jìn)時(shí)，將解序列中的兩個(gè)分量按其位置進(jìn)行交換，從而產(chǎn)生一個(gè)新的解。如果找到一個(gè)更好的解，用它來(lái)替代S中的原始解;否則，保留原始解。應(yīng)該注意的是，改進(jìn)解的操作應(yīng)該應(yīng)用于S中的每個(gè)初始解。解的改進(jìn)操作可以根據(jù)實(shí)際需要靈活設(shè)置終止條件。例如，可以為解引入持續(xù)改進(jìn)或持續(xù)不改進(jìn)的時(shí)間計(jì)數(shù)器，以確定何時(shí)可以終止改進(jìn)。

通過(guò)改進(jìn)初始解集，可以得到Simp（改進(jìn)解集）。

（3）構(gòu)造初始參考解集

設(shè)初始參考解集RefSet，是配送時(shí)間少的較好解和配送時(shí)間多的較差解的集合。設(shè)RefSet1為較優(yōu)解子集，RefSet2為較差解子集。它們的大小都是b/2（b是一個(gè)整數(shù)，依賴(lài)于問(wèn)題的規(guī)模，但不大于初始解集的大?。?。RefSet是RefSet1和RefSet2的并集。初始RefSet的構(gòu)造包括以下步驟：

第一步：從改進(jìn)解集Simp中選擇配送時(shí)間更短的b/2最佳解來(lái)構(gòu)造子集RefSet1，將它們添加到參考解集RefSet并從Simp中刪除它們。

第二步：對(duì)于Simp中其余的每個(gè)解，計(jì)算它與RefSet中每個(gè)解之間的最小“距離”。在這些最小距離上取最大值的解被添加到RefSet中，然后從Simp中移除。這個(gè)解也稱(chēng)為多樣解，保留它是為了保持解的多樣性。同樣的過(guò)程重復(fù)b/2次，得到b/2不同的解，構(gòu)造RefSet2。將這些解添加到RefSet。這樣便得到了完整的參考解集RefSet。

上述兩個(gè)解之間的“距離”的概念定義為兩個(gè)解序列中相同位置的分量彼此所相差的次數(shù)。例如，有兩個(gè)解序列s1=（1，5，2，4，3）和s2=（2，5，3，4，1），那它們的距離是3，因?yàn)橛袃蓪?duì)位置相同的分量是相同的。兩個(gè)解之間的距離表示兩個(gè)解之間的差異程度。

（4）組合解集

通過(guò)解的組合，生成新的解，擴(kuò)大解空間的搜索范圍。這個(gè)操作有兩個(gè)步驟。第一步是生成解子集，第二步是每個(gè)子集的解的組合。

為了使子集覆蓋盡可能分散的不同區(qū)域，子集應(yīng)該同時(shí)包含優(yōu)解和劣解。由于參考解集包含較好的解和較差的解，因此可以用它來(lái)生成子集。在這里，對(duì)參考解集RefSet應(yīng)用成對(duì)組合方法，生成一種稱(chēng)為雙解的子集。每個(gè)雙解子集由兩個(gè)解組成，這兩個(gè)解分別從兩個(gè)母解中選擇。例如，如果得到一對(duì)集合為S1=（x1，x2，x3）和S2=（y1，y2），它最多有6個(gè)雙解子集，（x1，y1），（x1， y2），（x2，y1），（x2，y2），（x3，y1）和（x3，y2）。所以，參考解集RefSet中任何兩個(gè)解都能用來(lái)產(chǎn)生了兩個(gè)一個(gè)雙解子集。然而，由于兩個(gè)不同的解可以構(gòu)造一個(gè)有效的雙解子集。因?yàn)镽efSet中有b個(gè)解，結(jié)果最多可以得到b（b-1）/2個(gè)子集。

在生成雙解子集之后，可以使用簡(jiǎn)單方法或復(fù)雜方法將兩個(gè)解合并到子集中生成新的解。這里采用部分匹配交叉的方法。它起源于遺傳算法。一個(gè)子集中兩個(gè)解的每個(gè)組合都可以通過(guò)部分匹配交叉方法生成兩個(gè)“新”解。通過(guò)這種方法，得到了一個(gè)具有b（b-1）/2“新”解的集合，記作TemSet。然后，再次使用兩元素優(yōu)化方法對(duì)TemSet中的所有解進(jìn)行改進(jìn)。

（5）參考解集更新

更新參考解集需要從RefSet和TemSet兩個(gè)解集中選擇b個(gè)“最佳”解，并在RefSet中替換原始解。更新方法與初始參考解集的構(gòu)造相同，唯一的區(qū)別是源解集是這里的RefSet和TemSet的結(jié)合。然而，TemSet中的一些解決可能存在于RefSet中。為了判斷TemSet中是否生成了真正的新解，算法計(jì)算差分集TemSet-RefSet，并將其設(shè)置為新的解集NewSet。然后，該算法決定是否結(jié)束當(dāng)前的搜索循環(huán)判斷如果NewSet是空集，如果NewSet不是一個(gè)空集，這意味解搜索過(guò)程中至少有一個(gè)新的解生成。當(dāng)前循環(huán)的散射搜索將繼續(xù)進(jìn)行解的組合、改進(jìn)和更新操作，如前面給出的算法框架所示。否則，當(dāng)前搜索周期（不是整個(gè)算法）將終止。

3.算法運(yùn)行效果與收斂性分析

為了檢驗(yàn)算法的運(yùn)行效果，通過(guò)MATLAB實(shí)現(xiàn)上述算法并進(jìn)行檢驗(yàn)。第一種檢驗(yàn)方法為一次輸入31個(gè)城市坐標(biāo)數(shù)據(jù)，通過(guò)算法找出經(jīng)過(guò)所有城市的最短路徑以及相應(yīng)的配送順序。運(yùn)行效果如圖6所示。從圖中可以看出，在復(fù)雜的情況下，人工已經(jīng)難以計(jì)算出最短的連續(xù)路徑的順序，此時(shí)算法仍能夠很好地計(jì)算出最短路徑的順序結(jié)果。第二種檢驗(yàn)方法是同時(shí)輸入15個(gè)城市數(shù)據(jù)，模擬3輛送貨車(chē)輛的情況，運(yùn)行效果如圖7所示。從圖中可以看出，在多路徑多種分配的情況下，算法仍能夠合理的分配送貨車(chē)輛得到最短的配送路徑順序。

收斂性方面，由算法本身的原理特性，算法在迭代的過(guò)程中會(huì)保留原始的解集中一半的較優(yōu)解集，在另一半較差解集的基礎(chǔ)上進(jìn)行改進(jìn)，構(gòu)造新的解集，利用匹配交叉變異等方法探索更多的解空間。上述的原理保證了算法的收斂性，在迭代的過(guò)程中能夠不斷的保存優(yōu)質(zhì)解，丟棄較差解，從而向期望的解空間收斂。第一種檢驗(yàn)方法在迭代過(guò)程中算法的收斂性分析如圖8所示，可以看出，隨著算法的迭代，其求得的最短距離也在不斷減小，最終達(dá)到了較穩(wěn)定的水平。

四、實(shí)際應(yīng)用

為了驗(yàn)證該算法的可行性和有效性，利用紅塔集團(tuán)的在廣東省近年卷煙工業(yè)物流配送中某個(gè)月的實(shí)際數(shù)據(jù)進(jìn)行實(shí)際應(yīng)用。其中一輛送貨車(chē)輛的裝載量為150箱，即750件。實(shí)物包裝一箱煙草，煙草行業(yè)一般稱(chēng)之為“件”，是50條。而在煙草報(bào)表中的統(tǒng)計(jì)概念，是以實(shí)物五件為一箱，是250條。

紅塔集團(tuán)廣東省煙草某個(gè)月需求情況如下表所示。

以廣東省煙草實(shí)際需求數(shù)據(jù)作為仿真實(shí)驗(yàn)的對(duì)象，為了下一步運(yùn)用到物流配送系統(tǒng)內(nèi)，在Microsoft Visual Basic 6.0中實(shí)現(xiàn)了該算法。根據(jù)實(shí)際，一輛送貨車(chē)輛能裝150箱煙，送貨車(chē)輛的數(shù)量能夠靈活調(diào)整，保證車(chē)輛滿載。各地市之間的相對(duì)位置和距離按照實(shí)際地理位置設(shè)定，均為確定和已知的不變量。為了評(píng)估本文所運(yùn)用的算法的性能，將其與文獻(xiàn)中提出的強(qiáng)約束下的啟發(fā)式算法進(jìn)行了比較，該算法將整體問(wèn)題分解為子問(wèn)題的層次結(jié)構(gòu)，并基于動(dòng)態(tài)規(guī)劃和最近鄰旅行商問(wèn)題的求解。另外，由于有些地市煙草需求量大，一部分煙草需要選擇整車(chē)裝載其所需煙草然后直達(dá)的運(yùn)送方式。在煙草物流配送優(yōu)化過(guò)程中無(wú)需對(duì)這部分直達(dá)運(yùn)送方式進(jìn)行優(yōu)化，故在結(jié)果顯示中將這部分運(yùn)用直達(dá)運(yùn)送方式的結(jié)果剔除。只討論地市需求量不足整車(chē)裝載量的情況下，如何分配送貨車(chē)輛的配送路徑以達(dá)到最短路程。

實(shí)際應(yīng)用的比較結(jié)果如下表：

優(yōu)化結(jié)果表明，該算法的性能優(yōu)于HA算法，提高了近10%。不僅在總送貨周期的基礎(chǔ)上減少了一個(gè)送貨周期，而且總路程上也有所縮短，相當(dāng)于節(jié)省了一輛車(chē)的運(yùn)載量和路程中的成本費(fèi)用。究其原因主要有兩個(gè)方面：一是SS算法放松了一些強(qiáng)約束，使得解空間擴(kuò)大，這意味著獲得更好解的可能性更高;二是具有全局搜索機(jī)制的SS算法比HA算法有更多的機(jī)會(huì)找到更好的解，HA算法對(duì)貨物的配送排序采用局部搜索的方法。將該套方法運(yùn)用到實(shí)際工作后，實(shí)現(xiàn)了配送貨物數(shù)量相同的情況下，送貨車(chē)輛和配送人員減少、裝載量及送貨戶數(shù)增加的效果，達(dá)到了提高卷煙配送效率、降低配送成本的目的。

五、結(jié)論

本文研究了卷煙工業(yè)物流配送時(shí)間最小化的優(yōu)化問(wèn)題。對(duì)該問(wèn)題進(jìn)行了分析，指出了現(xiàn)有優(yōu)化算法存在的一些強(qiáng)約束，導(dǎo)致了實(shí)際應(yīng)用性能不理想的情況。由于問(wèn)題具有組合性和計(jì)算難解性，本文提出了一種基于啟發(fā)式策略和分散搜索方法的優(yōu)化算法，優(yōu)化卷煙工業(yè)物流配送的時(shí)間。通過(guò)紅塔集團(tuán)在廣東省煙草物流配送數(shù)據(jù)實(shí)際應(yīng)用結(jié)果表明，該算法能取得較好的效果，明顯縮短了煙草物流配送過(guò)程中的時(shí)間，證明該套優(yōu)化方法能夠在實(shí)際卷煙工業(yè)物流配送中起到指導(dǎo)作用，達(dá)到提升配送效率、降低配送成本的目的。需要指出的是，本文的方法將整個(gè)問(wèn)題分解為單獨(dú)的子問(wèn)題，并獨(dú)立研究求解，得到最優(yōu)解。在今后的工作中，將深入建立整體優(yōu)化問(wèn)題的集成模型，設(shè)計(jì)協(xié)同優(yōu)化算法，同時(shí)解決相關(guān)子問(wèn)題，進(jìn)一步提高算法性能。

參考文獻(xiàn)：

[1]李朵.地級(jí)市煙草現(xiàn)代物流配送系統(tǒng)優(yōu)化[D].西安建筑科技大學(xué)，2016.

[2]章惠民.煙草商業(yè)系統(tǒng)物流線路優(yōu)化研究與應(yīng)用[J].中國(guó)煙草學(xué)報(bào)，2018，24（03）：100-105.

[3]陳小麗，曲媛，肖鴻.宜春市煙草公司物流配送線路優(yōu)化[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，30（01）：49-52.

[4]潘國(guó)鵬.安陽(yáng)煙草公司物流配送路線優(yōu)化問(wèn)題研究[D].鄭州大學(xué)，2017.

[5]陳影，孫虎.基于Flexsim的煙草物流配送中心規(guī)劃仿真[J].物流技術(shù)，2018，37（07）：105-110.

[6]陳成.基于改進(jìn)遺傳算法的物流車(chē)輛路徑問(wèn)題優(yōu)化[J].信息技術(shù)與信息化，2018（09）：41-43.

[7]李陽(yáng)，范厚明，張曉楠，楊翔.隨機(jī)需求車(chē)輛路徑問(wèn)題及混合變鄰域分散搜索算法求解[J].控制理論與應(yīng)用，2017，34（12）：1594-1604.

[8]張曉楠，范厚明.混合分散搜索算法求解帶容量約束車(chē)輛路徑問(wèn)題[J].控制與決策，2015，30（11）：1937-1944.

[9]F.Glover， Heuristics for Integer programming using Surrogate constraints，Decision Sciences，8（7）：156-166，1977.

[10]陳萍.啟發(fā)式算法及其在車(chē)輛路徑問(wèn)題中的應(yīng)用[D].北京交通大學(xué)，2009.

作者簡(jiǎn)介：楊璞光（1994- ），男，華南理工大學(xué)在讀碩士生，研究方向：自動(dòng)駕駛