唐 力，周凌云

TANG Li1, ZHOU Lingyun2

（1.中國鐵道科學(xué)研究院 研究生部，北京 100081；2.中國鐵道科學(xué)研究院集團有限公司 運輸及經(jīng)濟

研究所，北京 100081)

(1. Postgraduate Department, China Academy of Railway Sciences, Beijing 100081, China； 2. Transportation &Economics Research Institute, China Academy of Railway Sciences Corporation Limited, Beijing 100081, China)

0 引言

鐵路物流服務(wù)方案是為滿足鐵路全程物流而設(shè)計的作業(yè)過程計劃,通過將不同的鐵路物流資源進行配置,實現(xiàn)貨物的空間位移活動[1]。當前我國鐵路物流服務(wù)方案主要是根據(jù)人工經(jīng)驗進行設(shè)計,該物流方案設(shè)計效率低且缺乏科學(xué)依據(jù),無法滿足客戶多樣化的物流需求。而采用模塊化設(shè)計方法主要通過使用標準的模塊實例進行產(chǎn)品或服務(wù)組合,能夠?qū)崿F(xiàn)產(chǎn)品或服務(wù)的快速、低成本設(shè)計,將其引入鐵路物流服務(wù)方案設(shè)計能夠豐富和拓展鐵路物流服務(wù)方案設(shè)計理論和方法,指導(dǎo)鐵路物流企業(yè)實踐鐵路“門到門”全程物流方案設(shè)計。

國內(nèi)外學(xué)者對鐵路物流服務(wù)方案設(shè)計進行了大量的研究,劉啟鋼[2]基于公理化設(shè)計理論,提出“客戶需求—服務(wù)功能—服務(wù)措施—參數(shù)屬性”的鐵路物流服務(wù)單元措施配置機理和方案集成技術(shù)；王丹竹[3]將鐵路物流過程模塊化劃分,利用CSP方法設(shè)計鐵路貨運產(chǎn)品；張菲等[4]將鐵路物流服務(wù)中客戶的QoS屬性需求作為組合服務(wù)的目標函數(shù)的懲罰函數(shù),利用試驗仿真進行方案設(shè)計。還有些學(xué)者對實體產(chǎn)品及服務(wù)產(chǎn)品系統(tǒng)模塊化設(shè)計進行了深入研究[5-9],對鐵路物流服務(wù)方案設(shè)計具有借鑒意義。

借鑒上述研究成果,采用模塊化設(shè)計理論對鐵路物流服務(wù)方案設(shè)計,通過鐵路物流過程模塊化的劃分,構(gòu)建鐵路物流服務(wù)方案設(shè)計多目標規(guī)劃模型,利用非支配排序遺傳算法(NSGA-II)進行求解和評價,從而得到最優(yōu)服務(wù)方案,實現(xiàn)鐵路物流服務(wù)方案的科學(xué)設(shè)計。

1 鐵路物流服務(wù)方案模型構(gòu)建

1.1 鐵路物流模塊劃分

將鐵路全程物流活動劃分為15個模塊,根據(jù)模塊化設(shè)計理論,各模塊包含了若干功能相同、性能相似的模塊實例,可以用集合與元素的概念描述模塊與模塊實例的對應(yīng)關(guān)系,所有模塊實例組成了模塊實例庫。通過載體類型、作業(yè)量、組織方式、時間、成本和碳排放量6個屬性對各鐵路物流模塊實例進行刻畫,通過對鐵路物流模塊實例的選配能夠組合形成不同屬性的鐵路物流服務(wù)方案。鐵路全程物流過程示意圖如圖1所示。

圖1 鐵路全程物流過程示意圖Fig.1 Schematic diagram of railway whole process logistics process

1.2 問題描述

鐵路物流服務(wù)方案設(shè)計是一個多目標規(guī)劃問題,設(shè)定Mx(x= 1,2,…,m)表示模塊,m為模塊數(shù)量；Mxy(x= 1,2,…,m；y= 1,2,…,ux)為第x個模塊的第y個模塊實例,ux為第x個模塊所對應(yīng)的模塊實例數(shù)量,則模塊實例集合可表示為M= [Mxy] (x= 1,2,…,m；y= 1,2,…,ux)；二元決策變量εx表示模塊的選擇標識,若εx= 1,表示模塊Mx被選擇,若εx= 0,表示模塊Mx未被選擇；二元決策變量εxy表示模塊實例的選擇標識,若εxy= 1,表示模塊實例Mxy被選擇,若εxy= 0,表示模塊實例Mxy未被選擇。

鐵路物流服務(wù)方案設(shè)計過程如圖2所示,可以描述為在m個模塊中確定被選擇的模塊Iz(z= 1,2,…,n,n≤m),然后在各模塊下選擇一個模塊實例Izvz(vz≤uz),組成鐵路物流服務(wù)方案,該服務(wù)方案實例擁有n個模塊實例,可以表示為S= (I01v01,I02v02,…,Izvz,…,Invn),S為設(shè)計的鐵路物流服務(wù)方案,Izvz是第z個模塊中的第vz個模塊實例。

1.3 模型構(gòu)建

以服務(wù)時間最小、服務(wù)成本最小和碳排放量最小為目標,構(gòu)建鐵路物流服務(wù)方案設(shè)計模型如下。

圖2 鐵路物流服務(wù)方案設(shè)計過程Fig.2 Design process of railway logistics service solution

式中：Ts,Cs,Rs分別為服務(wù)時間、服務(wù)成本和碳排放量；Txy,Cxy,Rxy分別為第x個模塊第y個模塊實例的服務(wù)時間、服務(wù)成本和碳排放量；Ct,Tt分別為最大服務(wù)成本和最大服務(wù)時間；Pt為貨物種類編號；Sxy為模塊實例Mxy的載體類型。

公式 ⑴ 表示服務(wù)時間最小化；公式 ⑵ 表示服務(wù)成本最小化；公式 ⑶ 表示碳排放量最小化；公式 ⑷ 表示最大服務(wù)成本約束；公式 ⑸ 表示最大服務(wù)時間約束；公式 ⑹ 表示貨物種類約束,指所選模塊實例的貨物種類屬性必須與貨物種類相匹配；公式 ⑺ 表示模塊選擇標識約束,指被選擇的模塊下有且僅有一個模塊實例被選擇,沒有被選擇的模塊下則不能有模塊實例被選擇。

2 基于 NSGA-II 算法的鐵路物流服務(wù)方案模型求解

通常多目標規(guī)劃問題各目標之間存在著制約關(guān)系,某些目標的優(yōu)化將會導(dǎo)致其他目標的降低,問題的最優(yōu)解較多,可以將最接近目標的Pareto解集作為最優(yōu)解集。NSGA-II是解決多目標優(yōu)化問題最優(yōu)秀的算法之一,該算法能夠降低計算非支配排序的復(fù)雜度,擴大采樣空間,克服了NSGA算法中需要人為指定共享參數(shù)的缺陷[4]。NSGA-Ⅱ求解流程圖如圖3所示,具體計算過程如下。

（1）隨機產(chǎn)生種群規(guī)模大小為N的父代種群Pt,采用二進制編碼方式進行編碼,0代表未被選擇,1代表被選擇,染色體編碼格式為ε= (ε0101,ε0102,…,εxux,…,εmum)。

（2）對初始種群Pt進行交叉、變異操作得到新的子代種群Qt,其種群規(guī)模大小同樣為N,其中交叉操作為將父代后半部分基因與子代前半部分基因組合形成新的基因,變異為隨機選擇一個基因位數(shù)值進行0,1互換。

（3）將種群Pt和種群Qt進行合并,可以得到種群規(guī)模大小為2N的新種群Rt,以目標函數(shù)為適應(yīng)度函數(shù),對Rt進行快速非支配排序,可以得到非支配集合Z1,Z2,…,Zn。

圖3 NSGA-II求解流程圖Fig.3 NSGA-II solving flow chart

（4）計算所有個體之間的擁擠度,按照所有個體之間擁擠度比較算子大小進行排序,利用精英策略選擇最優(yōu)秀的N個體組成新的父代種群Pt+1。

（5）重復(fù)上述步驟直到達到最大進化代數(shù)為止,否則令t=t+ 1重復(fù)步驟 ⑵。

3 算例分析

3.1 基本情況

對某飲料公司邛崍工廠至貴陽地區(qū)“門到門”鐵路物流服務(wù)方案進行設(shè)計,該貨物種類為帶托盤的包裝成件貨物,邛崍工廠至發(fā)站普興站的距離約為40 km,到站改貌站至各配送點的平均距離約為20 km,鐵路站到站運輸距離約為740 km,該飲料成箱包裝每箱重10 kg,標準托盤可堆放0.96 t,平均一批貨物為240堆垛,貨物一批次運量為230.4 t。

鐵路發(fā)到車站可調(diào)配2組裝卸人員和2組裝卸叉車負責(zé)貨物搬運和裝卸,同時可調(diào)配正面吊2組、集裝箱若干；鐵路發(fā)到車站擁有平庫、集裝箱貨場和散堆裝貨場等倉庫類型,發(fā)端車站擁有鐵路棚車、鐵路平車、鐵路敞車、鐵路集裝箱等車型,并可調(diào)用J6L中卡廂式載貨車(可裝載12個托盤)、東風(fēng)嘉龍CNG倉柵式載貨車(可裝載10個托盤)、平板車、集裝箱運輸車等類型汽車若干,鐵路發(fā)端貨場擁有若干裝卸人員、若干叉車、正面吊、龍門吊,并配有相應(yīng)作業(yè)人員；普興站至改貌站可開行批量貨物快運列車運行時間為18.5 h,普速貨物列車運行時間為29.6 h。

客戶可接受最大服務(wù)時間為100 h,最大服務(wù)成本為68 000元,模塊選擇標識為εx= (1,1,1,0,0,0,1,1,1,0,0,0,1,1,1),模塊實例屬性值如表1所示。

表1 模塊實例屬性值Tab.1 Module instance attribute value

3.2 算例求解

利用MATLAB R2011a編程實現(xiàn)基于NSGA-II算法的模型優(yōu)化求解,NSGA-II求解模型的相關(guān)參數(shù)設(shè)置如下：鐵路物流服務(wù)方案的目標函數(shù)數(shù)目M= 3,決策變量數(shù)目V= 197,種群規(guī)模pop= 30,迭代次數(shù)gen= 100,交叉概率Gc= 0.9,變異概率Gm= 0.1,初始種群分布情況如圖4所示,優(yōu)化種群分布情況如圖5所示。

經(jīng)過運算,可以得到鐵路物流服務(wù)方案Pareto解集,共包含了3個較優(yōu)解,即其他任何方案都無法在所有目標上超越這3個方案,如方案A成本和碳排放量最優(yōu),方案B時間最優(yōu),方案C的目標函數(shù)位于其他2個方案之間。鐵路物流服務(wù)方案Pareto解集如表2所示。

圖4 初始種群分布情況Fig.4 Initial population distribution

圖5 優(yōu)化種群分布情況Fig.5 Optimizing population distribution

3.3 方案評價

利用灰色關(guān)聯(lián)分析方法[1]對鐵路物流服務(wù)方案進行評選,評價體系包括運營成本、服務(wù)時間、貨損貨差率、正點率、運力可獲得性、服務(wù)受理便利性、信息查詢便利性、設(shè)施設(shè)備滿意度、資源節(jié)約水平和綠色環(huán)保水平共10個指標,各評價指標的權(quán)重值為wj= (0.24,0.16,0.08,0.12,0.09,0.06,0.06,0.09,0.06,0.04),經(jīng)過評價計算可以得到最優(yōu)鐵路物流服務(wù)方案為方案C,總服務(wù)成本為61 905元,總服務(wù)時間為95.8 h,碳排放量為5 300.6 kg,鐵路物流服務(wù)方案最優(yōu)物流過程如表3所示。

表2 鐵路物流服務(wù)方案Pareto解集Tab.2 Pareto solution set of railway logistics service solution

表3 鐵路物流服務(wù)方案最優(yōu)物流過程Tab.3 Optimal logistics process of railway logistics service solution

4 結(jié)束語

鐵路物流服務(wù)方案設(shè)計是鐵路發(fā)展現(xiàn)代物流過程中需要解決的重要問題,研究基于NSGA-II的鐵路物流服務(wù)方案設(shè)計方法的根本目的是為鐵路部門實現(xiàn)鐵路物流服務(wù)方案快速設(shè)計提供支撐。運用模塊化設(shè)計理論進行鐵路物流服務(wù)方案設(shè)計能夠?qū)崿F(xiàn)鐵路物流資源的快速配置,以服務(wù)時間最小、服務(wù)成本最小和碳排放量最小為目標函數(shù)建立多目標優(yōu)化模型,并利用NSGA-II算法進行模型求解,能夠?qū)崿F(xiàn)方案的快速生成,解決了人工配置方案效率低的問題,同時,通過考慮鐵路全程物流資源優(yōu)化配置情況,能夠使得鐵路物流達到整體效益最優(yōu),為鐵路部門實踐鐵路物流服務(wù)方案設(shè)計提供參考。