李穎

(陜西交通職業(yè)技術(shù)學(xué)院 經(jīng)濟管理學(xué)院， 西安 710018)

0 引言

快速發(fā)展和完善的電子商務(wù)與信息技術(shù)推動了物流業(yè)的發(fā)展，物流業(yè)在日常生產(chǎn)生活中的重要性日益凸顯，除第三方快遞企業(yè)外，很多企業(yè)對物流體系建設(shè)的重視程度不斷提高，不斷增加在物流方面的投入，開始發(fā)展本企業(yè)的物流體系。電子商務(wù)促使快遞行業(yè)的物流系統(tǒng)幾乎覆蓋全國地區(qū)，從上到下涉及到多個層級。作為物流體系的基礎(chǔ)，物流網(wǎng)點具有重要作用，物流網(wǎng)點布局問題已經(jīng)成為物流領(lǐng)域的研究熱點之一，為實現(xiàn)資源節(jié)約、最大程度降低物流成本，需對物流網(wǎng)點進行科學(xué)合理的布局，本文主要對物流網(wǎng)點選址進行了研究，基于改進PSO算法研究物流網(wǎng)點選址問題構(gòu)建模型，將分散在一定區(qū)域內(nèi)的客戶視為具體發(fā)生點，針對已知備選網(wǎng)點不確定網(wǎng)點選擇數(shù)目的情況下，在建立物流網(wǎng)點時采用改進后?P-中值選址模型研究選址問題，使中轉(zhuǎn)倉庫的覆蓋范圍更加合理，使物流網(wǎng)點的布局及數(shù)量分布更加合理，提高物流效率。

1 現(xiàn)狀分析

作為設(shè)施選址問題的一種，物流網(wǎng)點選址問題的研究過程可以設(shè)施選址方法作為借鑒，目前對對設(shè)施選址模型及快遞網(wǎng)點布局的研究國內(nèi)外學(xué)者已經(jīng)取得了一定的成果，例如，通過P-中值模型的使用完成了對需求量同服務(wù)站距離間關(guān)系的研究即二者乘積之和最小(Hakimi S L)；通過改進P-中值問題后，對帶機會約束的需求量情形(服從多變量正態(tài)分布)進行研究，公共設(shè)施網(wǎng)絡(luò)在不確定情況下通過非線性模型的建立實現(xiàn)選址問題的解決(Carbone R)；對于物流網(wǎng)點的備選地點通過使用重心法獲取，在此基礎(chǔ)上將配送中心通過離散模型的引用解決最佳地點選取問題(楊茂盛等)。算法研究最初采用較簡單的算法(包括網(wǎng)絡(luò)規(guī)劃、線性及非線性規(guī)劃等)，隨著模型復(fù)雜化程度的不斷提升智能算法得到了普遍應(yīng)用(包括遺傳算法、模擬退火、蟻群優(yōu)化等)。上述研究多以候選地點個數(shù)已知作為假設(shè)條件，但在實際工作過程中，物流網(wǎng)點的建立個數(shù)很難在選址初期做到準確確定，需在不斷測算進行驗證的基礎(chǔ)上完成建立設(shè)施數(shù)量的推算。因此本文主要對物流網(wǎng)點選址進行了研究，將分散在一定區(qū)域內(nèi)的客戶視為具體發(fā)生點，針對已知備選網(wǎng)點不確定網(wǎng)點選擇數(shù)目的情況下，在建立物流網(wǎng)點時將選址個數(shù)作為上層目標，采用改進后?P-中值選址模型研究選址問題，下層目標基于上層目標完成包括運輸、建設(shè)及維護費用等在內(nèi)的總運輸費用最低情況的計算最低，使物流網(wǎng)點的布局及數(shù)量分布更加合理[1]。

2 模型構(gòu)建

目前研究物流網(wǎng)點問題的主要難點在于客戶分布相對分散且總體分布不足，為有效解決這一問題，本文先以客戶為研究對象完成聚類分析，建設(shè)物流網(wǎng)點時，將分散于某一區(qū)域內(nèi)的客戶視為具體的發(fā)生點，假設(shè)條件為已知發(fā)生點，以發(fā)生點的分布為依據(jù)完成一定數(shù)量的候選網(wǎng)點的建立，以在最小化配送成本的情況使選擇物流網(wǎng)點數(shù)量盡可能少作為物流網(wǎng)點選址目標[2]。據(jù)此描述物流網(wǎng)點選址問題為：發(fā)生點的數(shù)量為已知條件，并給定相關(guān)集合(包括發(fā)生點和候選網(wǎng)點)，基于最小化總配送成本的方案，確定發(fā)生點、候選網(wǎng)點同運量間的距離，據(jù)此完成合理物流網(wǎng)點數(shù)量的確定。假設(shè)發(fā)生點及服務(wù)能力已知的備選物流網(wǎng)點分別為m個、n個，建設(shè)物流網(wǎng)點需花費建造費用，為使該區(qū)域全部發(fā)生點的需求均得到有效滿足，需從備選網(wǎng)點(最大服務(wù)能力超過其最大吞吐量)中選取數(shù)目不確定的網(wǎng)點p個，發(fā)生點數(shù)目及運量固定，僅能通過一個物流網(wǎng)點為各發(fā)生點提供服務(wù)。分析問題可知其包含求解目標兩個，網(wǎng)點數(shù)目及選址未知(選址結(jié)果以網(wǎng)點數(shù)目為依據(jù))，因此對兩個求解目標(即最小化網(wǎng)點數(shù)量及選址目標總配送成本，)通過雙層模型的建立進行表示，具體模型計算如式(1)[3]。

f(x)=

min ∑i∈N ∑j∈Mwicij+c′ij(dij-L)yij+∑j∈Mδjxj

(1)

備選網(wǎng)點的最大吞吐量需小于其最大服務(wù)能力的表達式如式(2)。

(2)

僅能通過一個物流網(wǎng)點為各發(fā)生點提供服務(wù)的表達式如式(3)。

(3)

擬建立物流網(wǎng)點表達式如式(4)。

(4)

yij≤xj(由選中的物流網(wǎng)點向發(fā)送點提供服務(wù))

3 試驗環(huán)境及求解算法

作為智能優(yōu)化算法的一種，粒子群優(yōu)化算法(由Kennedy、Eberhart提出)具有參數(shù)設(shè)置簡單和較快的收斂速度等優(yōu)點，能夠高效的尋找到最優(yōu)解，在求解選址問題中發(fā)揮重要作用。但在實際物流網(wǎng)點較多的情況下，具備較大優(yōu)勢的粒子本身信息和極值信息易使算法陷入局部最優(yōu)解，為提高計算質(zhì)量和速度，本文在此基礎(chǔ)上對粒子編碼方式和混沌變異算子進行優(yōu)化設(shè)計，對算法的局部性和并行性通過CUDA并行編程模型的使用實現(xiàn)分離。

3.1 編碼粒子

編碼方式根據(jù)P-中值模型特點表示為：P= [p1，p2，…，pn]，選中第n個備選網(wǎng)點的概率由pn表示，取值范圍在?[ 0，1]間；備選網(wǎng)點的個數(shù)由n(粒子長度)表示，最終的物流網(wǎng)點選擇p為1的備選網(wǎng)點，例如P= (0，1，0，0，1，1，0，0)，則最終的物流網(wǎng)點為第 2，5，6備選網(wǎng)點[5]。

3.2 混沌變異操作

廣泛存在的混沌狀態(tài)具有隨機性、遍歷性等特點，使混沌運動能夠不重復(fù)遍歷所有狀態(tài)(在一定范圍內(nèi))，在搜索過程中通過運用遍歷性特點能夠使陷入局部極值的優(yōu)化得到有效避免，混沌變異算子的構(gòu)造過程如下[6]。

3.3 算法步驟

4 實例分析

(1) 算例情況描述

某區(qū)域為滿足物流運輸需求需對網(wǎng)絡(luò)網(wǎng)點進行規(guī)劃，備選網(wǎng)點作業(yè)里程為10 km，已知備選網(wǎng)點集、發(fā)生點(分別由N1—N5、M1—M10表示)，運輸費率為20元/t，超出10 km的運輸費率為0.5元/t。圖1為備選網(wǎng)點及發(fā)生點位置，發(fā)生點位置及發(fā)生量如表1所示，備選網(wǎng)點位置及服務(wù)能力如表2所示，最大服務(wù)能力及固定成本如表3所示[8]。

圖1 備選網(wǎng)點及發(fā)生點位置示意圖

發(fā)生點橫坐標/km縱坐標/km發(fā)生量/(t/d)M120.215.35M27.411.34M311.312.33M445.38.94M527.637.63M646.736.33M737.427.64M819.332.32M97.538.54M1028.941.63

表2 位置及服務(wù)能力

(2) 結(jié)果分析

算法的參數(shù)為：粒子群規(guī)模為10，權(quán)重r1，r2均為1，閥值thre為0.2，實驗在前后Fitness差值<0.2時結(jié)束，基于改進PSO算法的選址結(jié)果如表4所示。以此種發(fā)生點同網(wǎng)點選址位置網(wǎng)點對應(yīng)方式下，總運輸費用最小(320.4 萬)，此時N1的服務(wù)能力能夠有效滿足第1、5、6、7、10發(fā)生點的需求總和(18 t)，網(wǎng)點 N5的服務(wù)能力能夠有效滿足2、3、4、8、9的需求總和(17 t)。實驗結(jié)果證明了本文所設(shè)計的基于改進PSO算法的物流網(wǎng)點選址模型的可行性。

表3 最大服務(wù)能力和固定成本

表4 選址結(jié)果

5 總結(jié)

物流網(wǎng)點的科學(xué)合理的選址是物流企業(yè)的重要工作內(nèi)容，本文主要對物流網(wǎng)點選址進行了研究，分析了目前快遞網(wǎng)點布局的現(xiàn)狀，在傳統(tǒng)設(shè)施選址模型的基礎(chǔ)上，基于改進PSO算法研究物流網(wǎng)點選址問題構(gòu)建模型，將分散在一定區(qū)域內(nèi)的客戶視為具體發(fā)生點，針對已知備選網(wǎng)點不確定網(wǎng)點選擇數(shù)目的情況下，在建立物流網(wǎng)點時采用改進后P-中值選址模型研究選址問題，使物流網(wǎng)點的布局及數(shù)量分布更加合理，同時滿足時效性及經(jīng)濟成本方面的要求，以改進后P-中值模型的特點為依據(jù)，為使粒子易陷入局部收斂的問題得以有效解決，在算法的求解中，對粒子編碼方式和混沌變異算子進行了優(yōu)化設(shè)計，通過CUDA并行編程模型的運用使算法的計算速度得以顯著提高，可有效滿足對物流網(wǎng)點選址的具體計算問題，通過物流網(wǎng)點在某區(qū)域的選址實例證明了該算法的具有較高的實際應(yīng)用價值。接下來的研究方向?qū)⒔Y(jié)合客戶時效性問題，通過客戶的時間滿意度函數(shù)等的應(yīng)用進一步優(yōu)化模型功能。