賀 琳

(阜陽師范學(xué)院，安徽 阜陽 236037)

隨著物流產(chǎn)業(yè)的發(fā)展，對物流的配送路徑優(yōu)化研究受到人們的極大重視。通過對物流配送路徑的智能選取，能夠降低物流配送中的經(jīng)濟(jì)開銷，促進(jìn)物流經(jīng)濟(jì)發(fā)展。采用大數(shù)據(jù)信息處理技術(shù)進(jìn)行物流配送路徑優(yōu)化，結(jié)合智能物流調(diào)度技術(shù)，分析物流配送路徑優(yōu)化對物流經(jīng)濟(jì)發(fā)展的關(guān)系模型，分析智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響，挖掘智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響大數(shù)據(jù)量化特征，結(jié)合特征提取和信息融合的方法，可以提高物流經(jīng)濟(jì)的發(fā)展水平[1]。對此提出一種基于最短路徑規(guī)劃和面板數(shù)據(jù)檢驗的智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展影響的建模方法，構(gòu)建智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的統(tǒng)計特征分析對象模型，結(jié)合多元線性融合方法進(jìn)行智能配送路徑選取，對物流經(jīng)濟(jì)發(fā)展因子進(jìn)行分析。結(jié)合模糊約束控制方法，實(shí)現(xiàn)物流智能配送路徑優(yōu)化，并實(shí)現(xiàn)智能配送路徑選取技術(shù)對物流經(jīng)濟(jì)發(fā)展影響的建模，最后進(jìn)行實(shí)證分析，得出有效性結(jié)論。

1 物流配送路徑選取優(yōu)化模型

1.1 智能物流配送路徑的組網(wǎng)設(shè)計

為了實(shí)現(xiàn)對智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展準(zhǔn)確評估，采用最短路徑規(guī)劃和統(tǒng)計特征量化評估方法進(jìn)行智能配送路徑選取[2]，結(jié)合物流交通路網(wǎng)組網(wǎng)結(jié)構(gòu)模型進(jìn)行最短路徑規(guī)劃，用路段和交叉口組成的網(wǎng)絡(luò)分析物流路徑，物流路徑規(guī)劃的網(wǎng)絡(luò)組網(wǎng)結(jié)構(gòu)模型為：

(1)

其中，i(t)和s(t)分別標(biāo)記物流配送路徑的節(jié)點(diǎn)位置和路徑規(guī)劃長度，當(dāng)t>δ時，采用Small World網(wǎng)絡(luò)模型構(gòu)建物流配送的SIRS模型[3]，智能配送路徑選取的動力學(xué)模型可以描述為：

(2)

計算物流配送路徑的路段阻抗，進(jìn)行配送路徑的動態(tài)選址網(wǎng)絡(luò)規(guī)劃設(shè)計，當(dāng)路段的流量為0時，物流配送路徑的選取問題為一個線性規(guī)劃問題[4]，設(shè)Power-Law結(jié)構(gòu)中有m個物流配送Sink節(jié)點(diǎn)，表示為A1,A2,…,An，每個節(jié)點(diǎn)進(jìn)行物流配送的負(fù)載量為a1,a2,…,an，采用最短路徑搜索進(jìn)行物流配送路徑的線性規(guī)劃設(shè)計，得到物流配送調(diào)度運(yùn)輸問題數(shù)學(xué)表達(dá)：

(3)

(4)

N=Nt+1,Nt≥0

(5)

C表示節(jié)點(diǎn)i的最大傳輸概率密度函數(shù)，在線性規(guī)劃條件下，得到物流配送的路網(wǎng)拓?fù)浣Y(jié)構(gòu)描述為：

(6)

建立一種基于粗糙集理論下的物流配送路徑動態(tài)搜索模型，結(jié)合自適應(yīng)路徑規(guī)劃和尋優(yōu)控制，提高路徑規(guī)劃能力[6]。

1.2 物流配送路徑優(yōu)化規(guī)劃

采用最短路徑尋優(yōu)方法進(jìn)行智能配送路徑選擇，采用量化回歸分析方法構(gòu)建智能配送路徑選取與物流經(jīng)濟(jì)發(fā)展的大數(shù)據(jù)統(tǒng)計分析模型[7]，得到物流配送路徑的線性規(guī)劃數(shù)據(jù)集為n，物流路徑選取對物流經(jīng)濟(jì)發(fā)展的促進(jìn)性特征分布矩陣為一個n×n的矩陣：

(7)

(8)

將任意的物流配送中心數(shù)據(jù)點(diǎn)xi和xj之間的最大相似度特征量，描述為s(i,j)，其值越小，表示物流路徑規(guī)劃的動態(tài)性越好，則相似度越小，表示物流路徑規(guī)劃的適應(yīng)度越差。根據(jù)上述算法設(shè)計，進(jìn)行物流路徑空間規(guī)劃設(shè)計，得到物流配送路徑選擇的路徑規(guī)劃樣本集X={x1,x2,…,xn}，找到k個聚類中心{a1,a2,…,ak}，對采用模糊均值聚類方法進(jìn)行物流經(jīng)濟(jì)發(fā)展的統(tǒng)計學(xué)建模，得到物流配送路徑規(guī)劃對物流經(jīng)濟(jì)發(fā)展影響的統(tǒng)計量為：

flg-M(z)=flg(z)+hxflg(z)+hyflg(z)

(9)

其中，flg(z)為配送路徑聚類統(tǒng)計量，hx為配送路徑相似度，hy為配送路徑的適應(yīng)度。遍歷整個物流配送路徑規(guī)劃的網(wǎng)絡(luò)模型，計算物流配送區(qū)域U內(nèi)的任意一個物流配送節(jié)點(diǎn)的負(fù)載量，得到物流配送路徑對物流經(jīng)濟(jì)發(fā)展的整體適應(yīng)度模型描述為：

(10)

其中，n為電子商務(wù)環(huán)境下物流配送中心分布粒子的個數(shù)。設(shè)定m0個結(jié)點(diǎn)通過2×(m0-1)條向量節(jié)點(diǎn)進(jìn)行路徑規(guī)劃設(shè)計，以概率1-p生成一個結(jié)點(diǎn)模型，得到平均適應(yīng)度，結(jié)合平均適應(yīng)度水平進(jìn)行量化回歸分析。

2 物流配送路徑對物流經(jīng)濟(jì)發(fā)展的影響建模

2.1 描述性統(tǒng)計分析和物流經(jīng)濟(jì)發(fā)展影響變量模型

E′c=E′TX+E′RX

(11)

E′c=Nk1LDA+Nk2+Ec=(N+1)k1LDA+k1LA+(N+2)k2

(12)

(13)

其中，N為統(tǒng)計特征量?？紤]智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的統(tǒng)計特征預(yù)測值，采用均衡調(diào)度方法進(jìn)行大數(shù)據(jù)采樣，結(jié)合最佳配送路線進(jìn)行面板數(shù)據(jù)分析。

(14)

用量化回歸分析方法構(gòu)建智能配送路徑選取與物流經(jīng)濟(jì)發(fā)展的描述性統(tǒng)計分析模型，得到描述性統(tǒng)計特征量為：

(15)

當(dāng)R2TR2={Xd+1,Xd+2,…Xd+m}{Xd+1,Xd+2,…Xd+m}T時，智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的統(tǒng)計特征定量遞歸分析迭代次數(shù)Xt取最小值，由此物流經(jīng)濟(jì)發(fā)展影響變量分析和統(tǒng)計建模。

2.2 智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響統(tǒng)計分析

結(jié)合多元線性融合方法進(jìn)行智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展因子的分析，采用線性指數(shù)分析方法對智能配送路徑選取進(jìn)行向量量化分解，特征分解形式：

maxT

(16)

(17)

用ΔM′ij(i=1,D;j=1,N)表示智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的貢獻(xiàn)度，在線標(biāo)記信息傳遞矩陣FN×1，在模糊約束控制下，智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的最優(yōu)決策代價函數(shù)為：

ΔM′ij=yij(Bi-Ai)

(18)

根據(jù)大數(shù)據(jù)挖掘結(jié)果分析智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的促進(jìn)性因素，計算決策量化集T(βNG)≥Tmin，物流路徑選取的促進(jìn)性貢獻(xiàn)度水平為：

(19)

其中，T表示時間窗口，u表示介于0和1之間的隨機(jī)數(shù)。根據(jù)智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展因子分析結(jié)果[9]，計算節(jié)點(diǎn)Nk(k>2)的權(quán)值：

(20)

x′(tn+1)=Xm+1(m)

(21)

輸出智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的統(tǒng)計特征序列預(yù)測的期望值mk和標(biāo)準(zhǔn)差εk，設(shè)N0=0，D0=1，對k=1,2,…,n-1，設(shè)定初始值φkj，結(jié)合迭代式進(jìn)行回歸分析，實(shí)現(xiàn)智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響建模。

3 實(shí)證分析與檢驗

為了測試所提方法在分析智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響的應(yīng)用性能，進(jìn)行仿真實(shí)驗，實(shí)驗采用統(tǒng)計學(xué)分析軟件SPSS 14.0和VC++設(shè)計，對物流經(jīng)濟(jì)發(fā)展的統(tǒng)計特征的先驗樣本采樣規(guī)模集為500，物流配送路徑節(jié)點(diǎn)數(shù)為1 000，信息傳輸速率為12 Mb·s-1，訓(xùn)練樣本集為10，物流經(jīng)濟(jì)發(fā)展數(shù)據(jù)統(tǒng)計分析的初始采樣率為100 kHz，終止采樣率為150 kHz，穩(wěn)健性檢驗統(tǒng)計分析結(jié)果見表1。

表1 穩(wěn)健性檢驗統(tǒng)計分析結(jié)果

根據(jù)上述統(tǒng)計分析結(jié)果，進(jìn)行智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展影響的建模，得到最優(yōu)配送路徑規(guī)劃如圖1所示。

圖1 智能配送路徑選取輸出

圖2 均方根誤差測試

在智能配送路徑選取基礎(chǔ)上，分析智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展的影響，測試均方根誤差，得到測試結(jié)果如圖2所示。智能配送路徑選取對物流經(jīng)濟(jì)發(fā)展具有顯著性水平，本文方法對物流配送路徑選取的尋優(yōu)性較好，提高了物流吞吐量。

4 結(jié)語

綜上所述，研究了物流配送路徑選取優(yōu)化和物流經(jīng)濟(jì)發(fā)展問題，提出智能物流最短配送路徑選取優(yōu)化模型。與傳統(tǒng)模型進(jìn)行對比，所提模型的均方根誤差較低，并且較為穩(wěn)定，具有較高的實(shí)際應(yīng)用性。但是還存在很多不足，在均方根誤差控制方面，仍有提升的空間，這也是未來的研究方向。