席釕姿,劉 昊,王 鑫,張 磊,武薏敏,劉 秦
(1.湖南工學(xué)院 安全與環(huán)境工程學(xué)院,湖南 衡陽(yáng) 421002;2.湖南工學(xué)院 計(jì)算機(jī)與信息科學(xué)學(xué)院,湖南 衡陽(yáng) 421002;3.湖南工學(xué)院 經(jīng)濟(jì)與管理學(xué)院,湖南 衡陽(yáng) 421002)
如今市場(chǎng)各種類型的物流公司都在不斷擴(kuò)大其服務(wù)的輻射范圍,力圖實(shí)現(xiàn)物流網(wǎng)點(diǎn)的最大輻射范圍和最佳利用率。物流企業(yè)的物流中心選址決策在其公司的項(xiàng)目計(jì)劃中與物流企業(yè)的營(yíng)業(yè)利潤(rùn)和企業(yè)的穩(wěn)定發(fā)展有著直接的聯(lián)系,物流網(wǎng)點(diǎn)在整個(gè)快遞企業(yè)物流系統(tǒng)中起著承上啟下的關(guān)鍵作用,是貨物郵件接收地與發(fā)送地之間連接的中間橋梁。正確的物流中心選址是能否成功建立快遞系統(tǒng)過(guò)程中決定性的一步。所以對(duì)物流網(wǎng)點(diǎn)選址方法的研究和選用是確定物流網(wǎng)點(diǎn)經(jīng)營(yíng)成功與否的決定性因素之一。
一些現(xiàn)有的快遞企業(yè)在進(jìn)行物流中心位置選擇時(shí)并沒(méi)有仔細(xì)地考慮各種影響因素,而是大致地選擇了某個(gè)特定的區(qū)域來(lái)進(jìn)行建設(shè),這樣的物流中心將會(huì)在以后的長(zhǎng)期運(yùn)營(yíng)中逐漸出現(xiàn)因其選擇位置決策錯(cuò)誤所帶來(lái)的隱患,其對(duì)于正處在快速發(fā)展下的快遞企業(yè)來(lái)說(shuō)極其不利。選址決策是實(shí)現(xiàn)物流系統(tǒng)高效運(yùn)營(yíng)最重要、最困難的決策,屬于長(zhǎng)期的戰(zhàn)略決策。同時(shí)設(shè)施選址是一個(gè)十分古老而又經(jīng)典的問(wèn)題,古代的選址決策往往以經(jīng)驗(yàn)、制度甚至迷信思想為依據(jù),缺乏科學(xué)性。1909 年德國(guó)學(xué)者韋伯第一篇選址論文的發(fā)表標(biāo)志著設(shè)施選址問(wèn)題進(jìn)入到科學(xué)研究時(shí)代,Hakimi 于1964 年發(fā)表的關(guān)于網(wǎng)絡(luò)多設(shè)施選址的論文是設(shè)施選址問(wèn)題發(fā)展為一個(gè)系統(tǒng)、科學(xué)理論的里程碑。此后,設(shè)施選址問(wèn)題被引入一個(gè)更寬廣的領(lǐng)域,包括生產(chǎn)中心選址(Eilon,etal,1971)、交通樞紐選址(Wirasinghe & Waters,1984)、變電站選址(Hochbaum,1982)等,選址理論研究進(jìn)入繁榮時(shí)期。進(jìn)入20 世紀(jì)80 年代以后,現(xiàn)代物流理念的產(chǎn)生,則使得設(shè)施選址理論的研究?jī)?nèi)容更加豐富。
為了解決由多個(gè)因素組合而成的物流網(wǎng)點(diǎn)選址問(wèn)題,提高物流網(wǎng)點(diǎn)選址的戰(zhàn)略性,本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的物流網(wǎng)點(diǎn)選址方法。對(duì)已有物流網(wǎng)點(diǎn)進(jìn)行分析,建立三層BP 神經(jīng)網(wǎng)絡(luò),利用該BP 神經(jīng)網(wǎng)絡(luò)對(duì)湖南省各個(gè)市的決策指標(biāo)數(shù)據(jù)進(jìn)行處理,得到最佳的物流網(wǎng)點(diǎn)選址方案。
本文以湖南省某物流公司為例探討基于BP 神經(jīng)網(wǎng)絡(luò)的物流網(wǎng)點(diǎn)規(guī)劃設(shè)計(jì),該公司主營(yíng)公路零擔(dān)貨物運(yùn)輸,目前在湖南省已建立網(wǎng)點(diǎn)38 個(gè),計(jì)劃在2018 年12 月實(shí)現(xiàn)市區(qū)網(wǎng)點(diǎn)30 家;2019 年12 月實(shí)現(xiàn)新增市區(qū)網(wǎng)點(diǎn)10家;2020年12月實(shí)現(xiàn)新增市區(qū)網(wǎng)點(diǎn)10家,達(dá)到可以覆蓋各市區(qū)的網(wǎng)絡(luò)。
實(shí)際選址面臨復(fù)雜環(huán)境,物流網(wǎng)點(diǎn)的功能和服務(wù)特性決定了物流網(wǎng)點(diǎn)布局的城市邊緣、交通條件以及網(wǎng)點(diǎn)用地等??偟膩?lái)看,零擔(dān)貨物配送網(wǎng)點(diǎn)的選址需要考慮客戶分布、經(jīng)濟(jì)環(huán)境、經(jīng)營(yíng)環(huán)境因素、交通條件因素、其他因素五大因素。根據(jù)這五個(gè)一級(jí)指標(biāo)選取了21個(gè)二級(jí)指標(biāo),具體見(jiàn)表1。
表1 影響選址指標(biāo)
2.2.1 確定網(wǎng)點(diǎn)選址決策的指標(biāo)體系。由于在確定影響物流網(wǎng)點(diǎn)選址因素時(shí),所選取的指標(biāo)往往存在相互影響的關(guān)系,收集到的數(shù)據(jù)存在單位不統(tǒng)一的問(wèn)題,難以統(tǒng)一處理,因此對(duì)原始數(shù)據(jù)進(jìn)行隸屬度處理建立模糊評(píng)價(jià)矩陣,再對(duì)模糊評(píng)價(jià)矩陣進(jìn)行主成分分析,對(duì)前文所選出的21 個(gè)影響因素進(jìn)行處理之后得出5個(gè)影響最大的組合主成分,從而構(gòu)成網(wǎng)點(diǎn)選址決策的5個(gè)指標(biāo)體系。
(1)建立模糊評(píng)價(jià)矩陣。搜集已有的正在運(yùn)營(yíng)的網(wǎng)點(diǎn)和預(yù)選方案的5個(gè)一級(jí)指標(biāo)及其21個(gè)二級(jí)指標(biāo)的詳細(xì)歷史數(shù)據(jù)資料,對(duì)長(zhǎng)沙市、株洲市、湘潭市、衡陽(yáng)市、邵陽(yáng)市、岳陽(yáng)市、常德市、張家界市、益陽(yáng)市、郴州市、永州市、懷化市、婁底市、湘西自治州的數(shù)據(jù),經(jīng)過(guò)隸屬度處理得到模糊評(píng)價(jià)矩陣,結(jié)果見(jiàn)表2。
(2)進(jìn)行主成分分析。對(duì)模糊評(píng)價(jià)矩陣進(jìn)行主成分分析,21個(gè)指標(biāo)標(biāo)準(zhǔn)化后的初始特征值、累計(jì)貢獻(xiàn)率以及各個(gè)指標(biāo)在每個(gè)主成分的權(quán)重見(jiàn)表3、表4。
由表3 可以看出,前5 個(gè)主成分可代表原指標(biāo)93.289%的信息量,所以可用前5個(gè)主成分作為BP神經(jīng)網(wǎng)絡(luò)的輸入。由表4 可以得出每個(gè)指標(biāo)在主成分所占權(quán)重,從而計(jì)算出長(zhǎng)沙市、婁底市、邵陽(yáng)市、常德市、岳陽(yáng)市、株洲市、湘潭市、郴州市、張家界市、衡陽(yáng)市、懷化市、永州市、湘西市、益陽(yáng)市在五個(gè)主成分的得分,具體見(jiàn)表5。
表2 地州市模糊評(píng)價(jià)矩陣
表3 地州市主成分分析總方差解釋
2.2.2 設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)模型
(1)確定網(wǎng)絡(luò)節(jié)點(diǎn)。根據(jù)上述分析得知一共有5個(gè)主成分,所以選擇5 個(gè)輸入,即輸入層有5 個(gè)節(jié)點(diǎn)xi(i=1,2,...,5)分別表示每一個(gè)樣本的5個(gè)主成分;經(jīng)過(guò)分析隱含層設(shè)置為4 個(gè)節(jié)點(diǎn)。最終要得到各個(gè)城市的評(píng)價(jià)值,所以輸出層只需要1個(gè)節(jié)點(diǎn)。
表4 地州市主成分分析成分矩陣
表5 地州市主成分分析得分
(2)建立傳遞函數(shù)。傳遞函數(shù)是BP 網(wǎng)絡(luò)的重要組成部分,必須是連續(xù)可微的,BP網(wǎng)絡(luò)常采用S型的對(duì)數(shù)或正切函數(shù)和線性函數(shù)。在這里取輸入層到隱含層的傳遞函數(shù)為tansig;隱含層到輸出層的傳遞函數(shù)為logsig;訓(xùn)練函數(shù)為Trainlm。
(3)確定訓(xùn)練速率。網(wǎng)絡(luò)訓(xùn)練的速率是非常重要的問(wèn)題,如果太大會(huì)使結(jié)果十分震蕩,但是如果太小模型很難收斂到一個(gè)點(diǎn)上。所以,在網(wǎng)絡(luò)設(shè)計(jì)中可以用不同的速率進(jìn)行運(yùn)算,然后在這些情況中選擇一個(gè)最好的訓(xùn)練速率,其一般取值在(0.01,0.6)之間。在這里取值為0.3。
(4)迭代次數(shù)。需要設(shè)置一個(gè)最大的迭代次數(shù),如果長(zhǎng)時(shí)間不能收斂,得到相應(yīng)的結(jié)果就得設(shè)置一個(gè)最多迭代的次數(shù),如達(dá)到這個(gè)次數(shù)還沒(méi)有收斂出結(jié)果,就自動(dòng)終止運(yùn)行。本文把最大迭代次數(shù)設(shè)置為1 000次。
綜上得到各個(gè)參數(shù)及取值見(jiàn)表6。
表6 BP神經(jīng)網(wǎng)絡(luò)模型各種參數(shù)訓(xùn)練表
2.2.3 訓(xùn)練神經(jīng)網(wǎng)絡(luò)
(1)建立選址目標(biāo)的訓(xùn)練網(wǎng)絡(luò)。將主成分分析后的新指標(biāo)作為BP 神經(jīng)網(wǎng)絡(luò)的輸入,并在MATLAB上運(yùn)算程序得到一個(gè)逆向的學(xué)習(xí)模型和最優(yōu)連接權(quán)值。
訓(xùn)練代碼如下:
clear
p=[2.835 345 984 0.663 264 597 -0.203 929 14
0.000 756 11 0.000 906 214 ;
0.912 126 741 0.261 053 62 0.010 984 141 0.002 949 431 -0.104 106 081;
0.789 706 613 0.144 855 771 -0.013 161 939 0.003 665 237 -0.130 283 917];
t=[1 0.79 0.74];
p_fore=[1.091 384 917 0.245 207 383 0.047 018 996 0.001 484 083 -0.137 434 03;
0.793 239 038 0.142 809 86 0.084 913 331 0.002 855 883 -0.108 933 877;
0.814 993 113 0.292 465 007 0.000 692 087 0.002 611 506 -0.127 976 822;
0.550 958 1 0.366 217 291 0.098 668 241 0.004 969 056 -0.010 155 744;
0.574 634 199 0.046 959 401 -0.014 469 694 0.005 013 778 -0.112 517 673;
0.590 366 7570.169 374 5540.004 805 233 0.003 971 782 -0.105 186 761;
0.617 834 911 0.283 746 295 0.016 470 456 0.003 078 037 -0.107 884 651;
0.580 637 0270.233 245 823 0.068 935 204 0.004 120 578 -0.067 414 393;
0.579 217 21 0.170 064 205 0.047 830 268 0.002 363 84 -0.096 747 32;
0.324 152 7690.281 946 952 0.047 368 062 0.005 405 754-0.048 955 169;
0.484 672 787 0.093 459 083 0.049 787 872 0.003 890 07 -0.086 697 753;
];
net = newff(minmax(p'),[4,1],{'tansig','logsig'},'train
lm')
net.trainParam.epochs=1 000;
net.trainParam.lr=0.3
net = train(net,p',t)
y = sim(net,p')
error = y-t
訓(xùn)練結(jié)果如下:
y=
1.000 00.790 00.740 0
error=
1.0 e-006*
-0.431 9 -0.000 6 -0.000 5
y和error表示實(shí)際輸出和誤差,可以看到誤差已經(jīng)是10 的負(fù)6 次方的量級(jí)了,已經(jīng)達(dá)到了要求。故訓(xùn)練得到的網(wǎng)絡(luò)可以用來(lái)對(duì)預(yù)選網(wǎng)點(diǎn)進(jìn)行處理。
p[1]表示矩陣的第一行也就是第一個(gè)樣本長(zhǎng)沙市的數(shù)據(jù),共有5 個(gè)數(shù)據(jù),其中每一個(gè)數(shù)據(jù)就是一個(gè)主成分,也就對(duì)應(yīng)了每一個(gè)輸入。
p[2]表示矩陣的第二行第二個(gè)樣本婁底市的數(shù)據(jù),共有5個(gè)數(shù)據(jù),其中每一個(gè)數(shù)據(jù)就是一個(gè)主成分,也就對(duì)應(yīng)了每一個(gè)輸入。
p[3]表示矩陣的第三行第三個(gè)樣本邵陽(yáng)市的數(shù)據(jù),共有5個(gè)數(shù)據(jù),其中每一個(gè)數(shù)據(jù)就是一個(gè)主成分,也就對(duì)應(yīng)了每一個(gè)輸入。
其中t 矩陣中的1 表示對(duì)長(zhǎng)沙市的打分,0.79 表示對(duì)岳陽(yáng)市的打分,0.74 表示對(duì)婁底市的打分。t 矩陣也就是網(wǎng)絡(luò)的期望輸出值。
‘tansig’表示輸入層到隱含層的傳遞函數(shù)。
‘logsig’表示從隱含層到輸出層的傳遞函數(shù)。
‘trainlm’表示訓(xùn)練函數(shù)。
net.trainParam.epochs=1 000 表示訓(xùn)練的次數(shù)為1 000 次,當(dāng)訓(xùn)練了1 000 以后,網(wǎng)絡(luò)就會(huì)停止學(xué)習(xí)輸出結(jié)果。
net.trainParam.lr=0.3表示訓(xùn)練的速率為0.3。
y表示按照net完成訓(xùn)練以后的實(shí)際輸出值。
error 表示實(shí)際輸出值減去期望輸出值,也就是誤差。
2.2.4 用經(jīng)過(guò)訓(xùn)練的網(wǎng)絡(luò)對(duì)預(yù)選網(wǎng)點(diǎn)數(shù)據(jù)進(jìn)行處理。訓(xùn)練代碼如下:
訓(xùn)練結(jié)果如下:
圖1 是1 000 次訓(xùn)練時(shí)誤差的變化曲線圖,可以看到在經(jīng)過(guò)1 000次的訓(xùn)練以后,網(wǎng)絡(luò)已經(jīng)穩(wěn)定。
圖1 地州市預(yù)選網(wǎng)點(diǎn)迭代曲線
y0的每一個(gè)輸出是按照每一個(gè)輸入層的數(shù)據(jù)依次得出來(lái)的,所以0.837 8 表示常德市的輸出值,0.625 7 表示岳陽(yáng)市的輸出值,0.850 6 表示株洲市,0.683 4 表示湘潭市,0.421 4 表示郴州市,0.588 7 表示張家界市,0.661 7 表示衡陽(yáng)市,0.577 7 表示懷化市,0.522 0 表示永州市,0.572 1 表示湘西自治州,0.560 1 表示益陽(yáng)市的輸出值。評(píng)價(jià)值越高,表示在此地建立物流網(wǎng)點(diǎn)越好,將三個(gè)學(xué)習(xí)樣本長(zhǎng)沙市、邵陽(yáng)市、婁底市和測(cè)試樣本即常德市、益陽(yáng)市等14個(gè)市的得分進(jìn)行排序,結(jié)果見(jiàn)表7。
表7 地州市結(jié)果排名
通過(guò)對(duì)現(xiàn)有網(wǎng)點(diǎn)的分析,對(duì)其進(jìn)行打分,分?jǐn)?shù)越高代表這個(gè)物流網(wǎng)點(diǎn)的經(jīng)營(yíng)越好,所以預(yù)測(cè)網(wǎng)點(diǎn)的分?jǐn)?shù)越高,代表越適合在這個(gè)地方新建物流網(wǎng)點(diǎn)。
為了實(shí)現(xiàn)公司三年的網(wǎng)絡(luò)規(guī)劃目標(biāo),首先利用BP神經(jīng)網(wǎng)絡(luò)對(duì)湖南省的14個(gè)地州市進(jìn)行排名,然后在排名中選擇出該市排名最靠前的市區(qū),從而實(shí)現(xiàn)公司的網(wǎng)絡(luò)規(guī)劃目標(biāo),即2018年12月市區(qū)網(wǎng)絡(luò)為30家;2019年12月市區(qū)網(wǎng)絡(luò)新增10家;2020年12月市區(qū)網(wǎng)絡(luò)新增10家。
本文基于BP 神經(jīng)網(wǎng)絡(luò)物流網(wǎng)點(diǎn)選址模型對(duì)物流網(wǎng)點(diǎn)進(jìn)行了規(guī)劃設(shè)計(jì)。以湖南省某物流公司為例,首先根據(jù)公司實(shí)際情況選取了5個(gè)一級(jí)指標(biāo)以及21 個(gè)二級(jí)指標(biāo),并收集湖南省各個(gè)市州的二級(jí)指標(biāo)數(shù)據(jù)。由于數(shù)據(jù)存在相互影響的關(guān)系,難以統(tǒng)一處理,利用隸屬度處理得到模糊評(píng)價(jià)矩陣,再對(duì)矩陣進(jìn)行主成分分析,確定新的決策指標(biāo)體系,作為BP神經(jīng)網(wǎng)絡(luò)的輸入端。建立三層BP神經(jīng)網(wǎng)絡(luò),利用該BP神經(jīng)網(wǎng)絡(luò)對(duì)湖南省各個(gè)市的決策指標(biāo)數(shù)據(jù)進(jìn)行處理,得到各個(gè)市州的總得分。依據(jù)BP神經(jīng)網(wǎng)絡(luò)選址模型,得出預(yù)選市級(jí)網(wǎng)點(diǎn)排名,選擇地州市排名靠前的市,逐步實(shí)現(xiàn)該公司未來(lái)三年的物流網(wǎng)點(diǎn)計(jì)劃?;贐P 神經(jīng)網(wǎng)絡(luò)物流網(wǎng)點(diǎn)選址模型綜合考慮了物流網(wǎng)點(diǎn)影響因素的全面性、復(fù)雜性,是一種快速、高效的選址方法,可以提高物流網(wǎng)點(diǎn)選址的戰(zhàn)略性。