摘 要：社會經(jīng)濟與電子商務的快速發(fā)展促使我國現(xiàn)代物流面臨重大變革，企業(yè)層面的大量物流數(shù)據(jù)要求其必須匹配一個現(xiàn)代化的數(shù)據(jù)處理平臺，實現(xiàn)訂單、車輛、軌跡等數(shù)據(jù)的快速處理。為探究生產(chǎn)企業(yè)物流車輛路徑問題，本文引入云計算技術，將現(xiàn)代物流與云計算及相關算法融合，構(gòu)建生產(chǎn)企業(yè)物流車輛路徑規(guī)劃平臺，解決其應用難題，并提出針對性的建議。

關鍵詞：生產(chǎn)物流 云計算 路徑規(guī)劃 工作流

隨著現(xiàn)代物流業(yè)的快速發(fā)展，物流數(shù)據(jù)越來越呈現(xiàn)大數(shù)據(jù)趨勢，對物流大數(shù)據(jù)的處理效果，直接影響物流配送的速度和效率。在對物流大數(shù)據(jù)處理的過程中，除了物流數(shù)據(jù)處理，物流車輛路徑規(guī)劃也十分重要。物流業(yè)從傳統(tǒng)的快遞模式發(fā)展到目前的互聯(lián)網(wǎng)物流配送模式，衍生出物流數(shù)據(jù)的處理和運算問題，通過物流數(shù)據(jù)運算規(guī)劃最合理的物流車輛路徑，將直接影響生產(chǎn)企業(yè)物流配送成本和效益，而借助云平臺，運用云計算技術，能夠很好的處理物流數(shù)據(jù)，并實現(xiàn)物流車輛路徑規(guī)劃的目的。

1.車輛路徑規(guī)劃云平臺簡述

傳統(tǒng)的物流車輛路徑規(guī)劃計算方法存在耗時長、效率低的弊端，而引入云計算技術，發(fā)揮云計算擴展性強的優(yōu)勢，改善物流車輛路徑規(guī)劃的算法，具有積極的效果。根據(jù)企業(yè)物流需求，建立車輛路徑規(guī)劃平臺，將物流數(shù)據(jù)上傳到該平臺，然后平臺對路況數(shù)據(jù)進行處理，進行路徑規(guī)劃和成本計算，最終輸出路徑規(guī)劃結(jié)果。根據(jù)這些要求，云平臺需要設計工作流模塊、路徑規(guī)劃模塊、成本計算模塊，云平臺系統(tǒng)架構(gòu)包括數(shù)據(jù)層、業(yè)務邏輯層、服務層、應用層。同時，云計算平臺又根據(jù)服務所在封裝的內(nèi)容不同，分為基礎設施云服務、平臺云服務和軟件云服務三個層次。

2.生產(chǎn)企業(yè)物流車輛路徑規(guī)劃平臺應用

（1）車輛路徑規(guī)劃改進遺傳算法

物流車輛路徑規(guī)劃是指通過對物流數(shù)據(jù)處理對車輛進行安排，將每輛車行駛路徑、每個點裝載訂單信息等，做詳細規(guī)劃，已獲得物流業(yè)務最優(yōu)化，提高效率、節(jié)省成本。在云計算平臺上，需要有合適的路徑規(guī)劃算法，常用的比如啟發(fā)式算法、最短路徑算法、遺傳算法等。在現(xiàn)代物流研究領域，遺傳算法被大量學者研究，并結(jié)合實際需求對算法進行適當?shù)母倪M，然后運用于實踐中，取得良好效果。

遺傳算法是一種自然界中環(huán)境選擇適者生存和遺傳機制衍生出來的一種算法，其在實踐中解決實際問題時具有可進化的特點，能夠與實際問題中的變量、限制條件對應起來，通過“淘汰適應度低的個體解、保留適應度高的個體解”的運算方法，經(jīng)過多次迭代，最終獲得一個近似最優(yōu)解。其中個體解的選擇概率表達為：

在物流大數(shù)據(jù)的云計算實踐中，針對遺傳算法收斂速度慢的特點，結(jié)合啟發(fā)式算法求解快速的優(yōu)勢，對遺傳算法進行改進，使其能夠快速規(guī)劃出合理的車輛路徑。在物流車輛路徑規(guī)劃的改進遺傳算法中，先對物流數(shù)據(jù)進行整理和繪制表格，包括車輛信息表、訂單信息表、配送點信息表、網(wǎng)點距離信息表等。物流數(shù)據(jù)整理完成后，開始進行物流數(shù)據(jù)處理，包括預處理、算法處理、結(jié)果展示，物流數(shù)據(jù)處理需要滿足如下約束條件：①同路徑、同時刻貨物重量不大于汽車最大負載量;②每條路徑由一輛物流車配送，且滿足貨物量與時間要求;③每次配送均有起點至終點后返回，其只有一個配送中心;④滿足時間約束要求。由此約束條件，在改進遺傳算法下，算法模型與約束條件如下：

其中，T1 為物流車輛到達取貨點i的時間，Tsi 為車輛在i點的裝車時間，t0 為規(guī)定時間，T0 為到達工廠的時間，Tsi 為卸車時間。

當確定物流車輛路徑規(guī)劃的云計算數(shù)學模型與約束條件后，進行路徑規(guī)劃的整個過程。首先進行節(jié)約算法，在車輛滿載、車輛數(shù)與時間考慮的基礎上，將所有節(jié)約算法中生成的路徑排列，大量個體形成初始種群;其次進行分割線路算法，按照時間反推的方式，以車輛不能超載為必須條件，調(diào)整路線與時間規(guī)劃;再次進行個體選擇，依據(jù)個體被選的概率計算，選擇比重高的個體，比重越高說明適應度越高。在實踐中，每個訂單就是算法中的個體;然后進行交叉算子確定，得到子色體的基因序列;最后考慮基因突變，基因突變采用的是隨機多次對換基因的方式進行。

在企業(yè)物流實際項目中，每個訂單數(shù)據(jù)對應遺傳算法中的一個基因，一條路徑構(gòu)成遺傳算法中的個體，對應的路徑集合構(gòu)成一個群落，通過啟發(fā)式規(guī)劃路徑計算初始群落，結(jié)合初始計算結(jié)果，改變訂單位置順序，形成新的路徑集合，衡量函數(shù)為最終路徑結(jié)合的總費用。在改進遺傳算法的云計算平臺中，通過不斷迭代計算，最終獲得一個費用相對低的結(jié)果。在實驗中發(fā)現(xiàn)，改進遺傳算法在物流車輛路徑計算中，能夠加快算法的收斂速度，更快的獲得結(jié)果。

（2）應用難點與實踐

改進遺傳算法的依據(jù)必須要是滿足企業(yè)物流項目的實際情況，在企業(yè)生產(chǎn)中，物流項目面臨更為復雜的形勢，影響物流車輛路徑規(guī)劃的因素眾多，這是實踐運用中容易遇到的難題。比如時間約束在企業(yè)物流車輛路徑規(guī)劃的云計算中常見應用難點，多目標的路徑實現(xiàn)時，還需要考慮多收貨點的時間窗，以及多種類貨物發(fā)貨的時間窗等因素。此外，還需要考慮客戶接收貨物的時間約束，不同客戶對貨物接收的時間約束存在差異，這些都是實踐應用中的難點。針對這些難點，改進遺傳算法中著重考慮時間約束要素，在車輛路徑規(guī)劃中滿足時間窗約束條件，這樣能夠獲得很好的結(jié)果。

在生產(chǎn)企業(yè)的物流項目中，考慮生產(chǎn)企業(yè)的物流系統(tǒng)中，每個點既可以是取貨點，也可以是送貨點，在車輛路徑規(guī)劃中增加了時間窗約束的復雜度，因此在實踐運用中要根據(jù)生產(chǎn)商的約束條件要求，結(jié)合改進遺傳算法的原理，對物流車輛路徑規(guī)劃的云計算算法進行重新規(guī)劃。改進遺傳算法后的業(yè)務流程如下：

選擇最早出發(fā)時間的網(wǎng)點A→篩選所有需要網(wǎng)點A貨物的網(wǎng)點→按與網(wǎng)點A的距離排序→計算網(wǎng)點是否符合時間窗要求→評價網(wǎng)點貨物累加是否超過車輛裝載→生成一部分路線X→篩選需求第一個配送點B貨物的網(wǎng)點→按與線路X的終點的距離排序→生成完整路線。

3.結(jié)語

隨著“互聯(lián)網(wǎng)+”的快速發(fā)展，物流行業(yè)同樣需要進一步創(chuàng)新“互聯(lián)網(wǎng)+”，高效運用大數(shù)據(jù)技術、云計算技術，提升企業(yè)物流能力。在本文的研究中，結(jié)合生產(chǎn)企業(yè)物流項目的實際情況，充分考慮云計算應用難點，針對性的提出改善遺傳算法，并應用于實踐。實踐表明，改進遺傳算法下的企業(yè)物流車輛路徑規(guī)劃能夠取得更好的效果，具有較高的合理性。

參考文獻：

[1]林美，何竹峰.基于云計算的物流車輛路徑規(guī)劃方法[J].電子測量技術.2019.13

[2]高志高.基于GIS的帶容量限制物流車輛路徑規(guī)劃與系統(tǒng)實現(xiàn)[D].哈爾濱工業(yè)大學.2019

[3]趙建峰，袁細國，梁伯棟，陳球霞.基于車聯(lián)網(wǎng)及云計算的電動物流車智能調(diào)度算法[J].公路交通科技.2019.6

[4]趙曉琴.基于云計算的物流企業(yè)配送模式研究[J].物流工程與管理.2018.6

基金項目 ：邵陽市科技局科研項目（2018GX23，2019ZD23）

作者簡介：鄧波，男，碩士，講師。研究方向：計算機網(wǎng)絡、大數(shù)據(jù)。

（邵陽學院信息工程學院 ?湖南 邵陽 ?422004）