0 引 言

當(dāng)前的商業(yè)環(huán)境都是以客戶需求為導(dǎo)向的，而供應(yīng)鏈的核心正在逐步向需求方改變。目前，“需求鏈”已經(jīng)引起了人們?cè)絹?lái)越多的關(guān)注。企業(yè)的產(chǎn)品從生產(chǎn)商的工廠開(kāi)始，通過(guò)中間的銷售通道，例如批發(fā)、配送和零售（每個(gè)企業(yè)的銷售序列都不一樣），然后才能抵達(dá)終端用戶。這些中間商與廠家、客戶構(gòu)成了完善的物流和分銷網(wǎng)絡(luò)。這些設(shè)施分布在各個(gè)地區(qū)，因此如何將其整合起來(lái)，并在其內(nèi)部進(jìn)行適當(dāng)?shù)姆峙?，是企業(yè)提升競(jìng)爭(zhēng)力的重要戰(zhàn)略決策。國(guó)內(nèi)學(xué)者主要提出以下觀點(diǎn)：何志林（2022）提出遺傳算法在跨境電商中，可以采用多目標(biāo)的物流路徑優(yōu)化方法[1]；臺(tái)德藝等（2022）提出基于遺傳算法的跨境電商在布局與綜式區(qū)中的典型案例，并提出對(duì)應(yīng)的優(yōu)化路徑[2]；楊榮川（2022）提出跨境電商物流服務(wù)供應(yīng)鏈應(yīng)將遺傳算法作為主要路徑并展開(kāi)對(duì)應(yīng)的舉措[3]；周林（2020）提出跨境電商生鮮食品的訂貨運(yùn)輸可以通過(guò)遺傳算法來(lái)提高物流的運(yùn)輸效率[4]；黃瑾（2020）提出，出口跨境電商海外倉(cāng)可以通過(guò)遺傳算法做出精準(zhǔn)的選址[5]；錢麗麗（2019）提出跨境電商環(huán)境下物流企業(yè)的核心競(jìng)爭(zhēng)力主要體現(xiàn)在遺傳算法方面，通過(guò)遺傳算法能夠提高物流企業(yè)的核心競(jìng)爭(zhēng)力[6]。

1 優(yōu)化問(wèn)題建模

1.1 優(yōu)化目標(biāo)

在理想的情況下，良好的跨境電商物流網(wǎng)絡(luò)可以為企業(yè)帶來(lái)更高的價(jià)值，降低成本，改善客戶的服務(wù)水準(zhǔn)。大多數(shù)物流網(wǎng)絡(luò)的優(yōu)化問(wèn)題都是以最少的代價(jià)為目標(biāo)進(jìn)行的；還有一小部分研究把客戶的服務(wù)最大化地納入研究范圍，但兩者之間存在一定的沖突?？蛻舻姆?wù)水準(zhǔn)反映在響應(yīng)速度和可靠性上。為了確保更高的客戶服務(wù)質(zhì)量，可以增加一些中間環(huán)節(jié)（例如增加一些配送中心），但這必然會(huì)增加企業(yè)的成本費(fèi)用。同時(shí)，也可以通過(guò)低價(jià)的銷售渠道和廉價(jià)的運(yùn)輸方式降低費(fèi)用，但是這會(huì)對(duì)客戶的服務(wù)造成很大影響。由于這兩個(gè)目標(biāo)都是決策者在進(jìn)行物流配送網(wǎng)絡(luò)規(guī)劃時(shí)所要考慮的問(wèn)題，因此在進(jìn)行最優(yōu)模型設(shè)計(jì)決策時(shí)，要為每個(gè)目標(biāo)賦予適當(dāng)?shù)臋?quán)重。例如，在不同的設(shè)置點(diǎn)之間，如何均衡地分配工作量。若只追求費(fèi)用最低，就會(huì)造成某些設(shè)施點(diǎn)必須滿足大量客戶訂單，而其他的設(shè)施點(diǎn)卻不能完全使用。所以，設(shè)施點(diǎn)、平衡分布的使用效率也是值得考慮的優(yōu)化對(duì)象與目標(biāo)。

1.2 決策變量

跨境電商配送網(wǎng)絡(luò)的優(yōu)化問(wèn)題可以看作是怎樣選擇最合理的設(shè)施點(diǎn)的問(wèn)題，把適當(dāng)?shù)漠a(chǎn)品運(yùn)輸?shù)竭m當(dāng)?shù)脑O(shè)施點(diǎn)。在優(yōu)化過(guò)程中，要解決以下變量問(wèn)題：工廠數(shù)、工廠在j地是否要設(shè)立分廠；中間設(shè)施（例如，倉(cāng)儲(chǔ)或配送中心）的數(shù)目，在i地是否有必要設(shè)立銷售點(diǎn)；從第i個(gè)工廠向第j個(gè)分揀站運(yùn)送的貨物數(shù)目，從第j個(gè)分揀站向第m個(gè)顧客運(yùn)送的貨物數(shù)目。

1.3 約束條件

這一優(yōu)化問(wèn)題的基本約束條件有兩種類型：一種為“能力約束”，以一個(gè)兩層的銷售網(wǎng)絡(luò)作為例子：一個(gè)工廠最大的生產(chǎn)產(chǎn)能限制，配送中心最大的儲(chǔ)存和加工能力的限制，最多可以建設(shè)多少工廠，最多可以設(shè)立多少個(gè)配送中心。另一種類型為“分配約束”，也用一個(gè)兩層的網(wǎng)絡(luò)作為例子：每個(gè)配送中心的需求都要大于或小于所有的配送中心所處理的貨物總量；分配到工廠的需求與分配到各個(gè)配送中心的需求相等。另外，一些其他的分配約束涉及決策人員所要建立的網(wǎng)絡(luò)特征。例如，決策制定者規(guī)定，每一位客戶只可由一家配送中心進(jìn)行供應(yīng)，而此規(guī)則也屬于分配約束，并加入該模型中。

1.4 數(shù)學(xué)模型

根據(jù)決策者的不同要求，對(duì)具體的配送網(wǎng)絡(luò)進(jìn)行優(yōu)化，其特征各不相同，因此，需要建立相應(yīng)的模型。在一般情況下，該問(wèn)題包括兩個(gè)方面：目標(biāo)函數(shù)、約束條件方程（或不等式）。該模型包括單位運(yùn)輸費(fèi)用、運(yùn)輸時(shí)間、單位處理費(fèi)用、設(shè)施最大容量和加工時(shí)間等參數(shù)。該模型中的變量包括：0-1變量，表示設(shè)施點(diǎn)的位置是否已設(shè)定，以及從一個(gè)設(shè)施點(diǎn)到另一個(gè)設(shè)施點(diǎn)的物流量。

2 問(wèn)題解決方法

在大型物流配送網(wǎng)絡(luò)中，該模型有數(shù)百個(gè)約束和變量，是一種大規(guī)模的0-1整數(shù)規(guī)劃模型。目前已有一些學(xué)者提出了新求解方法，即線性規(guī)劃和混合整數(shù)規(guī)劃。然而，當(dāng)各個(gè)問(wèn)題的規(guī)模越來(lái)越大時(shí)，其運(yùn)算復(fù)雜性和運(yùn)算速度都會(huì)得到顯著提高。近年來(lái)，利用進(jìn)化演化算法對(duì)此類 NP問(wèn)題進(jìn)行了研究。在進(jìn)化遺傳算法中，演化算法是最有名的。與其他算法相比，遺傳算法的優(yōu)點(diǎn)是：第一，不依賴于問(wèn)題本身，用戶不需要擁有專業(yè)知識(shí)，僅需要在演化過(guò)程中，通過(guò)對(duì)對(duì)象進(jìn)行評(píng)估來(lái)求解。第二，該遺傳算法的本質(zhì)是一種能夠有效地避免局部最優(yōu)的隨機(jī)搜索方法。第三，從一個(gè)解集開(kāi)始，相對(duì)于其他方法，搜索法的效率要高得多。綜合以上特性，對(duì)比別的優(yōu)化算法，遺傳算法具有較強(qiáng)的魯棒性B。

3 遺傳算法

遺傳算法是一種模擬生物演化過(guò)程中自然選擇的一種方法。本文對(duì)遺傳算法進(jìn)行了詳細(xì)的描述：第一，用隨機(jī)方法生成序列的初始化方法。每一種初始模式都表示一條染色體，而每一條染色體都是一組二進(jìn)制編碼，以表示特定的意義。各染色體的適應(yīng)程度是通過(guò)適應(yīng)功能（基于對(duì)象而建立的適應(yīng)功能）決定的。第二，就是演化，從現(xiàn)有種群中獲得的染色體會(huì)以一種隨機(jī)方式，形成一組新的群體。遺傳算法的計(jì)算方法如表1所示。

表1 遺傳算法的計(jì)算比較

從表1中可以得出結(jié)論：新種群遺傳了母系的某些特征。演化的過(guò)程主要是交叉和變異。雜交產(chǎn)生的后代具有 A 的某些特征，其余的則具有 B 的特征。變異是指在母體上的一個(gè)基因發(fā)生隨機(jī)變異，從而形成新的后代。當(dāng)演化到滿足終結(jié)條件時(shí)，該算法就會(huì)完成。

3.1 染色體的表示方式

在遺傳算法中，首先要做的就是對(duì)染色體編碼。在配送網(wǎng)絡(luò)的優(yōu)化過(guò)程中，需要用染色體來(lái)表達(dá)兩種決策。第一種是建設(shè)和使用的設(shè)施點(diǎn)，這一節(jié)使用0-1編碼。例如，有M個(gè)可能的分配中心或工廠，可以用M位二進(jìn)制來(lái)表示每個(gè)設(shè)施點(diǎn)。0表示沒(méi)有必要，1代表需求。第二種是針對(duì)不同的配送地點(diǎn)和工廠的需求，這是典型的網(wǎng)絡(luò)結(jié)構(gòu)問(wèn)題。大多數(shù)學(xué)者把網(wǎng)絡(luò)的整體結(jié)構(gòu)用矩陣表示出來(lái)。然而，由于矩陣表示方法所需要的每種網(wǎng)絡(luò)結(jié)構(gòu)都要用m*n個(gè)數(shù)字來(lái)表達(dá)，因此在運(yùn)算時(shí)會(huì)占用大量存儲(chǔ)空間。實(shí)際上，這樣的分布網(wǎng)絡(luò)可以看成是由許多擴(kuò)散樹(shù)構(gòu)成的，如表2所示。

表2所示的評(píng)價(jià)指標(biāo)體系分為三層，二級(jí)指標(biāo)則分為四類，將對(duì)應(yīng)于每一類指標(biāo)的三級(jí)指標(biāo)進(jìn)行劃分，以實(shí)現(xiàn)對(duì)物流企業(yè)核心競(jìng)爭(zhēng)力的科學(xué)、全面的評(píng)價(jià)目的。從中不難看出：為了構(gòu)建中國(guó)的鐵路運(yùn)輸電子商務(wù)模式，網(wǎng)上辦理系統(tǒng)在不斷升級(jí)與改善，從而推出了四大功能：一是信息化服務(wù)，物流信息能夠通過(guò)網(wǎng)上貨物追蹤，清晰、準(zhǔn)確地查明信息。二是鐵路運(yùn)輸需求提報(bào)，這樣可以提前訂購(gòu)所需的貨物，避免出現(xiàn)有貨沒(méi)車的情況。三是物流需求得到保證，不僅可以使得倉(cāng)庫(kù)儲(chǔ)存的貨物得到保障，還可以節(jié)約時(shí)間成本，通過(guò)網(wǎng)上訂購(gòu)，就可以將貨物送上門。四是提供網(wǎng)上業(yè)務(wù)護(hù)理，其中包括業(yè)務(wù)咨詢與投訴，可以使得貨物得到有利的安全保證。同時(shí)，電子商務(wù)環(huán)境會(huì)提升鐵路貨物的運(yùn)輸質(zhì)量和服務(wù)水平，網(wǎng)上電子系統(tǒng)會(huì)將貨物數(shù)據(jù)準(zhǔn)確地報(bào)給訂單人，訂單人與賣單者可有機(jī)結(jié)合在電子商務(wù)平臺(tái)的管理系統(tǒng)中，若期間哪方出現(xiàn)問(wèn)題，都可以追蹤到具體的人，以此大幅度提高了鐵路運(yùn)輸時(shí)間的準(zhǔn)時(shí)性與鐵路運(yùn)輸?shù)母咝裕瑥亩沟秘浳锪吭鲩L(zhǎng)，帶動(dòng)了周邊環(huán)境的經(jīng)濟(jì)發(fā)展。

表2 染色體物流遺傳算法競(jìng)爭(zhēng)力示意圖

3.2 適應(yīng)性

適應(yīng)性是衡量一種方法是否能夠生存、發(fā)展的重要因素，它反映了該方法在多大程度上達(dá)到了目標(biāo)函數(shù)。所以，適應(yīng)性的設(shè)計(jì)和優(yōu)化的目的是密不可分的。在本文的第2節(jié)中已經(jīng)提到，當(dāng)前的最優(yōu)模式都以降低成本為目的，然而，在設(shè)計(jì)分銷系統(tǒng)中，顧客的服務(wù)水準(zhǔn)也成為重要因素之一。單純追求最小代價(jià)，會(huì)使最佳方案不能滿足顧客的合理需求。此外，還有一些其他的原因，比如各個(gè)分站的工作情況、設(shè)備的使用情況。如何在目標(biāo)函數(shù)中綜合考慮上述因素，由于各因子之間此消彼長(zhǎng)，因此用一種簡(jiǎn)單的線性方法來(lái)表達(dá)是不合理的。表3為物流遺傳算法評(píng)價(jià)指標(biāo)的權(quán)重。

表3 物流遺傳算法評(píng)價(jià)指標(biāo)的權(quán)重

綜所上述，考慮到以上因素的權(quán)重在很大程度上依賴于決策者對(duì)具體問(wèn)題的偏愛(ài)，故本文將AHP方法應(yīng)用于多目標(biāo)綜合問(wèn)題中。AHP分析法是一種常用的多標(biāo)準(zhǔn)決策問(wèn)題求解方法。該方法把一群決策者的知識(shí)和經(jīng)歷融入決策的進(jìn)程中。經(jīng)理可以根據(jù)自己的喜好，對(duì)每個(gè)相關(guān)的目標(biāo)進(jìn)行加權(quán)調(diào)整。所以，可以采用AHP分析法，比較合理地決定哪個(gè)方案與其他方案相比要更好。不斷提高物流交通運(yùn)輸中基礎(chǔ)設(shè)備的質(zhì)量，不僅要改善交通設(shè)施，提升公路的運(yùn)輸高效性，還要適當(dāng)?shù)亟档凸返馁M(fèi)用，同時(shí)，公路的運(yùn)行質(zhì)量也要得到相應(yīng)的保證，這需要政府部門對(duì)道路進(jìn)行勘測(cè)與修補(bǔ)，提升公路的運(yùn)輸質(zhì)量，需要修建、維護(hù)公路。其次要增強(qiáng)倉(cāng)庫(kù)基礎(chǔ)設(shè)施，在電子商務(wù)環(huán)境下，倉(cāng)庫(kù)的物流信息需要實(shí)時(shí)更新到網(wǎng)絡(luò)平臺(tái)上，不僅對(duì)客戶來(lái)說(shuō)是通透性的訂單，而且對(duì)自己來(lái)說(shuō)，能夠保證貨物的去向、存有量，同時(shí)，要修建智能倉(cāng)庫(kù)，以保證倉(cāng)庫(kù)里的貨物安全與質(zhì)量完好。最后，加強(qiáng)信息系統(tǒng)。網(wǎng)絡(luò)購(gòu)物的物品以零散為主，同時(shí)，能網(wǎng)購(gòu)的網(wǎng)上App有淘寶、京東商城、當(dāng)當(dāng)網(wǎng)等，若鐵路部門能與這些商家建立一定的關(guān)系，不僅可以使得倉(cāng)庫(kù)的服務(wù)質(zhì)量得到提升，還能節(jié)省時(shí)間，直接由鐵路部門發(fā)貨，這樣的新型倉(cāng)庫(kù)系統(tǒng)在跨境電子商務(wù)環(huán)境下更能體現(xiàn)出物流運(yùn)輸?shù)膬r(jià)值與高效。

3.3 遺傳算子

在遺傳算法中，主要采用了兩類遺傳算子：交叉運(yùn)算和突變運(yùn)算，它們都是通過(guò)改變遺傳結(jié)構(gòu)來(lái)提高群體的多樣性。交叉算子交換了一對(duì)母細(xì)胞的信息，由此生成了兩條新的后代染色體。該方法如下：首先，隨機(jī)生成一個(gè)交叉掩碼，并在兩個(gè)染色體間按照掩碼的方式進(jìn)行基因交換。其他常見(jiàn)的交叉操作是單點(diǎn)交叉，隨機(jī)選取一個(gè)交換點(diǎn)，使兩條染色體的右邊互相交換，生成新的后代。因?yàn)閱蝹€(gè)點(diǎn)的交叉并沒(méi)有引起太大的改變，所以一些研究人員使用了多個(gè)點(diǎn)的交叉（例如，兩個(gè)點(diǎn)的交叉）來(lái)加快基因的演化。太過(guò)復(fù)雜的交叉處理對(duì)染色體有很大的影響。突變操作會(huì)在母體中隨機(jī)地改變一種或多種基因的數(shù)值，從而生成新個(gè)體。在一條染色體上選取兩個(gè)位置，將該片段中的基因反向排列。另外一位學(xué)者則提出了替代變異方法，這種方法是從一條染色體中隨機(jī)抽取一條，再?gòu)牧硪粭l線上隨機(jī)插入。在選取操作符時(shí)，要考慮到操作符能否保證染色體母體自身的可行性，所以必須將遺傳密碼與可行判據(jù)相結(jié)合。

4 結(jié) 語(yǔ)

近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)跨境電商物流配送網(wǎng)絡(luò)的優(yōu)化問(wèn)題進(jìn)行了研究。在對(duì)傳統(tǒng)的遺傳算法進(jìn)行歸納后，提出了一種基于遺傳算法的跨境電商物流配送網(wǎng)絡(luò)優(yōu)化問(wèn)題的遺傳算法。目前已有的研究主要是在日本、韓國(guó)等國(guó)家進(jìn)行的，國(guó)內(nèi)也有相關(guān)文獻(xiàn)對(duì)此類問(wèn)題進(jìn)行了探討。例如趙曉煜等在此基礎(chǔ)上，建立了一種基于模糊機(jī)會(huì)約束的供應(yīng)鏈兩級(jí)配送網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)方法，其特征為將各生產(chǎn)設(shè)備的需求和各設(shè)備點(diǎn)的容量等已知參數(shù)視為模糊參量。陳偉達(dá)等提出一種基于機(jī)遇約束的兩層配送網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)方法。該方法的特征是將各生產(chǎn)要素的需求及各生產(chǎn)點(diǎn)的產(chǎn)能作為隨機(jī)變量，以滿足正常分布。