譚中利 （廣州市花都區(qū)廣播電視大學，廣東 廣州 510800）

0 引 言

近些年來，互聯(lián)網(wǎng)電商在鄉(xiāng)村迅速發(fā)展。根據(jù)統(tǒng)計，2019年全國鄉(xiāng)村線上零售額達1.7萬億元，同比增長19.1%；全國農(nóng)產(chǎn)品線上零售額達3 975億元，同比增長37%。然而，作為鄉(xiāng)村電商支柱的鄉(xiāng)村物流業(yè)，仍然存在著資源配置不平衡、資源稀缺、資源瓶頸等問題。盡管基礎路網(wǎng)設備建設不足是導致這一結(jié)果的主要原因，但在當前條件下，怎樣提升“最后一公里”運送車的效率，完善運送車網(wǎng)絡的建設，解決目前鄉(xiāng)村物流服務過高的成本問題，是降低鄉(xiāng)村物流成本，響應國家“物流下鄉(xiāng)”計劃，促進各類消費品進入鄉(xiāng)村，加快鄉(xiāng)村電商物流發(fā)展的核心。鄉(xiāng)村電商物流的重心是在人口密集的中心城區(qū)建立網(wǎng)絡核心點，再由單一的物流公司完成物流運送服務。在此期間，物流公司能夠獲得一定的利益，但這種運營辦法只適用于需求平穩(wěn)、單子多、顧客不分散的地區(qū)。我國鄉(xiāng)村人口生活較為分散，居住人員密集度低于城區(qū)，村與村之間距離較遠。在此情況下，進行物流運送服務將會造成物流資源配置的不平等、使用率低和運送成本過高。從資源調(diào)配的角度來看，合作調(diào)配模式是妥善處理以上問題的主要辦法。該辦法注重物流資源的共用、共享以及信息統(tǒng)一調(diào)度，以實現(xiàn)物流效益的最大化。我國現(xiàn)在有很大一部分鄉(xiāng)村道路網(wǎng)是以地級市為核心，同一城市的所有交通物流車都將通過該地區(qū)的主要公路進出地級市。所以，具備與區(qū)域內(nèi)城鄉(xiāng)聯(lián)運相協(xié)商調(diào)整的條件。

本文從中國鄉(xiāng)村電商發(fā)展的實際問題出發(fā)，在前人研究的基礎上，重點研究了共同運送模式下鄉(xiāng)村物流車調(diào)度良性發(fā)展的問題。根據(jù)鄉(xiāng)村公路網(wǎng)的特點，建立物流車調(diào)度的統(tǒng)一決策模型，并采用遺傳計算辦法求解，根據(jù)模型的特點，提出了隨機修理不可行解方法和多種群方法，提升計算辦法的效率和效果。最后，通過仿真實驗證實了該計算辦法的一般適用性。

1 基于共同運送的鄉(xiāng)村電商物流良性發(fā)展模式

目前，鄉(xiāng)村物流大多在人口眾多的區(qū)域性中心城市或鄉(xiāng)鎮(zhèn)設點，終端運送業(yè)務由單個物流公司單獨完成，本文將該模型定義為單獨運送模型(如圖1所示) ，其中運送人員、車、客戶單子等屬于一個特定的物流公司。物品到達該地區(qū)中心城市倉庫后，鄉(xiāng)村地區(qū)貨主委托當?shù)氐泥l(xiāng)鎮(zhèn)送達公司將物品托運回來。鄉(xiāng)鎮(zhèn)送達公司是終端運送業(yè)務的實際服務方。在自主運送模式下，物流公司投資大、日常的運營成本負擔重、對資金流量管理規(guī)定嚴，鄉(xiāng)鎮(zhèn)送達公司經(jīng)常出現(xiàn)管理困難，需要大量的資金支持。

圖1 鄉(xiāng)村物流單獨運送模式

因此，針對目前鄉(xiāng)村物流公司規(guī)模小、客戶點分布密度特別小的現(xiàn)狀，本文綜合考慮了三級、四級協(xié)同運送模式下的超低密度運送區(qū)運營模式，提出了以整合同區(qū)域鄉(xiāng)鎮(zhèn)送達公司資源為核心的鄉(xiāng)村物流協(xié)同運送模式，并在此基礎上提出了相應的對策建議，如圖2所示。

圖2 鄉(xiāng)村物流共同運送模式

鄉(xiāng)村物流協(xié)同運送模式與以往的單獨運送模式的區(qū)別在于:

送達資源的集中調(diào)度。為了加強單子資源和需求的信息共享，結(jié)合各城市的送達資源和力量，建立第三方物流公司，形成集中調(diào)度的決策組織。原有的鄉(xiāng)鎮(zhèn)送達公司負責不同線路的運送。新成立的第三方物流公司接受流通渠道上游物流公司的委托，管理和經(jīng)營各縣、鄉(xiāng)、鎮(zhèn)一級的物流業(yè)務。

網(wǎng)絡資源整合。在區(qū)域中心城市建立鄉(xiāng)村物流共同運送中心，使其成為鄉(xiāng)鎮(zhèn)送達公司儲存鄉(xiāng)村物資的倉庫，形成統(tǒng)一的倉儲基地和共同的網(wǎng)絡資源。

2 鄉(xiāng)村電商物流車調(diào)度模型構建

2.1 問題描述

在共同運送模式的基礎上，第三方物流公司負責鄉(xiāng)村地區(qū)的運送。目前，公司擁有數(shù)量有限的 n 輛汽車和多件物品，其中物品的數(shù)量遠遠大于車的容量。特定目的地的物品只能由目的地城市和附近城市的車來裝載。在成本和容量的規(guī)定條件下，根據(jù)當天所有物品的送達價格和送達成本，公司應制定合理的運送計劃，使送達的物品價值最大化，即當天運送的總收益最高。

2.2 條件假設

為了便于建模，提出了以下假設: 假設每個包裹是兼容的，可以混合，不考慮任何兩個物品不能放置在同一輛車的特殊狀況；假設每個物流包裹是一個正長方體，車的有效大小等于車的載重量；不考慮物品在車中的位置，包括裝載順序、水平和堆放方式等；每單位物品的重量不得超過送達車的額定負荷，物品的大小不得超過送達車的有效大小。

2.3 車調(diào)度模型構建

該良性發(fā)展模型的目標是使交貨日的收益最大化，這與送達單子的總獲得正相關，與出發(fā)成本負相關，如公式(1)所示:

同時該模型受如下規(guī)定：

在公式(1)～(6)中:為1，表示單子物品放置是由大貨車送達，如果單子物品放置不是由大貨車送達，則為0；是放置在位置的單子物品的收益；是1，如果不使用，則是0；是的每次旅行的送達成本；是放置在位置的單個物品重量；是放置在位置的額定負荷；是放置在位置的單個物品大小；是車的有效載重技能，是鄉(xiāng)鎮(zhèn)公司每天接到的最大單子數(shù)，是城市總數(shù)，是車總數(shù)，是車的不可交付集合，集合中的元素表示著到位的物品不能用大貨車送達，是無窮大。公式(2)和公式(3)是重量和大小的規(guī)定，即每輛車的總重量不能超過車的額定負荷，總大小不能超過車的有效大小。公式(4)是一個單子規(guī)定，即同一單子的物品只能由其中一個車發(fā)送，并且存在當天的單子沒有交付的狀況。公式(5)是離開規(guī)定。如果該決定是在車不用于送達的當天作出的，則車不能交付任何物品。公式(6)是一個過程規(guī)定，即不在班車最短往返行程內(nèi)的城市物品不能由班車沿途送達。

3 算法設計

3.1 基于隨機維修方法的混合遺傳算法

上述模型是一個多背包決策模型，決策變量的個數(shù)隨著物品數(shù)量的提升而進一步提升，已被證實是一個Np難問題。以往辦法不適用于求解高空間維數(shù)的大規(guī)模良性發(fā)展問題。遺傳計算辦法可用于解決這類受限最佳化問題，最近幾年已廣泛應用在解決單子分配和調(diào)度問題當中。遺傳計算辦法具有較強的全局搜索技能，在求解高空間維數(shù)的良性發(fā)展問題時具有良好的穩(wěn)定性。然而，遺傳計算法的局部搜索技能較弱，容易得到次優(yōu)解和部分不可行解。為了提升求解的效率和有效性，對于空間維數(shù)較高的問題，應盡可能地在可行域內(nèi)對計算辦法進行良性發(fā)展。因此，在標準遺傳計算法的基礎上，本文提出了一種隨機維修的方法來修正不可行解，并將其應用于模型的求解當中。

第一步：遺傳計算辦法中的編碼和原始種群生成。不同的編碼辦法決定了決策變量對染色體基因的不同映射，從而影響了計算辦法的效率。由于文中的決策變量都是0-1變量，所以二進制編碼是最合適的。群類原始化為每個基因隨機賦值0或1。

第二步：適應度函數(shù)和適應度值的分布。本文將模型的目標函數(shù)定義為適應度函數(shù)，具體如下：

同時，根據(jù)排名確定個體的適應度分配值。該辦法是根據(jù)適應度函數(shù)值對個體進行排序，然后根據(jù)線性排序法計算個體的選擇概率。

第三步：選擇交叉變異運作本文采用輪盤賭的選擇機制，對選定的個體進行單點交叉和倒置位置值的變異運作。

第四步：不可行解維修在每次交叉遺傳變異之后，新種群中的不可行個體必須進行修正，以確保計算辦法在可行區(qū)域內(nèi)得到良性發(fā)展。對于多背包問題，如果采用貪婪規(guī)則對不可行解進行修正，可以加快計算辦法的收斂速度，但在多規(guī)定條件下，這種處理容易生成偏差，降低種群的多樣性，使計算辦法陷入局部最優(yōu)解，導致早熟現(xiàn)象。因此，本文采用隨機維修方法對不可行解進行修正，具體的維修步驟如下。步驟1: 對種群中的每個個體進行規(guī)定核驗與檢查，如果某個個體違反規(guī)定，找出與規(guī)定相關的基因序列[]，即找出導致違反規(guī)定的關聯(lián)決策變量。步驟2: 用滿足規(guī)定條件的方向[]作為序列改進的方向，α 作為改進的步長來修正[]：

其中，改進的步長值為1。當個體違反規(guī)定時，相應基因序列上位于序列為1的基因?qū)⒈浑S機改變?yōu)?(如圖3所示)。

圖3 非可行解維修示意圖

步驟3: 重新判斷修改后的個體是否滿足規(guī)定，如果滿足，則完成維修并執(zhí)行下一個規(guī)定測試；否則返回步驟2。

第五步：計算辦法中止規(guī)則。本文結(jié)合最優(yōu)個體的記錄，采用最優(yōu)個體的最小持有代數(shù)作為中止基礎。如果最優(yōu)個體連續(xù)10代保持不變，則計算辦法中止。

3.2 多種群機制的遺傳計算辦法容易陷入局部最優(yōu)解

隨機維修方法可以在一定程度上減少偏差的副作用，但不能完全消除偏差，同時也會在一定程度上影響計算辦法本身的效率。因此，本文在上述計算辦法的基礎之上引入了多種群機制，利用其優(yōu)異的全局搜索技能和協(xié)同進化思想對計算辦法進行了進一步的良性發(fā)展。具體設計如下：進一步提升種群數(shù)量，突破單種群遺傳設計的框架，同時引入多種群良性發(fā)展搜索；引入移民機制的種群基因運作是單獨進行的，但它們可以通過移民機制相互聯(lián)系；文章采用一種閉環(huán)串行遷移機制，即從第一個種群開始，將當前種群中最差的個體替換為先前種群中的最優(yōu)個體，直到引入所有種群為止；每一代進化都會選擇每個種群歷史上最優(yōu)秀的個體儲存在精英種群中。為了確保每個種群的最優(yōu)個體在進化過程中不會丟失或遺忘，不會對精英進行選擇、交叉、突變等遺傳運作。

3.3 計算法流程

計算辦法流程如圖4所示。

圖4 計算辦法流程圖

4 算例證實與結(jié)果分析

本文以廣東省陽江市中西部鄉(xiāng)村地區(qū)為研究對象，利用實際調(diào)查獲得的樣本數(shù)據(jù)進行案例分析，評價基于協(xié)同分布的鄉(xiāng)村物流車調(diào)度模型的有效性。同時設計了幾組不同單子大小的仿真實例，采用標準遺傳計算辦法和改進遺傳計算辦法進行求解。

4.1 實證分析

實例描述了 U 物流公司的運送倉庫位于陽江市某物流園區(qū)。其西線終點運送業(yè)務主要覆蓋了陽江七個下屬城市，包括珍珠灣、海陵、陽西縣、陽東區(qū)、陽春市、陽江高新技術產(chǎn)業(yè)開發(fā)區(qū)、海陵島經(jīng)濟開發(fā)試驗區(qū)、江城區(qū)。城市之間的公路網(wǎng)是可以通行的。如圖5所示，有三條省級公路以及幾條縣級公路。

圖5 陽江市七鎮(zhèn)路網(wǎng)示意圖

由于物流公司一直未能建立完善的運送體系，因此要與鄉(xiāng)鎮(zhèn)送達公司合作。各鄉(xiāng)鎮(zhèn)送達公司的大貨車司機只負責本鄉(xiāng)鎮(zhèn)的運送業(yè)務。在收益最大化目標的指導下，他們可以選擇自己想要送達的物品。鄉(xiāng)鎮(zhèn)送達公司的運送車主要是中小型貨車，如表1所示。其中，車送達的固定成本為每次15元，并根據(jù)不同的車型，收取1～3.5元/公里的燃油費。由此，可以計算出每次交貨的成本，如表2所示。在區(qū)域內(nèi)物流單子多中小型、小批量類型，外觀是一個規(guī)則的長方形盒子。每個單子的運費取決于物品的大小、重量、數(shù)量和距離，每件的價格在1.5～50元之間。調(diào)查收集了30個客戶單子的數(shù)據(jù)，數(shù)據(jù)如表3所示。

表1 車參數(shù)

表2 出車成本

表3 單子數(shù)據(jù)

4.2 模型分析

根據(jù)調(diào)查及相關數(shù)據(jù)，采用基于公共分配模型的鄉(xiāng)村物流車調(diào)度模型，對車和物品進行匹配，獲得公共分配的解決方案，以實現(xiàn)當日送達收益的最大化。在聯(lián)合運送方案中，使用珠灣、海陵、陽西縣、陽東區(qū)四鎮(zhèn)的貨運網(wǎng)。有的物品由沱氏、陽西縣、陽東區(qū)鎮(zhèn)、黃灘由珠灣以及陽西縣送達，而陽東區(qū)鎮(zhèn)的大貨車除了送達漁鎮(zhèn)的物品外，還送達江昌鎮(zhèn)的一些物品。最終獲得3 375.5元，總成本331.7元，凈收益3 053.9元。根據(jù)單子數(shù)據(jù)，鄉(xiāng)鎮(zhèn)送達公司決定自行安排車運送，即只要鄉(xiāng)鎮(zhèn)送達的獲得大于啟動成本，就自行安排車運送。。

如表4所示，通過比較兩種方案，可以發(fā)現(xiàn)基于共同分配模型的良性發(fā)展方案比分散分配方案的收益高35% 。此外，前者在減少出行次數(shù)的同時，總運送成本降低了30% 左右，更有效地運送物品，提升了服務水平。

表4 運送模式對比結(jié)果

4.3 計算辦法性能分析

為了說明計算辦法性能，本文采用了隨機模擬的辦法，在調(diào)查單子數(shù)據(jù)的基礎上生成單子數(shù)分別為35，50，75和100的多組模擬實例。隨機單子生成過程如下：從樣本數(shù)據(jù)中隨機選取一個客戶；在客戶[-10，+10]的交貨需求區(qū)間內(nèi)隨機生成客戶的單子需求；通過向客戶隨機分配一個交貨目的地來獲得一個新的單子數(shù)據(jù)。重復這3個步驟 ，直到單子數(shù)量滿足示例的規(guī)模規(guī)定。針對每個仿真實例，分別采用基于罰函數(shù)法的標準遺傳計算辦法和本文提出的多種群隨機維修遺傳計算辦法，在 matlabr3013環(huán)境下，在相同的條件下進行10次運行實驗。其中，基本參數(shù)設定為：重復次數(shù)為3 000次，最佳個體保持10代以上，雜交率為0.9，突變率為0.005，代溝為0.9?；诹P函數(shù)的遺傳計算辦法的種群數(shù)為1，種群中的個體數(shù)為50。具有多種群機制的遺傳計算辦法的種群數(shù)為15個，種群中的個體數(shù)為50個。實驗結(jié)果如表5所示。最佳解、最差解、平均解及計算辦法的平均計算時間均顯示出來?！?”表示缺少數(shù)據(jù)，因為在10次運行中無法找到可行的解決方案。

表5 計算辦法對比實驗結(jié)果

表5顯示了處理規(guī)定的罰函數(shù)辦法。隨著訂貨量的進一步提升，遺傳計算辦法的結(jié)果越來越不理想。當客戶單子數(shù)達到100時，不可能找到一個不違反模型規(guī)定的可行解?；陔S機維修方法的多種群遺傳計算辦法的平均結(jié)果優(yōu)于標準遺傳計算辦法，其求解時間遠小于標準遺傳計算辦法。隨著訂貨量的進一步提升，基于隨機維修方法的多種群遺傳計算辦法的性能仍處于較高水平，計算辦法的穩(wěn)定性和求解時間都在可接受范圍內(nèi)。

5 結(jié) 語

鄉(xiāng)村電商物流是鄉(xiāng)村居民線上購物、電商農(nóng)產(chǎn)品進城的關鍵。為了降低鄉(xiāng)村的物流成本，本文全面分析了鄉(xiāng)村物流的特點，介紹了一種常用的物流運送模型，并針對鄉(xiāng)村物流運送的整體運營收益最大化，構建了鄉(xiāng)村物流運送車調(diào)度模型。由于鄉(xiāng)村物流車調(diào)度模型是一個多規(guī)定、多背包問題，提出了一種基于標準遺傳計算辦法的隨機修理方法的混合遺傳計算辦法求解該模型，減少了修正量偏差對不可行解過程的影響。此外，為了提升計算辦法的效率，引入了多種群機制來進一步改進計算辦法。最后，通過鄉(xiāng)村物流公司的實例，證實了鄉(xiāng)村物流車調(diào)度模型在共同運送模型下的良好資源分配性能，并與單獨運送模型進行了比較，仿真結(jié)果表明，基于隨機修理方法的多種群遺傳計算辦法比以往的遺傳計算辦法具有更好的搜索技能和更快的求解速度。由于鄉(xiāng)村聯(lián)合運送體系涉及物流公司、鄉(xiāng)鎮(zhèn)送達公司等多方參與者，如何在兼顧公平和效率的同時平衡多方利益，將是維護物流聯(lián)盟穩(wěn)定，加強合作的重點。然而，本文的模型側(cè)重于效益和成本的良性發(fā)展，對于效益分配和合作博弈方面的研究還不夠充分。