文/王巍

1.引言

隨著現(xiàn)代社會快速發(fā)展和城市化進(jìn)程加快，近些年，突發(fā)公共性事件發(fā)生的頻率增加。突發(fā)公共性事件發(fā)生時，要組織好生活物資的分配，應(yīng)急物流及時有效配送生活物資成為保障居民生活的關(guān)鍵。目前關(guān)于應(yīng)急物流的研究內(nèi)容主要以省市為主，保障生活物資與居民生活的物流配送路徑規(guī)劃幾乎沒有。這些事件爆發(fā)時前期由于需求不明確、供給不及時，導(dǎo)致生活物資沒有及時配送到居民區(qū)，因此，本文對應(yīng)急生活物資物流配送活動進(jìn)行研究，選擇最短的配送路徑，最短時間內(nèi)將生活物資配送到居民區(qū)內(nèi)。

2.應(yīng)急生活物資物流配送現(xiàn)狀分析

目前應(yīng)急生活物資趨向由社會各界定向采購，隨著全國醫(yī)療資源或生活物資的加入，同時需求的醫(yī)院或者需求的單位逐步明確需求種類，一方面捐助者也越來越了解需求者的真正需求，需要的物資形成了定向捐助，這種定向采購的供應(yīng)鏈供需之間越來越精準(zhǔn)，協(xié)同起來越來越高效。另一方面是政府的全面介入，在政府全面監(jiān)管下，形成工廠的直采、直供模式，比如有國家對戰(zhàn)略儲備的豬肉快速調(diào)撥等；另外還有在政府協(xié)調(diào)和鼓勵下商業(yè)企業(yè)參與下的社會運營保障，像新零售、前置倉、社區(qū)團購、社區(qū)菜店等，參與社會民生保障的基礎(chǔ)性運營。

3.應(yīng)急生活物資物流配送模式分析

針對以上應(yīng)急物流現(xiàn)狀分析，應(yīng)急生活物資物流配送進(jìn)行一系列調(diào)研，分析總結(jié)出一些物流配送模式。

3.1 社區(qū)團購+集中取貨

應(yīng)急生活物資特點是居民需求多樣性、配送時間相對固定，取貨時間相對集中。居民可以通過在聊天群、在線服務(wù)平臺等方式發(fā)起團購?fù)ㄖ?，以家庭為單位根?jù)需求選擇生活物資，由社區(qū)工作人員進(jìn)行采購或領(lǐng)取相關(guān)物資，并進(jìn)行物資分配等工作。

3.2 前置倉+O2O平臺共享資源（配送員）配送模式

居民可在O2O平臺下單購買所需生活物資，線下配送因外賣員或快遞人員不足不能及時滿足，各O2O平臺（也包括外賣平臺）共享資源同時也吸納閑散人員，他們根據(jù)平臺訂單，依次在各門店取貨后（這時的各門店可看做前置倉），將生活物資等直接配送到社區(qū)門口，這種情況也可解決配送勞動力不足等。

4.基于遺傳算法的配送路徑規(guī)劃

根據(jù)以上分析，本次應(yīng)急物流配送路徑研究是以“社區(qū)團購+集中取貨”模式為主，該模式因居民區(qū)人口密度較大，所需生活物資種類相對集中等，比較便于使用模型工具對其解決配送路徑問題。

4.1 遺傳算法模型研究

遺傳算法是通過對生物學(xué)中基因遺傳、基因變異與適應(yīng)等概念的模仿，從隨機解開始，不斷在選擇、交叉、變異等過程中形成新解，在多次迭代后得到最優(yōu)解，目前被廣泛用于解決復(fù)雜的路徑優(yōu)化問題。

4.1.1 參數(shù)定義

（1）根據(jù)對研究問題的描述和假設(shè)，定義如下變量，如表1所示：

表1

（2）目標(biāo)函數(shù)

運輸費用與運輸距離成正比，總運輸費用可表示為：

（3）約束條件

a.車輛載重量約束

每臺車上所配送的總貨物量不超過配送車輛的最大載重量。

b.配送車輛約束

在配送過程中,每輛車可以給多個配送點進(jìn)行配送,每個配送點只有一輛配送車輛進(jìn)行送。

c.配送點數(shù)量約束

每輛車所配送的配送點數(shù)量小于總的配送點數(shù)量。

d.每臺車輛都必須從配送中心出發(fā)

e.每次配送活動結(jié)束后車輛必須回到配送中心

將調(diào)研得到的數(shù)據(jù)代入上列公式再通過計算機運行算法的計算來得到最終結(jié)果。

4.2 實證研究

本次研究選取成都市錦江區(qū)14個小區(qū)為研究對象，居民可在團購、外賣平臺下單（美團、餓了么、盒馬鮮生等）獲取生活物資，平臺再給消費者進(jìn)行配送到居民區(qū)。物流配送路徑問題基本可以看作是O2O線上線下模式的路徑規(guī)劃，城市分揀中心配送輻射范圍比較近，一般在20km-30km之間，所以選取了配送中心20km范圍內(nèi)的14個居民區(qū)為研究對象進(jìn)行研究分析，并對所獲得的數(shù)據(jù)進(jìn)行處理、整理以方便研究的進(jìn)行。

用百度地圖確定了各個小區(qū)坐標(biāo)后，歸納如表2所示：

表2

通過實地調(diào)查得到了以下計算所需要的相關(guān)數(shù)據(jù)。車型：廂式冷藏車；配送中心可使用車輛數(shù)目：4輛；車輛最大裝載量：3噸；每輛車每公里的運輸費用：4元；車輛平均行駛速度：60km/h。

選用4輛配送車輛下單物資進(jìn)行配送，以配送總時間最短為目標(biāo)，采用遺傳算法，使用python軟件進(jìn)行編程求解。

經(jīng)過對算例進(jìn)行多次隨機試驗，抽出最優(yōu)實驗結(jié)果如表3所示。

表3 算例最優(yōu)解

第一輛車的裝載率為91.4%，第二輛車的裝載率為93.66%。

計算結(jié)果表明，算例最優(yōu)解為303.08，在第52次迭代時生成最優(yōu)解，配送總成本為303.08元，共生成2條路徑。配送路徑由原來的4輛車4條路徑優(yōu)化到了2輛車，兩條路徑，裝載率也都提高到了90%以上，這降低了配送的人工成本和配送費用。

該問題最優(yōu)解結(jié)果表明，本研究設(shè)計的遺傳算法，在解決路徑優(yōu)化問題具有可行性，也證明了模型的合理性和有效性。

引用出處

[1]陶建彤,基于遺傳算法的應(yīng)急物流配送路徑優(yōu)化研究——以吉林省為例[J].中國物流與采購,2023.2

[2]張明新,王月春,劉延鋒,王彥明，基于混合遺傳算法的應(yīng)急物資配送路徑優(yōu)化[J].物流科技,2022.12