曹慶奎+邵松娟+任向陽

摘 要：針對物流配送過程中的車輛故障問題，提出了臨近救援策略和優(yōu)化方案。在車輛調(diào)度、干擾管理和行為運(yùn)籌理論的基礎(chǔ)上，在對故障車輛進(jìn)行救援的過程中對配送主體的感知因素進(jìn)行提取和度量，并構(gòu)建考慮配送主體感知的救援車輛調(diào)度模型。然后設(shè)計了遺傳算法和2-opt算法的混合遺傳算法，并對模型進(jìn)行優(yōu)化求解，最后通過仿真對比分析，驗(yàn)證了模型和算法的有效性。

關(guān)鍵詞：配送主體感知；車輛故障；救援車輛調(diào)度；混合遺傳算法

中圖分類號：F253 文獻(xiàn)標(biāo)識碼：A

Abstract： Aiming at the problem of vehicle breakdowns in the process of logistics distribution， adjoin rescue strategy and optimization scheme are put forward. The study is based on the vehicle scheduling， the theory of disruption management and the theory of behavioral operation. In the rescue process of breakdown vehicles， the perception factors on distribution entities are extracted and measured. And a rescue vehicle scheduling model is built considering the perception of the distribution subject. A hybrid genetic algorithm is designed which combines the genetic algorithm with the 2-opt algorithm for the model. Finally， the effectiveness of the model and algorithm is verified by simulation analysis.

Key words： distribution subject perception； vehicle breakdown； rescue vehicle scheduling； hybrid genetic algorithm

0 引 言

新型電子商務(wù)下的物流配送系統(tǒng)，由于各類干擾事件的出現(xiàn)使得配送活動受到了嚴(yán)重的影響，因此進(jìn)行物流配送干擾管理對提高配送效率，提升物流企業(yè)的市場競爭力有十分重要的意義。

Victor，Ta？鬤等[1-2]分別針對不同的車輛調(diào)度問題進(jìn)行了研究，并且提出了不同的算法解決了相應(yīng)的問題。Mu和Eglese等[3]考慮了在配送車輛出發(fā)前，有些車輛被延遲出發(fā)的情況，構(gòu)建了以最小化延遲時間、最小化顧客服務(wù)延遲時間以及費(fèi)用為目標(biāo)的目標(biāo)函數(shù)。王旭坪、蔣麗等[4-5]針對物流配送過程中的車輛故障導(dǎo)致運(yùn)力受擾的情況，根據(jù)干擾管理思想，分別給出了不同的救援策略，并且就相應(yīng)的救援策略建立了模型進(jìn)行了求解。

以上文獻(xiàn)對車輛調(diào)度以及干擾管理做了深入的研究，但是卻很少考慮物流配送活動中各參與主體的行為感知因素。李浩

淼[6]研究了當(dāng)發(fā)生干擾事件時，在考慮顧客感知，保持顧客滿意度，維持顧客忠誠度的前提下，建立了相應(yīng)的干擾管理模型，使系統(tǒng)的擾動達(dá)到最小。丁秋雷、胡祥培等[7]將行為科學(xué)中的前景理論應(yīng)用到物流配送干擾管理當(dāng)中，結(jié)合行為科學(xué)中對人的感知的研究方法與運(yùn)籌學(xué)中定量的研究手段，提出基于前景理論的擾動度量方法，并建立了相應(yīng)的數(shù)學(xué)模型和求解方法。

本文主要針對物流配送活動中車輛故障這一干擾事件，根據(jù)干擾管理思想，綜合考慮各配送主體的行為感知因素，建立考慮配送主體感知因素的救援車輛調(diào)度模型，并進(jìn)行求解。

1 救援車輛調(diào)度模型

1.1 問題說明

在某項配送任務(wù)中，配送中心所有車輛全部執(zhí)行配送任務(wù)，在配送過程中某一輛車出現(xiàn)故障，并且不能繼續(xù)執(zhí)行配送任務(wù)，其他在途車輛要對故障車輛進(jìn)行救援，不考慮增派策略以及取消策略。在配送過程中所有車輛的行駛和位置等信息都能夠?qū)崟r得到，以干擾發(fā)生時的狀態(tài)為基態(tài)設(shè)計救援車輛的調(diào)度方案。

1.3 擾動的度量

（1）顧客的不滿意度

影響顧客不滿意度的感知因素主要有其接受服務(wù)的時間、貨物的完好性、接受服務(wù)的次數(shù)等，本文主要考慮顧客接受服務(wù)的時間，具體可表示如下：

（6）式表示在原計劃中出發(fā)時車輛非滿載；（7）式表示在原計劃配送車輛中，其中任意k-1輛車在出發(fā)時的剩余裝載量之和要大于第k輛車的實(shí)際載貨量；（8）式表示所有車輛最終都回到配送中心；（9）式表示每輛車服務(wù)客戶的需求量總和不能超過車輛的實(shí)際裝載量；（10）式表示除受擾點(diǎn)之外，每個客戶必須接受服務(wù)，且只能被服務(wù)一次；（11）式表示受擾點(diǎn)至少被訪問一次；（12）式表示為未受擾車輛服務(wù)的顧客仍有原車服務(wù)；（13）式表示救援車輛要先到故障車輛處取貨，然后再服務(wù)受擾客戶；（14）式表示受擾車輛的貨物全部被取走；（15）式表示路徑限制，車輛不會從起點(diǎn)直接回到配送中心；（16）式表示救援車輛從故障車輛處所取貨物等于救援車輛所服務(wù)的故障車輛的顧客需求量；（17）式表示每輛救援車輛去且只去一次受擾車輛處取貨；（18）式為顧客接受服務(wù)的時間窗要求。

2 算法設(shè)計

本文選擇用遺傳算法和2-opt算法相結(jié)合的混合遺傳算法對模型進(jìn)行求解。利用2-opt算法較強(qiáng)的局部搜索能力來彌補(bǔ)遺傳算法局部搜索能力的不足，進(jìn)而提高遺傳算法的搜索能力。初始種群在經(jīng)過了重復(fù)的復(fù)制、交叉和變異操作之后，基本上找到了5組近似最優(yōu)方案，為了使每輛車的配送任務(wù)盡量均衡，設(shè)計2-opt算法：在單車路徑中存在i→i+1， j→j+1，利用i→j， iendprint

+1→j+1來代替原路徑，經(jīng)過交換之后如果目標(biāo)函數(shù)得到進(jìn)一步優(yōu)化，說明可以改進(jìn)路徑解，那么選擇改變后的路徑來代替原路徑。利用2-opt算法需要設(shè)置停機(jī)條件，設(shè)定循環(huán)次數(shù)為50次。

3 算例仿真分析

本文在文獻(xiàn)[4]數(shù)據(jù)的基礎(chǔ)上進(jìn)行了改進(jìn)，加入了時間窗參數(shù)，客戶點(diǎn)坐標(biāo)和需求量信息如表1所示，配送中心位于點(diǎn)50，00，配送中心共有4輛配送車輛，每輛車的行駛速度為1，每輛車的載重量為10。

干擾發(fā)生前以車輛行駛總路程最短為目標(biāo)的最優(yōu)調(diào)度方案為：（1）0-12-5-14-11-0；（2）0-17-4-13-15-18-0；（3）0-7-16-1-9-0；（4）0-6-8-3-10-2-0。此時最優(yōu)路線總長度為588.28。本文選取車輛2在運(yùn)行到時間t=6.4時發(fā)生故障，故障車輛坐標(biāo)為43，62，車輛1的坐標(biāo)為19，45，車輛3的坐標(biāo)為65，47，車輛4的坐標(biāo)為95，20。

設(shè)置遺傳算法中交叉概率pc=0.75，變異概率pm=0.0005，得到最優(yōu)救援方案μ1-b1-4-11-18-0，μ3-b3-13-1-9-0，μ4-b4-15-10-2-0，此時顧客、服務(wù)商和配送員工的不滿意度分別是0.375、508.6、25.44。

4 結(jié) 論

本文針對物流配送活動中常見的車輛故障情況，運(yùn)用干擾管理的思想，對配送主體的感知因素進(jìn)行了提取和度量，構(gòu)建了考慮配送主體感知的救援車輛調(diào)度模型。并且把遺傳算法和2-opt算法相結(jié)合，構(gòu)建了混合遺傳算法對模型進(jìn)行求解，結(jié)果證明本文算法能夠在綜合考慮配送主體感知的情況下，快速地對車輛故障這一干擾事件做出救援方案，該方案能夠使各配送主體的滿意度達(dá)到最大，這是對配送領(lǐng)域故障車輛救援管理的有益探索。

參考文獻(xiàn)：

[1] Victor Pillac， Michel Gendreau， Christelle Gueret. A review of dynamic vehicle routing problems[J]. European Journal of Operational Research， 2013，225（1）：1-11.

[2] Ta D， Jabali O， Van Woensel T. A vehicle routing problem with flexible time windows[J]. Computers & Operations Research， 2014，52：39-54.

[3] Mu Q， Eglese R W. Disrupted capacitated vehicle routing problem with order release delay[J]. Annals of Operations Research， 2013，207（1）：201-216.

[4] 蔣麗，丁斌，臧曉寧. 基于干擾管理的車輛故障救援模型[J]. 系統(tǒng)工程，2010，28（6）：111-116.

[5] 王旭坪，吳緒，王征. 運(yùn)力受擾下車輛調(diào)度干擾管理問題研究[J]. 計算機(jī)工程，2011，37（8）：256-259.

[6] 李浩淼. 基于顧客感知的物流干擾管理研究[J]. 金融經(jīng)濟(jì)：下半月，2013（11）：128-130.

[7] 丁秋雷，胡祥培，姜洋. 基于前景理論的物流配送干擾管理模型研究[J]. 管理科學(xué)學(xué)報， 2014（11）：1-9.endprint