文/王珂

1.引言

在傳統(tǒng)的研究中，很少有人關(guān)注物流貨品的轉(zhuǎn)運(yùn)情況，大部分貨品是直接從起點(diǎn)到終點(diǎn)，這樣，有可能因?yàn)闆]有選擇合理的控制方案導(dǎo)致運(yùn)輸距離和成本增加。所以研究全新的控制方法對物流貨品轉(zhuǎn)運(yùn)是十分重要的。

2.方法

2.1 建立物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制模型

物流貨品轉(zhuǎn)運(yùn)的方式有很多種，但是實(shí)現(xiàn)物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制的基本目標(biāo)為：將貨品從物流配送中心根據(jù)客戶的需求定時(shí)定量送到客戶的卸貨點(diǎn)處。根據(jù)以上問題，可以組建以下形式的數(shù)學(xué)問題：

設(shè)定dij代表點(diǎn)i和點(diǎn)j兩者之間的最小代價(jià)，通過采用兩點(diǎn)之間的最小距離表示。為了有效防止轉(zhuǎn)運(yùn)設(shè)備從一個(gè)配送中心開往另外一個(gè)配送中心，規(guī)定隨機(jī)兩個(gè)配送中心的最短距離為dij=L，則可以定義以下變量：

上式中，xijmk和yijmk代表不同路徑對應(yīng)的物品貨品運(yùn)輸距離。

為了滿足客戶的實(shí)時(shí)性需求，貨品必須在規(guī)定的時(shí)間內(nèi)傳輸?shù)娇蛻羰种?。通過實(shí)際情況，可以將問題描述為以下形式：客戶要求轉(zhuǎn)運(yùn)設(shè)備在時(shí)間范圍[ti，tj]內(nèi)送達(dá)，即貨品送達(dá)時(shí)間不能夠晚于tj，而ti則為最早送達(dá)時(shí)間。每項(xiàng)任務(wù)必須在規(guī)定的時(shí)間內(nèi)完成，這是對時(shí)間窗的基本需求，同時(shí)需要滿足設(shè)定的約束條件。假設(shè)轉(zhuǎn)運(yùn)設(shè)備沒有在設(shè)定的時(shí)間內(nèi)將貨品送達(dá)，則通過雙方的協(xié)調(diào)，可以給與配送中心一定的懲罰，即軟時(shí)間窗對物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制的要求。在構(gòu)建模型的過程中，可以通過懲罰成本函數(shù)處理軟時(shí)間窗集成單元控制問題。在物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制中，假設(shè)配送中心有項(xiàng)任務(wù)需要運(yùn)輸，每項(xiàng)任務(wù)必須在客戶規(guī)定的時(shí)間內(nèi)送達(dá)，則車輛的平均時(shí)間寬度以及平均行駛時(shí)間兩者之間的比值T（w）可以表示為以下形式：

上式中，wij代表時(shí)間窗系數(shù)；l代表時(shí)間窗寬度。

配送中心和客戶點(diǎn)分布在各個(gè)交通連接的網(wǎng)絡(luò)中，則配送點(diǎn)和客戶點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示：

圖1配送點(diǎn)和客戶點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)圖

通過上述分析，構(gòu)建物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制模型，以最小行駛距離和運(yùn)行成本為目標(biāo)，對應(yīng)的表達(dá)為：

lm，n上式中，代表轉(zhuǎn)運(yùn)設(shè)備行駛距離；rm，n代表轉(zhuǎn)運(yùn)設(shè)備運(yùn)行成本。

2.2 模型求解

遺傳算法的求解問題主要是從一個(gè)包含一定個(gè)體數(shù)量的種群開始的，每一個(gè)個(gè)體都是由符合要求的基因編碼組成。在形成初始種群之后，主要通過不同個(gè)體的適應(yīng)度判斷個(gè)體的優(yōu)劣，同時(shí)根據(jù)計(jì)算概率選擇較優(yōu)的個(gè)體，然后對其展開組合交叉操作，這樣既可以將好的個(gè)體基因遺傳給子代個(gè)體，還能以較小的概率完成變異。（1）編碼：編碼主要是將優(yōu)化問題的解轉(zhuǎn)換為基因串的形式描述，使其可以滿足遺傳算法的基本需求。（2）群體設(shè)定：由于遺傳算法是一種基于群體型尋優(yōu)的的搜索方法，所以初始階段需要為算法事先準(zhǔn)備一個(gè)由多個(gè)個(gè)體構(gòu)建的初始群體。（3）適應(yīng)度函數(shù)以及尺度變換：通過適應(yīng)度函數(shù)作為主要參考依據(jù)，使用群體中不同個(gè)體的適應(yīng)度取值評價(jià)個(gè)體的優(yōu)劣。所以，適應(yīng)度的選擇在算法中占據(jù)十分重要的地位，不僅會(huì)對算法的收斂速度產(chǎn)生影響，同時(shí)還關(guān)系到后續(xù)是否可以獲取最優(yōu)解。通常情況，適應(yīng)度函數(shù)是由目標(biāo)函數(shù)轉(zhuǎn)換而來的，所以可以將適應(yīng)度函數(shù)的隨機(jī)一種映射關(guān)系稱為適應(yīng)度的尺度轉(zhuǎn)換。另外，在遺傳算法中[5-6]，需要對比不同個(gè)體的適應(yīng)度取值，同時(shí)將其排序，并在此基礎(chǔ)上計(jì)算不同個(gè)體對應(yīng)的選擇概率，所以全部適應(yīng)度函數(shù)的取值全部為正值。（4）遺傳操作：遺傳操作是通過模擬生物的遺傳以及進(jìn)化過程得到的。通過上述分析，將遺傳算法和蟻群算法兩者有效結(jié)合，對2.1小節(jié)構(gòu)建的物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制模型求解，詳細(xì)的操作步驟如圖2所示：（1）分別對遺傳算法以及蟻群算法的相關(guān)參數(shù)初始化處理，確定全部物流貨品的起點(diǎn)以及終點(diǎn)，同時(shí)設(shè)定每組獲取貨品轉(zhuǎn)運(yùn)設(shè)備的隨機(jī)值。（2）通過染色體獲取起點(diǎn)以及物流貨品轉(zhuǎn)運(yùn)設(shè)備數(shù)量，同時(shí)通過蟻群算法完成路徑優(yōu)化。（3）通過目標(biāo)函數(shù)完成全部染色體評價(jià)，假設(shè)隨機(jī)一個(gè)染色體的評價(jià)值優(yōu)于歷史最優(yōu)值，則將當(dāng)前的評價(jià)值設(shè)定為歷史最優(yōu)值，重復(fù)步驟（3），即可獲取群體最優(yōu)值。（4）是否滿足終止條件，假設(shè)值，則停止計(jì)算；反之，則返回步驟（2）。

圖2物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制模型求解流程圖

3.仿真實(shí)驗(yàn)

為了驗(yàn)證所提物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制方法的有效性，需要展開相關(guān)的實(shí)驗(yàn)測試。將機(jī)械配件配送中心作為研究的主要對象，設(shè)定共有5個(gè)配件中心，每個(gè)配送中心有專門的轉(zhuǎn)運(yùn)設(shè)備負(fù)責(zé)配送，其中需要送貨的客戶點(diǎn)以及途徑地點(diǎn)如表1所示：

表1不同地點(diǎn)位置坐標(biāo)

通過控制需求確定各個(gè)方法的轉(zhuǎn)運(yùn)設(shè)備數(shù)量和總行駛路程，具體實(shí)驗(yàn)結(jié)果如圖3和圖4所示：

圖3不同方法的轉(zhuǎn)運(yùn)設(shè)備數(shù)量對比結(jié)果分析

圖4不同方法的總行駛路程對比結(jié)果分析

分析圖3和圖4中的實(shí)驗(yàn)數(shù)據(jù)可知，相比另外兩種方法，經(jīng)過所提方法對物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制管理之后，轉(zhuǎn)運(yùn)設(shè)備數(shù)量以及總行駛路程得到明顯降低，有效證明了所提方法的優(yōu)越性。

進(jìn)一步分析三種不同方法的空載路程以及空駛率變化情況，詳細(xì)的實(shí)驗(yàn)測試結(jié)果如表2～表3所示：

表2不同方法的空載路程測試結(jié)果對比分析

表3不同方法的平均空駛率測試結(jié)果對比分析

分析表2和表3中的實(shí)驗(yàn)數(shù)據(jù)可知，所提方法的空載路程以及平均空駛率在三種方法中為最低，說明所提方法獲取的控制方案是比較理想的，可以將整個(gè)貨品轉(zhuǎn)運(yùn)過程中產(chǎn)生的損失降至最低。

4.結(jié)束語

針對傳統(tǒng)方法存在的一系列問題，設(shè)計(jì)并提出一種物流貨品轉(zhuǎn)運(yùn)設(shè)備集成單元控制方法。經(jīng)過大量測試證明，所提方法可以獲取滿意的集成單元控制方案，為物流企業(yè)信息化和智能化奠定堅(jiān)實(shí)的基礎(chǔ)，同時(shí)也可以有效提升物流企業(yè)的管理水平。