龔艷茹,馬立坤

(1. 北京科技大學(xué)天津?qū)W院,天津 301830;2. 北京科技大學(xué)機(jī)械工程學(xué)院,北京 100083)

1 引言

物流[1]作為企業(yè)交流過程中不可或缺的重要組成部分,其配送方案與經(jīng)濟(jì)合理性已成為彰顯企業(yè)競爭力及企業(yè)管理能力的重要象征。物流配送之所以能夠在世界范圍內(nèi)有效流通,不僅是因?yàn)槠鋵?shí)現(xiàn)了現(xiàn)實(shí)物品網(wǎng)絡(luò)運(yùn)輸?shù)睦硐牖?wù)狀態(tài),還因?yàn)槠洮F(xiàn)代化的經(jīng)營理念對傳統(tǒng)商貿(mào)領(lǐng)域產(chǎn)生了巨大的沖擊和影響,使現(xiàn)代物流[2]更加信息化、現(xiàn)代化、社會化。由此可見,優(yōu)化物流配送能力是企業(yè)提升自身市場競爭力的關(guān)鍵所在。

王勇[3]等人通過計(jì)算物流成本和配送損失成本建立物流成本模型,并在該模型中輸入基于K-means聚類算法獲取的商品配送溫控子集和客戶時(shí)間窗約束條件,使物流成本模型優(yōu)化成雙目標(biāo)優(yōu)化模型,優(yōu)化后的模型不僅能夠提供商品最優(yōu)配送方案,還能根據(jù)商品配送時(shí)間分析物流敏感度,實(shí)現(xiàn)物流配送方法的優(yōu)化,該方法存在物流配送時(shí)間過長的問題。李存兵[4]等人通過自適應(yīng)遺傳聚類算法獲取物流配送過程中的方差最小化距離,再將方差最小化距離與不同服務(wù)區(qū)域的最大化物流分布指標(biāo)相結(jié)合,構(gòu)成物流系統(tǒng)綜合優(yōu)化模型,將變異算子改進(jìn)的遺傳算法輸入該模型中,使物流系統(tǒng)綜合優(yōu)化模型的收斂速度顯著提升,實(shí)現(xiàn)物流配送方法的優(yōu)化,該方法存在物流配送時(shí)間過長的問題。王曉麗[5]等人通過分析配送商品與物流資源數(shù)據(jù)的關(guān)系特征,建立基于大數(shù)據(jù)背景下整合計(jì)算流程簡便的物流配送鏈優(yōu)化模型,該模型能夠?qū)崟r(shí)分析物流配送鏈信息,獲取最佳配送路徑,實(shí)現(xiàn)物流配送方法的優(yōu)化,該方法存在物流配送距離過遠(yuǎn)的問題。

為了解決上述方法中存在的問題,提出多倉庫物流周期聯(lián)合配送粒子群擇優(yōu)算法。

2 建立物流配送優(yōu)化模型

2.1 選擇優(yōu)化目標(biāo)

在實(shí)際的物流運(yùn)輸工作中,能夠影響物流配送成本[6]的主要因素是實(shí)際運(yùn)輸量和車載率,若從虛擬的理想視角分析物流配送成本,則與其相關(guān)的實(shí)際運(yùn)輸量和車載率在運(yùn)輸成本取值最小時(shí)對運(yùn)輸成本的影響程度可以忽略不計(jì),若從現(xiàn)實(shí)視角分析物流配送成本,則與其相關(guān)的實(shí)際運(yùn)輸量和車載率在運(yùn)輸成本取值最小時(shí)對運(yùn)輸成本的影響主要以油耗量、載重量、時(shí)間窗[7]、行駛速度等向量形式體現(xiàn),由此可見,優(yōu)化目標(biāo)的選擇可以通過提取物流配送成本的最小能耗參數(shù),進(jìn)而獲取實(shí)際運(yùn)輸量和車載率基于油耗量、載重量、時(shí)間窗、行駛速度的最優(yōu)向量指標(biāo)。

由于物流配送成本與物流配送距離成線性關(guān)系,即物流配送成本越低,物流配送距離越近,因此在提取物流配送成本最小能耗參數(shù)的過程中,需要協(xié)同考慮兩因素對于最小能耗參數(shù)的影響。利用Bekats方程計(jì)算物流配送的最小成本,再利用行駛公式計(jì)算物流配送的最小距離,此時(shí)的實(shí)際運(yùn)輸量和車載率均表現(xiàn)為閾值范圍內(nèi)的最優(yōu)向量指標(biāo),可以通過解碼算法[8]和預(yù)選擇策略[9]分別獲取實(shí)際運(yùn)輸量最優(yōu)向量指標(biāo)和車載率最優(yōu)向量指標(biāo)。Bekats方程的表達(dá)式如下

(1)

行駛公式的表達(dá)式如下

(2)

式中,Dr表示行駛公式的常數(shù);wdus表示物流配送距離的計(jì)算誤差;2g表示物流配送距離的取值區(qū)間;f(s)表示物流配送成本對物流配送距離的影響系數(shù)。

解碼算法的表達(dá)式如下

(3)

預(yù)選擇策略的表達(dá)式如下

(4)

在成功獲取實(shí)際運(yùn)輸量和車載率的最優(yōu)向量指標(biāo)后,將該指標(biāo)數(shù)據(jù)輸入自適應(yīng)差分進(jìn)化算法[10]中,提取基于最小能耗參數(shù)的物流配送成本,完成優(yōu)化目標(biāo)的選擇。自適應(yīng)差分進(jìn)化算法的表達(dá)式如下

(5)

式中,?表示自適應(yīng)交叉常數(shù);kavg表示參與交叉算法的實(shí)際運(yùn)輸量最優(yōu)向量指數(shù);xavg表示參與交叉算法的車載率最優(yōu)向量指數(shù);kx表示最小能耗參數(shù)的提取誤差;U表示滿足優(yōu)化目標(biāo)最終選擇的物流配送成本最小能耗參數(shù)。

2.2 建立基于優(yōu)化目標(biāo)的物流配送優(yōu)化模型

(6)

物流配送模型的表達(dá)式如下

(7)

式中,r表示物流配送中心的總數(shù);ek表示物流配送的正確率;f(i)表示物流配送的錯(cuò)誤率;λ2表示客戶對任意服務(wù)區(qū)的物流配送業(yè)務(wù)滿意度。

物流配送優(yōu)化模型的表達(dá)式如下

(8)

3 粒子群擇優(yōu)算法

3.1 收斂性條件

利用粒子群擇優(yōu)算法對物流配送優(yōu)化模型迭代求解,獲取基于物流配送優(yōu)化模型的加速參數(shù),進(jìn)而提升整體物流配送業(yè)務(wù)的性能,首先要設(shè)立收斂性條件,限制物流配送優(yōu)化模型的收斂性,達(dá)到簡化模型計(jì)算復(fù)雜度的目的。收斂性條件的設(shè)立過程如下:首先通過FastICA算法[12]消除模型內(nèi)重疊特征多項(xiàng)式,降低模型迭代難度,再利用虛擬消去法[13]獲取模型初始條件決定的加速因子,并計(jì)算該因子在迭代過程中的加速度,將加速度慣性權(quán)重輸入多維空間內(nèi),獲取基于配送物流優(yōu)化模型的收斂性條件。FastICA算法的表達(dá)式如下

(9)

虛擬消去法的表達(dá)式如下

(10)

收斂性條件的表達(dá)式如下

(11)

式中,c1x-c2x表示物流配送優(yōu)化模型的收斂極限;ay表示收斂條件對物流配送優(yōu)化模型的簡化參數(shù);κ表示物流配送優(yōu)化模型計(jì)算復(fù)雜度的最小閾值。

3.2 粒子群擇優(yōu)算法求解物流配送優(yōu)化模型

物流配送優(yōu)化模型經(jīng)過收斂條件的限制,其計(jì)算復(fù)雜度得到大幅度降低,對后續(xù)模型求解工作具有重要意義。利用粒子群擇優(yōu)算法求解物流配送優(yōu)化模型的具體操作步驟如下:首選利用二維粒子行為矢量獲取物流配送優(yōu)化模型基于物流配送成本與物流配送損耗之間的最優(yōu)平衡狀態(tài),再將該平衡狀態(tài)系數(shù)輸入?yún)?shù)自調(diào)整粒子群模型中迭代,根據(jù)模型迭代輸出的加速參數(shù),實(shí)現(xiàn)物流配送優(yōu)化模型的求解,該加速參數(shù)不但能夠最大限度減少物流配送過程中造成的能源、經(jīng)濟(jì)損耗,還能拉近客戶與物流配送企業(yè)之間的關(guān)系,實(shí)現(xiàn)真正意義上的雙面共贏。

二維粒子行為矢量是指在粒子矢量圖中引入二維向量,通過觀察物流配送優(yōu)化模型經(jīng)過二維向量運(yùn)算后所得的粒子軌跡[14]在粒子矢量圖中的偏移方向,獲取物流配送優(yōu)化模型基于物流配送成本與物流配送損耗之間的平衡狀態(tài)。二維向量表達(dá)式如下

(12)

式中,Δp表示二維向量權(quán)重值;ei表示向量學(xué)習(xí)因子;sinv表示二維向量結(jié)合粒子群的權(quán)重系數(shù)。

粒子矢量圖如下圖1所示。

圖1 粒子矢量圖

圖1中的矢量角a表示為a={p1·o1};矢量角b表示為b={p2·o2};矢量角c表示為c={p3·o3}。

在物流配送優(yōu)化模型中輸入二維向量,并將獲取的粒子軌跡記錄在粒子矢量圖中,通過觀察粒子矢量圖中粒子軌跡的偏移方向,獲取物流配送優(yōu)化模型基于物流配送成本與物流配送損耗之間的平衡狀態(tài)。粒子矢量圖中粒子軌跡的偏移方向如下圖2所示。

圖2 粒子矢量圖粒子軌跡的偏移方向

(13)

將物流配送成本與物流配送損耗之間的平衡狀態(tài)系數(shù)輸入?yún)?shù)自調(diào)整粒子群模型中迭代,獲取物流配送優(yōu)化模型的加速參數(shù)。參數(shù)調(diào)整粒子群模型的表達(dá)式如下

(14)

式中,σ表示參數(shù)自調(diào)整常數(shù);xy表示粒子群迭代次數(shù);P′表示加速參數(shù)輸出誤差;ik表示物流配送成本與物流配送損耗之間的平衡系數(shù)值對該模型迭代速度的影響;B(α)表示基于物流配送優(yōu)化模型的加速參數(shù)。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證多倉庫物流周期聯(lián)合配送粒子群擇優(yōu)算法仿真的整體有效性,需要對其測試。

選擇a、b、c三組規(guī)模不同的物流服務(wù)區(qū)作為實(shí)驗(yàn)對象,a組客戶數(shù)為3000,服務(wù)區(qū)配送面積為2公頃;b組客戶數(shù)為1000,服務(wù)區(qū)配送面積為1公頃;c組客戶數(shù)為5000,服務(wù)區(qū)配送面積為3公頃。規(guī)定上述三組物流服務(wù)區(qū)為實(shí)驗(yàn)對象,分別采用不同方法優(yōu)化物流配送方法,對比不同方法基于三組物流服務(wù)區(qū)的時(shí)間縮短量和距離縮短量,進(jìn)而推測不同方法的物流配送優(yōu)化性能。

1)配送時(shí)間縮短量

分別采用所提方法、文獻(xiàn)[4]方法和文獻(xiàn)[5]方法優(yōu)化物流配送方法,并將優(yōu)化后的物流配送方法分別應(yīng)用于a、b、c三組規(guī)模不同的物流服務(wù)區(qū)中,通過對比不同方法的物流配送時(shí)間,總結(jié)不同方法的時(shí)間縮短量。不同方法的物流配送時(shí)間如圖3所示。

圖3 不同方法的物流配送時(shí)間

由圖3可見,所提方法優(yōu)化物流配送方法后,a組物流配送時(shí)間不超過40h,b組物流配送時(shí)間不超過10h,c組物流配送時(shí)間不超過20h,說明所提方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送時(shí)間都出現(xiàn)大幅度下降,即物流配送的時(shí)間縮短量明顯,這是因?yàn)樗岱椒ㄍㄟ^提取物流配送成本的最小能耗參數(shù),建立基于優(yōu)化目標(biāo)的物流配送優(yōu)化模型,使得物流配送在時(shí)間方面表現(xiàn)出極高的優(yōu)越性。文獻(xiàn)[4]方法優(yōu)化物流配送方法后,a組物流配送時(shí)間超過60h,b組物流配送時(shí)間超過15h,c組物流配送時(shí)間超過20h,說明文獻(xiàn)[4]方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送時(shí)間下降并不明顯,即物流配送的時(shí)間縮短量并不明顯。文獻(xiàn)[5]方法優(yōu)化物流配送方法后,a組物流配送時(shí)間超過80h,b組物流配送時(shí)間超過30h,c組物流配送時(shí)間超過50h,說明文獻(xiàn)[5]方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送時(shí)間下降幅度較小,即物流配送的時(shí)間縮短量較小。經(jīng)上述對比可知,所提方法優(yōu)化物流配送方法后,其時(shí)間縮短量明顯優(yōu)于傳統(tǒng)方法。

2)配送距離縮短量

分別采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法優(yōu)化物流配送方法,并將優(yōu)化后的物流配送方法分別應(yīng)用于a、b、c三組規(guī)模不同的物流服務(wù)區(qū)中,通過對比不同方法的物流配送距離,總結(jié)不同方法的距離縮短量。不同方法的物流配送距離如圖4所示。

圖4 不同方法的物流配送距離

由圖4可見,所提方法優(yōu)化物流配送方法后,a組物流配送距離不超過30km,b組物流配送距離不超過20km,c組物流配送距離不超過40km,說明所提方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送距離都出現(xiàn)大幅度下降,即物流配送的距離縮短量明顯。文獻(xiàn)[3]方法優(yōu)化物流配送方法后,a組物流配送距離超過35km,b組物流配送距離超過20km,c組物流配送距離超過40km,說明文獻(xiàn)[3]方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送距離下降并不明顯,即物流配送的距離縮短量并不明顯。文獻(xiàn)[4]方法優(yōu)化物流配送方法后,a組物流配送距離超過70km,b組物流配送距離超過40km,c組物流配送距離超過50km,說明文獻(xiàn)[4]方法在a、b、c三組規(guī)模不同的物流服務(wù)區(qū)內(nèi)的物流配送距離改善情況較差,即物流配送的距離縮短量較差。經(jīng)上述對比可知,所提方法對物流配送優(yōu)化后,不僅能夠擇選出最優(yōu)配送路徑,縮短物流配送的距離,還能提高物流配送效率,有助于提升客戶對物流配送業(yè)務(wù)的滿意度。

5 結(jié)束語

傳統(tǒng)的物流配送工作存在物流配送時(shí)間長、物流配送距離遠(yuǎn)的問題,提出多倉庫物流周期聯(lián)合配送粒子群擇優(yōu)算法仿真的方法,最大限度減少物流配送過程中由于時(shí)間過長、距離過遠(yuǎn)而造成的經(jīng)濟(jì)損失。如何在保證物流配送全面優(yōu)化的同時(shí),實(shí)現(xiàn)物流配送過程中包裹、貨物的實(shí)時(shí)監(jiān)控,提高包裹、貨物的安全性是研究人員下一步工作的重點(diǎn)。