張佑健，李 莉，吳 瑕，狄宏林

(1.東莞開(kāi)放大學(xué)，廣東 東莞 523000；2.惠州學(xué)院，廣東 惠州 516007)

0 引 言

在電力市場(chǎng)中，電網(wǎng)企業(yè)為了能夠提高其市場(chǎng)競(jìng)爭(zhēng)力，企業(yè)的管理模式需要發(fā)生改變，轉(zhuǎn)移到以經(jīng)濟(jì)效益為中心[1-3]。而其涉及的物流管理模式影響著企業(yè)的成本控制、經(jīng)濟(jì)效益等方面。因此，在進(jìn)行電網(wǎng)企業(yè)成本控制時(shí)，可以對(duì)其工程項(xiàng)目物流成本進(jìn)行降低，以此來(lái)降低企業(yè)成本，提高競(jìng)爭(zhēng)力。然而，在當(dāng)前電網(wǎng)企業(yè)成本管理中，相關(guān)工程造價(jià)制度并未涉及物流成本科目，使得企業(yè)對(duì)工程項(xiàng)目物流成本的掌控難度較大。如此一來(lái)，便對(duì)施工管理形成一定阻礙，不利于提高施工管理水平，從而影響電網(wǎng)企業(yè)經(jīng)濟(jì)效益。有些學(xué)者面對(duì)集裝箱碼頭成本管理時(shí)，在時(shí)間驅(qū)動(dòng)的基礎(chǔ)上，提出了改進(jìn)作業(yè)成本法(activity-based costing approach，ABC)，能識(shí)別貨物裝卸過(guò)程的瓶頸，以及計(jì)算其裝卸成本，并全面分析相關(guān)物流活動(dòng)及成本，結(jié)果表明了該方法的有效性[4]，因此，文章將ABC法應(yīng)用在電網(wǎng)企業(yè)工程項(xiàng)目物流成本分析中。面對(duì)既有鐵路的優(yōu)化設(shè)計(jì)問(wèn)題，蟻群算法(ant colony optimization，ACO)發(fā)揮其空間組合優(yōu)化性能，進(jìn)行最優(yōu)交點(diǎn)組合尋找。結(jié)果顯示，該算法的應(yīng)用效果不錯(cuò)[5]。因此將其應(yīng)用在電網(wǎng)企業(yè)項(xiàng)目管理中，對(duì)項(xiàng)目物流成本進(jìn)行優(yōu)化，以期降低工程項(xiàng)目物流成本。

1 基于ABC算法和改進(jìn)ACO算法的電網(wǎng)工程項(xiàng)目物流成本優(yōu)化研究

1.1 ABC算法在工程項(xiàng)目物流成本模型構(gòu)建中的應(yīng)用

在電網(wǎng)企業(yè)項(xiàng)目管理中，以往的物流管理模型不再適應(yīng)當(dāng)前的發(fā)展需求，需進(jìn)行管理方式的轉(zhuǎn)變。通過(guò)優(yōu)化工程項(xiàng)目物流成本，降低經(jīng)營(yíng)生產(chǎn)成本，以此來(lái)獲得更強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力。在一個(gè)電網(wǎng)工程項(xiàng)目全壽命周期中，包含了許多的物流工序，這些工序包含的工期和成本不同，通過(guò)相關(guān)邏輯關(guān)系形成了工程項(xiàng)目的物流成本。想要降低物流成本，就需對(duì)每道工序的工程、成本進(jìn)行優(yōu)化，從而解決工期-成本問(wèn)題(time-cost-trade-off-problem，TCTP)。對(duì)TCTP進(jìn)行分析，首先，確定每個(gè)物流工序?qū)嵤┓桨?。并?duì)項(xiàng)目工期-成本的關(guān)系進(jìn)行確定，畫(huà)出均衡曲線。其中物流工期目標(biāo)的數(shù)學(xué)表達(dá)式見(jiàn)式(1)。

(1)

圖1 項(xiàng)目物流成本

圖1中，物流成本有訂貨成本等9種成本組成，從而得到項(xiàng)目物流成本C計(jì)算公式見(jiàn)式(2)。

(2)

式(2)中，i′為選擇的方案，方案總數(shù)是m。處理工期與成本采用無(wú)量綱化處理方式，得到物流成本優(yōu)化模型目標(biāo)函數(shù)，相關(guān)公式見(jiàn)式(3)。

Z=C+T

(3)

式(3)中，Z表示目標(biāo)函數(shù)。在模型中，想要解決TCTP，便需從零列到n列的線路中，獲取一條線路，使成本目標(biāo)和工期最小。在物流成本中，合適的核算辦法可以明了物流各流程的成本花費(fèi)情況，知曉物流過(guò)程的瓶頸。對(duì)此，文章采用ABC法。有別于以往的成本分析法，ABC法的潛在假設(shè)是因生產(chǎn)產(chǎn)品或提供服務(wù)出現(xiàn)了作業(yè)活動(dòng)，在該活動(dòng)中會(huì)產(chǎn)生費(fèi)用成本。該方法能夠?qū)φ麄€(gè)項(xiàng)目物流成本構(gòu)成進(jìn)行分析，給出的相關(guān)費(fèi)用信息更精準(zhǔn)。在該項(xiàng)目物流中，起始于物料供應(yīng)商，通過(guò)不同物料環(huán)節(jié)的運(yùn)輸?shù)炔僮鳎罱K達(dá)到施工現(xiàn)場(chǎng)，并進(jìn)行相關(guān)組裝工作。期間，涉及的作業(yè)活動(dòng)均屬于物流鏈，這些活動(dòng)消耗的資源費(fèi)用匯總起來(lái)，并形成了物流成本。在ABC法中，包含了圖1中的9種成本的費(fèi)用情況，具體如圖2所示。

圖2 相關(guān)物流成本情況

從圖2中，可以知道不同物流模式的物流成本，根據(jù)對(duì)應(yīng)的計(jì)算公式得到相應(yīng)的物流成本，為物流成本優(yōu)化做準(zhǔn)備。在物流工序中，不僅要計(jì)算物流成本，還需對(duì)工期進(jìn)行計(jì)算。在電網(wǎng)工程項(xiàng)目實(shí)施過(guò)程中，由于施工工藝難度大等不定因素的影響，易增大建設(shè)工期風(fēng)險(xiǎn)。想要更高效地完成項(xiàng)目中的物流過(guò)程，需對(duì)期間的工期計(jì)算模型進(jìn)行構(gòu)建?？紤]到多因素制約的情況，文章將不可變因素設(shè)置成限制條件，而優(yōu)化目標(biāo)是可變因素，從而進(jìn)行相關(guān)合理工期的確定，最終得到正常狀態(tài)下物流總工期，見(jiàn)式(4)。

T=min(tj-ti)，tj-ti≥ttjr，tj≥ti，ti≥0，i∈[1，n-1]

(4)

式(4)中，設(shè)置工序ij的開(kāi)始時(shí)間、結(jié)束時(shí)間、正常完工時(shí)間分別為ti、tj、ttjr，也就是說(shuō)tijr是工序ij的工序期望值。

1.2 改進(jìn)ACO算法在工程項(xiàng)目物流成本優(yōu)化中的應(yīng)用

在構(gòu)建了項(xiàng)目物流成本模型后，對(duì)模型進(jìn)行優(yōu)化。該問(wèn)題屬于組合優(yōu)化問(wèn)題，而ACO算法在該類(lèi)型問(wèn)題求解上具有較好的性能，因此，文章選取ACO算法，解決物流成本優(yōu)化問(wèn)題[6-7]。在問(wèn)題解決的過(guò)程中，將其轉(zhuǎn)化成旅行商問(wèn)題。由于算法的信息素發(fā)揮因子會(huì)較大程度地影響算法的運(yùn)行情況，使全局搜索能力及收斂速度發(fā)生較大變化，因此，可以利用修正自適應(yīng)權(quán)重法進(jìn)行算法優(yōu)化。其中工期和成本目標(biāo)的權(quán)重見(jiàn)式(5)。

(5)

(6)

式(6)中，f(X)表示綜合目標(biāo)值，將一次循環(huán)產(chǎn)生的解的序號(hào)設(shè)置成X，第X個(gè)解的成本目標(biāo)值設(shè)置成Zc，該解的工期目標(biāo)值設(shè)置成Zt，r表示隨機(jī)數(shù)，均布的范圍為[0，1]，為防止f(X)出現(xiàn)零或無(wú)效值的情況，一次循環(huán)后，對(duì)路徑τ更新值進(jìn)行計(jì)算。對(duì)各邊的信息素?fù)]發(fā)度進(jìn)行更新，對(duì)螞蟻選擇各邊的概率進(jìn)行計(jì)算，見(jiàn)式(7)。

(7)

式(7)中，i、j1、j2分別表示當(dāng)前工序、下次工序、下下次工序的實(shí)施方案序號(hào)，α、β表示參數(shù)，α、β可以分別對(duì)信息素、路徑的相對(duì)重要程度進(jìn)行控制，將邊(i，j1，j2)可見(jiàn)度設(shè)置成ηi，j1，j2，代表搜索過(guò)程中的局部信息。通過(guò)ACO算法給蟻群的螞蟻選擇路徑，具體見(jiàn)式(8)。

(8)

式(8)中，J表示確定的概率進(jìn)行選擇，q表示隨機(jī)數(shù)，其均布的范圍為[0，1]，q0是[0，1]中的參數(shù)。把搜索的新解放至解庫(kù)，對(duì)E進(jìn)行更新，重復(fù)分配vc、vt與更新E之間的步驟，直到滿足終止條件位置。由此可得物流成本優(yōu)化的流程見(jiàn)圖3。

圖3 物流成本優(yōu)化流程

2 基于改進(jìn)ACO算法的電網(wǎng)工程項(xiàng)目物流成本優(yōu)化應(yīng)用分析

對(duì)文章使用方法進(jìn)行驗(yàn)證，數(shù)據(jù)來(lái)源于某高壓輸變電工程造價(jià)項(xiàng)目現(xiàn)有數(shù)據(jù)和某物資公司提供的相關(guān)數(shù)據(jù)，經(jīng)過(guò)模擬后得到文章所需的項(xiàng)目物流成本數(shù)據(jù)，這些數(shù)據(jù)可反映項(xiàng)目物流成本特點(diǎn)。在項(xiàng)目物流成本中，擁有的工序?yàn)?個(gè)，這些工序包括訂貨、采購(gòu)、倉(cāng)儲(chǔ)等內(nèi)容，每個(gè)工序有5個(gè)備選方案。首先，通過(guò)收集的項(xiàng)目實(shí)際數(shù)據(jù)，獲取每個(gè)工序物流成本與工期的關(guān)系，對(duì)物流成本進(jìn)行模擬，將得到的相關(guān)數(shù)據(jù)設(shè)置為樣本。通過(guò)改進(jìn)ACO算法，對(duì)項(xiàng)目物流成本目標(biāo)函數(shù)的最優(yōu)解進(jìn)行搜索。由于參數(shù)會(huì)對(duì)改進(jìn)ACO算法最優(yōu)解搜索速度造成影響，因此，選取合適的參數(shù)較為重要。設(shè)置螞蟻參數(shù)為m，設(shè)置信息素?fù)]發(fā)度為ρ，將信息、期望兩種啟發(fā)式因子分別設(shè)置為α、β，信息素總量為Q=1，設(shè)置最大迭代為80。首先，設(shè)置m=30，ρ=0.7，研究不同α、β組合下算法的性能情況，如圖4所示。

圖4 不同、組合下算法的性能

圖4中，不同α、β組合下改進(jìn)ACO算法的目標(biāo)函數(shù)值不同，算法目標(biāo)函數(shù)值最小的組合為組合7，該組合的算法目標(biāo)函數(shù)值為0.4434*105，根據(jù)物流成本最小化的要求，組合7對(duì)應(yīng)的α、β值符合要求，即算法參數(shù)α、β取值應(yīng)分別以該參數(shù)為基礎(chǔ)，研究不同螞蟻數(shù)下改進(jìn)ACO算法的目標(biāo)函數(shù)變化情況，如圖5所示。

圖5 不同螞蟻數(shù)下改進(jìn)ACO算法的目標(biāo)函數(shù)值

圖5中，隨著螞蟻數(shù)的增加，改進(jìn)ACO算法的目標(biāo)函數(shù)值先逐漸降低后逐漸提高。改進(jìn)ACO算法目標(biāo)函數(shù)最小時(shí)對(duì)應(yīng)的螞蟻數(shù)為37，此時(shí)的目標(biāo)函數(shù)值為0.4008*105。根據(jù)目標(biāo)函數(shù)值大小可知，螞蟻數(shù)取值為37時(shí)，最符合要求，因此將其作為改進(jìn)ACO算法最終確定的螞蟻數(shù)。在此基礎(chǔ)上，研究不同信息素?fù)]發(fā)度ρ下改進(jìn)ACO算法的目標(biāo)函數(shù)變化情況，如圖6所示。

圖6 不同信息素?fù)]發(fā)度下改進(jìn)ACO算法的目標(biāo)函數(shù)值

圖6中，隨著信息素?fù)]發(fā)度的增大，改進(jìn)ACO算法目標(biāo)函數(shù)值先逐漸減小后迅速增大。從目標(biāo)函數(shù)值大小可知，信息素?fù)]發(fā)度取值為0.7時(shí)，最符合要求，此時(shí)可獲得最小的物流成本。因此，將其作為最終的信息素?fù)]發(fā)度值，從而確定了ACO算法最終的α、β、m、ρ值。參數(shù)確定后，研究該算法在不同函數(shù)下的適應(yīng)度值與運(yùn)行時(shí)間如圖7所示。

圖7 不同函數(shù)下算法的性能

圖7a中，函數(shù)不同，兩種算法的適應(yīng)度不同；同一函數(shù)下，迭代數(shù)不同，算法適應(yīng)度不同。在函數(shù)中，改進(jìn)ACO算法適應(yīng)度曲線總位于ACO算法下方，且前者比后者先出現(xiàn)收斂情況。圖7b中，不同函數(shù)下算法的運(yùn)行時(shí)間不同。在函數(shù)F1中，改進(jìn)ACO算法的運(yùn)行時(shí)間為1.657 s，比ACO算法少1.089 s；在函數(shù)F2中，改進(jìn)ACO算法1.809 s。由此可見(jiàn)，改進(jìn)ACO算法性能更佳。設(shè)置最大迭代為80，ACO算法為對(duì)比算法，研究文章使用的改進(jìn)ACO算法和ACO算法在電網(wǎng)工程項(xiàng)目物流成本優(yōu)化中的應(yīng)用結(jié)果，相關(guān)內(nèi)容如圖8所示。

圖8 兩種算法的應(yīng)用結(jié)果

圖8中，隨著迭代次數(shù)的增加，改進(jìn)ACO算法和ACO算法的工期-成本綜合目標(biāo)值呈下降趨勢(shì)，并最終穩(wěn)定下來(lái)。從算法對(duì)應(yīng)的折線圖可以看出，改進(jìn)ACO算法對(duì)應(yīng)的折線圖位于ACO算法的下方，即相同迭代下改進(jìn)ACO算法的工期-成本綜合目標(biāo)值總是小于ACO算法。當(dāng)?shù)螖?shù)為20時(shí)，改進(jìn)ACO算法的工期-成本綜合目標(biāo)值為0.50817*105，比ACO算法小0.2491*105；當(dāng)?shù)螖?shù)為40時(shí)，改進(jìn)ACO算法和ACO算法的工期-成本綜合目標(biāo)值分別為0.3988*105和0.6952*105。當(dāng)?shù)螖?shù)為45時(shí)，改進(jìn)ACO算法的工期-成本綜合目標(biāo)值為0.3790*105，且為其收斂迭代次數(shù)；而ACO算法的收斂迭代數(shù)為72，該算法的工期-成本綜合目標(biāo)值為0.5319*105，ACO算法的收斂迭代數(shù)比其少27，明顯比改進(jìn)ACO算法大。由此可見(jiàn)，改進(jìn)ACO算法優(yōu)于ACO算法。

3 結(jié) 論

為降低電網(wǎng)企業(yè)工程項(xiàng)目物流成本，實(shí)現(xiàn)企業(yè)項(xiàng)目?jī)?yōu)化管理，文章在TCTP的基礎(chǔ)上，構(gòu)建工程項(xiàng)目物流成本模型，利用ABC法核算該模型，并通過(guò)進(jìn)行物流工序工期的計(jì)算。在工程項(xiàng)目物流成本模型優(yōu)化中，將TCTP轉(zhuǎn)換為旅行商問(wèn)題，將自適應(yīng)權(quán)重和ANN算法融入到ACO算法中，對(duì)ACO算法進(jìn)行改進(jìn)，以此來(lái)提高算法全局收斂能力，并將該算法應(yīng)用在工程項(xiàng)目物流成本優(yōu)化中。結(jié)果顯示，α、β、m、ρ值會(huì)較大影響改進(jìn)ACO算法的性能。固定其他參數(shù)，在組合7中，算法目標(biāo)函數(shù)值最小為0.4434*105，即算法參數(shù)α、β最佳取值均為0.2。固定其他參數(shù)，螞蟻數(shù)為37，最小目標(biāo)函數(shù)值為0.4008*105，即螞蟻數(shù)m最佳取值為37。固定其他參數(shù)，當(dāng)信息素?fù)]發(fā)度為0.7，對(duì)應(yīng)的目標(biāo)函數(shù)值最小為0.3790*105，即ρ=0.7為最佳信息素?fù)]發(fā)度。在不同函數(shù)下算法性能檢測(cè)中，改進(jìn)ACO算法的收斂性更好、運(yùn)行時(shí)間更短，在函數(shù)F1中，改進(jìn)ACO算法的運(yùn)行時(shí)間為1.657 s。在參數(shù)確定后的改進(jìn)ACO算法應(yīng)用分析中，改進(jìn)ACO算法優(yōu)于ACO算法，其收斂迭代數(shù)更少，為45，工期-成本綜合目標(biāo)值更小，為0.3790*105。由此可見(jiàn)，文章采用方法應(yīng)用效果較好。在今后，還可以進(jìn)行更多約束條件的設(shè)置，進(jìn)一步縮小項(xiàng)目物流成本與實(shí)際情況的差距。