物流优化路径

物流优化路径（共10篇）

物流优化路径 篇1

一、引言

随着人们生活模式的转变, 生活节奏逐步加快, 冷链产品的销售比重迅速增加, 这为冷链物流的发展提供了有力的契机。然而, 随着冷链物流的蓬勃发展, 在运输途中产生的燃油消耗及尾气排放所形成的环境污染问题也突显出来, 绿色物流成为现代物流可持续发展的必然产物, 是物流企业增强国际竞争力的重要保障。研究者纷纷将碳排放问题引入到物流运输路径优化问题中, 如王钰青等人将配送车辆的行驶路程、载重量及CO2排放量综合体现在目标函数中, 通过算例证实与传统模型比较广义TSP模型更具可行性和优越性。吕品在配送中心选址和配送路径优化两个阶段的模型中分别考虑碳排放问题, 经模型的配合使用, 解决了物流网络优化中的多种决策问题。Elhedhli等人在物流配送选址问题中引入碳排放成本, 通过凹函数表达运输车辆的碳排放与载重量之间的关系, 验证结果表明引入碳排放因素使供应链获得更优配置。杨珺等人建立了基于碳排放的多容量等级配送中心选址模型, 研究表明低碳排放条件下的企业选址呈更大的集中式结构, 并分析总结了不同碳排放政策对企业物流配送模式, 运营成本及CO2排放量的影响, 促使企业将环境生态意识融入到企业运营管理之中。从目前的研究来看, 在冷链物流运输路径优化问题中考虑碳排放的文献较少, 本文在冷链产品的物流运输配送问题中, 考虑运输成本、时间惩罚成本的基础上综合考虑了碳排放成本, 并通过QPSO算法改进验证模型对于解决冷链物流配送路径问题的可行性和有效性, 以满足节能减排, 打造绿色物流, 发展绿色经济的社会需要。

二、问题描述

冷链物流是指生鲜食品在现代化制冷技术的保障下, 为确保食品品质、减少价值损耗所进行的加工、储藏、运输、销售等集成化、一体化的物流服务。优化冷链产品的配送运输路径, 降低运输成本成为物流企业提高经济效益、增强企业竞争力的关键。

车辆运输路径问题描述为在一定的约束条件和范围内, 将冷链产品通过储运的方式实现在多个配送中心与供给客户之间的空间位移, 并使包含运输成本, 碳排放成本及时间窗惩罚成本三个要素在内的目标函数最优化。

假设客户与配送中心的位置信息已知, 供给客户的货物需求量已知;每位供给客户均能得到配送服务, 但仅能由一台储运车辆完成;储运车辆完成配送服务后返回原配送中心;每台储运车辆的载重量一定, 配送线路上的总需求量小于单车的容量。

三、数学建模

(一) 碳排放成本

碳排放主要来源于储运途中的燃料消耗, 与配送距离及载重量密切相关, 计算公式如下:

1. 单位距离的燃料消耗量U与承载量v之间的函数关系为

2. 单位距离空载的燃料消耗量表达为

3. 单位距离满载的燃料消耗量表达为

上述三式联立可得

其中U为单位距离的燃料消耗量;V满载重量;V0为空载重量;v为实际装载量。

在配送运输过程中, 配送节点i, j之间碳排放成本为

其中l0表示CO2的排放系数;C0表示单位碳排放成本;vij表示配送节点i, j之间的载重量;U (vij) 表示单位距离燃料消耗量;dij表示配送节点i, j之间的距离。

(二) 时间窗惩罚成本

基于冷链产品易腐蚀且生命周期较短的特点, 配送服务无论提前或延迟, 都会对冷链产品产生一定的影响, 其中因配送服务提前产生的机会成本损失为f1 (I1-T1) , 因配送服务延迟产生的惩罚成本为f2 (Ti-Ji) 。

在冷链产品配送过程中产生的时间窗惩罚成本表示为

(三) 数学模型

假设某冷链物流企业有m个配送中心, 共计h辆载重量为p的储运车辆, 向n个需求量为q的门店提供冷链产品的配送服务, 客户编码为1, 2, 3…..n, 配送中心编码为n+1, n+2……n+m。

综合考虑运输成本、时间窗惩罚成本及碳排放成本的绿色冷链物流路径规划模型如下:

1. 目标函数

其中K1为车辆的单位运输成本, K2为冷链产品的价格, Y为客户的总需求量, 为平均货损率。

2. 约束条件

(1) 储运车辆配送服务限定在时间窗范围内

(2) 一个门店仅由一辆储运车辆提供配送服务

其中当客户j由第k辆车配送时, zjk=1, 否则zjk=0

(3) 一条配送路线上客户的总需求量不超过储运车辆的最大载重量

qj为客户j的需求量, pk表示第k辆车的最大承载量。

四、基于QPSO算法的冷链物流运输路径优化

量子粒子群算法 (QPSO) 从量子力学理论出发, 建立δ势阱模型, 使得受到束缚的粒子能够以一定的概率密度分布出现在搜索空间中的任何一点从而达到全局搜索。但QPSO算法在进化过程中群体的多样性逐渐降低, 差异性减少, 致使算法容易陷入早熟。

(一) QPSO算法

在有n个粒子的M维目标搜索空间中, 粒子经第t次迭代后的位置向量表示为Xit, Xit= (Xti1, Xti2…, Xtim) , 粒子个体最好位置为Pit, Pit= (Pti1, Pti2, …Ptim) , 以最小优化问题min F (X) 为例, Pit表示为

群体最好位置表示为

在粒子i的收敛过程中, 点Ptij为吸引子

粒子的进化方程为:

其中utij~U (0, 1) ,

一般的, 参数γ从1.0线性递减到0.5的效果较好。

(二) 多样性变异策略

针对QPSO算法在进化过程中群体的多样性逐渐降低的特点, 将多样性变异操作与QPSO算法结合起来, 提高QPSO算法的全局搜索能力。

多样性测量公式表示为:

其中δ是搜索空间的最大直径的长度。

当dt<dlow时, 执行以下操作,

其中ζ~N (0, 1) , 当ρ≥10dlow时, dt满足dt>dlow。

在多样性变异操作的参与下, 随着粒子的全局最优位置的迁移, |pjt-ptij|变大的同时cjt获得更新, 使群体的多样性得到提高, 避免陷入早熟。

(三) QPSO算法设计

QPSO算法实现流程如下:

步骤1:初始参数设定:种群规模为N, 迭代次数T, 对粒子进行编码;

步骤2:置粒子初始位为X0i, 个体最好位置P0i=X0i;

步骤3:利用公式 (7) 计算粒子平均最好位置;

步骤4:利用公式 (3) 计算Xit的适应值, 利用公式 (4) 计算更新粒子的当前最好位置;

步骤5:当粒子的适应值优于Pgt时, 则更新Pgt;

步骤6:利用公式 (8) 检测群体的多样性, 若dt<dlow, 则利用公式 (9) 进行变异, 更新pgt并计算其适应值;

步骤7:利用公式 (6) 置换粒子位置Xit+1;

步骤8:转步骤3继续迭代, 至迭代次数T结束。

五、仿真实验结果与分析

假设某冷链物流企业由2个配送中心向该地区的16个门店提供冷链产品的储运服务, 配送中心及门店的编码与位置信息如表1、表2及表3所示:

使用Matlab7.0软件分别对QPSO算法及改进QPSO算法进行计算机仿真实验, 结果表明两种算法均具有可行性, 所得储运车辆的运输配送路线图如下:

所得有效路径为

配送中心1的车辆1:17→14→11→5→9→17

配送中心1的车辆2:17→16→3→7→17

配送中心2的车辆3:18→8→13→4→18

配送中心3的车辆5:18→12→15→6→18

配送中心3的车辆6:18→2→10→1→18

仿真实验结果如下:

六、结论

在经济全球化发展的今天, 消费者不仅关心冷链产品的质量与安全, 更关心生态环境的保护与改善, 这为冷链物流的发展提出了更高的要求。研究冷链产品的储运优化路径, 是提高物流企业竞争力及消费者满意度的关键。本文从现代绿色物流管理理念出发, 将冷链产品的运输成本、CO2排放成本及时间窗惩罚成本综合体现在目标函数中, 使得算法的研究与实现更符合打造绿色物流, 发展绿色经济的要求。

参考文献

[1]王钰青, 许茂增.基于最小碳排放的广义TSP模型研究[J].数学的实践与认识, 2012, (08) .

[2]吕品.考虑碳排放的物流网络优化问题[J].计算机应用研究, 2013, (10) .

[3]Elhedhli S, Merrick R.Green supply chain network design to reduce carbon emissions[J].Transportation Research Part D, 2012, (17) :370-379.

[4]杨珺, 卢巍.低碳政策下多容量等级选址与配送问题研究[J].中国管理科学, 2014, (05) .

[5]王淑云, 孙虹.冷链物流配送建模发展研究[J].山东社会科学, 2014, (04) , 135-139.

[6]J.Riget, J.S.Vesterstrom.A diversity-guided particle swarm optimiz er-the ARPSO[R].Technical Report 2002-02, Department of Computer Science, University of Aarhus, 2002.

[7]张琳, 庞燕, 夏江.制品企业冷链物流共同配送研究[J].企业经济2011, (12) .

物流优化路径 篇2

【关键词】绿色物流 发展困难 对策建议

引言

绿色物流作为一种低熵型物流，注重环境保护与可持续发展，把原材料副产品、包装物的再循环、资源再利用和再生用于物流过程中，实现了物流过程中的环境保护与经济发展共存。绿色物流的终极目标是可持续发展，促进经济利益、社会利益和环境利益的共同实现。由于我国开展绿色物流的时间尚短，加之绿色物流成本较高，使得物流收益比较低。为此，本文试图找出我国绿色物流发展中成本高昂的原因并提出化解对策。

我国绿色物流发展中成本高昂的核心问题

本文沿着“绿色物流发展中成本高昂问题的分析前提——根源和症结——化解逻辑与对策”这样一个思路，从绿色物流发展中外部环境和内在因素两个方面探索化解绿色物流发展中成本高昂难题的途径。[1] （见图1）

在解决绿色物流发展中成本高昂的难题过程中，最大的问题是绿色物流的社会认知困难以及交易成本居高不下的难题难以化解。这个问题直接导致了绿色物流发展成本难以降低，使得绿色物流在制度文化、政策等软环境以及行业规则和行业标准方面都难以获得较大的突破，受到较多的约束。

根源与症结

虽然绿色物流的理念得到越来越广泛的社会关注，但是我国绿色物流发展时间较短，起步较晚，起点不高，距离国际先进水平还很远。具体差距集中在成本控制、制度文化、人才培养以及基础设施建设与规划等方面。

图1绿色物流发展中成本高昂的核心问题及其化解逻辑

1.制度文化原因

（1）观念原因。现在社会各界已经一致认为现代物流在经济发展中起到越来越重要的作用。由于绿色物流的理念尚不完善和系统，尤其在国内绿色经营和绿色消费的理念尚未得到清晰的认知。这种观念不到位使得绿色物流发展实施的战略导向不明确，发展缓慢。

（2）政策原因。绿色物流作为物流企业、政府、制造企业以及消费者等利益主体共同形成的链状体系。在其实施过程中，发达国家有较多的政策指导和战略规划，如在清洁原料使用、污染源处理等方面；与此相对的是，我国尚未有绿色物流发展的法规支持，这就使得企业实施和发展绿色物流的动力较小，使得隐形成本和显性成本难以控制。

2.基础设施建设原因

（1）技术原因。绿色技术是绿色物流得以快速发展和支撑的重要手段。绿色物流循环化技术可以起到降解利用和重复利用物流材料的作用，这是目前我国最缺和最不成熟的。目前，我国物流技术绿色化程度比较低，循环利用的程度比较低，物质材料的可重用性和可降解性的技术水平比较低，绿色物流技术水平和技术推广的程度比较低，带来了较高的绿色物流成本。[2]

（2）物流基础设施的绿色化水平低。伴随着我国经济的快速发展，物流基础设施建设速度得到了较大的改善，但是和发达国家依然存在较大的差距，我国绿色物流的发展空间还比较大。绿色物流的硬件设施，其中绿色物流基础设施建设要进一步加大力度和投资强度，尤其在高效的物流信息网络建设方面，优化调度和有效配置物流资源，提升绿色物流系统效率和综合水平，起到降低绿色物流成本的作用。

（3）物流标准化低。绿色物流要想得到快速发展，标准化不可或缺。因为绿色物流标准化是物流资源整合的重要基础性工作。绿色物流标准化，具体包括设备设施、网络以及管理模式标准化。由于我国物流标准修订不及时，不能和国际接轨以及物流标准化多头管理的问题突出，使得我国物流标准化建设滞后。绿色物流标准化建设不充分制约了物流的协调运作，缺乏协调，配套性差，使得绿色物流链不能形成完整的供应链，物流资源浪费等问题严重，同时也带来了较高的绿色物流成本，制约了绿色物流的发展。[3]

3.绿色物流专业人才缺乏

快速发展的我国物流产业，使得管理、规划设计、基础操作等方面的物流专业人才需求急剧增加，尤其是高层次管理人才。懂信息、会管理、知法律、通晓金融以及外语的复合型人才的缺乏，制约了绿色物流的发展，难以实现绿色物流成本的控制。[4]

综上所述，以上各个方面的因素制约了我国绿色物流成本的控制。从这个角度出发，完善我国物流绿色化的政策和理论体系，加大绿色物流基础设施建设和标准化建设，能够实现物流系统经济效益和环境效益的整体最优化，进而促进我国绿色物流管理水平。

化解逻辑与对策

1.加强绿色物流的政策制定和引导

加大基础投入和绿色物流法规建设；通过建立和完善环境立法、排污收费制度、许可证制度以及绿色物流标准等措施，降低绿色物流成本，实现绿色物流大发展；与此同时，还要在政策设计上设计一定的激励措施。[5]例如税收政策、“绿色补贴”政策等，以此降低绿色物流成本和提高物流效率，完善物流企业的发展环境。[6]

2.推行标准管理体系和创新物流技术管理

政府通过制定绿色物流标准，尤其是最低排放标准、车辆技术标准、装卸工具标准等可以完善绿色物流流程和促进绿色物流的发展；此外还应加快物流领域ISO的标准认证，尤其是具有“绿色通行证”之称的ISO14000 系列国际环境标准，以期达到节省资源，降低物流成本和避免环境污染的目的。[7]

创新物流技术管理，同样可以起到降低绿色物流成本和改善环境的作用。这就需要建设集成化的供应链库存管理系统，优化仓储与配送中心设置，建立一种符合绿色物流的能优化成本满足客户需求的模式，实现减少对环境的污染和提高物流效率的作用。这种模式可以实现一体化配送，即运用物流信息技术实现订单进货、配送运输、仓储保管等一系列的物流过程，最大限度地减少对环境的污染。[8]

3.加强绿色物流人才培养

我国绿色物流的发展离不开高素质的人才的支撑，高素质的人才对于绿色物流发展至关重要。绿色物流产业作为一个综合性和操作性都较强的行业，需要能够全面掌握物流操作流程和管理知识的复合型物流技术和管理人才。为了实现这个目标，物流企业可以与科研院所紧密合作，加快培养物流专业技术人才和管理人才，围绕物流企业发展需要，尽快形成一支熟悉物流运作规律的一流的专业人才队伍；与此同时，还要加大力度培训企业的一线员工，尤其是物流知识和业务培训，提升企业物流人才的人力资本积累和整体素质，进而实现我国绿色物流企业整体素质的提高。[9]

参考文献：

[1]刘春宇.从环境角度谈绿色物流体系的构建[J].经济体制改革，2005（2）：153-154.

[2]张沈青.我国绿色物流发展中存在的问题及对策探究[J].当代经济研究，2006（10）：69-71.

[3]孙秀梅，辛广茜.绿色物流的发展瓶颈与对策研究[J].中国流通经济，2007（10）：22-25.

[4]杨国川.我国绿色物流发展中的制约因素及对策[J].商业经济与管理，2010（2）：17-23.

[5]李晓霞.发达国家发展绿色物流的制度分析及借鉴[J].生态经济，2009（7）：128-130.

[6]陈卫国.绿色物流的发展势在必行[J].统计与决策，2004（7）：111-112.

[7]丁小龙.低碳经济下我国绿色物流发展瓶颈制约与对策研究[J].现代商业，2011（26）：6-8.

[8]邬星根.发展绿色物流的战略思考[J].生产力研究，2007（22）：62-63.

[9]田姝.关于我国发展绿色物流有关问题的探讨[J].中国商贸，2010（6）：101-102.

应急物流配送路径优化研究 篇3

关键词：应急物流,时间窗,配送路径优化

1 引言

近年来我国发生了各类灾害疫情:2008年的冰灾、汶川大地震,2009年的旱灾、2010年青海玉树地震等,突发性灾害和公共事件的发生造成了巨大的人员伤亡和财产损失,其中应急物流带来的损失占其中20%左右。在突发事件发生后,救灾物资的配送是应急物流过程中一项极其重要的环节。本文针对突发性公共卫生事件的救灾物资配送问题,研究基于单时间窗的应急物资配送路径优化问题,建立了应急物资配送车辆路径优化模型,并利用LINGO对实例进行求解。

2 应急物流配送概述

应急物流是指为应对严重突发性自然灾害、突发性公共卫生事件、公共安全事件及军事冲突等突发事件而对物资、人员、资金的需求,借助现代信息技术,整合应急物资的运输、包装、装卸、搬运、仓储、流通加工,配送及相关信息处理等各种功能,以追求时间效益最大化和灾害损失最小化为目标的一种特殊物流活动[1]。

在突发性灾害事件发生之后,实现应急物流的过程中,其核心环节就是应急物资的配送。为了有效控制应急事件,使人力财力损失最小,我们首先应该解决的问题是配送路径的选择,实现在最短的时间内合理高效运用运输工具将受灾点所需的物资送达到受灾点。

3 应急物流配送路径优化问题的研究成果

赵彤等在《带时间窗的应急救助物资配送车辆路径优化路径模型》[2]一文中针对带时间窗的应急救助物资配送车辆路径优化问题进行研究,建立了以运输距离为目标函数的优化模型并运用了蚁群算法进行求解,取得了较好的效果。

仇戈在其论文《应急管理下的路线问题研究》[3]中结合实际情况建立了以时间为目标函数的应急物资车辆调度的模型,并且采用遗传算法,使用MATLAB予以实现,具有一定的借鉴意义。

白永秀、周溪召在《应急物资配送路径选择问题的研究》[4]中建立了以总时间、总成本、对物流服务的满意度的多目标规划函数的数学模型,并采用层次分析法来确定各目标的权重将多目标函数转化为单目标函数,具有一定的现实意义。

何小年、谢小良在《带装载量约束的物流配送车辆路径优化研究》[5]中建立了车辆数、行驶距离的多目标函数的车辆路径模型,设计了一种禁忌搜索算法,经过了多个算例测试比较显示出了明显的优势,对应急物流配送具有一定的指导意义。

本文根据应急物流的特点,建立了带时间窗、目标函数为配送时间的应急物流配送路径优化模型,依托于实例,用lingo进行求解,相比之下,具有快速简便的优势。

4 问题描述与模型建立

4.1 模型描述

某地区突发公共卫生事件,需要对各个受灾点运送药品,物资配送中心为该地某医药公司,位置已知,该配送中心拥有一定数量的车辆数,每辆车的载重量一定,有多个受灾点,每个受灾点需要多种药品,每个受灾点的位置以及药品需求量已知。在配送时间最短的条件下,如何合理配载车辆和安排配送路线,使每个受灾点能在规定的时间内得到物资,是本文要解决的问题。

基本假设:

(1)每辆车从配送中心出发,经过一系列的医院后返回配送中心,每辆车仅服务于一条路径。

(2)配送物资为多品种物资,配送车辆为单车型,载重量已知。

(3)每辆车可以为多个医院服务,但每个受灾点仅由一辆车服务。

(4)每辆车所服务的受灾点的需求总量不能超过每辆车的容量限制。

(5)每辆车服务其路径上的每个受灾点时,应在医院规定的时间前到达受灾点所在地。

图1应急物资配送车辆路径示意图

(其中□代表配送中心,△代表受灾点,→表示车辆行驶路径)

4.2 符号定义

K:配送中心的车队规模即总的车辆数目;

N:受灾点总数;

i,j:受灾点,i,j=(0,1,…,N),i,j=0代表配送中心;

dij:受灾点与受灾点及配送中心与受灾点之间的距离;

tij:从受灾点i到受灾点j的车辆行驶时间;

P:物资种类;

mpi:受灾点对物资a的需求量;

Q:车辆K的容量限制,假设所有车辆同质,容量均为Q;

ti:车辆到达受灾点i的时间;

li:受灾点要求物资到达的最晚时间;

RK:车辆K的访问路径(k=0,1,2…K);

S:路径条数;

V:车辆行驶速度;

模型建立如下:

式(1)表示求解目标即给定约束条件下最小配送时间(在这里忽略在受灾点的卸货时间)。式(2)、(3)表示对于救灾配送中心共有S条路径出发,同时又有S条路径返回到配送中心,且路径条数不能超过配送中心的车辆数。式(4)表示受灾点只能由一辆车服务。式(5)、(6)表示任意受灾点由第k辆车配送物资,该车从其他点驶入该点,并从该点驶出,驶入其他点。式(7)表示每辆车所承担的任务总和不超过该车辆的容量限制。式(8)表示到达受灾点j的时间等于车辆到达受灾点i的时间加上两受灾点间的行驶时间。式(9)表示车辆从受灾点i到j的时间等于两受灾点之间的距离除以车辆行驶速度。式(10)表示车辆需在受灾点规定到达的最晚时间之前到达。

5 实例分析

某地区突发公共卫生事件,需要对各个医院运送药品,物资配送中心为该地某医药公司,位置已知,有8个医院需要紧急救援物资,物资种类有两种,每个医院编号以及需求量已知,各个需求点允许到达最晚时间已知。车辆运输速度为1km/m,车辆数为5,车辆载重量为10t,配送中心以及各医院间的距离已知,配送中心对各医院送货,使每个医院在规定时间之内得到物资,同时使配送时间最短。

根据建立的模型,利用lingo编程求解,求解的状态如下:

可以看出,经过23分23秒的运算得到最优解min=132.

根据模型运行结果得到决策变量的值:

因此,得到四条条路径为:1-5-3-1;1-2-1;1-9-6-1;1-4-7-8-1。

因为在编程时将配送中心定义为编号1,医院定义为编号2-9,所以实际得出四条路径为:第一辆车的配送路径为:配送中心-4-2-配送中心;第二辆车的配送路径为:配送中心-1-配送中心;第四辆车的配送路径为:配送中心-8-5-配送中心;第五辆车的配送路径为:配送中心-3-6-7-配送中心。

车的装载物资数量如下:

6 结束语

对于物流配送路径优化问题,一般都根据问题描述建立数学模型,然后构造启发式算法对其进行求解。但是本文结合实例,对于建立的模型,直接用lingo编程求解。实例证明,用lingo来求解应急物流配送优化模型也是一种很好的方法,可以快速有效的求得应急物流配送路径的最优解。

参考文献

[1]刘玲.物流应急配送体系的科学构建[J].商场现代化,2010,(21),61-61.

[2]赵彤,范厚明,王桂琳,张靖瑶,董国松,李佳书.带时间窗的应急救助物资配送车辆路径优化路径模型[J].物流技术,2010,10,(227),63-68.

[3]仇戈.应急物流管理下的路线路径问题研究[D].成都:西南交通大学,2010.

[4]白永秀,周溪召.应急物资配送路径选择问题的研究[J].物流技术:2009,28,(3),88-91.

物流优化路径 篇4

摘要：自我国加入WTO后，国内国际两大物流市场的竞争愈加激烈。跨国物流企业的逐步融入国家的运输、仓储和货运代理等行业，对物流企业的成长带来了极大的不利。随着国家经济体制的不断变革，体制性的活力不断释放，这又给物流企业的发展带来了较多的机遇。在国际物流企业经营效益提升过程中，要以服务质量提升为根本，树立良好的企业形象，以扩充多种经营为关键，不断增加各项收入。

关键词：国际物流企业；经营效益

随着经济的不断发展，现代物流资源在不断整合，国际物流企业服务性的利润空间已经大大超过其运输成本。自我国加入WTO后，物流市场的竞争愈加激烈，跨国物流企业的逐步融入国家的运输、仓储和货运代理等行业，对国际物流企业的成长带来了极大的不利。随着国家经济体制的不断变革，体制性的活力不断释放，这又给我国物流企业的发展带来了较多的机遇。这里，笔者根据自己的实践经验谈谈国际物流企业经营效益提升的路径选择。

一、以服务质量提升为根本，树立良好的企业形象

国际物流企业一般是国有企业，长时间内，垄断和计划经济体制的因素使得国际物流企业囿于竞争，常常是“守株待兔”地等待客户上门，竞争水平和竞争实力较为低下。社会主义市场经济体制建立以来，不少国际物流企业一定程度上提升了服务质量和服务理念，但也存在较多问题。在物流发展过程中，很多企业和相关管理者不能有效认识到现代物流的发展理念，很多人想当然的把物流视为仓庫，没有意识到服务才是现代物流的核心和基础。因此，这些企业和管理者在实际管理过程中就不会为顾客提供精准而周到的服务，忽略了现代物流业和信息技术产业存在的紧密关联，所以物流企业的发展也就差强人意了。物流企业的思维观念落后还体现在这些企业的工作人员文化素质较低，缺乏有经验、有技术、懂管理的现代物流人才。

现在，国家经济体制变革之后，大部分国际物流企业被推向市场，如果不能行之有效地提升企业竞争力，后果将不堪设想。因此，国际物流企业应当把服务质量的提升作为根本性工作来抓。具体而言，应当从以下几个方面做起：一者，大力提升工作人员的服务意识。工作人员要树立顾客就是上帝的意识，全心全意服务好每一位顾客。面对客户，工作人员要有自信心，有积极向上心态，有百折不挠的决心。工作人员只有熟练掌握业务知识，产品卖点只有具备良好的人际交往技巧，与客户发展更深层的良好的关系，才能在越来越激烈的竞争环境中脱颖而出，获得客户的信赖和支持。二者，物流企业要树立品牌意识。品牌的运营是一个循环往复的过程，需要根据物流企业品牌运作的市场效果评估和分析，在企业品牌战略大方面保持相对稳定的前提下，根据对市场变化的研究，不断微调物流企业品牌策略，不断提升物流企业品牌无形资产，从而推动物流企业内部资源条件的改善和外部市场经营的效果，提升物流企业的市场竞争力。

二、以扩充多种经营为关键，不断增加各项收入

1、推进国际物流企业多元化发展

推进国际物流企业实现多元化发展要着重从三大方面着手，一是经营理念的创新。铁路物流业转型前提和基础在于要树立全新的经营理念。因此，国际物流企业必须树立以“客户需求”为中心的营销理念，要意识到“货主需要什么服务，我们就提供什么服务”，把营造良好的货主体验作为关键来抓。二是不断加大硬件投入。要进一步大力构建多经物流网络。要结合各国家政策规划的具体要求，本着便于货主，提高效率的原则，不断调整和完善战略装车点、经营基地的布局，优化物流网络，建成能充分发挥兼具铁路特色、比较优势的物流经营网络。同时，必须加大物流信息化建设的投入，真正提供一体化物流服务。三是经营形式的拓展，要从以往的单纯运输转变到租赁、加工、仓储等多元化经营方式。

2、大力推动国际物流企业的技术创新

现代很多国际物流企业缺少一批有战略眼光、掌握高端技术的现代物流企业家和现代物流技术人才。因此，下一步国际物流企业发展一定要围绕技术创新工作大力实施。在物流核心技术的开发使用方面，一些企业虽然拥有与国际物流接轨的便利条件，然而由于具备高端技术和现代管理技能人才的缺乏，现代物流产业缺少一批有战略眼光、掌握高端技术的现代物流企业家和现代物流技术人才。这极大地制约了国际物流企业的发展和进步。具体而言，要大力引进以物联网和大数据为核心的物联网核心技术。要从以下几个方面做起：一者，要自主研发一批具有自主知识产权的计算机软件系统，具体包括货物跟踪定位、智能交通、物流管理软件等多方面的软件系统。二者，要大力推动物流产业和互联网融合，着重发展物联网产业。物联网是通过射频识别（RFID）等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位和管理的一种网络。因此，下一步国际物流企业发展要着重加强诸如物体标识及标识追踪、无线定位等关键技术的研发与应用，最终达到物流的智能调度管理、整合物流核心业务流程等目的。

三、建立物流配送中心，使物流向一体化、集团化发展

从我国既有物流企业的实际情况来看，国际物流企业大都呈现出分散、弱小等特点。除此之外，不少国际物流企业大都沿袭既往的陈旧管理模式，与现代化的陈旧企业管理模式相背离，不能有效实现多功能经营。从国际物流业的发展趋势来看，必须以完善公司制为基础，逐步通过兼并和政策扶持形成大规模的集团公司，以此才能不断提升自身实力。另外，国际物流企业还必须以现代化的高新技术武装头脑，大力发展跨地区跨国经营，不断通过核心技术实力的提升来增强自身竞争力，实现我国国际物流企业的长期可持续发展。

在国际物流企业的发展中，不断推动物流配送中心的建设也刻不容缓。物流配送中心作为现代物流产业的重要节点，其发展的好坏直接关系到现代物流业能否长期可持续发展。相关国际经验也说明，唯有不断加强物流配送中心建设，才能不断实现国际物流企业的规模化，才能从根本上解决城市交通拥挤问题。从我国近几年的发展经验来看，国际物流配送中心是推动我国连锁商业上一个新台阶，健康、快速发展的关键环节，而且对我国整个商品流通体制改革，提高流通的组织化程度和国际化水平，建立市场经济条件下的商品流通体系都有十分重要的作用和意义。因此，要借鉴发达国家的一些先进经验，并与我国现有生产力水平相适应，有计划、有步骤地发展有中国特色的物流配送中心及其网络体系。

综上，自我国加入WTO后，国内国际两大物流市场的竞争愈加激烈。跨国物流企业的逐步融入国家的运输、仓储和货运代理等行业，对物流企业的成长带来了极大的不利。随着国家经济体制的不断变革，体制性的活力不断释放，这又给物流企业的发展带来了较多的机遇。在国际物流企业经营效益提升过程中，要以服务质量提升为根本，树立良好的企业形象，以扩充多种经营为关键，不断增加各项收入。（作者单位：辽宁理工学院）

参考文献：

[1]庞天天.浅谈企业物流战略管理[J].内蒙古科技与经济.2011（24）

[2]郭国辉，姚昊炜.中国国际物流企业发展的SWOT分析[J].产业与科技论坛.2012（10）

[3]胡蓉，陈秋琳.海关物流通关流程优化研究[J].船海工程.2012（05）

[4]王登清.第三方物流企业增值服务创新[J].福建教育学院学报.2011（04）

粒子群算法求解物流路径优化问题 篇5

物流问题是当今最流行的运输优化问题, 描述为:有n个客户点, 最多使用m辆汽车, 要求安排车辆行驶路线使车辆行驶总距离最少.并满足条件:

1) 每个客户点的需求只能由一辆车来完成;

2) 每个客户点需求量总和必须小于等于汽车载重量;

3) 所有路径的长度总和必须小于等于单次配送行驶的最大距离。

2 粒子群算法

粒子群优化算法主要模拟鸟集群飞行觅食行为, 每个粒子利用自身历史最优位置和整个粒子群的全局最优解提供的信息, 在解空间内不断飞行, 实现寻找最优解的目的。在基本PSO算法中, 第i个粒子的飞翔速度是一个D维的向量, 第i个粒子迄今为止发现的最好位置 (个体极值) , 整个粒子群迄今为止发现的最好位置 (全局极值) , 整个粒子群是通过个体极和全局极值来更新自己的飞行速度和飞行位置, 在解空间中寻求最优解。c1和c2是学习因子, r1和r2是随机数。PSO算法每粒子采用如下公式来更改自己的速度和位置:

3 算法流程

步骤1:初始化种群规模、粒子的位置向量、速度向量, 计算粒子的适应度;

步骤2:根据初始化粒子的全局最优值和个体最优值;

步骤3:并将粒子的p Best设置为个体当前最优位置, g Best设置为初始群体中整个粒子群体最佳位置;

步骤4:若算法满足收敛条件或达到最大迭代次数, 则执行步骤7, 否则, 执行步骤6;

步骤5:根据公式 (1) 和公式 (2) 求出粒子移动后的新个体最优和全局位置最优值;

步骤6:将迭代次数加1, 并执行步骤3;

步骤7:输出g Best, 算法结束。

4 实验结果分析

某物流公司有一个配送中心, 各配送点位置坐标和需求量如表1所示。

所有试验均在操作系统为windows 7, 双核3.16GHz的Intel处理器和4GB内存, Matlab2010的平台上完成。连续计算50次, 路线仿真图如图1所示, 遗传算法和粒子群算法运行50次实验结果如表2所示。

从表2可以看出:PSO算法无论是从最优解、平均值、50次找到最优解次数还是平均计算时间均优于GA算法。实验数据说明PSO算法收敛速度快, 对物流配送路径优化问题具有一定的可行性和有效性。

5 结论

针对物流问题的特殊性, 提出了一种粒子群算法的物流车辆路径优化解决方案。仿真结果表明此算法, 有效防止算法陷入局部最优解, 加快了路径优化问题求解效率, 并求得了最优解。可以用于解决寻求最优路径这一类实际问题。

参考文献

[1]Kennedy J, Eberhart R.Particle swarm optimization[C]//IEEE Int Conf on Neural Networks.Piscataway:IEEE Press, 1995:1942-1948.

[2]Azzawi A A G, Al-Saedi M A H.Face recognition based on mixed between selected feature by multiwavelet and particle swarm optimization[C]//Developments in E-systems Engineering (DESE) .Piscataway:IEEE Press, 2010:199-204.

应急物流配送路径优化问题研究 篇6

随着市场经济的发展和竞争的加剧,市场呈现多品种、小批量产品多样化、消费多样化的趋势,物流配送就是为适应这种趋势而产生的一个重要环节,它是指对局域范围内的客户进行的多客户、多品种的按时联合送货活动。配送的“送”就是送货运输。从这个角度来看,物流配送中送货路线的选择,是影响物流成本的一项重要因素。从降低物流成本的途径来看,提高物流速度,可以减少资金占用和,缩短在物物流周期,降低储存费用,从而节省物流成本。所以,在应急物流配送过程中,要使得各物资需求点能在最短时间内得到物资补充,物流中心就需要选择最优的保障方式,将物资送达各个需求点。

1 影响物流中心选址的因素及物资需求问题描述

在整个物流系统中,配送中心地点的选择更是物流系统优化的一个具有战略意义的问题。传统意义上的物流配送中心(或分销中心)是商品从供应商(制造商)至零售商之间的中间储存点,具有集中和分散物资,促进商品迅速流转的功能。物流中心的位置的选择,根本目的应以费用低、服务好、社会效益高为目标,以物资运输合理、方便用户、投资少、有利于适应经济发展的需要为基本原则。物流中心的选址需要对多种因素综合考虑包括:自然资源的特点、客户的分布、运输服务条件、建设费用、城市建设的整体规划、外部环境因素等,此外对物流中心未来的发展应仔细研究,使决策具有前瞻性。它包括物流中心在此处有没有发展前途和大的作为,以及一定时期内城市经济发展的变化,以便使物流中心能适应未来发展的需要。

在满足物流中心开设地点要求和综合各物资需求点之间距离的前提下,物流中心与各物资需求点之间就不可避免地存在一定的距离。由于各物资需求点的周围客户量不同,物资的销售情况也必然不同,必然会导致物资需求产生的偶然性,而物资需求点相对分散。物流中心收到来自这些分散的位置的物资配送申请后,对这些物资需求点进行物资配送,模型就是要解决在物流中心现有运输力量前提下,以最优的方式将物资送达每一个需求点,由此产生了物资需求问题。

2 应急物流配送路径优化问题建模

2.1 物流中心与物资需求点的实际关系

由于物资需求点产生的偶然性,使得物流中心和物资需求点关系如图1所示。以五个物资需求点的情况为例,各点编号分别为1、2、3、4、5,物流中心编号为0。现实情况是这样的,各需求点之间以及需求点与物流中心之间,可能是可以不经过第三点直达的(如需求点1、需求点2及物流中心之间都是可直达),也可能是必须经过第三点才可以到达(如需求点5与物流中心之间)。若可以直达,则以连线表示两点之间的支路。无论怎样,需求点与物流中心之间总可以找到一条路,即是可达的。若某个需求点与物流中心之间没有路,则表明该点与物流中心不可达,则该点也就没有存在的必要。

2.2 现实情况的完全加权图表示

将图1所示的现实情况转化为完全加权图形式后得到如图2所示的关系形式。图2中0点为物流中心,其他为物资需求点,实线为实际支路,虚线表示虚拟支路。则物流中心应急物流配送问题可以描述为:找到从0点出发不重复的遍历所有节点的最短闭合回路。由此,可以看出物流中心物资输送问题实质上为一个TSP问题。

2.3 所求最优回路中的组成支路的权值的确定

解决该问题的目标是找到从0点出发不重复的经过所有节点的最短闭合回路。也就是使得这条闭合回路的组成支路的权值之和最小。所以,求得最优路径的问题依赖于各条组成支路的权值的确定。在现实情况下,各路径的权值是综合考虑物流中心到各需求点间的距离、道路状况以及各道路安全性等因素得出的结果,因此在对实际支路赋权的过程中,会出现违背三角不等式的情况,在此对具体的赋权规则不做研究,而假设各实际支路的权值已得出。在对实际支路赋权完毕后,进行虚拟支路的赋权,各虚拟支路的权值均为实际支路权值之和的m倍,m为无穷大的自然数,即虚拟支路不可通行。

2.4 设计求解最优路径问题的流程

物流中心应急物流配送问题抽象后实质为一个N个节点的TSP问题。因此,总能找到一条最优路径。现在假设找到了此问题的一条最优路径L。L若不包含虚拟支路,则表示从物流中心出发,确实存在一条最优的配送路径,从距离、路况及安全性角度综合分析是最优的配送路径;若L中包括至少一条虚拟路径,则表示在现有路径下不存在符合条件的最优路径。即现有条件下的最短路径中某些节点至少需要经过两次。因此,为求得较优路径对图作如下处理。

假设L中某一虚拟路径为(a,b),则总可以从点a到点b找到(a,K1,K2,…,Kn,b)这样一条最短路,其中ki为最初的N个节点之一,且路(a,K1,K2,…,Kn,b)必不含虚拟路径路,称路(a,K1,K2,…,Kn,b)为虚拟路径(a,b)的最短代替路径。在已有节点之外新增加k个节点(A1,A2,…,Ak),新增节点的规则是节点Ak与Ki具有完全相同的属性,即Ak到任何节点的权值与Ki到任何节点权值相同,特别的Ak到与Ki具有相同属性的节点的权值为0。对L中每条虚拟路径都按照(a,b)的方式处理。

完毕后则全部节点数目增加到N+A,其中N个是最初的实际节点,A个为新增节点。此时,对于N+A个节点来说已经找到了一条回路L*,L*只包括这N+A个节点,且这N+A个节点在L*上出现且仅出现一次,同时L*上不含虚拟路径。说明这N+A个节点的TSP问题存在最优解。

根据以上分析,对物流中心应急物流配送问题设计的求解流程如图3。

3 模型的实例应用

3.1 实例分析

以四个需求点为例进行实例说明。假设需求点与物流中心的完全加权图表示如图4所示,各支路权值已给出。

(1)求这四个点的TSP问题,最优解为(0,2,1,4,3,0),路的长L=12+M,其中包含虚拟路径(2,3)。

(2)寻找(1,4)的最短代替路径为(1,2,0,3,4)。

(3)增加点A,B,C,则原图变为图5。

(4)求这八个点的TSP问题,最优解为(0,2,1,C,B,3,4,A,0)。

3.2 关于求得的解的讨论和实际意义解释

以上通过增加虚拟点的方法建立的求解模型,最终求得的最优路径L可以分为两种情况。情况一:最优路径L中除起点和终点外,不包含其它与起点具有相同属性的点,说明在实施应急物流配送过程中,运输车队从物流中心出发后经过路径L所示的各个需求点,物资送达完毕返回物流中心,各个需求点都得到供应。选择该运输路径,可以减少运输车队的使用,只组织一支物资运输车队,就可以达到完成运输任务的目的,有效地节约了运输资源。情况二:最优路径L中除起点和终点外还包含其它与起点具有相同属性的点。这说明在实施应急物流配送过程中,运输车队从物流中心出发后,中途要返回物流中心,再到其他未配送的需求点,最后遍历所有需求点后回到物流中心。解决此种情况的办法的,根据中途回到物流中心的次数n,在可行的情况下,将整体运输力量分成n+1支配送小分队,各小分队对相应的若干需求点进行物流配送,完毕后返回物流中心。这样,在总路径不增加的前提下,对所有物资需求点展开了并行的物流配送,使得对所有需求点的最长物流配送时间减少,配送的效率更高。

4 结束语

物流中心是物资供应体系中的一个重要的环节。研究应急物流配送路径优化问题,对提高物流中心配送效率具有重要意义。文章对物流中心应急物流配送路径问题进行了分析研究,建立了应急物流配送路径优化问题的模型,设计了模型的求解流程,最后通过实例对应急物流配送路径优化问题求解过程进行了详细说明。并结合现实情况,对求得的解进行了进一步分析讨论,提出了物流中心应急物流配送策略可能的改进意见,供物流中心决策参考。

摘要：文章通过对应急物流配送路径优化问题进行分析,建立了应急物流配送路径优化问题的模型,在此基础上提出了模型的求解方法,最后通过实例应用对应急物流配送路径优化问题求解过程进行了说明,并对结果进行了进一步讨论。

关键词：物流,应急配送,路径优化

参考文献

[1]殷剑宏,吴开亚.图论及其算法[M].北京:中国科技大学出版社,2003.

[2]刑文训,谢金星.现代优化计算方法[M].北京:清华大学出版社,2001.

基于物流配送路径的优化算法研究 篇7

1 物流配送路径优化问题的精确算法

1)动态规划法。此算法(dynamic programming)是运筹学的一个分支,是求解决策过程(decision process)最优化的数学方法。动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,我们希望找到具有最优值的解。动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。

2)分枝定界法。该法是将原始问题分解,产生一组子问题。分支是将一组解分为几组子解,定界是建立这些子组解的目标函数的边界。如果某一子组的解在这些边界之外,就将这一子组舍弃(剪枝)。分支定界法原为运筹学中求解整数规划(或混合整数规划)问题的一种方法。用该法寻求整数最优解的效率很高。将该法原理用于过程系统综合可大大减少需要计算的方案数日。

3)切平面法。此方法与分枝定界法相类似,它也是在整数规划与求解相对应的线性规划上,不断的增加新的约束,相区别是会加入一些特别的约束条件,然后切掉非整数规划中的可行解,获得最优解。

2 物流配送路径优化问题的传统启发式算法

传统的启发式算法在求解过程中主要是从初始解出发,以搜索邻域的方式实现解的改进,并在较短的时间内获得一个可以接受的解。传统的启发式算法主要有以下4种:1)节约算法。此算法是将较短路径与原路径定义为节约值,然后将节约值从大到小进行排序,在节点的数量允许的情况下,依此将节点对应的顾客点插入到路径中,直到所有的顾客都被插入路径为止,从而获得可行解,不过解非最优。2)邻接算法。此算法是由数据结构中的邻接表演变过来。邻接表是图的一种链式存储结构,对图的每个顶点建立一个单链表(n个顶点建立n个单链表),第i个单链表中的结点包含顶点Vi的所有邻接顶点。此算法的思想是从一个起始点出发,然后搜索路线中与之距离最近的点,然后在次以此方法不断搜索最近的点,从而进行路线的构造。这种方法可以保持原有路线的可行性,从而搜索着一条疑似最短的路线,节约路线成本。3)插入算法。此算法是又数据结构中的插入排序演变过来。它将邻接算法与节约算法有机的结合起来,先利用节约算法确定一条基本路线,然后根据邻接算法搜索客户节点的位置,依次按距离将客户节点插入到原有路径中,最后形成新的配送路线。4)扫除算法。此算法是将邻接算法与插入算法相结合,它是先对车辆进行分组,然后确定不同的路线,在配送过程中以扫除的方式搜索未被分配的点,然后用插入算发对路线进行扩充,如果一次分组之后还存在未被分配的点,那么继续对路线进行构造,直到所有的点都被分配为止。

3 物流配送路径优化问题的现代启发式算法

与传统的启发式算法相比,现代启发式算法并不是每次在迭代中都延着目标值下降的方向进行搜索,它还允许在搜索中接受目标值上升甚至是不可行的解,现在启发式算法与传统启发式算法的一大区别就是它会在搜索过程中跳出局部邻域进行全局搜索。现代启发式算法有以下4种:1)禁忌搜索算法。此算法是一种亚启发式(meta-heuristic)随机搜索算法,它从一个初始可行解出发,选择一系列的特定搜索方向(移动)作为试探,选择实现让特定的目标函数值变化最多的移动。为了避免陷入局部最优解,TS搜索中采用了一种灵活的“记忆”技术,对已经进行的优化过程进行记录和选择,指导下一步的搜索方向。禁忌搜索是对人类思维过程本身的一种模拟,它通过对一些局部最优解的禁忌(也可以说是记忆)达到接纳一部分较差解,从而跳出局部搜索的目的。2)遗传算法。此算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,它最初由美国Michigan大学J.Holland教授于1975年首先提出来的。遗传算法从问题解的串集开始嫂索,而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的,容易误入局部最优解。遗传算法从串集开始搜索,覆盖面大,利于全局择优。遗传算法是基于生物进化的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。3)模拟退火算法。模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。此算法是一种随机松弛技巧,它模拟了退火的过程,在搜索的初始阶段,算法跳向远点,随着时间的延伸或下降,跳跃幅度逐渐减小,最终转向局部搜索的下降方法。4)蚁群算法。蚁群算法又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。在每只蚂蚁能感知的范围内寻找是否有食物,如果有就直接过去。否则看是否有信息素,并且比较在能感知的范围内哪一点的信息素最多,这样,它就朝信息素多的地方走,并且每只蚂蚁都会以小概率犯错误,从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样,只不过它对窝的信息素做出反应,而对食物信息素没反应。

4 各种优化算法的比较

以上各种优化算法在不同时期与情况下都有其优缺点,都有解决某些问题的能力,但随着发展的需要,对优化算法的要求也越来越高。下面对各种方法进行比较分析,通过表格的形式展示出各自的特点,如表1所示。

5 结束语

车辆路径问题由于在管理学和运筹学上非常重要而且求解有一定的难度,同时由于它具有很强的现实价值,可产生极其可观的经济效益,因而是理论界与企业界关注的一个极其具有魅力的优化问题。通过表格的分析比较,可以看出各种方法的优点和缺点,在不同的任务中可以挑选不同的优化算法,从而使物流效率达到最高。本文通过介绍各种优化算法来比较各类算法的优缺点,以便能在实际中解决各种复杂的物流路径优化问题,从而找到最好的优化方法。

参考文献

[1]孙学农,徐辉增.物流配送车辆调度问题方法综述[J].科技信息:学术研究,2007(12).

[2]刘明广,李高扬.物流配送车辆优化调度模型及其求解策略[J].工业工程,2007(2).

[3]方金城,张岐山.物流配送车辆路径问题(VRP)算法综述[J].沈阳工程学院学报:自然科学版,2006(4).

[4]李贵春,刘冬梅.物流配送系统车辆的优化调度算法[J].天津工业大学学报,2006(3).

物流优化路径 篇8

我国冷链物流模式落后、损耗大、成本高,无法满足当前社会对冷链物流的巨大需求。有关数据显示在我国冷链物流的配送过程中,水果损耗为25% ,蔬菜损耗为30% ,肉类和水产品损耗为12% 和15% ,损耗量居世界首位,其损耗能够满足2亿人口的基本需求,每年由此造成经济损失达上亿元。配送是冷链物流中重要的环节,但其研究的滞后己成为制约冷链物流业发展的瓶颈[1]。

冷链物流配送路径优化问题的理论基础是车辆路径问题 ( VRP) ,其早已被证明是一个NP - hard问题,精确算法很难得到全局最优解[2],只能依靠一些启发式算法[3,4,5]。随着冷链物流的发展,研究学者将VRP问题带入到特定的领域,取得了一些成果。如刘镇等[6]构建了冷链物流配送路径优化模型,并在云计算环境下利用遗传算法进行求解; 杨玮等[7]利用粒子群算法求解冷链物流配送模型,为农产品配送提供了借鉴。然而,对于冷链物流配送路径的研究目前还处于初级阶段,大部分研究只停留在定性阶段,许多研究并没有深入考虑到冷链物流的特性。

“良中行”是国内首家专注于提供冷藏冷冻食品供应链服务的专业公司,为了提高冷链班车的装载率、降低单位配送成本,良中行公司会在配送过程中对冷链食品进行中转。这种状况会延长冷链食品的在途时间,丧失冷链食品的时效性和企业的美誉度。基于此,本文拟对良中行公司的食品冷链配送路径优化问题进行研究,通过合理安排冷藏车辆的配送路径和车辆的装载率,有效减少中转环节,缩短中转时间,提高食品冷链配送的及时性、降低食品冷链的运输成本。

2基于时间窗的冷链物流运输路径优化模型

2. 1模型建立

2. 1. 1模型及问题描述

假设冷链配送中心f为多个客户( N,N = { 1,2,…,n} ) 服务,配送的产品类型单一,客户i对某种食品的需求量为gi。车辆送货方向单一; 配送中心每天派出k辆载重量为G0的车,每辆车从配送中心出发为一个或者多个客户服务完后返回配送中心,车k配送路径即为一条路径k,其中k = 1,2,…, K; 车辆以均匀速度v行驶; 每个客户的需求量与地点已知,而且只能被一辆车辆完成配送需求,所有客户得到服务;

2. 1. 2构建模型

考虑到冷链配送过程中的制冷成本和惩罚成本,本文提出一种全新的冷链物流的配送路径优化模型。模型以物流系统总成本最小为目标,总成本包括: 运输成本、制冷成本以及超出客户需求时间所造成的惩罚成本。

1配送车辆的运输成本。运输成本可分为固定成本和变动成本。固定成本为常数,如车辆折旧等费用,与运输里程和客户需求量没有直接联系。为计算方便,在本模型中不予考虑。而变动成本则与车辆行驶里程成正比,配送车辆运输成本采用公式( 2 - 1) 计算。

其中:

式( 2) 为车辆的载重约束; 式( 3)为需求点i由车辆k完成的唯一性约束; 式( 4) 和式( 5)为每个需求点只路径一次的唯一性约束; 式( 6)为时间窗约束。

2配送过程中的货损成本。冷冻冷藏产品在配送过程中由于温度等多种不可控因素会导致产品受损,因此产生货损成本。货损成本主要由以下两种情况产生:一种情况是运送时间累积使得产品受损; 另一种情况是装卸货打开冷藏车门导致产品毁坏,因而产生货损成本。计算公式如下( 7)

其中: η冷藏冷冻食品单价; η1配送过程中冷藏冷冻食品货损比例; η2装卸过程中冷藏冷冻食品货损比例; dij客户i到客户j的距离;

3超出客户配送时间的惩罚成本。超出客户要求的服务时间会造成惩罚成本。本模型中采用软时间窗方法计算惩罚成本。当配送到达时间为[t2,t3]时,无惩罚成本; 当配送到达时间为[t1,t2]或者[t3,t4]时,产生固定的惩罚成本为α; 当配送到达时间为[∞ ,t1]或者[t4,∞]时,惩罚成本无限大为M。从而可得惩罚成本计算公式如( 8)

4配送过程中的制冷成本。冷链物流配送产品要求配送过程中始终处于低温冷藏状态,从而产生制冷成本。制冷成本包括运输中的制冷成本及装卸时的制冷成本。其中,运输过程中的制冷成本与行驶时间成正比。装卸所产生的制冷成本主要是车门打开时热交换所产生的,所以只需计算通过车门的热交换所产生的制冷成本。计算公式如( 9)

其中,Gt为车辆热负荷; θ为常数,表示车辆车厢的劣化程度; R为热传导率,单位为( W/( m2·K)); S为车体的平均表面积,S =槡Sw Sn,Sw为外表面积,Sn为内表面积,单位均为m2; ΔT = Tw- Tn,为车内外温差,单位为K; t为车辆配送过程中总的行驶时间; p为单位制冷成本; Gs为车辆开门消耗的热负荷; V为车厢体积; β为开门程度系数;

5建立目标函数。根据上述不同成本的分析,建立目标函数如下:

2. 2算法设计

2. 2. 1编码方式

本文采用自然数编码方法构造问题解向量的染色体结构。每个染色体长度为n + m + 1,即: G = ( 1,i11,i12,∧,i1t,1, i21,i22,∧,i2t,1,iml,im2,∧,imt,1) ,表示一条可行配送路线。该式的含义是: 第m辆配送车从“0”出发,完成对“im1,im2,…∧,int”的配送后,又回到“0”,形成了子路径,m以此反复,直到完成对所有需求点的配送。

2. 2. 2遗传算子设计

1选择算子。选择操作通过选择优质个体、抛弃劣质个体,使得种群中的适应度值不断接近最优解。选择操作中选择概率函数为:

2交叉算子和变异算子。变异操作模拟生物突变生成新物种的状态,使得种群局部收敛时可以保持种群的多样性。交叉概率函数和变异概率函数分别为

其中: fmax为群体中最大的适应度值; favg为群体的平均适应度值; f'为需要交叉的个体中较大的适应度值; f将变异个体的适应度值。分别用式( 16) ( 17) 得出的两个适应度计算Pc、Pm,选取其中较大的作为最终的Pc、Pm。

2. 3算例分析

2. 3. 1数据来源

以良中行公司给市区内10个客户点进行冷链物流配送的服务过程为实例。为保证海产品的新鲜度,保存时限为72h,冷藏车内温度控制在规定范围内。配送中心编号为“0”, 各配送点的需求量、坐标值、时间窗约束和服务时间见表1所示。

2. 3. 2算法实现

为了提高一次运载量,降低单位配送成本,路况较好的情况下应尽量选择大型车辆完成配送任务,因此本文选取载重量11t的冷藏车作为配送车辆。图1为运行CEGA算法得到的收敛曲线。

由图1可知,算法在110次迭代时逼近最优解,对最优解进行解码得到最优配送方案,见表2和图2。

对最优解配送路径下的最优成本进行计算可得:

3分析与结论

会展营销策略的优化路径 篇9

1.会展业能够提高城市的形象

随着社会经济的快速发展，很多城市都十分注重发展城市的会展业，会展业属于第三产业，对于带动城市经济的发展有着至关重要的作用。近几年来，很多城市都对举办会展业情有独钟，积极挖掘当地的特色产品以及旅游景点，各类型会展的开展不仅能够拉动城市经济的增长，而且还能够为各大企业展示产品、交流技术，对于扩大贸易以及市场意义重大。如今，会展业在各个城市得到了许多客商以及企业的青睐与认同，哈尔滨举办的哈洽会得到了国内外人士的广泛赞赏，为拉动哈尔滨的经济有着至关重要的影响，这就是会展业为城市发展所带来的积极效应。

2.会展业能够带动经济的发展

会展业作为朝阳产业，对于带动城市经济的发展有着至关重要的影响，会展业带来的经济效益十分显著，一个城市如若举办会展业，其拉动效应是巨大的。随着社会经济的快速发展，很多城市都注重发展会展业，可以说会展业已成为了城市经济发展的重要产业，会展业作为拉动城市经济发展的第三产业，是一种高收益、低成本以及无污染的产业，是拉动城市经济发展的有效形式。

二、 会展营销过程中存在的问题

1.会展专业人才的缺乏

研究現状表明，如今我国很多城市中都存在着会展专业人才缺乏的现状，主要体现在四个方面：一是会展教育中缺乏双师型专业教师，二是会展主办方在会展过程中缺乏相关的管理者以及策划人员，三是政府部门缺乏会展专业高级管理人才，四是会展公司中缺乏高素质的专业人才，包括项目策划经理、秘书、策划人员等等。会展专业人才的缺乏将不利于会展业的长远发展，鉴于此，城市在发展会展业的同时，还需要培养一批高素质的专业人才。

2.会展方式单一、营销手段简单

会展业是朝阳产业，对于带动城市经济的发展具有至关重要的意义，而且会展业的发展可以带动其他产业的发展，像旅游业、餐饮业以及交通业等相关的产业。然而，当前的现实情况表明，我国的会展业比较注重参展商以及组展商的合作，此种形式比较单一，在发展的过程中忽略了与其他产业的有机配合，以致于造成了会展方式单一、营销手段简单的现状。

三、 会展营销策略的优化路径

1.品牌营销策略

随着社会经济的快速发展，很多企业在发展的过程中，都注重发展壮大企业的品牌，对于广大的企业而言，品牌已成为了企业发展的灵魂，是企业参与竞争的无形资本，对于企业的可持续发展意义重大。各大企业应意识到会展水平的提升，必须依靠企业的品牌，只要有了知名的品牌，企业的长期发展才有了保障。企业在发展的进程中，应不断优化资源配置，结合本区域内的特色，打造具有当地民风色彩的会展品牌，经过长期的发展实践，形成品牌营销特色。

2.网络营销策略

随着信息技术与科学技术的发展，网络营销已成为了当前十分盛行的一种营销策略，而且网络营销随着电子商务的发展而不断的壮大。网络营销作为一种新兴的营销方式，不受时间与空间的限制，很多情况下会展商能够通过网络及时的反映他们的会展信息，实现信息之间的交流与共享。网络营销还能够预定展位，通过网络及时的给广大客户做出相应的回应，以求最快速度满足客户的回应与需求。21世纪是信息网络时代，网络已成为了人们日常生活的重要构成部分，很多人的日常生活都离不开网络，网络营销能够通过网络的及时性与共享性合理的组织参展商，实现彼此之间的交流与互动。

3.市场定位策略

经过长期的发展与实践，国内外的会展研究表明，突出特色，体现目标已成为了会展营销的必经之路。随着我国经济的飞速发展，目标市场竞争营销策略在当前十分普及，目标市场就是企业产品与劳务的消费对象。新形势下，各大企业在举办展会时，应选择合理的目标市场，明确企业应该为哪一类客户服务，有针对性的进行目标定位，在此基础上满足不同消费者的需求。总而言之，市场定位策略也是企业在营销活动中的一项重要的策略，对于企业的长期发展有着至关重要的意义。

四、 结语：

总而言之，会展的成功与否很大程度上与会展营销策略的运用有着直接的联系。会展营销策略合理、恰当，会展就能够很好的宣传自身的产品，尤其是具有特殊服务的产品。如今，会展营销在很多城市都十分盛行，会展业要想获得长远的发展，就必须讲求会展营销技巧，不断创新会展营销策略，大力发展会展经济。

物流配送中的车辆路径优化问题 篇10

关键词：配送,车辆路径问题,时间窗,遗传算法

随着经济全球化趋势的加强,科学技术尤其是信息技术的发展突飞猛进,产品营销范围日趋扩大,社会生产、物资流通、商品交易及其管理方式正在发生着深刻的变革,与此相适应,被普遍认为企业在降低物资消耗、提高劳动生产率以外的“第三利润源”的现代物流在世界范围内广泛兴起,目前正在成为全球经济发展的一个重要热点和新的经济增长点。随着传统批发、交通运输、仓储业向现代物流转化,尤其是配送方式的采用,对运输成本和时间的有效控制日渐成为城市配送车辆路径问题的一项重要目标。V R P一直以来都是车辆调度所重点研究的方向。而在城市内采取的配送方式恰恰具备了V R P问题的一般特征和优化调度条件。

一、VRP模型的条件及假设

V R P问题是指按要求用多个车辆从配送中心对顾客进行配给货物。各顾客点的位置和需求量为己知,各车辆的装载质量己知,力求寻找一个好的配送方案,使得总代价最小(车辆尽量少,行车总距离尽量短,总费用尽量低等),由VRP的定义不难看出,必须满足以下条件及假设:

1. 仅考虑位置已知的单一配送中心,所有的配送车辆以配送中心为起点,并最终回到配送中心。

2. 每条配送路径上各需求点的需求量之和不超过车辆的装载质量,被配送货物是可混装的货物。

3. 每条配送路径的长度不超过车辆一次允许行驶的最大距离,配送中心有足够的资源以供配送,并且有足够的运输能力。

4. 各个客户需求和所在地均已知,每个需求点的需求由且仅由一辆车一次送货满足。

5. 满足总时间约束与时间窗口。必须在时间区间[ei,lj]访问点i客户,并允许在i处等待,车辆服务的总时间不能超过物流中心的时间约束。

6. 多个客户之间存在优先关系,必须在访问客户j之前访问客户i。

二、带时间窗VRP模型的建立

基于文献一文中的模型,并考虑配送系统是一个服务系统,所提供的服务必须能够让客户方便、满意。配送系统的运作成本必须和配送系统其他性能参数综合进行考评,单纯对成本进行评价是没有任何实际意义的。需要关注和努力的是:要在保证配送满足客户要求、提升客户满意度的同时,通过各种技术和管理手段,降低运作成本。因此,本文将建立改进的运输路径模型,在传统的车辆配送成本最小化目标的基础上,兼顾客户对配送时间的要求,使车辆等待和延误时间之和最小化。

式中K——车队规模,即总的车辆数目;

k——车辆数目(k=1,2,……,K);

N——有待访问的总的客户的数目;

O——配送中心;

Q——每辆车辆的容量,这里假设所有车辆同质,容量均为Q;

i,j——顾客数(i=1,2,……,N;j=1,2,……,N);

T——个很大的数字;

C——每辆车单位运距的运费;

t0——车辆从配送中心出发的时间;

e0——车辆可离开配送中心的最早时间;

ei——到达客户i处规定最早到达时间;

l0——车辆返回配送中心的最晚时间;

li——到达客户i处规定最晚到达时间;

dij——从客户i到客户j的距离;

pj——每个客户单位卸货量的卸载费用;

mi——客户i的货运需求量;

tki、tkj——第k辆车到达客户i、j处的时间;

tij——连接客户i和客户j的行驶时间;

si——客户i处的服务时间;

wi——在客户i的等待时间,wi≥0。

两个决策变量如下:

这个模型通用性很强,经过参数的不同设定,可以转换为其它组合优化问题的数学模型。

三、带时间窗VRP模型的遗传算法求解

在模型的处理上,根据本文提出的模型单位标量不统一的特殊性来选择权重系数变化法,将变化后的多目标函数经分析和试验得出各个子目标函数的数量级大小并确定权重,最后加权化为单目标函数用遗传算法求解。

1. 惩罚函数的引入。

在以往的对含有时间窗约束的车辆配送系统的研究中,所研究的成本大多仅包含行驶成本,但事实上,还包括其它成本(如装卸搬运成本),将时间窗约束转化为惩罚函数而体现在模型中。

式中c1——车辆在任务点处等待单位时间的机会成本。

c2——车辆在要求时间之后到达单位时间所处以的惩罚值(c1和c2的大小,要根据实际情况来定)。

2. 建立适度度函数。根据遗传算法中适应度函数的特点,需要将原目标函数式变化为:

式中A*,B*——变化后的目标函数值,取值范围为[0,1);

Amax,Bmax——分别是原始目标函数。

经过分析和实验发现,A*,B*经过处理后,A*的数量级一般是10-2,B*的数量级一般是10-1。

3. 用遗传算法求解带时间窗VRP模型。

本文取α=0.8,β=0.2,用遗传算法进行求解。在运用遗传算法求解后,验证了该算法易于理解,对问题的依赖性较小,对其求解的函数要求简单,实现起来简单高效,若参数选择的合理,收敛速度很快,但是遗传参数的控制对于算法的收敛速度影响很大,在参数选择方面有一定难度。虽然文中使用的是根据以往学者经验选定的参数,但计算表明最优解所在“代”数的稳定性不是很好,这也是以后需要进一步研究的地方。

四、结论

在传统的车辆配送成本最小化为目标的基础上,兼顾客户对配送时间的要求,建立了带时间窗的车辆路径优化多目标模型。在对模型的处理上,将两个量纲不统一的子目标函数除以各子目标函数的最大值后使其变成无量纲的函数,并通过权重系数变化法将各个子目标函数线性加权和作为多目标优化问题的适应度函数,使得多目标优化问题转化为单目标优化问题后再用遗传算法求解。

参考文献

[1]王惠:引入顾客满意度求解车辆优化调度问题.大连海事大学硕士论文,2006:1～13

[2]盛丽俊:带有时间窗的车辆路径问题的优化研究.大连海事大学硕士论文,2002:13～57

[3]牟燕妮:物流配送中路径优化的选择研究.沈阳工业大学硕士论文,2006:28～41

[4]周明孙树栋:遗传算法原理及应用.国防工业出版社,1999:130～137