本文摘要：摘要：應(yīng)急物流是在發(fā)生重大突發(fā)事件時保障人員、物資和資金需求的一項特殊物流活動。在應(yīng)急物資郵政運輸模型中，如何快速準確地將應(yīng)急物資運送至需求點是應(yīng)急物流面臨的巨大挑戰(zhàn)。雙層規(guī)劃方法可以在滿足需求點對應(yīng)急物資需求的情況下，使整個物流過程中的
摘要：應(yīng)急物流是在發(fā)生重大突發(fā)事件時保障人員、物資和資金需求的一項特殊物流活動。在應(yīng)急物資郵政運輸模型中，如何快速準確地將應(yīng)急物資運送至需求點是應(yīng)急物流面臨的巨大挑戰(zhàn)。雙層規(guī)劃方法可以在滿足需求點對應(yīng)急物資需求的情況下，使整個物流過程中的物流成本最低，物流時間也最短。構(gòu)建了一個以上層物流成本最低、下層物流時間最短為目標的雙層規(guī)劃模型，并設(shè)計了一種混合禁忌搜索遺傳算法(HTSGA,hybridtabusearchgeneticalgorithm)求解模型，解決了災(zāi)后應(yīng)急物流的運輸路徑優(yōu)化問題。最后，實驗結(jié)果對比驗證了所提模型和算法的有效性。
關(guān)鍵詞：雙層規(guī)劃方法;應(yīng)急物資郵政運輸;混合禁忌搜索算法
1引言
自然災(zāi)害的頻繁發(fā)生使得人們的生命和財產(chǎn)安全遭受到巨大的威脅，因此，為了減少人員傷亡和經(jīng)濟損失，在發(fā)生突發(fā)災(zāi)害時，如何把大量的救援物資快速精準地送到需求地是應(yīng)急物流面臨的巨大挑戰(zhàn)。應(yīng)急物流是在發(fā)生嚴重自然災(zāi)害及其他突發(fā)性事件時，能夠及時地保障人員、物資和資金需求的一項特殊物流活動。在應(yīng)急響應(yīng)中，經(jīng)常會出現(xiàn)一系列問題，如救援物資供應(yīng)點與需求點相距太遠、交通擁堵等導(dǎo)致救援物資不能及時送達等。
因此，及時合理地分配和運輸救援物資具有至關(guān)重要的作用。隨著應(yīng)急物流優(yōu)化問題的不斷演變，應(yīng)急物資的分配以及運輸路線的選擇已成為近年來的研究熱點，如應(yīng)急選址[1-3]、應(yīng)急物資分配[4]、應(yīng)急物資運輸[5]、應(yīng)急車輛配送路徑[6]以及應(yīng)急車輛調(diào)度[7]等。本文主要考慮在發(fā)生重大突發(fā)事件后，如何在有限時間內(nèi)滿足需求點需求的情況下進行物資分配，使得物流時間最短、成本最低。通過構(gòu)建雙層規(guī)劃模型，設(shè)計求解算法，進行算例實驗，對比本文HTSGA和文獻[8]的雙層遺傳算法的實驗結(jié)果，驗證了HTSGA的有效性與可行性。
2相關(guān)技術(shù)研究
為了優(yōu)化應(yīng)急物流系統(tǒng)，一些學者對應(yīng)急物資分配和運輸路線的選擇進行了研究，文獻[9]提出了一種用于應(yīng)急資源分配的改進位置分配模型，定義了應(yīng)急服務(wù)級別(ESL,emergencyservicelevel)的新概念，然后將該問題表述為混合整數(shù)非線性規(guī)劃(MINLP,mixed-integernonlinearprogramming)模型，提出了一種混合枚舉搜索規(guī)則的遺傳算法求解MINLP模型，這種模型確定了應(yīng)急物資配送中心的數(shù)量、選址和規(guī)模，但是在預(yù)測疾病和后勤管理方面還存在局限性。文獻[10]對車輛路徑問題(VRP,vehicleroutingproblem)進行了研究，為了使車輛的調(diào)度和操作工作更合理，在滿足應(yīng)急物流及時性的前提下降低了物流成本，對應(yīng)急物流中VRP的特征進行分析。
針對VRP的實際情況，提出了一種改進的遺傳算法并將其應(yīng)用于應(yīng)急物流中由VRP建立的通用數(shù)學模型，但該方法需要大量計算，并且計算量與人口規(guī)模有關(guān)，計算時間較長。文獻[11]提出了一種由地震災(zāi)害引起的應(yīng)急物流運輸調(diào)度問題，該問題分兩個階段進行研究：1)選擇合適的運輸方式;2)確定運送到災(zāi)區(qū)的救援物資的分配。對粒子群算法進行二進制和自然數(shù)編碼改進，利用改進后的算法求解模型。由于該算法缺乏對災(zāi)區(qū)救援物資需求動態(tài)變化的考慮，所以存在應(yīng)急物資后勤計劃不準確的問題。文獻[12]針對應(yīng)急物流問題，提出了一種多目標動態(tài)遺傳算法，該算法通過使用最少數(shù)量的救援車輛生成最優(yōu)路徑，使整個救援過程更有效，但是無法解決異構(gòu)車輛的應(yīng)急物流運輸問題。
文獻[13]對應(yīng)急物流配送過程中的位置和需求信息等進行了研究，通過分析風險偏好值設(shè)計了一種兩階段的隨機規(guī)劃模型，并提出了一種在合理計算時間內(nèi)解決問題的簡單兩階段啟發(fā)式方法。1973年，Bracken等[14]首次提出雙層規(guī)劃數(shù)學模型，而雙層規(guī)劃和多層規(guī)劃名詞的正式出現(xiàn)是在1977年Candler等[15]的科學報告中。雙層規(guī)劃利用上、下層決策者之間既相互獨立又相互影響的特點求解問題，首先上層決策者做出決策，其次下層決策者根據(jù)上層決策信息優(yōu)化自身的目標并做出決策，最后上層決策者利用下層決策者優(yōu)化后的決策做出最終決策。
如何將雙層規(guī)劃方法應(yīng)用于應(yīng)急物流，目前已有部分學者對此進行了研究。文獻[16]研究了在模糊環(huán)境中具有固定費用的雙目標應(yīng)急物流運輸問題，構(gòu)建了模糊環(huán)境下的運輸模型，其中有3個特殊模型：一些可替代物品模型、一些易損物品模型以及具有安全系數(shù)的災(zāi)害運輸問題(DTP,disastertransportationproblem)模型。文獻[17]利用雙層規(guī)劃方法構(gòu)建了應(yīng)急物流設(shè)施選址—車輛路徑問題穩(wěn)健雙層優(yōu)化模型，該模型主要研究了應(yīng)急物流設(shè)施的選址和車輛運輸路線的選擇，針對需求點在突發(fā)事件發(fā)生時對救援物資的需求量存在不確定性的情況，利用分散式?jīng)Q策中的轉(zhuǎn)換定理將模型中不確定系數(shù)確定化進行求解，開發(fā)了一種混合的遺傳算法求解轉(zhuǎn)換后的模型。
文獻[18]建立了一個應(yīng)急物流設(shè)施選址—車輛路徑問題的雙層規(guī)劃模型，模型的上層目標為物流系統(tǒng)消耗的時間最短，下層目標為配送成本與時間懲罰成本之和最小，設(shè)計了一種混合模擬退火算法，該算法在傳統(tǒng)的模擬退火算法的基礎(chǔ)上進行改進，引入了帶有啟發(fā)式規(guī)則的兩階段式方法。對于存在多種配送方式混合配送的問題，該模型并沒有進行考慮，因此，無法解決多車混合配送的問題。文獻[19-20]構(gòu)建的數(shù)學模型以物資運送時間最短、物資分配公平性最大為上、下層目標，是一個動態(tài)的雙層規(guī)劃模型。該模型考慮了一系列約束條件，如需求點的時間窗、物資最低滿足率等，并設(shè)計了一種符合雙層規(guī)劃動態(tài)模型特點的混合遺傳算法。
但隨著震后救援工作的不斷推進，該算法無法動態(tài)優(yōu)化應(yīng)急物資的配送問題。在文獻[16-20]中，現(xiàn)有的雙層規(guī)劃應(yīng)急物資運輸模型主要研究了應(yīng)急物資分配的公平性與滿足率、物資運輸時間長短以及物流成本高低等方面。由于應(yīng)急物流需要很強的時效性，因此，最小化物流時間和物流成本是現(xiàn)有采用雙層規(guī)劃方法構(gòu)建應(yīng)急物流運輸模型的主要目標，但文獻[18-20]的模型對物流成本和物流時間的優(yōu)化缺少對庫存成本和應(yīng)急物資集散點準備時間的考慮。
因此，本文在滿足各個需求點需求的情況下，考慮時間對模型產(chǎn)生的影響，采用雙層規(guī)劃方法構(gòu)建數(shù)學模型。本文所提模型主要以整個物流過程中的總成本最低為上層目標、耗費總時間最短為下層目標，結(jié)合禁忌搜索算法和遺傳算法設(shè)計了一種HTSGA求解模型，達到應(yīng)急物流消耗的成本最低和物流時間最短的效果。對比本文所提算法與文獻[8]所提算法的實驗結(jié)果，驗證了HTSGA的有效性與可行性。
3應(yīng)急物資郵政運輸模型
3.1問題描述
郵政物流業(yè)務(wù)不斷發(fā)展壯大，為了應(yīng)對愈發(fā)激烈的市場競爭，依靠強大的運輸網(wǎng)絡(luò)優(yōu)勢，郵政企業(yè)積極整合物流運輸資源。郵政車輛運輸[21-22]問題的關(guān)鍵是如何進行車輛運輸調(diào)度，使得運輸效率得到提高。在發(fā)生自然災(zāi)害時，為了使救援工作更便利，面對不斷變化的救災(zāi)環(huán)境，應(yīng)急物資郵政運輸需要在災(zāi)區(qū)附近選擇一些合適的應(yīng)急物資配送中心，通過運輸車輛將災(zāi)區(qū)外圍應(yīng)急物資集散點的物資運送到災(zāi)區(qū)附近的應(yīng)急物資配送中心，然后根據(jù)災(zāi)區(qū)需求點對物資需求量的大小，對應(yīng)急物資進行分配。根據(jù)應(yīng)急物資郵政運輸?shù)奶卣�，作出如下假設(shè)。
1)應(yīng)急物資運輸車輛和應(yīng)急物資足夠多。2)應(yīng)急物資配送中心與需求點、需求點與需求點之間都存在可行路徑。3)存在多個應(yīng)急物資配送中心，并且每個應(yīng)急物資配送中心滿足多個應(yīng)急物資需求點的需求。
4)應(yīng)急物資需求點的物資需求為單一品種的商品，并且商品的規(guī)格和單價相同。5)每個應(yīng)急物資需求點僅由一個應(yīng)急物資配送中心的一輛運輸車輛配送物資，應(yīng)急物資需求點的物資需求必須得到滿足。6)每個應(yīng)急物資需求點都有兩個時間點，期待最早被配送的時間點和能接受最晚被配送的時間點。7)應(yīng)急物資運輸車輛為同一類型，并且每輛運輸車輛在運輸任務(wù)完成后必須返回出發(fā)點。8)應(yīng)急物資運輸車輛早到或晚到應(yīng)急物資需求點，都會產(chǎn)生相應(yīng)的時間懲罰成本。
3.2模型參數(shù)模型中的參數(shù)說明。
3.3模型建立根據(jù)自然災(zāi)害發(fā)生后對初期救援情況的分析，可將應(yīng)急物流系統(tǒng)分為上、下兩級。根據(jù)上、下兩級不同的決策目標，使用雙層規(guī)劃方法構(gòu)建模型，其中，上層以整個物流活動的總成本最低為目標，下層以整個物流過程所耗費的時間最短為目標，上、下層模型之間相互關(guān)聯(lián)又相互制約。本文基于文獻[8-9,18]的研究成果，在上層模型的總成本中加入應(yīng)急物資配送中心的庫存成本，確保整個應(yīng)急物流過程的總成本最低，并且將運輸成本分為兩個部分，其中，時間懲罰成本對文獻[23]的時間懲罰函數(shù)加以改進。在下層模型中，加入了應(yīng)急物資集散點接到應(yīng)急物資配送中心的供貨需求后投入準備的時間。因此，根據(jù)不同的決策目標，對應(yīng)急物資郵政運輸問題采用雙層規(guī)劃方法構(gòu)建模型進行描述。
4算法設(shè)計
根據(jù)上述模型的特點，本文基于文獻[24]設(shè)計了一種混合禁忌搜索算法和遺傳算法的HTSGA，其中，HTSGA的步驟如下。步驟1對算法中的參數(shù)進行初始化設(shè)置。步驟2對種群進行初始化設(shè)置。
步驟3根據(jù)雙層規(guī)劃模型中的下層目標式(9)計算種群的適應(yīng)度值，并使用輪盤賭算法保留優(yōu)秀個體。步驟4判斷算法是否滿足終止條件，即迭代數(shù)K是否達到預(yù)設(shè)值，若滿足終止條件，則結(jié)束算法并輸出優(yōu)化結(jié)果;否則，繼續(xù)執(zhí)行下一步操作。步驟5從優(yōu)秀的個體中隨機選擇兩個染色體ix和jx，以初始交叉概率Pc對其進行交叉操作，產(chǎn)生兩個新的染色體ix和jx，根據(jù)玻爾茲曼選擇機制，新的染色體選擇概率為()()1,()()e,()()iiiifxfxiLiifxfxPfxfx≥(16)自適應(yīng)交叉概率Pc為00avgmaxavgmaxavg,()()(()()),()()()()cicciiPfxfxPPfxfxfxfxfxfx≤(17)其中，maxf()x、f()xavg分別表示種群的最大適應(yīng)度值和平均適應(yīng)度值，L表示禁忌表的長度。
5實驗分析
為了能夠更好地理解上述模型，本文設(shè)計了一個簡單的算例。假設(shè)隨機給出4個應(yīng)急物資配送中心，編號分別為A、B、C、D，應(yīng)急物資需求點20個，運輸車輛數(shù)量足夠。假設(shè)應(yīng)急物資集散點j的固定使用成本為16000元，規(guī)格相同的運輸車輛的容量為800件，平均行駛速度為90km/h，車輛包含配對人員的派遣成本為800元/輛，應(yīng)急物資的裝卸成本和裝卸時間分別為1元/件、0.1min/件，車輛的運輸成本為1元/km，每件物資的時間懲罰成本為1元/h，應(yīng)急物資配送中心接到需求點的需求后投入準備的時間均為1.5h，應(yīng)急物資集散點接到應(yīng)急物資配送中心的需求后投入準備的時間均為1.5h，固定的應(yīng)急物資訂購成本為100元。
郵政運輸論文投稿刊物：《中國郵政》(月刊)創(chuàng)刊于1976年，是由中華人民共和國國家郵政局主管、主辦。郵政綜合性刊物。集中反映我國郵政通信建設(shè)、業(yè)務(wù)技術(shù)發(fā)展狀況、經(jīng)營管理、服務(wù)水平、職工生活、教育訓練、古代郵驛和集郵等內(nèi)容。
6結(jié)束語
本文針對應(yīng)急物流的時效性和物流成本研究了災(zāi)后應(yīng)急物資郵政運輸問題，通過使用雙層規(guī)劃方法構(gòu)建了一個上層以整個應(yīng)急物流過程的總成本最低、下層以配送過程所耗費時間最短為目標的數(shù)學模型。針對雙層規(guī)劃模型中上、下層目標決策者既相互獨立又相互影響的特點，設(shè)計了一種帶禁忌搜索的遺傳算法HTSGA求解模型，最后通過一個簡單的算例和對比算法驗證了本文所提算法和模型的有效性與可行性。本文僅利用單一的車輛進行運輸，未來可以對多種車型混合配送的多聯(lián)式車輛運輸問題以及車輛返回時是否出現(xiàn)空載現(xiàn)象等方面進行研究，提高車輛使用效率。本文暫未考慮道路交通信息，下一步可以利用車載網(wǎng)絡(luò)技術(shù)獲取車輛運輸過程中的道路交通信息，通過信息實時共享進行車輛的動態(tài)規(guī)劃。
參考文獻：
[1]RAWLSCG,TURNQUISTMA.Pre-positioningofemergencysuppliesfordisasterresponse[J].TransportationResearchPartB:Methodological,2010,44(4):521-534.
[2]GENGSQ,HOUHP,ZHANGSG.Multi-criterialocationmodelofemergencysheltersinhumanitarianlogistics[J].Sustainability,2020,12(5):1759.
[3]FENGJR,GAIWM,LIJY.Multi-objectiveoptimizationofrescuestationselectionforemergencylogisticsmanagement[J].SafetyScience,2019,120:276-282.
[4]WANGYY,BIERVM,SUNBQ.Measuringandachievingequityinmultiperiodemergencymaterialallocation[J].RiskAnalysis,2019,39(11):2408-2426.
[5]GARZA-REYESJA,VILLARREALB,KUMARV,etal.Alean-TOCapproachforimprovingemergencymedicalservices(EMS)transportandlogisticsoperations[J].InternationalJournalofLogisticsResearchandApplications,2019,22(3):253-272.
作者：周海霞1,2，梅育榮1,2，呂福如1,2，孫知信1,2
轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng)：http:///jjlw/24923.html
