基于遺傳算法的快遞物流配送中心選址

　　摘　要：以快遞物流配送中心選址問(wèn)題為研究對(duì)象，結(jié)合其選址特點(diǎn)構(gòu)建了含有固定投資成本、管理成本、運(yùn)輸成本等諸多成本要素的目標(biāo)函數(shù)，建立了基于遺傳算法的選址模型，并利用改進(jìn)后的求解策略或方法對(duì)算法模型進(jìn)行求解，有效提高了算法模型的求解效率和求解質(zhì)量。實(shí)例研究中，將Matlab2017a數(shù)學(xué)仿真編程軟件與算法模型相結(jié)合，對(duì)算例進(jìn)行求解，驗(yàn)證了遺傳算法模型在選址問(wèn)題研究中的有效性和實(shí)用性。

　　關(guān)鍵詞：配送中心選址;遺傳算法;自適應(yīng);快遞物流

　　0 引言

　　配送中心是物流系統(tǒng)網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)和重要的基礎(chǔ)設(shè)施，在整個(gè)物流系統(tǒng)網(wǎng)絡(luò)規(guī)劃中起著樞紐性的作用[1]�？爝f物流配送中心選址是指在具有若干個(gè)發(fā)件網(wǎng)點(diǎn)或者若干個(gè)收件網(wǎng)點(diǎn)的物流配送區(qū)域內(nèi)，綜合考慮物流運(yùn)輸成本、配送中心建設(shè)成本等成本因素，采用定性與定量分析方法，選取最符合經(jīng)濟(jì)社會(huì)情況的單個(gè)或者多個(gè)位置設(shè)置配送中心的物流系統(tǒng)網(wǎng)絡(luò)規(guī)劃過(guò)程。在整個(gè)快遞物流供應(yīng)鏈環(huán)節(jié)中，快遞配送中心，對(duì)上承接來(lái)自發(fā)件網(wǎng)點(diǎn)包裹的集運(yùn)任務(wù)，對(duì)下承接收件網(wǎng)點(diǎn)的配送運(yùn)輸任務(wù)，其選址結(jié)果將會(huì)對(duì)配送路徑的規(guī)劃、運(yùn)營(yíng)成本、配送效率等產(chǎn)生直接的影響。

　　1 研究綜述

　　基于配送中心對(duì)國(guó)家流通經(jīng)濟(jì)發(fā)展的重要作用，國(guó)內(nèi)學(xué)者們針對(duì)各種類型的配送中心的選址問(wèn)題，分別采用不同的算法模型，對(duì)其進(jìn)行了深入研究：如李茂林[2]認(rèn)為物流配送中心選址難以優(yōu)化以至于會(huì)影響整個(gè)物流系統(tǒng)的配送效率，針對(duì)這一問(wèn)題他提出一系列的猴群優(yōu)化算法求解策略，對(duì)模型進(jìn)行求解，通過(guò)對(duì)線性函數(shù)表達(dá)式中多個(gè)影響因子的非線性調(diào)節(jié)，改進(jìn)了猴群算法的爬行過(guò)程，提高了算法模型的求解精度和求解能力，最終更加精確地求解出物流配送中心優(yōu)化選址位置。

　　張于賢等[3]通過(guò)構(gòu)建帶有物流收益(輸出)和物流成本(輸入)之差的數(shù)據(jù)包絡(luò)評(píng)估模型(dataenvelopmentevaluationanalysis，DEA)，對(duì)現(xiàn)有配送中心的各項(xiàng)指標(biāo)進(jìn)行評(píng)估，根據(jù)評(píng)估的結(jié)果得到配送中心的再選址方案，但其基于DEA選址方法所構(gòu)建的線性函數(shù)選址評(píng)價(jià)模型與通常利用CCR模型、BCC模型等具有矩陣性質(zhì)的評(píng)價(jià)模型方法不同，該選址評(píng)價(jià)研究方法的可行性有待進(jìn)一步實(shí)證;崔楊等[4]針對(duì)第三方物流配送過(guò)程中產(chǎn)生的如延誤、爆倉(cāng)等配送異常問(wèn)題，綜合運(yùn)用層次分析法中的定性分析方法和定量分析方法，對(duì)第三方物流配送中心選址問(wèn)題進(jìn)行了評(píng)價(jià)研究。

　　通過(guò)構(gòu)造層次分析模型、判斷矩陣，求解出最優(yōu)位置作為第三方物流配送中心的選址位置;于蕾[5]綜合采用定性與定量分析法對(duì)安徽省農(nóng)產(chǎn)品的供給與需求狀況進(jìn)行了分析，構(gòu)建了基于重心法的農(nóng)產(chǎn)品配送中心選址模型，并采用R語(yǔ)言編程對(duì)具有迭代性質(zhì)的選址模型進(jìn)行求解，但存在絕對(duì)假設(shè)條件限制、去市場(chǎng)化、需求量計(jì)算過(guò)于簡(jiǎn)單等局限性;生力軍[6]指出，經(jīng)典粒子群選址模型在求解過(guò)程中存在局部最優(yōu)和過(guò)早收斂等問(wèn)題，為了克服此缺點(diǎn)，將量子進(jìn)化算法與粒子群算法相結(jié)合，構(gòu)建了基于量子粒子群算法的物流配送中心選址模型，并通過(guò)粒子編碼和量子交換、變異等操作，有效避免了模型在選址求解中存在局部最優(yōu)和過(guò)早收斂等問(wèn)題。

　　基于遺傳算法選址國(guó)內(nèi)學(xué)者們針對(duì)不同類型的選址問(wèn)題進(jìn)行了大量創(chuàng)新性的研究：如趙斌等[7]指出，傳統(tǒng)單一的遺傳算法難以快速有效求解出系統(tǒng)復(fù)雜的醫(yī)療器械物流園區(qū)選址問(wèn)題的最優(yōu)化問(wèn)題，通過(guò)將遺傳算法和免疫算法相結(jié)合，建立了免疫遺傳算法的選址模型，針對(duì)醫(yī)療器械物流園區(qū)選址的特點(diǎn)，構(gòu)建了包含多種成本要素的醫(yī)療器械物流園區(qū)選址問(wèn)題的目標(biāo)函數(shù)模型，并且對(duì)選址模型的求解方法進(jìn)行了設(shè)計(jì)，從而求解出最優(yōu)的物流園區(qū)選址方案。

　　郭靜文等[8]為了優(yōu)化消防站網(wǎng)絡(luò)規(guī)劃布局結(jié)構(gòu)、降低消防站選址的系統(tǒng)選址成本，以及提升消防站空間資源利用率，對(duì)傳統(tǒng)的遺傳算法進(jìn)行了改進(jìn)，使其具有自適應(yīng)性質(zhì)，可自行求解出優(yōu)化后的消防站規(guī)劃建設(shè)個(gè)數(shù)和選址位置，有效克服了在已有選址規(guī)劃方案中選擇消防站建設(shè)個(gè)數(shù)和選址位置等的缺陷，但在實(shí)證研究中，并未給出具體的求解方法或求解過(guò)程;周思育等[9]為了解決湖北省內(nèi)煙草資源物流配送不均衡和配送成本高昂等的問(wèn)題，構(gòu)建了綜合考慮多種選址成本要素的遺傳算法選址模型，并且通過(guò)Matlab數(shù)據(jù)分析軟件，對(duì)配送中心選址模型進(jìn)行求解，選取最佳的位置設(shè)置配送中心，提高了煙草資源物流配送的效率，并降低了配送中心系統(tǒng)選址的成本。

　　張鈺川等[10]為兼顧物流園的配送運(yùn)輸、貨物集散、倉(cāng)儲(chǔ)分撥、管理服務(wù)等的作用和功能，基于物流成本的基礎(chǔ)上，構(gòu)建了帶有雙層規(guī)劃的遺傳算法物流園選址模型：上層模型由影響物流園選址要素的各種成本函數(shù)所構(gòu)成，下層模型由影響決策者和客戶利益訴求的成本函數(shù)所構(gòu)成，并通過(guò)遺傳算法對(duì)雙層規(guī)劃模型進(jìn)行求解，最后通過(guò)實(shí)例驗(yàn)證了遺傳算法模型對(duì)物流園選址成本問(wèn)題具有一定的優(yōu)化作用。

　　本文選擇利用遺傳算法模型對(duì)快遞物流配送中心的選址問(wèn)題進(jìn)行研究，針對(duì)配送中心選址的特點(diǎn)，構(gòu)建了包含固定成本、分揀成本等多個(gè)成本要素的線性目標(biāo)函數(shù)，建立了基于遺傳算法的選址模型。遺傳算法選址問(wèn)題屬于NP難題，利用傳統(tǒng)的算法求解方法容易產(chǎn)生局部最優(yōu)等問(wèn)題，為了克服遺傳算法模型在選址問(wèn)題求解過(guò)程中所產(chǎn)生的局部收斂和早熟收斂等局限性，本文提出了一系列經(jīng)過(guò)改進(jìn)后的遺傳算法求解策略，具體包括編碼方法、自適應(yīng)交叉概率函數(shù)、自適應(yīng)變異概率函數(shù)等求解方法，這在很大層度上提高了遺傳算法模型在選址問(wèn)題中的求解精度和求解效率。

　　2 遺傳算法的配送中心選址模型

　　2.1 模型假設(shè)

　　為了便于構(gòu)建快遞物流配送中心遺傳算法選址模型，簡(jiǎn)化算法模型計(jì)算復(fù)雜性和使其具有很好的適用性，現(xiàn)對(duì)模型做如下假設(shè)：1)在一定備選范圍內(nèi)進(jìn)行配送中心的選取;2)發(fā)件網(wǎng)點(diǎn)或收件網(wǎng)點(diǎn)數(shù)目多于配送中心數(shù)目;3)一個(gè)網(wǎng)點(diǎn)僅由一個(gè)配送中心提供配送服務(wù)，但一個(gè)配送中心可覆蓋多個(gè)網(wǎng)點(diǎn);4)配送中心容量可滿足各配送網(wǎng)點(diǎn)的總需求量;5)各網(wǎng)點(diǎn)配送需求一次性運(yùn)輸完成，且假設(shè)勻速行駛;6)物流系統(tǒng)中包含兩個(gè)層次的運(yùn)輸，即從發(fā)件網(wǎng)點(diǎn)到配送中心的運(yùn)輸和從配送中心到收件網(wǎng)點(diǎn)的運(yùn)輸，且均采用公路運(yùn)輸;7)系統(tǒng)總費(fèi)用不考慮包裹在分揀中心的裝卸搬運(yùn)成本和暫存成本，只考慮配送中心建設(shè)成本、運(yùn)輸費(fèi)用和變動(dòng)成本。

　　3 基于遺傳算法模型的求解

　　遺傳算法(genticalgorithm，GA)這一術(shù)語(yǔ)于20世紀(jì)50年代由美國(guó)學(xué)者J.Holland所提出，是基于模擬自然選擇和遺傳機(jī)制的典型啟發(fā)式算法模型，具有操作簡(jiǎn)單、魯棒性強(qiáng)等優(yōu)點(diǎn)。在使用遺傳算法對(duì)快遞物流配送中心選址問(wèn)題的求解過(guò)程中，容易產(chǎn)生過(guò)早收斂和局部最優(yōu)等問(wèn)題。

　　為了提高算法模型的全局搜索能力以及保證種群的多樣性，防止遺傳算法在求解的過(guò)程中出現(xiàn)過(guò)早收斂和局部最優(yōu)問(wèn)題，需要對(duì)傳統(tǒng)的遺傳算法求解進(jìn)行改進(jìn)。因此本文提出了一系列的遺傳算法選址模型的改進(jìn)求解策略，從對(duì)染色體的編碼策略的選擇到自適應(yīng)變異概率的計(jì)算，這些求解策略有效解決了傳統(tǒng)遺傳算法出現(xiàn)的過(guò)早收斂和局部最優(yōu)問(wèn)題，使GA空間搜索能力明顯增強(qiáng)，提高了算法模型的求解能力和求解效率。

　　3.1 遺傳算法模型求解策略

　　1)染色體編碼將所需要解決的問(wèn)題采用編碼的方式是遺傳算法的重要操作，即將求解的問(wèn)題映射為編碼問(wèn)題，遺傳算法中常見(jiàn)的編碼方法有二進(jìn)制編碼、格雷編碼、排列編碼和浮點(diǎn)數(shù)編碼等。對(duì)編碼的性質(zhì)進(jìn)行評(píng)價(jià)的指標(biāo)主要有完備性、健全性和非冗余性。2)適應(yīng)度函數(shù)為了保證染色體中具有優(yōu)良性質(zhì)的個(gè)體基因遺傳到下一代，通過(guò)模擬遺傳進(jìn)化過(guò)程中適者生存原理，建立唯一具有評(píng)價(jià)群體生存選擇機(jī)會(huì)大小的適應(yīng)度函數(shù)，適應(yīng)度函數(shù)值越大，則種群中優(yōu)良基因作為父代基因遺傳到下一代的可能性越大;否則可能性越小。

　　3.2 遺傳算法求解步驟

　　STEP1染色體編碼。隨機(jī)產(chǎn)生K條染色體，并通過(guò)二進(jìn)制的方法進(jìn)行編碼，每條染色體即代表一種可行解。STEP2群體初始化。建立適當(dāng)規(guī)模的由染色體或個(gè)體所構(gòu)成的初始化群體。STEP3適應(yīng)度函數(shù)。適應(yīng)度函數(shù)值是判斷個(gè)體生存機(jī)率大小的唯一標(biāo)準(zhǔn)，對(duì)群體進(jìn)化進(jìn)度和形勢(shì)具有直接的影響，可利用式(9)計(jì)算出適應(yīng)度函數(shù)值f(xi)。

　　STEP4選擇算子。對(duì)于種群中適應(yīng)度高的個(gè)體進(jìn)行操作選擇，可直接作為父代染色體進(jìn)行繁殖，其他的染色體則采用輪盤賭的方式操作選擇。STEP5交叉算子。對(duì)于被選中的染色體，通過(guò)交叉算子操作，將具有優(yōu)良性質(zhì)的兩個(gè)染色體中的部分基因通過(guò)交叉位移的方式產(chǎn)生新的個(gè)體，并利用式(11)計(jì)算出不同個(gè)體的自適應(yīng)交叉概率Pc。STEP6變異算子。對(duì)不同的個(gè)體采取自適應(yīng)調(diào)整策略，利用式(12)計(jì)算出自適應(yīng)變異概率Pm。STEP7判斷適應(yīng)度函數(shù)值。完成STEP6后跳轉(zhuǎn)至STEP3，重新計(jì)算適應(yīng)度函數(shù)值并作出判斷，然后繼續(xù)進(jìn)行循環(huán)求解。STEP8終止條件：根據(jù)預(yù)先設(shè)定的最大迭代次數(shù)Tmax，當(dāng)達(dá)到所規(guī)定的迭代規(guī)模后則終止算法運(yùn)行。

　　4 實(shí)例分析

　　1)假設(shè)及問(wèn)題描述為了驗(yàn)證遺傳算法模型在配送中心選址中的有效性，本文結(jié)合算法模型設(shè)計(jì)了具體的算例，通過(guò)對(duì)算例的求解來(lái)驗(yàn)證遺傳算法模型在配送中心選址問(wèn)題研究中的有效性和實(shí)用性。長(zhǎng)沙市某城際快遞物流服務(wù)公司計(jì)劃開(kāi)展城際快遞物流配送業(yè)務(wù)，假設(shè)該公司的配送業(yè)務(wù)統(tǒng)一采用公路運(yùn)輸，且具有固定的發(fā)件網(wǎng)點(diǎn)、收件網(wǎng)點(diǎn)、配送中心來(lái)具體開(kāi)展該公司的城際快遞物流配送業(yè)務(wù)。

　　5 結(jié)語(yǔ)

　　本文研究分析了快遞物流配送中心的選址問(wèn)題，因?yàn)槔�用傳統(tǒng)簡(jiǎn)單遺傳算法，難以求解出含有多種變量因素的選址問(wèn)題的最優(yōu)解，故選擇和利用啟發(fā)式算法中的遺傳算法模型，對(duì)配送中心的選址問(wèn)題進(jìn)行了研究。針對(duì)快遞物流配送中心選址的特點(diǎn)提出了一系列的假設(shè)前提條件，并建立了含有固定投資成本、變動(dòng)成本等多種選址成本要素的目標(biāo)函數(shù)，構(gòu)建了配送中心選址系統(tǒng)成本函數(shù);針對(duì)遺傳算法在求解過(guò)程中容易陷入局部最優(yōu)和過(guò)早收斂等問(wèn)題，提出了包括自適應(yīng)交叉概率、自適應(yīng)變異概率等一系列的求解策略，增強(qiáng)了算法的全局搜索能力和求解能力;針對(duì)配送中心實(shí)際選址問(wèn)題，選擇了長(zhǎng)沙市某城際快遞物流公司的配送業(yè)務(wù)進(jìn)行實(shí)例研究，運(yùn)用Matlab2017a系統(tǒng)仿真軟件對(duì)其進(jìn)行求解，驗(yàn)證了遺傳算法在配送中心選址問(wèn)題研究中的有效性。

　　物流論文投稿刊物：《中國(guó)儲(chǔ)運(yùn)》(月刊)曾由原國(guó)家物資部主管，創(chuàng)刊干1990年，經(jīng)國(guó)家新聞出版署批準(zhǔn)出版，而向海內(nèi)外公開(kāi)發(fā)行，國(guó)內(nèi)統(tǒng)一刊號(hào)CN12-1204/F,郵發(fā)代號(hào)6-151。國(guó)際16大開(kāi)銅版紙彩印，月刊，國(guó)際標(biāo)準(zhǔn)刊號(hào)ISSN1005-0434, 國(guó)外發(fā)行代號(hào)BM1821。

　　由于配送中心選址是一個(gè)相對(duì)多樣且復(fù)雜的研究問(wèn)題，而本文基于遺傳算法的快遞物流配送中心選址問(wèn)題的研究，在理論和實(shí)例研究部分還有諸多不足，有待進(jìn)一步深入研究。例如僅考慮了確定性因素下配送中心的選址問(wèn)題，而沒(méi)有考慮不確定因素下配送中心的選址問(wèn)題;本文主要研究分析了在一定的物流區(qū)域范圍內(nèi)選擇和建立新的物流配送中心，而未在現(xiàn)有配送中心的基礎(chǔ)上對(duì)配送中心再選址問(wèn)題進(jìn)行研究;當(dāng)現(xiàn)有配送中心的集貨量、配送量超出其最大容量限制后，是應(yīng)該對(duì)現(xiàn)有配送中心進(jìn)行擴(kuò)建還是重新建立新的配送中心等方面的研究還未涉及。因此，本文基于遺傳算法配送中心選址問(wèn)題的研究還具有很大的研究空間，有待進(jìn)一步深化和拓展研究。

　　參考文獻(xiàn)：

　　[1]李紀(jì)魯，張曉，朱杰.基于自適應(yīng)免疫算法的配送中心選址問(wèn)題研究[J].中國(guó)儲(chǔ)運(yùn)，2019(8)：141-144.LIJilu，ZHANGXiao，ZHUJie.ResearchonLocationProblemofDistributionCenterBasedonAdaptiveImmuneAlgorithm[J].ChinaStorage&Transport，2019(8)：141-144.

　　[2]李茂林.基于改進(jìn)猴群優(yōu)化算法的物流配送中心選址研究[J].太原學(xué)院學(xué)報(bào)(自然科學(xué)版)，2020，38(2)：44-50.LIMaolin.LocationSelectionofLogisticsDistributionCenterBasedonImprovedMonkeyOptimizationAlgorithm[J].JournalofTaiyuanUniversity(Natural ScienceEdition)，2020，38(2)：44-50.

　　[3]張于賢，黃鑫.基于DEA的物流配送中心再選址研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2017，47(19)：197-202.ZHANGYuxian，HUANGXin.ResearchonRe-LocationofLogisticDistributionCenterBasedonDEAModel[J].MathematicsinPracticeandTheory，2017，47(19)：197-202.

　　[4]崔楊，張立平.第三方物流企業(yè)配送中心選址研究[J].吉林化工學(xué)院學(xué)報(bào)，2020，37(7)：27-31.CUIYang，ZHANGLiping.ResearchontheLocationoftheDistributionCenteroftheThird-PartyLogisticsEnterprises[J].JournalofJilinInstituteofChemicalTechnology，2020，37(7)：27-31.

　　作者：劉善球，樊兵鵬

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/27551.html