配送路线选择论文

配送路线选择论文（精选7篇）

配送路线选择论文 第1篇

物流配送是物流系统中一个重要的环节,是物流节点送达收货人的过程。满足货运要求的前提下,如何选择配送线路是非常重要的,线路优化的目的在于保证运输安全的前提下,使配送线路和运输时间最优。

货物配送的重点就是如何将车辆进行有效利用,使得在配送时间和距离都相对最优的情况下配送到客户手中。由于规定了装卸点位置,力求多装快跑,节约时间和费用,提高效率,最经济就是两点间最佳运行路线。采用运筹学方法统筹考虑配送路线和配送时间,寻求最经济运行线路是非常必要的。本文应用相应算法并通过对济南市区配送线路的调查,计算相应的最佳配送线路,并进行对比说明一定问题。

1 线路优化方法概述

假设某配送中心负责b个接货点V*=｛v1,v2,…,vb｝,v0为配送站,G=0V,E,W0由城市道路构成的网络图,V=V*∪Y｛v0｝,E,W分别表示城市道路构成得边集,以及道路长度(或时间)构成的权集。

这类问题可用动态规划方法求解:第一步,将问题划分为m个阶段(阶段数划分根据接货点数而定);第二步,状态变量（vj,S）,vj∈Vm,vj表示送货车从v0走到vj,S表示到vj之前所经过的接货点集合,S⊆Vm;第三步,此处决策表示由一个接货点vj走到另一个接货点vj;第四步,最优指标函数,其中,S／｛vi｝表示除i之外的接货点,｜pij｜表示vi和vj两点间最短距离;边界条件为f0（vj,φ）,=｜p0j｜,j=1,2,…,m。进而求得来回且经过要求的点,使得路程最短。

2 实际中配送路线的线路优化

现有批娱乐设备,打算由运输车从济南长途汽车总站配送到大明湖、趵突泉和千佛山三个旅游景点,并回到长途汽车总站,试计算一条最短配送路线使得来回所走的路程最短。我们经过实际测算得到图1。

对图1进一步说明如下,v0:长途汽车总站,v1:三孔桥,v2:天桥,v3:人民商场,v4:大明湖,v5:趵突泉,v6:省中医,v7:青龙桥,v8:千佛山。针对上述路线图,求配送车从v0(长途汽车总站)出发途经Vm=v4,v5,v8返回v0,求最短环游路线及路径。

解依据动态规划方法原理,由边界条件可知:

当K=1时:

当K=2时:

当K=3时:

由此,通过动态规划的追溯方法得到由v0出发配送货物到v4,v5,v8这三个配送点,并最终回到v0出发点,这条路线的路程最短的最优路径,即距离17.49km,这条路线为:

上述路线说明,配送车按照上述路线行走,使得配送线路的路程最短。

3 实际中配送时间的线路优化

3.1 配送时间调查表的绘制及计算。

对于上述线路图1,通过浮动车法并应用相应公式计算各段路程时间。首先对长途车站到天桥间距离l为1.42km的线路进行调查,并绘制调查记录表,表1中各列含义为:T:出发时间,t:行程时间,X:迎面驶来的车辆数,Y1:超越测试车的车辆数,Y2:测试车超越的车辆数,Y:超越测试车车辆数与测试车超越车辆数之差,且表中序号1~6表示测试车向南行驶,序号1′~6′表示测试车向北行驶。调查表如表1。

浮动车法调查计算表如表2。

(1)先计算向南行情况

(2)再计算向北行情况

计算由长途车站到天桥时间为4.48min,而返回的时间为4.62min,取平均值当作行程时间为4.55min。

3.2 配送时间网络图的建立及计算。

图2中各节点与图1中相同,同样应用浮动车法求得了其他路段的行程时间,如图2所示。

由v0配送到v4,v5,v8三个配送点,并回到v0,这条路线的时间最短为33.41min,最佳配送路径为:

上述路线说明,配送车按照上述路线行走,使得配送线路的配送时间最短。

4 配送路线与配送时间类比

经计算得知若按最短距离行走,路线长度为17.49km,但花费的时间是64.65min。而按最短时间为33.41min行走的路线长度为23.41km,显而易见,如果按最短距离行走,虽然距离比按最短时间行走少了5.92km,但时间却多花费了31.24min,时间也是效益,节省时间也相当于节约成本,完全可以利用多花费的时间去再配送一趟物品,这样虽然多跑了路线,但却大大提高了车辆的利用率,节约了配送成本。

对于网络优化问题,由路程和时间求得最佳路径是不尽相同的。因此,在生活实践中应综合考虑时间及路程的最优问题,有利于提高车辆的利用率,降低运输成本,使运输效率达到最高。

5 结束语

配送线路优化能有效提高企业的服务质量、降低成本,充分考虑时间和路程,效果更加明显。因此,配送线路的优化研究对于发展城市的现代物流业和提高企业的核心竞争力具有重要的指导意义。

参考文献

[1]池洁,李莉.物流中配送区域与配送路线网络优化法[J].运筹与管理,2003,12(2):123-126.

[2]王炜,过秀成.交通工程学[M].江苏:东南大学出版社,2000:23-43.

[3]陈子侠.城市卷烟配送线路的网格划分算法[J].上海交通大学学报,2003(7):1013-1017.

配送路线选择论文 第2篇

关键词：危险品,选址,路线选择,Lingo

随着我国国民经济的快速发展,危险物品的社会需求量和供给量迅速增长,道路危险货物运输量也随之快速增长。目前,有超过3 300种物质属于危险品范畴。据估计,我国有害危险物品年产量约在6 000万吨以上,在世界范围内,有害危险物品年产生量约为30~40亿吨[1,2]。这些统计数据表明,如果对有害危险物品的存储、运输、使用等环节不采取系统而科学有效的管理措施的话,有害危险物品将会对社会和环境构成巨大的潜在威胁。

危险品需求量和事故危害程度的增加,使得政府部门和社会公众对它的重视程度也越来越高。危险品事故的严重性将会导致对危险品储存运输的研究更加深入,危险品的危险特性也将被纳入到危险品物流系统的决策环节中。但是企业关注的主要问题往往是如何选址、选线以使成本降低,而政府和居民则更加注重选址和运输带来的危险性以及服务能力的效果,这两个方面往往是互相矛盾的,如何在两者之间做到权衡,是解决问题的关键[3]。而目前国内针对这一问题的研究还比较少,所以还有待于进一步深入研究、探讨。

选址和配送实际上是密不可分的,选址是物流系统战略规划的重点,它决定了整个系统的模式、结构和形状,而且配送中心的建设也是一项耗资巨大的项目[4]。但是企业的物流成本却并非仅仅只有这些,一旦配送中心建立起来,企业要进行长期的物质配送,这部分费用会随着运输活动的进行而持续发生。如果将选址看作战略性决策的话,那么路径选择可以认为是战术性决策,而且选址会对路线的选择造成影响,所以,综合考虑两者的集成问题研究更具有现实意义,也更贴近现实情况。

但是由于选址问题(LAP)和车辆路径选择问题(VRP)本身都属于NP难题,这就为精确地求解两者的集成问题带来了巨大的困难。危险品作为一类特殊的物品,该类物质的选址和运输不仅要考虑一般物品所必须考虑的成本因素外,还需考虑它所带来的系统风险以及发生意外时对社会所造成的危害等。危险品本身的特殊性以及两类NP难题的集成使得对危险品选址和运输路线选择问题(LRP)的研究相对较少,所以对此类问题的研究既是现实的迫切需要,也具有十分重要的理论意义[4]。

1 国内研究现状

国内关于选址问题的研究很多,但都主要集中在普通物流的选址研究方面,关于危险品的选址研究很少,而且也只是最近几年才刚刚开始。关于有危害物资的选址的研究,国内主要分为固体废弃物的填埋选址、垃圾填埋场的选址和有害物质填埋场的选址。

国内对LRP的研究起步较晚,直到汪寿阳等人第一次在国内提出LRP,并报道了关于这一领域有影响的研究成果后,才引起国内学术界对集成物流管理系统研究的重视,开展关于LRP的研究[5]。

郭晓峰等人最早研究了只考虑线性运输成本的单设施选址问题,所建的模型也假设运输车辆数目唯一,且车辆无容量限制,送货无时间窗口约束[6]。

随后,张静等人考虑了车辆的固定使用成本,以费用最小化为目标建立了车辆有容量限制的多车辆多设施的LRP数学模型[7]。

章海峰等研究了一类运输工具受物流网络节点最大单批处理能力及运输工具总运输能力双重能力约束的LRP问题[8]。

但是以上研究都没有涉及到关于危险品的选址或路线选择问题。而且,目前国内关于危险品选址或路线选择的文章也较少。王刊良等针对在有害危险品的运输网络中检查站设置的问题,以漏检有害危险品车辆的吨公里数最小化作为优化目标建立了评价检查站系统效率的模型[2]。

后来王刊良在有害物品的后勤管理方面,提出了有害危险物品管理中的风险表示与风险分析方法,有害危险物品运输过程的选线以及有害危险物品处理点(如填埋场、焚烧厂)的选址模型[1]。

田绍军,张钦等通过建立危险品配送中心选址影响因素的层次分析评价模型,计算出各影响因素的权值,从而确定选址决策的主要影响因素[3]。

张敏等以路网的危险度瓶颈限制为切入点研究了一类危险品集成物流管理系统选址-选线问题,通过分析成本、风险和风险公平性等优化目标,建立了基于路网危险度瓶颈限制的危险品集成物流系统选址-选线的多目标模型,并给出了一种启发式算法[9]。

魏强通过把层次分析法(AHP)应用于危险化学品储存、运营模式的优选决策上,从影响危险化学品储存、运营效率的安全性、经济性、社会性、技术性、政策性等决策指标进行综合考虑,制定了成本、安全、服务水平、可靠性、协调性和环保性决策准则[10]。

通过以上对国内外研究现状的分析可见,我国关于危险品配送中心选址-路线选择问题的研究还不够成熟,没有形成体系,很多的研究还不够深入,研究过程中考虑的因素也不够全面,方法也局限于定性的居多。目前,大部分研究都没有考虑危险品的运输过程对运输路径造成的危害以及选址对周围居民的影响,而多数研究只是考虑了成本问题,这与危险品物流的实际要求是不相符的,远远落后于危险品物流的实际发展进程,所以本文的研究不仅考虑选址和运输的总成本,还将考虑选址点对周围居民的影响以及危险品运输时对路网和路线周围居民造成的潜在危害。

2 危险品的选址—配送模型

(1)参数符号及变量含义

设:S=r,|r=1,2,…,R,是R个候选配送中心集合;

D=,i|i=R+1,…,R+N,是N个需求点集合;

M=S∪D是所有候选配送中心和需求点的集合;

V=vk,|k=1,2,…,K,是从配送中心出发的K辆可用车集;

Dij表示节点i和节点j的距离;

Pij是在节点i和节点j之间路线影响范围内的居民数量;

drij为节点i和节点j之间路线影响下的居民中心离该路线的直线距离,并假定暴露在路线i和j下的居民数量与居民中心离该路线的直线距离成反比;

Rij为节点i和节点j之间路线发生交通事故的概率,它可以通过以往的统计资料获得;

c0为每两运输车的使用成本;

c1为单位距离的运输费用;

qj为每个周期内第j个需求点的需求量;

T为考虑的经营周期;

Q为运输车辆的最大装载量;

Hr为第r配送中心的最大容量;

Fr为第r个配送中心的固定建设成本;

Pr为配送中心r处的居民数量,选址风险与该处的居民数量成正比(确定配送中心r处的居民数量时,可以规定一个有效的危害半径,只统计在该半径范围内居民数量);

α为道路发生运输事故风险的经济转化因子,可以理解为每发生一次道路运输事故时的期望损失;

β为将暴露人口数量转化为经济指标的转化因子,可以理解为危险品对居民影响的社会成本;

Zr为0-1决策变量,若Zr取1,则在r处建造配送中心,否则,不在该处建造;

Xijk为0-1决策变量,若Xijk取1,则表示第k辆车从节点i到节点j,否则,第k辆车不从节点i到节点j;

Ui为辅助变量。

(2)模型假设及约束条件

假设1:各个配送中心的固定建造费用已知,并且具有容量限制,Fr为第r个配送中心的固定建造费用;Hr为第r个配送中心的最大容量。由于每个配送中心发出货物不超过其容量,所以有:

假设2:运输工具具有最大容量限制,但足以满足任意一个需求点的需求量。对于小件的物品配送,该假设显然是合理的,并且Q为运输车辆的最大容量(在此,假定每个配送车辆的容量相同,但这并不是必须的)。由此产生的约束为:

假设3:配送中心和需求点的运输距离已知,并且每条运输路线的事故发生率已知。点i到点j的距离Dij一般可以按照两点之间的公路连线距离计算;两点之间的事故发生率Rij可由交通部门统计数据获得的。

假设4:各条路线附近的居民数量已知,距离按照居民中心点到路线的垂直距离计算且已知。一般只需统计各路线一定距离范围内的居民数量Pij,并可由人口普查数据获得,居民中心离路线的距离drij可按重心法等方法计算。

假设5:暴露的人口数量风险只受运输工具是否空载影响,危险事件概率风险固定不变。在现实情况下,暴露人口数量风险要受到运输工具所装载的危险品货物的数量的影响,例如,一辆满载炸药的运输车辆和一辆空载的运输车辆对道路以及周围居民的潜在危害显然是不同的,因此,考虑到危险物品运输过程中的风险大小与货物量正相关,所以更科学的方法是在运输过程中考虑运输工具所承载的危险物品量。同时,危险事件概率风险也要受出货时段的影响,在交通高峰期运输车辆通过道路的风险也较高,有时气候状况的因素也不能忽略。鉴于模型和计算的复杂性,本文并不作如此精细的考虑,只是假定运输工具非空载条件下,它们的影响是相同的;在空载情况下,运输工具不会对附近居民和道路产生潜在危害。所以,在运输工具从某一点返回配送中心时没有此两项风险的影响。

假设6:物品在各配送中心是单向流出(delivery),并且各配送中心也不会相互配货,因此不必考虑运输车辆返回的情形。

假设7:没有硬时间窗口约束,在研究的时间内各需求点的需求量不变。假定需求点的需求量在各时期固定不变并不是必需的,只是为了简化计算。

假设8:决策目标要求在给定时期内总的成本和系统总风险最小,并且风险可以通过相应的转化因子α、β转化为经济指标,从而将多目标优化变为单一目标优化。为了保证每个需求点仅被一个车辆服务,从各个配送中心出发的所有车辆必定只有一个会访问该需求点,所以有以下约束条件:

为了保证每个节点由同一辆车进入,同一辆车驶出,有以下约束条件:

由于每一辆车最多只能从一个配送中心驶出,所以有:

为了使任意两个配送中心之间没有联系(假设6),否则没有必要设立另一个配送中心,所以有[7]:

由于当一个配送中心建造时,则它必定至少会对1个对需求点进行配送,所以有:

另外只有当一个配送中心建造时,它才可能对需求点进行配送,所以有:

为了保证每条线路从一个配送中心开始,并且终止于该点,有以下约束[4,11]:

最后,由于决策变量ZrXijk都是0-1变量,所以有:

(3)危险品物流系统优化目标分析

成本:一般来说,系统优化都要考虑到成本因素,成本是影响物流系统设计的一个重要方面。在本文的物流配送系统规划中,这方面的成本通常包括配送中心的建设成本、运营成本、物品储运过程的储存与运输成本等。而危险品作为一类特殊的物品,有时还需考虑为了监督有害危险物品储运单位遵守管理条例所需要的管理成本(如设置检查站、应急站)等等[1]。本文主要考虑配送中心设施选址的固定费用(包括土地租赁费用、建设费用、维护费用等)、物品运输费用和车辆购置费用,并且在考虑的经营周期内将这三项成本之和最小化作为一个优化目标,有时鉴于考虑的时间跨度,往往需要根据货币的时间价值进行调整,但本文并不做这种考虑。在模型中的目标函数(12)式中,C0k∈∑Vr∈∑Sj∈∑DXrjk部分为运输车辆的购置费用;C1i∈∑Mj∈∑Mk∈∑VXijkDijT为在所考虑的运营周期内的货物运输费用;r∈∑SFrZr为配送中心的建造费用。

系统风险:有害危险物品不同于其它一般物品,在存储和运输的过程中如果处理不当便会对人类生命安全和周围环境带来严重危害。因而,有害危险物品的风险表示和风险分析/评估是有害危险物品物流管理研究的中心问题。一般而言,需要考虑的是两类风险:一是存在于配送过程中的运输风险;二是设施选址时带来的选址风险[3]。其中运输风险主要包括由于危险物资泄露对路网或周围居民造成的潜在影响,设施的选址风险主要是对环境和周围居民的影响。文献[1]提出了已有的风险表示方法主要包括:传统风险、暴露人口数量风险、危险事件概率风险、感知风险、条件风险等。本文主要采用选址风险(主要是配送中心对周围居民造成的潜在危害)、暴露人口数量风险(危险品道路运输过程中所覆盖的居民数量)和危险事件概率风险之和最小化作为优化目标,并将其转化为经济指标。在以下的模型中,(13)式β是使暴露的人口数量最小:第一部分是暴露在配送中心影响下的人口数量,第二部分为配送过程中暴露于道路沿线一定距离的居民数量;β是暴露的单位人口数量的社会成本。(14)式α是使总的危险事件发生概率之和最小,α是每一单位风险事故的期望损失。

根据以上假设和规定可以建立以下数学模型:

虽然该模型中有三个目标函数,但是由于(13)式和(14)式已相应的乘以一个经济转化因子β和α,使得最终的结果能够统一用货币衡量,所以该多目标优化问题实质上已转化为单目标优化问题。在实际情况中,α和β的取值一般要根据以前事故发生所造成损失的平均值或通过专家评定来给出。

3 模型应用及求解

(1)算例描述

假设一个公司为了发展业务的需要,决定在某一城市建造若干个危险品的物流配送中心,通过调查决策者现拟定3个候选地址,各个候选点的固定建造成本和候选点周围的居民数量已知,见表1。

另外,已知每辆运输工具的最大载重量Q为80万单位,根据市场调查结果,需求点可以分为15个,在一个配送周期内每个需求点的需求量已知,见表2。

单位:万

其它数据由excel表中随机数函数生成:各个节点的距离已知,范围6~60千米;各节点连线附近的居民数量取0.5~4.2万人;各节点连线附近的居民中心距离该路线的距离取1.0~3.0千米;各节点连线之间的道路风险取0.01%~0.08%。考虑到企业在刚开始经营时资金并不是很充足,因此管理者要求使100个配送周期内的总成本最小。

(2)模型求解及结果讨论

根据文中所建模型及初始数据,编写了求解模型的Lingo程序。运行Lingo程序,通过反复迭代运算,最终找到一个满意的可行解,在100个配送周期内的各项成本取值如表3所示,其它变量取值结果列入表4和表5中。

单位:万元

表4中Z Z1,ZZ Z3 Z取值为1,表明配送中心是在候选点1和候选点3之间进行选址。决策变量Xijk取值为1是表示第K辆车从第i个节点到第j个节点,表5中X Z1,4,8Z=1,X Z4,5,8Z=1,X Z5,1,8Z=1,表示第8辆车从节点1到节点4,然后从节点4到节点5,最后从节点5返回节点1,由此生成运输路线:1→4→5→1。

同理可得其它路径,从而可得出该算例的最终选址和调运方案,如表6所示。

由表5、6可以看出,在3个候选配送中心中,选择建造候选点1和候选点3;一共使用了9辆配送车辆,其中配送中心1发出5个车次,配送中心3发出4个车次。通过计算可以发现,15个需求点的总需求量为607万单位,而任意两个配送中心的容量都可以满足该需求,因此,配送中心的容量不会对决策结果产生影响。另外通过比较可以发现,配送中心2的容量小于配送中心1,但其建造成本却比1高,而且配送中心2周围的居民数量也高于1,因此可以认为配送中心2很可能靠近城市的中心区域,建造成本中的土地使用费较高或者对附近居民危害的社会成本较高。在费用方面,除了选址费用外(880万元),车辆购买费用(450万元)最多,其次是危险事件发生造成的费用(380万元),再其次是运输费用(257万元),而暴露人口数量造成的费用最少(239.3万元)。

由此可见,在所考虑的运营周期内,选址费用和车辆的购买费用对总费用的影响最大,它们大约占到总费用的60.6%,其它的变动费用占总费用的比例不到40%,因此在短时期内,固定费用的大小对最终的选址起主导作用;在长期,路线选择造成的运输成本对选址决策有很大的影响。考虑到危险品本身的特点,在实际运输过程中,车辆应尽量选择那些道路交通事故发生率较小的路线,以免发生意外事故引起巨大的损失。同时,车辆也要尽可能选择那些距离较短的路线行驶以减少运输成本,而意外事故影响的人口所造成的费用最少,但两者差别不是很大。在实际情况中,暴露人口数量以及事故风险的经济转化因子的选取有可能会对最终的决策产生重大的影响。

4 结束语

基于路网配送路线优化教学软件开发 第3篇

当前, 现代物流已被公认为是企业在降低物质消耗, 提高劳动生产率以外创造利润的第三个重要源泉, 也是企业降低生产经营成本, 提高产品市场竞争力的重要途径, 而发展现代物流则需要一批高素质的物流专业人才队伍。高校本着与时代接轨的目的, 纷纷开设物流相关专业, 用以满足社会对物流人才的需求。

但目前, 各高校对配送车辆路线优化问题的教学, 仅仅流于刻板的理论教学的形式上, 教学模式陈旧, 局限于从有限的课本上获取物流方面的知识, 未能直观的反映车辆路线问题的模型, 造成专业人才的稀缺。正是基于这样的物流教学现状, 我们利用了计算机软件Visual Basic, 将VRP领域的算法进行分类比较, 并最终选取了启发式算法中的节约算法, 并将其算法步骤编程, 开发出应用VRP模型教学的软件, 具有重要的实际意义与现实意义。

2 软件的功能分析

制作软件的标准, 以便于教学, 直观反映问题为目标。为此, 我们详细地调研分析了VRP问题在实际教学过程中所遇到的各种问题, 并以此作为软件功能设计思路。

软件分为三大功能:

2.1 整体演示功能

此功能的想法初衷, 是为了让使用者对VRP问题有个较为清晰的认识, 软件界面的设计采用了选择菜单的多窗体, 以尽可能的体现软件的强大功能为目的, 加以操作软件的演示, 形象直观的反映软件的功能与作用。

2.2 分步演示功能

作为软件设计的核心, 分步演示功能是基于教学的应用考虑, 将解决VRP问题的具体过程, 体现在了软件的应用功能当中。在随机路网的生成的基础上, 以随机节点数为20, 客户数目为10, 车辆载重量为4, 为例, 具体的软件的计算过程图为:

第一步:输出路权矩阵表。

第二步:输出最短距离矩阵。

第三步:输出节约矩阵。

第四步:用节约算法求配送路径的输出计算结果生成过程。

第五步:输出最终配送路径结果。

2.3 随机练习功能

在做完演示功能等作用之后, 软件还考虑到学生的自学等因素, 添加了随机练习功能。本作品避免了传统软件的冗杂的输入数据, 采用随机数组, 即:随机路网, 随机需求量, 默认配送中心等, 并将得到的随机数据输出, 方便了题目的设计, 灵活多变, 并根据做题过程的中间数据, 完成自我的检测, 给自我学习能力得到不小的提升。

3 软件开发的关键技术问题

随机配送路线网络图的生成, 其核心思想在于将界面中的随机点, 以连接最近点为原则, 呈十字形连接, 这样克服了以往随即连线会生成新节点, 从而导致确定路权矩阵难的问题。

传统的随机路网同本作品的软件作图直观比较:

由此, 可以直观地看到, 传统的随机路网并没有解决随机连线的新节点所带来的路权矩阵混乱问题, 由此说明, 我们随机路网的科学性与突破性。

4 创新特色以及应用前景

4.1 创新特色

在基本车辆路线问题 (VRP) 的基础上, 本作品将其延伸和作以相应的优化。具体体现在:随机需求车辆路线问题 (vehicle routing problem with stochastic demand, VRPSD) , 在生成随机路网的前提下, 本作品还加以极具创新的随机客户端, 随机客户端需求量等。

本作品中随机路网的生成是先随机产生点, 然后连接相邻几条不相交的线, 克服了以往随机连线生成许多新节点, 导致确定路权矩阵难的问题;采用Floyd算法计算最短路径;节约算法计算配送路径, 保证软件计算的科学性与创新性。

本作品开发了图形化界面, 增强了直观性, 比单纯的数字讲解更易理解。能随机产生例题, 克服例题少不好学的情况;能随机生产练习题, 强化对问题的理解;能求解多车辆的VRP问题, 比仅有单车辆TSP问题更接近实际。

4.2 应用前景

该作品作为辅助教学类软件, 将提高教学质量作为软件开发的宗旨, 更加贴切学生自主动手能力解决身边问题的教育思想。软件的需求说明书以及后期显著的实践教学, 都充分说明了其广泛的应用前景, 一经推广, 必然会掀起一股高校的物流教学热, 也是由于其让学生更加明晰理论知识, 让教师授课更加生动形象。

该作品的使用范围为现阶段高校的物流教学相关的人群, 将作品实物化, 软件化, 推广具有可行性, 推广应用前景深远, 有着良好的市场前景与经济效益。

摘要：当前, 国外对于VRP问题的研究已经应用于生产, 生活等多个领域。但是, VRP问题的研究, 尽管摆在了高校的课本中, 但是在教学演示方面遇到很大的问题, 无法向学生形象生动的演示算法过程。为了提高教学质量, 解决教学演示的相关难题, 本项目设计了教学软件系统, 达到了对该问题的分步演示及可视化, 改善了教学方法, 并初步应用到了校内的教学演示, 取得了良好的效果。

关键词：随机路网,VRP,节约算法,教学软件

参考文献

[1]张强, 荆刚.车辆路线问题研究现状及发展方向.交通科技, 2004, 60-150

[2]张学志, 陈功玉.车辆路线安排的改进节约算法.系统工程, 2008.11

[3]郎茂祥.配送车辆优化调度模型与算法.电子工业出版社, 2009.3

[4]聂艳芳.VRP的数学模型及算法分析.山西电子技术, 2010.1

沈阳成大方圆配送路线优化应用研究 第4篇

沈阳成大方圆医药配送中心位于浑南经济开发区, 对沈阳市的八十多家成大方圆连锁药店进行药品的配送, 选择合理的配送路线对公司节约配送成本、提高配送效率以及增强企业的核心竞争力有着举足轻重的作用。目前成大方圆医药配送中心存在配送路线不合理、车辆利用率不高、配送成本较高、配送效率较低、客户满意度不高等一系列需要改进的问题。

本文是以仓储与配送课程中的节约里程法为基础。节约里程法又称节约算法或节约法, 是指用来解决运输车辆数目不确定的VRP问题的最有名的启发式算法。利用节约法确定配送路线的主要出发点是根据配送中心的运输能力、各门店所能接受货物配送的时间、配送中心到各个用户以及各个用户之间的距离来制定, 使总的车辆运输的吨公里数最小的配送方案。基本思想是为达到高效率的配送, 使配送的时间最小、距离最短、成本最低, 而寻找的最佳配送路线。论文利用仓储与配送课程中所学到的专业理论知识, 对成大方圆医药配送中心配送现状进行调研, 并根据节约里程法的计算与研究, 提出相应的改进意见。具体研究内容包括:节约里程法的相关理论学习、利用GOOGLE地图和实地调研获取各门店到配送中心以及各门店间的距离、对沈阳成大方圆各门店进行考察获取各门店的药品需求量和接收货时间、利用SPSS进行数据整理分析、利用节约里程法进行相关计算并结合客观实际得出最优配送方案。

2 配送路线车辆优化调度模型

2.1 一般VSP模型

为构造数学模型方便, 将车场编号为0, 任务编号为1, , l, 任务及车场均以点i (i=0, 1, , l) 来表示。定义变量如下:

则可得到车辆优化调度数学模型如下:

模型中, cij表示为从点i到点j的运输成本, 它的含义可以是距离、费用、时间等, 一般根据实际情况确定, 可同时考虑车辆数和运行费用。如下确定:

(1) 当i为车场时, 包括固定费用和运行费用:

(2) 当i为任务点时, 只有运行费用, 即

其中, c1为相对于运行时间的费用系数;c0为车辆的固定费用, 即增加一辆车的边际费用。一般认为, 派出一辆车的固定费用远远高于车辆行驶费用, 因此该模型是在极小化车辆数的前提下, 再极小化运行费用。减小c0的值将会使使用的车辆数增多, 而线路长度缩短。若令c1=0, c0>0, 则模型目标是使用的车辆数最少。

2.2 时间窗VSP模型

设完成任务i需要的时间 (装货或卸货) 表示为Ti, 又设任务i的开始时间需在一定的时间范围[ETi, LTi]内, 其中ETi为任务i的允许最早开始时间, LTi为任务i的允许最迟开始时间。如果车辆到达i的时间早于ETi, 则车辆需在i处等待, 如果车辆到达时间晚于Lti, 任务i要延迟进行。求满足货运要求的费用最少的车辆行驶线路。此问题称之为有时间窗的车辆优化调度问题。

以si表示车辆到达点i的时间, tij表示车辆由点i行驶到点j的时间, 一般应有以下关系式:

3 配送路线优化

成大方圆医药配送中心是我校物流管理专业校外实习实训基地, 承担着沈阳八十多家成大方圆连锁门店医药配送的重要任务, 企业能否及时、准确、高效的完成每天的配送任务直接影响到各连锁门店的销售业绩, 影响着沈城老百姓的身体健康。目前成大方圆医药配送中心还是采用传统的按行政区分区的配送方式进行药品的配送, 以成大方圆苏家屯配送中心为例, 该配送中心需要配送医药地点分别为三和店、枫杨路店、雪松店、苏白路店、玫瑰店、月季店、陈相店、白清店以及特药桂花店等9个门店, 存在配送路线不合理、车辆利用率不高、配送成本较高、配送效率较低、客户满意率不高等几个方面的问题。

(1) 配送路线设计方面:配送行驶里程过大、路线复杂甚至出现路线迂回现象, 而有的配送量较小, 造成车辆配送里程浪费现象。

(2) 配送成本方面:由于各个配送路线的配送量的不均衡, 个别运输里程较长, 个别配送路线的迂回, 配送车辆的增加等问题导致配送成本增加。

(3) 客户满意度:成大方圆医药配送中心在配送过程中准时性较差, 经常会出现配送延误的现象, 导致各门店的药品配送不及时, 药品缺货的现象, 这就造成了很多客户的不满。

(4) 配送效率:现阶段传统的行政区分区配送方案造成了配送效率的低下。例如某一家门店由于自身原因无法正常接货, 而造成其它门店的配送延迟, 这样就会造成配送效率较低。

(5) 车辆利用率方面:目前的配送方案使得有的车辆配送压力较大, 而有的车辆由于配送量较小, 远远达不到车辆的额定载重量和额定载重容积, 无法提高车辆的使用效率。

(6) 灵活性:现阶段成大方圆配送中心采用小型货车进行配送, 市区配送在时间上受到禁行的制约, 很难完成紧急配送的任务, 灵活性较差。本论文特选取上述门店作为研究对象, 利用配送路线优化模型对其配送路线进行优化, 各配送点之间的距离如表1所示, 各配送点的货物运输任务及要求如表2所示。

单位:km

经过配送路线优化软件优化后, 得到结果如下所示。

4 优化结果分析

经过配送路线优化调度系统优化后的配送与以前的传统配送相比, 主要有以下优点:

(1) 经过综合考虑路线的复杂程度后, 可以提高配送的及时性, 提高顾客满意度;

(2) 多家集中配送的方式可以降低配送成本, 为企业赢得更多利润;

(3) 可以根据路线的实际交通情况, 及时调整配送路线, 提高配送的机动灵活性;

(4) 能最大程度地满足客户的需求。

摘要：通过沈阳成大方圆配送中心现状配送情况调查, 结合配送路线优化调度模型, 对成大方圆苏家屯配送中心配送路线进行优化研究, 研究证明, 优化后的配送路线可以提高配送的及时性、提高顾客满意度、降低配送成本以及可以提高配送的机动灵活性。

关键词：配送路线车辆优化调度,时间窗,物流配送

参考文献

[1]李化.北京通远企业配送供应链设计与线路优化研究[D].沈阳:东北大学, 2007, (8) .

[2]翁心刚.物流管理基础[M].北京:中国物资出版社, 2006, (6) .

[3]黄中鼎.现代物流管理[M].上海:复旦大学出版社, 2006, (2) .

配送路线选择论文 第5篇

关键词：配送路线,优化,描述法,节约法,EXCEL

0 引言

美国物流管理协会(Council of Logistics Management)把物流定义为迎合顾客需求而对原材料、半成品、产成品以及相关信息从产地到消费地高效率、低成本流动和存储而进行的规划、实施和控制过程。并且认为一个典型的物流系统组成要素包括:客户服务、需求预测、分拨系统管理、库存控制、物料搬运、定单处理、零配件和服务支持、工厂和仓库选址、区位分析、采购、包装、退货处理、废弃物处理、运输管理、仓储管理。从中我们可以看出运输时是物流决策的关键所在,除了采购成本以外,一般来讲,运输成本比其他任何物流活动的成本所占的比重都高。其中配送路线的选择和优化是运输决策中的一项重要决策。

尽管路线选择问题种类繁多,但我们可以将其分为几个基本类型:一是起点和终点不同的单一路径规划:二是多个起点和终点的路径规划:三是起点和终点相同的路径规划。

起点和终点不同的单一路径规划这类运输路径规划问题可以通过特别设计的方法加以解决,最简单最直接的方法就是最短路径法;多个起点和终点的路径规划这类问题经常发生在多个供应商,工厂或仓库服务于多个顾客的情况下,可以用一类特殊的线性规划算法,即运输方法来解决;起点和终点相同的路径规划这类问题在企业拥有自己的运输工具时就相当普遍了。

在这篇文章里,我们将介绍起点和终点相同的路径规划的这类问题。

1 提出问题

首先我们来看一个具体的问题,某物流公司有一配送中心(P)就有右图形状的配送路线。A~J表示收货站,括号内的数据为发送量(吨),路线上的数字表示道路距离(公里)。这时,为使行驶尽量少,应该如何去求配送路线?假设能利用的车是2吨和4吨两种,并限制车辆一次运行的初步距离在30公里内。

该问题在起点和终点相同的路径规划的这类问题中具有代表性,这类问题的优化方法有扫描法和节约法。

扫描法的步骤为:(1)在地图或方格图中确定所有站点的位置(含仓库)。(2)至仓库始沿任一方向外划一条直线,沿顺时针或逆时针方向旋转该方向直到与某一站点相交。考虑:如果在某线路上增加该站点,是否会超过车辆的载货能力?如果没有,继续旋转直线,直到与下一个站点相交,再次计算累计货运量是否超过车辆的运载能力(先使用最大的车辆),如果超过就剔除最后的哪个站点,并确定路线。随后,从不包含上一条线路上的站点开始,继续旋转直线以寻找新路线,继续该过程直到所有站点都被安排到路线中。(3)排定各路线上每个站点的顺序使行车距离最短,排序时可用“水滴法”或求解“流动推销员”问题的任何算法。

节约法是由克拉克·怀特发现的,它能够灵活地处理许多现实中的约束条件,对站点数量不大的问题能够较快地算出结果,且结果与最优解很接近,该方法能过同时确定路线和经过各站点的顺序。节约法的目标是使所有车辆的行使总里程最短,并进而为所有站点提供运输的车数最少。该方法首先假定每一个站点都由一辆虚拟的卡车提供服务,随后返回仓库,如右图所示。

这时的路线是最长的,下一步将两个站点合并到同一条行车路线上,减少一辆运输车,相应地缩短运输距离,不过合并一定要注意满足约束条件。合并后缩短的距离减少了d AO+d OB-d AB。只要条件满足就可以继续合并,直到所有的站点的路线都完成。

2 用EXCEL辅助解决问题

对于上面的具体问题的分析步骤如下:

第一步:绘出最短距离距阵图,从配送网络图中计算出配送中心与收货点及收货点之间的最短距离矩阵:

用EXCEL的求解方法如下:

用FLOYD算法需要进行11步迭代计算,令该网络图的全矩阵为D (dij)n×n,当两点间没有直达路时,dij为无穷大,这里令dij=100足以解决问题。算法基本步骤为:

(1)输入权矩阵D(0)0=D

(3)中元素就是从配送网络图中计算出配送中心与收货点及收货点之间的最短距离矩阵。

(4)D0为权矩阵,数据要自己输入,D1到D11为每步迭代中产生的矩阵,D11为从配送网络图中计算出配送中心与收货点及收货点之间的最短距离矩阵,F0到F10为辅助矩阵,他们在表格中位子如下:

根据FLOYD算法,下面介绍用EXCEL的分析步骤:

(1)建立结构。

(2)输入权矩阵D0的数据。

(3)选中矩阵D1中B17单元格输入公式“=IF(B3>P3,P3,B3)”,当鼠标移至单元格右下角时变成实心加号,此时按住左键,朝各个方向拖拉可以将整个矩阵用公式覆盖,这时你可以点击该矩阵内的任一单元格,如单元格E21就会显示公式“=IF（E7>S7,S7,E7）”。

if!"函数中有三项,第一项为逻辑运算式,如果它的值取true函数就返回第二项值,否则就返回第三项值,用以计算。

选中D1中的公式区!B17∶L27",用Ctrl+C复制,然后用Ctrl+V将其中的公式粘贴到D2到D11的对应公式区中。

(4)对辅助矩阵Fi i=!1,…,10",进行从F0到F10的依次计算。这里只介绍F0,其他的依此类推。

对于F0:

(a)先将D0的第一行的数值赋给F0的横填充区,将D0的第一行列的数值赋给F0的竖填充区,可先赋一个值,然后进行拖拉;要是对于Fi,就要将Di的第i+1行和列的数据分别赋予Fi的横填充区和竖填充区。

(b)在o2单元格中填入公式=n2+o1;要是对于Fi就要在对应的单元格中填入公式=该单元格左边的单元格+该单元格上面的单元格。

(c)用模拟运算表进行求和运算:选中黑框内区域。

在“数据”菜单中选择“模拟运算表”项,会弹出下图的对话框,将o2单元格左边的单元格填入到“输入引用行的单元格”,将o2单元格上边的单元格填入到“输入引用列的单元格”,然后按确定,这样就得到矩阵F0;对于Fi可以对应操作。

当从F0到F10都运算好之后,就会得到从配送网络图中计算出配送中心与收货点及收货点之间的最短距离矩阵,以上完成了第一步。

第二步:绘出节约里程项目图,从最短距离矩阵中计算收货点相互间的节约里程。将最短路矩阵的第一行和第一列复制到行竖填充区中,并在单元格B2内填入公式,用模拟运算表进行求和运算的到下面表格:

然后将矩阵中的数据与最短距离矩阵D11中的数据对应相减,就得到节约里程项目(图中三角形部分)。

第三步:节约项目的分类,把节约项目有大到小顺序排列。如下表:

第四步:组成配送路线,从节约项目表中,按节约里程大小的顺序组成路线图。

(1)初次解。

线路数:10总行走距离:148公里车辆台数:2吨车10台

(2)二次解。按节约里程由大到小的顺序,连接A-B,A-J,B-C连接线。

线路数:7总行走距离:109公里车辆台数:2吨车6台4吨车1台

(3)三次解。其次,节约里程最大的是C-D和D-E。C-D和D-E两者都有可能与二次解的线路甲相连接,但由于甲的车辆载重与行走距离有限,不能再增加收货点,为此,略去C-D而连接D-E。

线路数:6总行走距离:99公里车辆台数:2吨车5台4吨车1台

(4)四次解。接下来节约里程最大的是A-E和E-F。由于A已组合在完成的线路甲中,所以略去A-E而将E-F连接在线路乙上。

线路数:5总行走距离:90公里车辆台数:2吨车3台4吨车2台

(5)五次解。按上面的方法继续即得到五次解。

线路数:4总行走距离:85公里车辆台数:2吨车2台4吨车2台

(6)六次解。按上面的方法继续即得到6次解。

线路甲:4吨车总行走距离:27公里装载量:3.6吨

线路乙:4吨车总行走距离:30公里装载量:3.9吨

线路丙:2吨车总行走距离:23公里装载量:1.3吨

3 结束语

在这篇文章里,我们介绍了起点和终点相同的路径规划的这类问题。用EXCEL工具来辅助配送路线的选择问题的决策,能够达到比较好的效果。EXCEL在管理科学领域的应用很多,如线性规划、运输问题、指派问题、网络最优化问题、项目管理、库存管理、预测、排队论和计算机仿真,等等。运用EXCEL建立模型,求解模型,能对管理者的决策提供很好支持。

参考文献

[1]Ronald H.Ballou(美).企业物流管理——供应链的规划、组织和控制[M].王晓东,胡瑞娟,等译.北京:机械工业出版社,2002:145-197.

[2]弗雷德里克.S.希利尔,马克.S.希利尔,杰拉尔德.S.利伯曼(美).数据、模型与决策[M].任建标,译.北京:中国财政经济出版社,2001.

[3]胡运权.运筹学教程[M].北京:清华大学出版社,2000:241-242.

配送路线选择论文 第6篇

发展市场经济, 流通极为重要。车辆的路线问题 (vehicle routing) 主要解决连锁商业系统中货物配送的车辆装载、车辆路线和人员配备等优化问题。针对车辆调度问题, 建立相应的数学模型、比较已有的车辆路线问题的相关方法在我国连锁商业配送过程中的应用效率和建立新的算法, 是非常必要且有重大商业价值的。TSP问题因其典型性已成为各种启发式搜索、优化算法的间接比较标准。因此, 快速、有效地解决TSP问题有着极高的理论及实际应用价值, 利用它解决物流配送路线问题依然是最有效、最方便、最可行的。

1 TSP问题的提出

在一组N个城市的集合中, 一个推销员从某一个城市出发, 拜访各个城市一次后回到原出发的城市, 限制条件为每个城市只能经过一次, 且必须都走过, 最后在各个符合条件的路径中找出最短的封闭路径。该问题称为TSP ( Travelling Salesman Problem) 问题, 又称为货郎担问题、邮递员问题、售货员问题, 是有名的N-P难题之一。要得到N个城市依次经历的最短路径, 应把N个城市所经过的路程相比较, 选出其中的最佳行进路线。

TSP问题描述十分简单, 简言之就是寻找一条最短的遍历n个城市的路径, 或者说搜索整数子集x={1, 2, 3, 4} (x的元素表示对n个城市的编号) 的一个排列∏ (X={V1, V2, Vn}, 使

undefined

取最小值。式中的d (Vi, Vi+1) 表示城市Vi到城市Vi+1距离。

2 TSP问题的常见解决方案

近年来, 解决TSP问题的方法主要有启发式算法、模拟退火法及遗传算法等。

(1) 启发式算法。

旅行商 (TSP) 问题是组合优化中最典型的NP-Hard问题之一, 目前关于该问题的启发式算法主要分为两类:环路构造算法和环路改进算法。对于第一类算法, 首次提出了在环路构造中成批加入顶点, 同时在构造过程对环路进行局部优化的思想, 由此得到了一种新的算法:SizeScale-Construct, 它的解质量极大地改进了现有的环路构造算法。对于第二类算法, 在分析局部最优解与全局最优解之间关系的基础上, 提出了另一个采用局部最优解的交集作为初始环路的新算法:SizeScale-Improve。实验结果表明, 该算法在解的质量和求解速度上都较大地改进了现有最好的环路改进算法;另一方面, 理论上对于最坏情况和平均情况时间复杂度的分析表明这两个算法是实用的。由于递归方法在处理问题时的简便, 本文采用递归程序解决TSP问题算法。

递归程序是直接调用或通过一系列的过程间接调用程序。但递归程序运行的效率一般都比较低, 因此应对递归程序进行优化。

(2) 模拟退火算法。

作为模拟退火算法应用, 讨论货郎担问题 (Travelling Salesman Problem, 简记为TSP) :设有n个城市, 用数码1, , n代表。城市i和城市j之间的距离为d (i, j) i, j=1, , n.TSP问题是要遍访每个城市恰好一次的一条回路, 且其路径总长度为最短。求解TSP的模拟退火算法模型可描述如下:

解空间:解空间S是遍访每个城市恰好一次的所有回路, 是{1, , n}的所有循环排列的集合, S中的成员记为 (w1, w2 , , wn) , 并记wn+1= w1。初始解可选为 (1, , n)

目标函数:此时的目标函数即为访问所有城市的路径总长度或称为代价函数:

undefined

我们要求此代价函数的最小值。

undefined

模拟退火算法的应用很广泛, 可以较高的效率求解最大截问题 (Max Cut Problem) 、0-1背包问题 (Zero One Knapsack Problem) 、图着色问题 (Graph Colouring Problem) 、调度问题 (Scheduling Problem) 等等。

(3) 遗传算法。

采用遗传算法求解货郎担问题 (TSP) 的应用程序是由选择、交叉、逆转和变异4个遗传操作及群体更新等主要算法模块以及诸如随机数发生器、控制参数输入、群体初始化、图文数据输出、译码、适应度计算等辅助模块组成的。在程序中, TSP问题的城市坐标是由随机数发生器产生的, 遗传算法的选择机制为比例选择机制, 交叉采用部分匹配交叉策略, 变异采用随机多次变换方式, 逆转操作采用单项连续多次逆转方法, 群体更新采用由覆盖的代间更新方式。程序的输入参数为群体规模、染色体长度、交叉概率、变异概率机、遗传世代数等5个遗传控制参数以及存储该程序运算结果的文件名。其中, 群体规模的取值范围为2100之间的任意偶数, 染色体长度 (TSP的城市数) 可取不大于100的整数, 交叉概率和变异概率的取值范围为[0.00, 1.00]。显示器输出的语文数据包包括交叉次数、变异次数、世代数、群体中的最大、最小及平均适应度、当前最佳路径的长度、程序运行时间等统计参数及当前最佳路径图;文件存储的数据包括TSP问题的城市位置 (平面坐标) 、历代最佳路径长度以及优化的最终结果等。

3 TSP在物流配送车辆运行路线中的应用分析

配货路线指从配货公司所在地出发, 走遍各公司, 又回到配货公司所在地的路线。

(1) 若配货汽车分3组送货, 试设计总路程最短且尽可能均衡的送货路线。

(2) 假定配货汽车在各大公司停留时间T=2h, 在各小公司停留时间t=1h, 汽车行驶速度为V=35km/h。要在24h内完成配货, 至少应分几组;给出这种分组下你认为最佳的配货路线。

(3) 上述关于T、t、V的假定下, 如果配货汽车足够多, 完成配货的最短时间是多少;给出在这种最短时间完成配货的要求下, 最佳的配货路线。

(4) 若配货汽车组数已给定 (比如3组) , 要求尽快完成配货, 讨论T、t和V改变对最佳配货路线的影响。

3.1 问题的假设

(1) 路况不考虑等级差别, 即可将所有路面状况视为相等, 车辆在所有公路上速度保持恒定。

(2) 交通情况不受影响, 即车辆在所有公路上都可以顺利通过。

(3) 各配货汽车组统一行动, 不可再分成小组进行配货。

(4) 对于某些至少要经过两次的大、小公司, 认为仅在第一次经过这些地点时停留, 以后再经过就不再停留。

(5) 对于某两个区域的大、小公司, 只要任一个配货汽车组停留过, 其它组经过时就不再作停留。

3.2 参数的说明

Pi:各配货汽车组的配货路程长度 i=1 2 3n。

ti:各配货汽车组的配货时间 i=1 2 3n。

n:组数。

B:距离均衡度函数。

b:时间均衡度函数。

3.3 模型的建立与求解

本题是一类图上的点的行遍性问题, 也就是要用若干条闭链覆盖图上所有的顶点, 使某些指标达到最优。本题所要求的分组配货的最佳路线, 与多旅行商问题类似, 也就是求m条经过同一点并覆盖所有其它顶点又使边权之和达到最小的闭链。旅行商问题都属NP完全类问题, 对于本题的规模, 要想求得真正的最优解是不现实的, 只能求得近似最优解。

(1) 第一问的求解。第一问要求设计分3组配货总路程最短且尽可能均衡的配货路线。设3组的配货路线长度从小到大为P1、P2、P3, 则我们要达到的目标为

min P1+P2+P3 (4)

min P3-P1 (5)

但是这两个目标函数是互相矛盾的, 即它们不可能同时达到最小。因此在求解时, 要折衷考虑。

具体求解步骤如下:①采用一定的分区原则将地图分成3个区;②按区寻找最小生成树, 并在其基础上求解最短回路;③求出每条回路的长度, 代入距离均衡度函数, 如果满足条件则终止;否则, 按调整原则将区域进行调整, 返回②。

(2) 第二问的求解。由于T=2h, t=1h, V=35km/h, 需访问的大公司17个, 小公司35个, 则在大公司、小公司总的停留时间为172+351=69h, 需在24h内完成配货, 若仍分3组的话, 平均每组只有1h的行路时间, 只能走35km, 无法在规定时间内走完所有的大、小公司。因此, 考虑行路时间, 至少要分4组。

与第一问类似, 设这4组的配货时间从小到大为t1、t2、t3、t4, 要实现的是下面两个目标函数

min t1+t2+t3+t4 (6)

min t4-t1 (7)

在具体求解时, 仍采用第一问中的分区域求区域内的最小生成树根据最小生成树找回路计算均衡度调整的方法。下面只对分区原则和均衡度函数作以下补充:①将原地图分成4个区;②分区时要尽量使各组的停留时间相等。可先将相对集中的大公司划为一个区, 兼顾大公司个数的均匀, 再通过调整小公司的划分来实现时间上的均衡;③均衡性的衡量采用时间均衡度函数B, 使B等于

undefined

当b0.1时认为是均衡的。

按照以上步骤, 采用计算机搜索的方法, 得到一组较优解, 括号中的点表示只经过不停留。

(3) 第三问的求解。若有足够多的配货汽车, 要求出完成配货的最短时间, 并给出在最短时间下的最佳配货路线。这是求点集的最小覆盖问题, 子集覆盖问题属于NP完全类, 无法在短时间内找到最优解。

可以求出配货距o点最远的大公司所需的最短时间Tmin, 这样, 其它各组的配货时间都不应超过Tmin。引入点权的概念, 若为大公司, 点权为2;若小公司, 点权为1, 即为在该点的停留时间。

diji:点到j点的最短通路长。

wi:i点的权。

ei:从o点到j点的最短时间。

在最短时间的限制下, 完成配货的最优路线应满足如下条件:①每个组的配货时间不能超过最短时间Tmin;②所有的点都应配货到, 不能漏点;③所需配货组数要尽量少。

(4) 第四问的求解。若配货组数已定, 则每组所用的时间为ti=xiT+cit+si÷V。

xi:第①组停留的大公司。

ci:第①组停留的小公司。

si:第①组的配送路线长度。

当T、t不变而V增加时, ti主要受V影响, 因此要求路线的均衡性比较好。这时需对xi、ci作调整, 对路程较长的组尽量考虑停留较少的小公司。

当V不变而T、t增大时, ti主要受xi、ci影响, 此时大公司、小公司分布的均衡性就显得十分重要。特别是大公司, T越大, 对大公司的均衡性要求就越高。各组的配送路线的均衡度可以差一些, 因为在T、t大到一定程度时, si÷V可忽略。

4 结束语

在启发式算法中, 递归程序一般都有很大的优化空间, 由于递归过程结构清晰, 程序易读, 而且正确性容易得到验证。因此, 利用允许递归的语言如Pascal 、C (++) 等进行程序设计时, 给用户编制程序和调试程序带来很大的方便。遗传算法是仿真生物遗传学和自然选择机理, 通过人工方式所构造的一类搜索算法, 从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。遗传算法作为21世纪关键智能计算之一将会在可计算理论和实际中得到更广泛应用。模拟退火算法的应用很广泛, 可以较高的效率求解最大截问题 (Max Cut Problem) 、0-1背包问题 (Zero One Knapsack Problem) 、图着色问题 (Graph Colouring Problem) 、调度问题 (Scheduling Problem) 等等。

参考文献

[1]姚新, 陈国良.进化计算研究进展[J].计算机学报, 2009 (18) .

[2]唐立新.旅行商问题 (TSP) 的改进遗传算法[J].东北师范大学学报, 2008 (7) .

典型城市配送模式分析及选择 第7篇

进入21世纪以来,社会经济的快速发展和产业结构的调整升级, 使得现代物流业逐渐成为新的利润增长点。然而伴随着城市化进程的加快,私家小汽车保有量的急剧上升,每个城市都存在不同程度的拥堵情况,社会物流体系在城市“最后一公里”遭遇瓶颈。一方面,城市经济水平和居民生活条件不断提升,城市的配送需求日益增加,电子商贸、网络购物等催生的末端配送需求也日益强烈;另一方面,城市交通拥堵问题限制了配送车辆的效率,部分城市对货运车辆的限制更加剧了配送的效率低下问题。城市配送问题作为城市经济发展的重要环节,越来越受到关注和重视。

国内外典型城市配送模式

城市配送是指在城市范围内, 经营主体通过集货、分拣、配货、 配装、运输、信息服务等一系列物流活动,采用集成化和规模化的模式将货物送达目的地的物流活动。 本文将城市配送分为冷链物流、商贸物流、城市快递、医药物流四类进行分析。

冷链物流是指以冷冻工艺学为基础,以人工制冷技术为手段,以生产流通为衔接,为了保证产品的质量安全,减少因为腐烂变质而引起的损耗,从而将易腐的生鲜产品在生产、储藏、运输、销售直到消费前的各个环节中始终处于规定的低温环境下的一项系统工程。

目前,冷链物流的发展模式主要有:以第三方物流企业为核心的模式、以连锁超市为核心的模式、 以批发市场为核心的模式、以加工企业为核心的模式。

商贸物流即为商贸业服务的物流。按配送模式分类,商贸物流主要包括:供应商直接配送;利用自有配送中心;共有配送中心;第三方配送中心。

城市快递业主要有三种运营模式,即独立运营模式、联合运营模式和供应链运营模式。

医药物流的核心是提高订单处理能力,降低货物分拣差错,缩短库存及配送时间,减少流通成本, 提高服务水平和资金使用效益。医药物流的重点是将供应商、物流中心、终端销售网络,进行合理的分工、整合。医药物流模式主要自营物流模式、快批模式、第三方医药物流模式。

吉林省城市配送模式的选择

近年来,吉林省物流运行总体趋势良好,社会物流需求增速虽有所回落但仍然保持着较快增长,物流业增加值稳步增长,为保证全省国民经济平稳较快发展发挥了重要的支撑保障作用。

吉林省无论是公路、铁路还是民航都在不断向前发展,由公路、 铁路、航空等运输方式组成的综合交通运输体系逐步形成。公路运输是吉林省主要的货物运输方式。 2013年,全省公路总里程9.42万公里,其中,等级公路总里程8.67万公里(高速公路2326公里),公路网密度50.27公里/百平方公里,比全国高5.6公里/百平方公里,公路货运量5.4亿吨,同比增长13.7%, 货物周转量1104.9亿吨公里,同比增长13.4%。本文将以长春市和吉林市为例进行配送模式选择。

长春市是吉林省省会、东北地区的中心城市之一,是国务院批复的长吉图开放开发先导区的核心城市,也是第二批国家级城市配送试点城市之一。随着长春经济社会快速发展,居民生活水平逐渐提高, 城市商业不断繁荣,目前长春城市配送物流需求旺盛,每天运进长春市的居民生活用品平均在7260吨, 往返车辆3.9万以上台次。全市城区物流仓储库总面积3 1 5万平方米,10万平方米以上大小物流园区及配送中心10余个。占地40万平的香江物流园区、占地35万平方米的亚奇物流园区均建成使用。

吉林市是吉林省第二大城市。 吉林市配送企业总体规模比较小、 服务内容单一、运营效率较低下, 配送企业发展缓慢,竞争力较弱。 近几年来,物流运输品种结构变化不大,主要集中在体积大、价值低、为工业服务的石化、建材、粮食和煤炭产品,约占全市货运总量的6 0 %以上。而在城市配送中体积小、重量低、价值高的电子通信类货物和日用商品的比重相对较小。

目前长春市大多数农产品生产商、批发商并不具备建设冷库、购置冷藏车的能力,而东北亚冷链物流、中冷物流等几家冷链物流企业具有- 6 0℃深冷功能变温型超低温冷库建设能力。所以可以考虑选择以第三方物流企业为核心的模式, 采用第三方冷链物流企业对农产品、水产品等需要冷链运输的物品进行统一配送,这样既减少了企业对冷库和冷藏车等设备的投资,又提高了物流的运作效率,同时还提高了冷链物流的专业化和规模化, 更好地满足了消费者的需求。

而对于吉林市来说,目前并没有较为专业的,具有一定规模的冷链物流企业,而其对于冷链物流的需求量也并不是十分大,因此可采用以加工企业为核心模式与以批发市场为核心模式相结合的冷链物流模式。可以让加工企业、批发市场配备少量的专业冷链物流设备,从而完成农产品、 水产品的冷链配送。

目前长春市欧亚、亚泰、远方等连锁商业企业采用利用自有配送中心的商贸物流模式,积极应用现代化配送,构建了具有一定辐射力的物流配送网络,实现对超市、卖场、便利店、折扣店等多种业态的日常配送。从而产生规模效益、降低成本。对于采购量大、门店集中的连锁超市可以采用供应商直接配送的模式,这样既不会增加超市的运营费用,还使物流配送产生了一定的规模效益。由于长春市的第三方物流公司目前还不是十分发达, 所以采用第三方物流公司进行配送的模式,还不适用于长春市。

对于吉林市而言,由于其并不具有像长春市大量具有自有配送中心的大型连锁商贸企业,因此应采取以供应商直接配送为主、以利用自有配送中心为辅的配送模式。对于大部分不具备自有配送中心的企业采用供应商直接配送的模式,对于像沃尔玛这样的具有自有配送中心的企业则采用利用自有配送中心的模式。

长春市的城市快递应采用独立运营与联合运营相结合的模式。目前顺丰、申通、圆通、韵达、汇通等知名快递企业分别入驻长春各转运分拨中心,各快递公司均有较完善的经营活动的运营模式,民营快递企业市场化、网络化、品牌化程度不断提高。而对于新兴的快递企业可以采用联合运营模式,通过多家企业的合作,可以扩大快递的服务半径,共享快递资源,同时提高仓储管理水平和物流的信息化程度,进而提高服务质量。

吉林市的城市快递同样应采用独立运营与联合运营相结合的模式。 对于顺丰、申通、圆通、韵达、汇通这样较为成熟的快递企业,采用独立运营的模式;而对于新兴的快递企业增采用联合运营的模式。从而提高管理水平、服务质量。

目前长春市缺乏专业的医药第三方物流企业,而益和医药物流中心、永新医药物流中心设施完善, 所以长春市医药物流模式应以自营物流模式为主。益和医药和永新医药均属于连锁医药企业,所以采取自营物流模式有利于在行业中的竞争,形成一定的规模效应,减少知识产权和商业机密泄露的风险。

而吉林市不仅缺乏专业的医药第三方物流企业,同时也缺乏大型医药连锁企业的物流中心。从发展的角度来看,应促进大型医药连锁企业建设专业的医药物流中心、配备专业配送设施,采用自营物流为主的模式进行医药配送。而对于不具备建设专业物流中心的小型医药企业,则采取快批模式进行配送。