基于第四方物流平臺的快遞末端網(wǎng)點優(yōu)化整合?

劉聰娜，周騫，何風(fēng)

（1.長沙理工大學(xué)交通運(yùn)輸工程學(xué)院，湖南長沙 410004；2.長沙理工大學(xué)汽車與機(jī)械工程學(xué)院，湖南長沙 410004）

?

基于第四方物流平臺的快遞末端網(wǎng)點優(yōu)化整合?

劉聰娜1，周騫1，何風(fēng)2

（1.長沙理工大學(xué)交通運(yùn)輸工程學(xué)院，湖南長沙 410004；2.長沙理工大學(xué)汽車與機(jī)械工程學(xué)院，湖南長沙 410004）

摘要：伴隨著電子商務(wù)的高速發(fā)展，中國快遞行業(yè)的發(fā)展勢頭十足，但長期以來，快遞末端配送存在著服務(wù)水平低、管理混亂、資源浪費(fèi)、專業(yè)化程度低等問題。文中借力第四方物流，運(yùn)用第四方物流平臺并通過建立共同配送中心整合快遞末端配送資源，建立了末端網(wǎng)點優(yōu)化整合模型；以3家快遞企業(yè)為研究對象進(jìn)行優(yōu)化整合，結(jié)果表明該模型能起到很好的優(yōu)化整合效果。

關(guān)鍵詞：物流；第四方物流平臺；共同配送；優(yōu)化整合；快遞末端網(wǎng)點；免疫遺傳算法

隨著電子商務(wù)的蓬勃發(fā)展，中國快遞業(yè)進(jìn)入高速發(fā)展階段，據(jù)統(tǒng)計，快遞業(yè)的業(yè)務(wù)量從2005年的8.658億件迅速發(fā)展到2014年的136.9億件，收入也由2005年的239.7億元一躍發(fā)展到2014年的2 045.4億元，發(fā)展速度驚人。但快遞企業(yè)服務(wù)沒能跟上，客戶忠誠度不高，多家快遞企業(yè)末端存在重復(fù)設(shè)置網(wǎng)點、車輛滿載率不高、管理難度大、丟件和損件問題多、競爭力不足等問題，急需優(yōu)化整合末端網(wǎng)點以提高服務(wù)水平，實現(xiàn)規(guī)?；?，提高效率。

國內(nèi)外針對快遞行業(yè)存在的問題紛紛提出解決方案：張昕對比分析了整合快遞配送的幾種方法，指出這些方法都無法有效解決問題，而采用第三方物流平臺整合快遞末端配送實現(xiàn)規(guī)模經(jīng)濟(jì)可保證專業(yè)化服務(wù)，清晰成本分?jǐn)偤褪找娣窒?；成玫穎提出了快遞配送末端整合模式，重點研究了快遞末端整合的收益分配問題，通過對比分析stackelberg博弈求解分散決策時固定付費(fèi)、收入共享、服務(wù)水平補(bǔ)償、收益共享與成本共擔(dān)等4種收益分配方案，尋找系統(tǒng)最滿意的分配方案；季宬等以大學(xué)城為研究對象，通過建立共同配送中心，進(jìn)行實際數(shù)據(jù)的密度、成本和選址分析，并對南京大學(xué)建立末端共同配送中心提出了參考性建議；張永昕重點研究了兼并重組整合方式下基礎(chǔ)物流網(wǎng)絡(luò)優(yōu)化問題，設(shè)計了快遞基礎(chǔ)設(shè)施網(wǎng)絡(luò)優(yōu)化整合模型，采用遺傳算法進(jìn)行模型求解；Kofi Q.Dadzie等認(rèn)為企業(yè)通過整合雙方的物流和渠道管理表現(xiàn)出強(qiáng)大的市場競爭力和更高的財務(wù)業(yè)績，在企業(yè)競爭中應(yīng)持續(xù)加強(qiáng)對供應(yīng)鏈資源的整合力度；張露方等分析了電子商務(wù)末端配送中的癥結(jié)，提出了將共同配送方式的理念應(yīng)用到電子商務(wù)末端的策略；鐘耀廣描述了東莞電子商務(wù)城市末端配送的現(xiàn)狀，總結(jié)了末端配送面臨的問題并給出了末端配送優(yōu)化策略。以上研究部分是針對快遞末端優(yōu)化整合的收益分析，部分則是定性給出了優(yōu)化整合策略。該文基于第四方物流平臺對快遞末端網(wǎng)點進(jìn)行優(yōu)化整合，建立末端網(wǎng)點優(yōu)化整合模型。

1　快遞末端網(wǎng)點優(yōu)化整合問題描述

基于第四方物流平臺的快遞末端網(wǎng)點優(yōu)化整合，就是快遞企業(yè)與第四方物流合作，借助第四方物流平臺實現(xiàn)快遞末端配送資源整合。一般而言，第四方物流有協(xié)同運(yùn)作模式、方案集成商模式和行業(yè)創(chuàng)新者模型3種運(yùn)作模式。第四方物流平臺就是整合和管理所有信息、資源和技術(shù)以提供一致性的服務(wù)，達(dá)到資源整合、提高快遞服務(wù)水平、減少成本的目的。第四方物流平臺的業(yè)務(wù)流程可概括為會員注冊流程、信息發(fā)布、訂單提交和處理、合同簽訂和合同執(zhí)行、金融結(jié)算。在利用第四方物流平臺的基礎(chǔ)上，在快遞分撥中心和末端網(wǎng)點間建立共同配送中心，為多家快遞企業(yè)共同配貨至末端網(wǎng)點，同時將各末端網(wǎng)點從各客戶聚集點的集貨共同運(yùn)輸至配送中心，提高末端配送效率，減少成本（如圖1所示）。

目前，中國快遞企業(yè)數(shù)量眾多，規(guī)模參差不齊。這里選取某區(qū)域甲、乙、丙3家快遞企業(yè)為研究對象，對其現(xiàn)有末端網(wǎng)點進(jìn)行重新優(yōu)化整合，即從3家公司現(xiàn)有末端網(wǎng)點中選擇恰當(dāng)?shù)木W(wǎng)點予以保留并確定網(wǎng)點數(shù)目和位置。保留的末端網(wǎng)點需考慮其運(yùn)營成本，不僅需用數(shù)目最少的網(wǎng)點滿足顧客聚集點的需求，還要保證運(yùn)營費(fèi)用和配送中心到網(wǎng)點的運(yùn)輸費(fèi)用及顧客聚集點到達(dá)這些末端網(wǎng)點的運(yùn)輸費(fèi)用的總和最小。

圖1　基于第四方物流平臺的共同配送示意圖

2　數(shù)學(xué)模型構(gòu)建

2.1末端網(wǎng)點優(yōu)化整合問題假設(shè)

（1）由于建設(shè)有共同配送中心對3家企業(yè)的快件進(jìn)行共同配送，對3家快遞公司現(xiàn)有末端網(wǎng)點進(jìn)行優(yōu)化整合時，可以把3家公司在某一范圍的全部末端網(wǎng)點看作一個整體進(jìn)行優(yōu)化，不因所屬公司不同而區(qū)別對待。3家快遞公司的末端網(wǎng)點分布如圖2所示。

圖2　3家快遞公司末端網(wǎng)點分布示意圖

（2）保留一個末端網(wǎng)點需要一定的運(yùn)營費(fèi)用，盡量用最少的網(wǎng)點去覆蓋所有需求點。

（3）假定所有末端網(wǎng)點有最大的服務(wù)半徑，超過這個范圍，顧客聚集點就不在該末端網(wǎng)點的服務(wù)范圍內(nèi)。

（4）顧客群聚集點到末端網(wǎng)點的運(yùn)輸單價用兩點的距離表示。

（5）當(dāng)顧客聚集點在多個末端網(wǎng)點的服務(wù)半徑內(nèi)時，可將這些客戶集中點的業(yè)務(wù)分配到多個末端網(wǎng)點處理。業(yè)務(wù)的分配需綜合考慮末端網(wǎng)點到顧客聚集點間的距離和末端網(wǎng)點自身的服務(wù)能力。

2.2模型建立

選取某區(qū)域3家快遞企業(yè)為研究對象，并簡化快遞企業(yè)的運(yùn)作流程，在滿足顧客需求及系統(tǒng)成本最小的目標(biāo)下優(yōu)化快遞末端網(wǎng)點，確定所要保留末端網(wǎng)點的數(shù)目和位置。

約束條件如下：

式（1）保證保留的末端網(wǎng)點運(yùn)營固定成本、配送中心到網(wǎng)點的運(yùn)輸費(fèi)用與各網(wǎng)點到客戶群聚集點的運(yùn)輸成本之和最??；式（2）表示客戶聚集點j的業(yè)務(wù)量被分配到各個末端網(wǎng)點的業(yè)務(wù)量之和等于該客戶聚集點j的總業(yè)務(wù)量；式（3）表示從配送中心發(fā)往網(wǎng)點i的貨物量與從顧客群聚集點j發(fā)往網(wǎng)點i的貨物量之和小于網(wǎng)點i的最大容量；式（4）表示該變量是二進(jìn)制變量；式（5）表示這些變量為非負(fù)變量。

3　模型求解

免疫遺傳算法是一種基于生物進(jìn)化免疫機(jī)制的改進(jìn)的遺傳算法，以待求解模型的目標(biāo)函數(shù)來表示免疫遺傳算法中的抗原，免疫系統(tǒng)生成的抗體即可表示為對應(yīng)模型的解，抗原與抗體間的親和力值表示可行解與最優(yōu)解的接近程度。

假設(shè)免疫系統(tǒng)由N個抗體組成，采用二進(jìn)制即0～1編碼的方法，每個抗體基因長度為M，抗體基因如圖3所示。

圖3　抗體基因示意圖

算法實現(xiàn)步驟（如圖4所示）如下：

（1）抗原輸入。輸入快遞末端網(wǎng)點優(yōu)化整合模型的目標(biāo)函數(shù)及相應(yīng)約束條件。

（2）初始抗體的生成。當(dāng)免疫系統(tǒng)首次遇到抗原并作出相應(yīng)免疫應(yīng)答后，初始群體隨機(jī)生成。在免疫系統(tǒng)第二次遇到抗原并作出應(yīng)答時，免疫機(jī)制開啟記憶功能，使部分初始抗體能從記憶細(xì)胞中獲得記憶功能，由于抗體在記憶細(xì)胞中有更高的適應(yīng)度值，從而有效加快算法的收斂速度。

（3）計算抗體適應(yīng)度函數(shù)及親和度。適應(yīng)度函數(shù)用來表示群體中各抗體在優(yōu)化中與最優(yōu)解的接近程度，其值越大則越接近最優(yōu)解。因該模型目標(biāo)函數(shù)是求解成本的最小值，故需將目標(biāo)函數(shù)與適應(yīng)度函數(shù)進(jìn)行變換，變換方式見式（6）?？乖涂贵w間的親和度越高，則抗體質(zhì)量越好且與最優(yōu)解越接近。這里的親和度為適應(yīng)度函數(shù)的值。

式中：f（x）為適應(yīng)度函數(shù)；Gf（x）為目標(biāo)函數(shù)。

（4）記憶細(xì)胞更新。通過篩選出與抗原親和度最高的抗體并用該抗體取代記憶細(xì)胞中的原有抗體，完成記憶細(xì)胞更新。

（5）抗體生成的促進(jìn)和抑制。在搜尋最優(yōu)解過程中，若種群中抗體濃度過大，會造成求解過程過于緩慢，導(dǎo)致算法過早收斂。因此，需限制抗體濃度。按式（7）計算抗體濃度De，并從中找出濃度較大的個體，記為個體1，2，…，t。t個個體的濃度概率pd按式（8）計算，其他N-t個個體的濃度概率pd按式（9）計算。運(yùn)用改進(jìn)輪盤賭選擇法計算t個個體的適應(yīng)度概率pf，適應(yīng)度概率pf和濃度概率pd通過加權(quán)計算即得到個體的選擇概率p［見式（10）］。個體適應(yīng)度值越大則其被選擇的概率越大，個體濃度越大則其被選擇概率越小。

式中：λ為相似度常數(shù)，0.9≤λ≤1。

式中：a為親和系數(shù)，a＞0；pf＜1；pd＜1。

（6）群體更新。免疫遺傳算法與遺傳算法中的交叉操作和變異操作方法相同，即隨機(jī)挑出2個抗體按設(shè)定的變異概率進(jìn)行變異，再進(jìn)行交叉。重復(fù)執(zhí)行步驟3～6，直到符合算法的終止條件。

（7）終止條件判斷。當(dāng)所設(shè)定的參數(shù)滿足算法終止條件時，算法結(jié)束并輸出最優(yōu)解；否則，轉(zhuǎn)向步驟3。

圖4　免疫遺傳算法流程

4　構(gòu)造算例

某區(qū)域有甲、乙、丙3家快遞企業(yè)與第四方物流進(jìn)行合作，建立共同配送中心提供配送服務(wù)并分別對末端網(wǎng)點統(tǒng)一配送，配送中心坐標(biāo)為（2 800，2 500）m，下面運(yùn)用上述模型對末端網(wǎng)點進(jìn)行優(yōu)化整合，減少成本。3家快遞企業(yè)現(xiàn)有末端網(wǎng)點信息如表1所示，顧客聚集群信息如表2所示，現(xiàn)有末端網(wǎng)點及顧客聚集點的分布位置如圖5所示。

將初始群體規(guī)模取為50，采用二進(jìn)制即0～1編碼方法對待整合的末端網(wǎng)點進(jìn)行編碼設(shè)計，其中“0”表示該站點未被選中，“1”表示該站點被選中，最后結(jié)果全部為1的即為要保留的末端網(wǎng)點。免疫遺傳算法的優(yōu)化參數(shù)如表3所示。

表1　現(xiàn)有末端網(wǎng)點信息

表2　顧客聚集群信息

運(yùn)用MATLAB實現(xiàn)算法設(shè)計，計算結(jié)果如表4所示。

由表4可以看出：最優(yōu)方案是使用7個網(wǎng)點，此時最小成本為2.995 1×109元；可保留的末端網(wǎng)點為w1、w2、w4、w5、w8、w10、w11（如圖6所示）。

圖5　現(xiàn)有末端網(wǎng)點及顧客聚集點的分布位置

表3　免疫遺傳算法的參數(shù)

表4　模型計算結(jié)果

圖6　保留的末端網(wǎng)點

5　結(jié)論

該文通過對第四方物流平臺和共同配送的研究，結(jié)合快遞末端網(wǎng)點優(yōu)化整合方法，構(gòu)建了基于第四方物流平臺及共同配送模式的快遞末端網(wǎng)點優(yōu)化整合模型；以3家快遞企業(yè)為研究對象，在滿足顧客需求與系統(tǒng)成本最小的目標(biāo)下優(yōu)化整合末端網(wǎng)點，確定所需保留末端網(wǎng)點的數(shù)目及位置，提升快遞服務(wù)水平，提高運(yùn)作效率，有效整合快遞資源。

該模型對運(yùn)輸費(fèi)用的計算簡化為兩點之間的距離，而在實際中，不同的運(yùn)輸方式所需成本存在很大差異，即便是同一種運(yùn)輸方式，在不一樣的規(guī)模條件下運(yùn)輸成本也不盡相同。因此，需進(jìn)一步研究不同運(yùn)輸方式及同一運(yùn)輸方式不同規(guī)模運(yùn)輸成本對快遞末端網(wǎng)點優(yōu)化整合的影響。

參考文獻(xiàn)：

［1］ 張昕.末端共同配送模式及決策路徑［J］.經(jīng)濟(jì)問題研究，2013（3）.

［2］ 成玫穎.基于服務(wù)供應(yīng)鏈的快遞末端整合收益分配研究［D］.北京：北京交通大學(xué)，2012.

［3］ 季宬，牛孟藝，劉威志，等.大學(xué)城社區(qū)共同配送中心的配置模型［J］.中國商貿(mào)，2013，11（4）.

［4］ 張永昕.整合模式下的快遞物流網(wǎng)絡(luò)優(yōu)化［D］.北京：北京交通大學(xué)，2015.

［5］ Kofi Q Dadzie，Evelyn Winston，Robert Hinson.Competing with marketing channels and logistics in africa′s booming markets：an investigation of emerging supply chain management practices in ghana［J］.Journal of Marketing Channels，2015，22（2）.

［6］ 張露方，徐杰.共同配送模式在城市電子商務(wù)末端的應(yīng)用探析［J］.物流科技，2013，36（6）.

［7］ 鐘耀廣.電子商務(wù)城市末端配送問題與對策研究：以東莞為例［J］.物流技術(shù)，2015，34（5）.

［8］ 趙志敏.利用第四方物流平臺整合快遞服務(wù)資源研究［D］.北京：北京郵電大學(xué)，2012.

［9］ 張儉.快遞業(yè)進(jìn)入整合重組時代［J］.中國物流與采購，2012（7）.

［10］ 王瓊，呂微，任偉建.免疫遺傳算法及在優(yōu)化問題中的應(yīng)用綜述［J］.計算機(jī)應(yīng)用研究，2009，26（12）.

［11］ 馬永杰，云文霞.遺傳算法研究進(jìn)展［J］.計算機(jī)應(yīng)用研究，2012，29（4）.

［12］ Afshin Mehrsai，Hamid-Reza Karimi，Klaus-Dieter Thoben，et al.Using metaheuristic and fuzzy system for the optimization of material pull in a push-pull flow logistics network［J］.Mathematical Problems in Engineering，2013，2013.

［13］ 蔣尚亭.基于免疫遺傳算法的高校運(yùn)動會賽程編排問題研究與實現(xiàn)［J］.合肥學(xué)院學(xué)報：自然科學(xué)版，2014，24（1）.

參數(shù)設(shè)置：A為需要優(yōu)化整合的末端網(wǎng)點集，i ∈A，共I個；B為顧客群聚集點的集合，j∈B，共J個；Ui為保留網(wǎng)點i所需固定運(yùn)營成本；Fi為第i個末端網(wǎng)點所能接受的最大業(yè)務(wù)量；Fj為第j個客戶聚集點的業(yè)務(wù)量；Fo，i為從配送中心到網(wǎng)點i的貨運(yùn)量；Fi，o為從網(wǎng)點i到配送中心的貨運(yùn)量；Fi，j為從網(wǎng)點i到顧客聚集點j的貨運(yùn)量；Fj，i為從顧客聚集點j到網(wǎng)點i的貨運(yùn)量；Co，i為從配送中心到網(wǎng)點i的單位貨物量的成本，用兩點間的距離簡化表示；Ci，o為從網(wǎng)點i到配送中心的單位貨物量的成本，用兩點間的距離簡化表示；Ci，j為從網(wǎng)點i到顧客群聚集點j的單位貨物量的成本，用兩點間的距離簡化表示；Cj，i為從顧客群聚集點j到網(wǎng)點i的單位貨物量的成本，用兩點間的距離簡化表示；

目標(biāo)函數(shù)為：

中圖分類號：U492.3

文獻(xiàn)標(biāo)志碼：A

文章編號：1671-2668（2016）03-0079-05

基金項目：?湖南省交通科技項目（201148）

收稿日期：2016-02-16