模糊神經(jīng)網(wǎng)絡(luò)在配送中心選址中的應(yīng)用研究

李 萍

(山西大同大學(xué)渾源師范分校，山西 渾源 037400)

0 引言

伴隨我國經(jīng)濟(jì)的飛速增長(zhǎng)和人民現(xiàn)對(duì)物質(zhì)文化的需求，各實(shí)體間的交往逐漸頻繁，物流配送已經(jīng)在現(xiàn)實(shí)生活中起到了承上啟下的作用。由于在物流配送中心的建設(shè)過程中所要涉及的因素較多，并且有很大的風(fēng)險(xiǎn)，所以如何選址成為很重要的問題。長(zhǎng)期以來，研究人員不斷的研究和探索，總結(jié)出多種算法；結(jié)合層次法的模糊排序方法、模糊綜合評(píng)價(jià)法以及AHP層次分析法等，雖然以上方法可以用于解決選址問題，但是還并不能徹底解決，因?yàn)槲覀兯芯康膯栴}之間往往存在著依存關(guān)系，比如地價(jià)，運(yùn)輸?shù)臈l件和環(huán)境等一系列問題[1-4]。

論文主要研究基于模糊神經(jīng)網(wǎng)絡(luò)的配送中心選址決策問題，概述了模糊神經(jīng)網(wǎng)絡(luò)基本原理以及影響物流配送中心選址決策的主要因素，利用MATLAB進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，從中可以得到對(duì)待評(píng)價(jià)方案的評(píng)價(jià)值，以便于選出最佳方案和最差方案。

1 BP模糊神經(jīng)網(wǎng)絡(luò)

BP模糊神經(jīng)網(wǎng)絡(luò)按照不同的功能可以將其分為輸入層、中間層以及輸出層，所以一般規(guī)定，一層的只能是輸入和輸出層，中間層比較特殊，中間層既可以只有一層也可以是多層的[5-8]。在相同的層之間是沒有網(wǎng)絡(luò)連接結(jié)點(diǎn)的。而且每一個(gè)網(wǎng)絡(luò)的結(jié)點(diǎn)就表示一個(gè)神經(jīng)元，所以用于傳遞的函數(shù)一般是Sigmoid型函數(shù)。同樣，如果我們將BP神經(jīng)網(wǎng)絡(luò)當(dāng)成非線性的映射來考慮，這樣輸入到輸出的對(duì)應(yīng)度會(huì)很高，把這樣的輸入以及輸出的樣本表示出來，就可以找到某一映射函數(shù)g與之相對(duì)應(yīng)，可以得到g(xi)=yi,i=1,2,3,…,n，在這里n為樣本的數(shù)模，BP模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。

圖1 BP模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖

神經(jīng)元的傳遞用Sigmoid型函數(shù)進(jìn)行計(jì)算，表示如下：

(1)

優(yōu)化的目的就是要讓誤差函數(shù)達(dá)到最低或者是最小，如果想要達(dá)到這一目的就要對(duì)神經(jīng)網(wǎng)絡(luò)的輸入值和輸出值進(jìn)行比較，兩者之間的差函數(shù)通過比較可以直觀地得出，接下來只要調(diào)節(jié)各層的鏈接的權(quán)值和各神經(jīng)的閾值，就可以將誤差函數(shù)降到最低，這種調(diào)節(jié)的過程被命名為誤差反向傳播BP算法，由于是從后向前進(jìn)行的，所以具體的步驟可以參考下面的模型。

中間層的輸出值可以表示成：

(2)

n代表的就是輸入層的數(shù)目，其中k代表的是學(xué)習(xí)過程的次數(shù)，θj表示的是閾值(中間層單元)、這里的P表示的是單元的數(shù)目，wij表示的是連接的權(quán)值(輸入層到中間層)，最后的xi表示的是輸入值。

對(duì)于輸出層而言，其輸出值可以表示如下：

(3)

vjt代表的是連接權(quán)值(中間層至輸出層)，rt代表的是閾值(輸出層)、q代表的是單元數(shù)(輸出層)。

2 配送中心選址中的評(píng)價(jià)決策問題

2.1 影響選址的主要因素

能夠影響配送中心選址的因素可以總結(jié)為：用戶的分布位置、商家的分布位置、運(yùn)輸?shù)木嚯x是否合理、候選地價(jià)格的高低、使用面積的大小、地質(zhì)條件的優(yōu)劣、不同的通訊條件以及道路的設(shè)施等。

2.2 物流配送中心選址的一般步驟

首先我們要在某一地區(qū)設(shè)置有多種商品的物流中心，當(dāng)然這些都是假設(shè)的，也是要進(jìn)行系統(tǒng)的研究和分析?，F(xiàn)在假設(shè)我們只有一種產(chǎn)品，并且是由m個(gè)廠家Ai(i=1,2,…,m)供貨，其中每個(gè)廠家所需要的物流量用ai表示；如果有n個(gè)需求點(diǎn)用Bj(j=1,2,…,n)表示，并假設(shè)各個(gè)需求點(diǎn)的物流總量用bj表示；如果需要對(duì)q個(gè)可能的物流據(jù)點(diǎn)進(jìn)行選址，我們就可以表示成Ck(k=1,2,…,q)；大家都清楚需求點(diǎn)的進(jìn)貨方式，一般分為兩種：第一種是最直接的，也就是從廠家直接進(jìn)貨；第二種就是從物流中心中轉(zhuǎn)進(jìn)貨。假設(shè)倉庫的存儲(chǔ)費(fèi)用、物流運(yùn)費(fèi)率以及據(jù)點(diǎn)投資費(fèi)已知，根據(jù)前面的描述，為了達(dá)到最低成本Z，我們可以通過構(gòu)建下面的函數(shù)數(shù)學(xué)模型來實(shí)現(xiàn)。

(4)

各個(gè)參數(shù)名稱及含義如表1所示。

表1 參數(shù)含義

那么約束條件就可以表示為：

(5)

式(5)表示從上游工廠中運(yùn)出的產(chǎn)品總量生產(chǎn)能力的最大值。

(6)

式(6)表示配送中心的需求量不能多于它運(yùn)入的商品量。

(7)

式(7)中Wk，M表示決策變量，Wk取值為0或1，當(dāng)Wk取值為0表示第k物流中心被淘汰(備選)，當(dāng)Wk取值為1表示該物流中心是被選中的；并且M是很大的正數(shù)。

(8)

式(8)表示每一個(gè)物流中心進(jìn)出的商品總量是平衡的。

Xik，Ykj，Zij≥0.

(9)

如果需要對(duì)以上的式子進(jìn)行修正，我們可以引入代表品種數(shù)量的其他參數(shù)，這樣它就能適用于多種商品的物流中心。

3 基于模糊神經(jīng)網(wǎng)絡(luò)的配送中心選址的MATLAB實(shí)現(xiàn)

表2是收集到的已正在運(yùn)營(yíng)的十個(gè)物流配送中心相關(guān)指標(biāo)的詳細(xì)數(shù)據(jù)。

表2 評(píng)價(jià)樣本

表2是在量化和模糊處理下得到的最優(yōu)的權(quán)值矩陣，可直接引用于配送中心選址的評(píng)價(jià)應(yīng)用中。

1) BP模糊網(wǎng)絡(luò)模型建立

因?yàn)橹笜?biāo)體系需求量實(shí)際需要八個(gè)，所以輸入層必須設(shè)計(jì)成八個(gè)結(jié)點(diǎn)，輸出層的結(jié)點(diǎn)數(shù)設(shè)計(jì)成為一個(gè)。由Kolmogorov可知，中間層設(shè)計(jì)可為一層。Tansig是適用于BP模糊網(wǎng)絡(luò)訓(xùn)練的可微函數(shù)，是從(-∞,+∞)映射到(-1,+1)的隱含層傳遞函數(shù)。應(yīng)用實(shí)例中的輸出層只要設(shè)計(jì)一個(gè)結(jié)點(diǎn)即可，因?yàn)檩敵龅钠谕捣秶?0,1)之間，所以輸出層的傳遞函數(shù)可用logsig更為合適。

2) BP模糊網(wǎng)絡(luò)訓(xùn)練

當(dāng)隱含層結(jié)點(diǎn)數(shù)目取17時(shí)，選擇trainlm函數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行實(shí)際訓(xùn)練，訓(xùn)練結(jié)果如圖2所示。

圖2 隱含層結(jié)點(diǎn)數(shù)為17的訓(xùn)練結(jié)果

如圖2，經(jīng)過4次訓(xùn)練后可以明顯地觀察到，誤差逼近0.001。

3) 評(píng)價(jià)備選方案

在訓(xùn)練中輸入五個(gè)待評(píng)價(jià)方案的評(píng)價(jià)矩陣的數(shù)據(jù)，在BP模糊神經(jīng)網(wǎng)絡(luò)中計(jì)算出各自的五個(gè)輸出值，如圖3。

圖3 計(jì)算結(jié)果

通過輸出值的大小對(duì)備選方案的優(yōu)劣排序，如表3。

表3 評(píng)價(jià)方案及測(cè)試結(jié)果

根據(jù)圖3中的計(jì)算結(jié)果可以明顯地觀察出表3中最優(yōu)最差的方案，最優(yōu)為方案13，最差為方案15，每一個(gè)方案中的指標(biāo)因素所表達(dá)的結(jié)果與實(shí)驗(yàn)結(jié)果基本達(dá)到一致，所以可以用于配送中心選址決策。

4 結(jié)束語

在實(shí)際中配送中心選址遠(yuǎn)比我們想象的困難，這是一個(gè)及其復(fù)雜的問題，不同的因素相互制約，相互影響，相互控制。雖然影響的因素很多很復(fù)雜，但我們可以使用模糊神經(jīng)網(wǎng)絡(luò)方法來解決，對(duì)于非線性關(guān)系問題一般可以使用模糊神經(jīng)方法進(jìn)行處理，要求這種方法要保證定性因素的量化以及大量的數(shù)據(jù)，并對(duì)其進(jìn)行一定程度的訓(xùn)練。