零售企業(yè)物流配送路徑優(yōu)化問題實(shí)證研究

吳競鴻

零售企業(yè)物流配送路徑優(yōu)化問題實(shí)證研究

吳競鴻

（安徽商貿(mào)職業(yè)技術(shù)學(xué)院 工商管理系, 安徽 蕪湖 241002）

合理的配送路徑選擇規(guī)劃是提升零售企業(yè)的配送作業(yè)效益與服務(wù)水平的關(guān)鍵因素，對物流配送路徑優(yōu)化問題的研究具有現(xiàn)實(shí)意義。選擇某連鎖超市上海區(qū)域?yàn)檠芯繉ο?，首先對零售企業(yè)車輛路徑優(yōu)化問題進(jìn)行了研究綜述，其次通過實(shí)地調(diào)研及網(wǎng)絡(luò)資料總結(jié)了連鎖超市上海區(qū)域的配送業(yè)務(wù)基本情況，分析了配送中存在的配送路線設(shè)計不合理、配送成本過高等問題。再次從實(shí)際約束條件出發(fā)，就現(xiàn)狀與問題建立了VRP模型，提出了蟻群優(yōu)化算法優(yōu)化迭代次數(shù)。最后借助MATLAB軟件以及真實(shí)數(shù)據(jù)對模型進(jìn)行了求解，提出配送路徑優(yōu)化方案，并對比分析了優(yōu)化后的方案可提高配送效益，論證了構(gòu)建模型及其算法的可行性。

零售企業(yè)；配送路徑優(yōu)化；VRP模型；蟻群優(yōu)化算法

一、零售企業(yè)配送路徑優(yōu)化問題研究綜述

（一）配送路徑優(yōu)化問題研究現(xiàn)狀

運(yùn)輸作業(yè)是物流的主要作業(yè)內(nèi)容，車輛路徑優(yōu)化問題一直是物流領(lǐng)域的重要研究內(nèi)容。當(dāng)前，車輛路徑優(yōu)化研究主要集中在車輛路徑規(guī)劃與選擇問題。依據(jù)運(yùn)輸配送路線不同，車輛路徑規(guī)劃與選擇問題包括以下三種類型。

第一類是單一不同起訖點(diǎn)的車輛路徑規(guī)劃問題。如鄭文青等考慮物流配送中心需要將貨物從一個初始位置運(yùn)送到一個目的地的情況，將整個城市交通網(wǎng)絡(luò)視為平面圖，利用最短路徑法（Dijkstra算法）求解初始位置O到目的地D之間的最短路徑。[1]

第二類是多個起訖點(diǎn)的車輛路徑規(guī)劃問題。如李越穎針對多個供應(yīng)點(diǎn)與多個需求點(diǎn)的運(yùn)輸網(wǎng)絡(luò)分配問題，采用線性規(guī)劃方法建立數(shù)學(xué)模型，并考慮運(yùn)輸線路的權(quán)重情況求解最佳路徑。[2]

第三類為單一相同起訖點(diǎn)的車輛路徑規(guī)劃問題，典型代表就是VRP問題。即一些客戶具有不同的貨物需求規(guī)模，配送中心向客戶配送貨物后再返回，在滿足所有客戶需求的前提下，選擇合適的行車路徑。并力求在特定的約束條件下實(shí)現(xiàn)行駛里程最短、總成本最小等目標(biāo)。零售企業(yè)的配送網(wǎng)絡(luò)結(jié)構(gòu)一般是由區(qū)域配送中心統(tǒng)一安排車輛并按照一定方式和要求為區(qū)域內(nèi)各個門店提供配送服務(wù)。因而零售企業(yè)配送路徑優(yōu)化問題屬于VRP問題。

目前對于VRP問題求解一般采用精確算法或啟發(fā)式算法。如曹平方等對于典型VRP問題中的車或線路未進(jìn)行編號，而以累計配送量是否接近車輛載重量作為構(gòu)建新路徑的條件。并利用分枝界定法求解車輛調(diào)度問題。[3]基于運(yùn)籌學(xué)的精確算法的計算量在路徑數(shù)量增多時呈指數(shù)增長趨勢，使其較難應(yīng)付大規(guī)模網(wǎng)絡(luò)車輛路徑選擇問題。因此大多數(shù)時候利用啟發(fā)式算法進(jìn)行求解。啟發(fā)式算法包括遺傳算法、蟻群算法等。如李佳儒針對生鮮品的VRP問題，考慮了軟時間窗因素設(shè)定了懲罰函數(shù)，運(yùn)用遺傳算法優(yōu)化案例中的生鮮食品超市物流配送路線[4]；鄭琰等以020電商企業(yè)為案例，基于總配送路徑最小化為目標(biāo)，利用蟻群算法提出企業(yè)配送區(qū)域劃分及較優(yōu)配送路徑[5]；周顯春等考慮了道路限行、道路施工等城市道路情況構(gòu)建VRP模型，同時考慮螞蟻當(dāng)前時刻的位置與歷史位置以及未來遍歷位置之間的距離關(guān)系，使得改進(jìn)蟻群算法可實(shí)現(xiàn)整體路徑較優(yōu)。[6]啟發(fā)式算法降低了求解結(jié)果的精確性，簡化了求解過程，在實(shí)際應(yīng)用中能在較短時間內(nèi)逼近最優(yōu)解。

（二）零售企業(yè)配送路徑優(yōu)化問題研究現(xiàn)狀

在新零售時代下，零售企業(yè)管理者對車輛運(yùn)輸管理提出了更高要求，對送達(dá)及時率與準(zhǔn)確率產(chǎn)生了更高期望。配送路徑的優(yōu)化不僅可以縮短配送時間和行駛里程，降低配送成本，還可以使商品更便捷地送達(dá)門店，提升客戶滿意度。為了控制諸多零售門店的配送成本，配送過程中的路徑優(yōu)化策略一直是零售企業(yè)的關(guān)注點(diǎn)，大多數(shù)以零售企業(yè)配送為研究對象的文獻(xiàn)也是以配送路徑優(yōu)化問題為主要研究內(nèi)容。如王鈺祥等（2016）總結(jié)連鎖超市在生鮮品配送中的問題，提出可構(gòu)建VRP模型，并依據(jù)特定案例利用掃描算法給出配送路徑的優(yōu)化方案；王海燕等（2017）以武漢中百超市部分門店的配送路徑優(yōu)化問題為研究對象，在分析其配送存在問題的基礎(chǔ)上，采用節(jié)約里程法和最遠(yuǎn)插入法對其配送路徑進(jìn)行優(yōu)化，并對比分析了優(yōu)化前后的成本變化情況；盧茗軒等（2018）以衡陽香江百貨連鎖超市的生鮮農(nóng)產(chǎn)品配送問題為研究對象，借助重心法給出新配送中心選址位置，利用節(jié)約里程法優(yōu)化配送路徑，并基于企業(yè)業(yè)務(wù)數(shù)據(jù)的變化情況對節(jié)點(diǎn)選址模型及路徑優(yōu)化算法進(jìn)行論證。

總而言之，通過對車輛路徑優(yōu)化問題的研究綜述，本文首先認(rèn)為當(dāng)前學(xué)者們對于車輛路徑問題的研究比較多，但對于零售企業(yè)配送路徑研究關(guān)注度不高，求解算法以精確算法為主，可以考慮以啟發(fā)式算法為主的方式求解問題；其次針對零售企業(yè)車輛路徑問題的研究，已有很多文獻(xiàn)以案例形式對構(gòu)建的模型算法進(jìn)行驗(yàn)證，但大都是基于虛擬企業(yè)及模擬數(shù)據(jù)，沒有以實(shí)際零售企業(yè)為對象，業(yè)務(wù)數(shù)據(jù)缺乏可靠性。針對上述情況，本文認(rèn)為可以特定零售企業(yè)為研究對象，探討其在一定區(qū)域網(wǎng)絡(luò)條件下的車輛配送路徑優(yōu)化問題，構(gòu)建VRP模型并采用啟發(fā)式算法求解。

二、配送路徑優(yōu)化的VRP模型

（一）問題描述

1．問題假設(shè)

本文對零售企業(yè)物流配送路徑優(yōu)化問題的研究目標(biāo)可以描述為：為擁有不同貨運(yùn)需求的多個門店提供配送服務(wù)。配送中心通過對一輛或多輛車行駛路線進(jìn)行合理規(guī)劃滿足門店的需求并在一定的約束條件下，實(shí)現(xiàn)總成本最低、總里程最短的目標(biāo)?；跇?gòu)建數(shù)學(xué)模型的方便性考慮，本文對零售企業(yè)物流配送路徑優(yōu)化問題進(jìn)行簡化處理，設(shè)定如下假設(shè)前提：

（1）車輛的裝載量大于每個配送門店的需求量，且配送車輛的裝載量大于每條配送路線上的需求量；

（2）每個配送門店的需求量都可以滿足客戶的需求，配送路線的總需求量小于配送車輛的裝載量；

（3）配送中心的可調(diào)配車輛為四輛，每輛車從配送中心出發(fā)，對規(guī)劃好的配送門店逐一配送，然后再返回配送中心；

（4）每家門店僅有一個車輛配送且車輛對配送門店每天的配送次數(shù)為一次；

（5）不考慮配送道路中車輛流量及路況的限制。即各配送門店之間的配送路線均暢通無阻。

2．目標(biāo)函數(shù)及約束條件

本文以配送總成本最小化為目標(biāo)對配送路徑進(jìn)行優(yōu)化，安排合理的配送路線，制定高效的配送計劃。配送總成本包括車輛出車成本（固定成本項(xiàng)）以及車輛運(yùn)輸成本（可變成本項(xiàng)）。

相關(guān)符號變量說明：

V——車輛的行駛速度；

構(gòu)建的目標(biāo)函數(shù)如下:

約束條件：

（4）

式（1）為目標(biāo)函數(shù)，表示配送總成本最小化。其中配送總成本由車輛出車成本和單位里程成本構(gòu)成。配送中心及配送門店的編號分別為0，1，2……i，r……m；

式（2）表示配送車輛的載重量不能超過車輛的最大荷載量；

式（3）表示車輛行駛的總里程不能達(dá)到車輛的最大行駛里程；

式（4）表示車輛從配送中心出發(fā)，最后依次返回配送中心；

式（5）和式（6）保證每家門店有且僅有一輛車輛配送。[7-8]

（二）模型求解的蟻群優(yōu)化算法

蟻群算法是一種在路線中尋找優(yōu)化路徑的模擬進(jìn)化算法?？紤]到迭代過程的無效性，對算法的優(yōu)化機(jī)制進(jìn)行修正，以克服蟻群算法計算時間長、易出現(xiàn)停滯的缺陷。本文通過設(shè)定車輛荷載量及最少完成車輛優(yōu)化迭代次數(shù)，其算法計算步驟如下：

第一步：根據(jù)各門店的坐標(biāo)與需求量構(gòu)造一個一維矩陣；

第二步：設(shè)定螞蟻數(shù)量即配送車輛的數(shù)量；

第三步：選取決定tao和miu重要性的參數(shù)；

第四步：計算衰減系數(shù)和概率；

第五步：信息素初始化，并設(shè)定循環(huán)一周，螞蟻所釋放的信息素；

第六步：加入車輛容量與最少完成車輛的考量；

第七步：開始迭代并計算兩點(diǎn)間的距離；

第八步：在滿足容量的點(diǎn)中計算概率，選擇概率更大的一個繼續(xù)；

第九步：記錄所有滿足容量和概率的點(diǎn)；

第十步：每次循環(huán)，對應(yīng)路徑下所花費(fèi)的最少費(fèi)用都會進(jìn)行一次更新；

第十一步：經(jīng)過多次迭代后，就能算出最少費(fèi)用與最短路徑。[9-10]

本文將借助MATLAB軟件實(shí)現(xiàn)上述過程。

三、基于VRP模型的企業(yè)案例分析

（一）企業(yè)案例背景

1．某連鎖超市在上海地區(qū)的基本情況

圖1 某連鎖超市上海配送中心和七家門店的位置

表1 某連鎖超市上海配送中心及門店的編號與位置

表2 某連鎖超市上海配送中心及門店的經(jīng)緯度

本文以某連鎖超市在上海地區(qū)的門店配送網(wǎng)絡(luò)作為研究對象，選取了上海市某連鎖超市七家門店作為物流配送的配送站點(diǎn)，并由上海市配送中心對其進(jìn)行物流配送。研究方向是優(yōu)化該物流配送中心配送路徑問題，降低物流配送成本并使之最小化。設(shè)其配送中心編號為0，各個門店編號為1-7。配送中心及各超市門店的地理分布如圖1所示，具體地址信息如表1，經(jīng)緯度如表2所示。

依據(jù)網(wǎng)絡(luò)數(shù)據(jù)的檢索以及百度地圖的測距，得出上海市某連鎖超市配送中心與7家門店之間的距離數(shù)據(jù)。配送中心與門店以及各門店之間的最短距離如表3所示：

表3 某連鎖超市上海配送中心與七家門店之間的最短距離（km）

2．某連鎖超市上海地區(qū)配送路線運(yùn)作現(xiàn)狀

本文選擇 2019年某連鎖超市上海地區(qū)七家門店的平均日需求量作為分析基礎(chǔ)。依據(jù)網(wǎng)絡(luò)調(diào)查研究，目前某連鎖超市配送中心一般調(diào)用四輛車完成每日的物流配送任務(wù)。關(guān)于車輛方面的數(shù)據(jù)，物流配送車輛的核定裝載量為5.5噸，行駛里程為150公里，車輛的出車成本為200元/次，運(yùn)輸費(fèi)用為10元/km。當(dāng)前，某連鎖超市上海配送中心的配送線路有4條，各門店需求量如表4所示：

表4 七家門店配送需求量

圖2顯示的是某連鎖超市在上海區(qū)域的配送網(wǎng)絡(luò)，四輛配送車輛分別完成四個區(qū)域的循環(huán)配送路線。

第一條路線的配送過程：上海共發(fā)物流園-楊浦區(qū)中原路102號中原店-嘉定區(qū)博樂路99號嘉定店-上海共發(fā)物流園，配送總距離是102.9千米，貨物裝載量是3.4噸，裝載效率是62%；（0-4-1-0）

第二條路線的配送過程：上海共發(fā)物流園-閔行區(qū)東川路2092號閔行店-浦東新區(qū)金科路3057號B1層金科路店-上海共發(fā)物流園，配送總距離是67.9千米，貨物裝載量是3.2噸，裝載效率是58%；（0-3-7-0）

圖2 某連鎖超市的配送網(wǎng)絡(luò)示意圖

第三條路線的配送過程：上海共發(fā)物流園-金山區(qū)蒙山北路399號金山店-浦東新區(qū)人民西路955號南匯店-上海共發(fā)物流園，配送總距離是121.7千米，貨物裝載量是3.6噸，裝載效率是65%；（0-6-5-0）

第四條路線的配送過程：上海共發(fā)物流園-楊浦區(qū)長陽路1750號長陽店-上海共發(fā)物流園，配送總距離是65.2千米，貨物裝載量是2.8噸，裝載效率是51%；（0-2-0）。

表5 某連鎖超市的配送網(wǎng)絡(luò)計劃表

（二）某連鎖超市在上海地區(qū)配送作業(yè)中存在的突出問題

依據(jù)調(diào)研數(shù)據(jù)及相關(guān)網(wǎng)絡(luò)資料，當(dāng)前某連鎖超市上海區(qū)域的物流配送管理缺乏系統(tǒng)性。配送管理人員往往只是以按時按量配送作為作業(yè)目標(biāo)，并未考慮配送網(wǎng)絡(luò)優(yōu)化問題。典型問題總結(jié)如下：

1．配送成本過高

由于某連鎖超市的門店較多，配送時間未經(jīng)過系統(tǒng)的計算和統(tǒng)一的安排，司機(jī)往往只會按照原本的經(jīng)驗(yàn)進(jìn)行配送，沒有具體的配送時間和配送路線。這導(dǎo)致公司物流配送線路復(fù)雜、線路交叉重復(fù)等現(xiàn)象，加重了公司的運(yùn)營成本，造成極大的浪費(fèi)。

2．配送裝載率低

由表5可知，某連鎖超市四條配送路線上的裝載率分別為62%、58%、65%、51%，沒有合理考慮配送路徑上的貨物配載率問題，浪費(fèi)了一定的車廂體積，降低了貨物的周轉(zhuǎn)率，增加了配送成本。

3．配送路線設(shè)計不合理

當(dāng)前某連鎖超市的配送作業(yè)主要關(guān)注及時因素，使得一些小批量貨物在運(yùn)輸?shù)臅r候受到時效限制而不能合理規(guī)劃配送路線，產(chǎn)生了多條不合理的配送路線，造成了車輛行駛距離不合理、運(yùn)輸空載率增高，形成物流配送環(huán)節(jié)的浪費(fèi)。

四、基于蟻群優(yōu)化算法的模型求解結(jié)果分析

（一）模型求解結(jié)果

本文將某連鎖超市現(xiàn)有的配送作業(yè)相關(guān)數(shù)據(jù)導(dǎo)入MATLAB軟件中，求解配送路線的最優(yōu)方案。其中，單位運(yùn)輸成本包括每公里車輛油耗費(fèi)用、每公里的商品損耗費(fèi)用和未能送達(dá)的機(jī)會費(fèi)用。具體模型參數(shù)取值如表6所示：

經(jīng)過MATLAB軟件運(yùn)行優(yōu)化后，某連鎖超市配送優(yōu)化網(wǎng)絡(luò)如圖3所示：

如上所示，某連鎖超市上海區(qū)域配送網(wǎng)絡(luò)經(jīng)過VRP模型優(yōu)化及蟻群算法求解后，將現(xiàn)有的四條路線優(yōu)化成三條路線。如表7所示：

（二）優(yōu)化結(jié)果對比分析

本文在對某連鎖超市上海地區(qū)配送作業(yè)調(diào)研分析的基礎(chǔ)上總結(jié)出該連鎖超市存在配送路線設(shè)計不合理、配送成本過高等問題，進(jìn)而從實(shí)際約束條件出發(fā)，采用VRP方法構(gòu)建了優(yōu)化模型，并采用蟻群優(yōu)化算法求解模型。最后對優(yōu)化前后的相關(guān)數(shù)據(jù)進(jìn)行對比分析，如表8所示：

表6 模型參數(shù)取值

圖3 某連鎖超市配送優(yōu)化網(wǎng)絡(luò)圖

表7 某連鎖超市上海地區(qū)優(yōu)化后的配送網(wǎng)絡(luò)

表8 優(yōu)化前后的相關(guān)數(shù)據(jù)對比分析

1．行駛總距離縮短

某連鎖超市配送路徑優(yōu)化前的行駛總里程是357.7km，優(yōu)化后的行駛總里程是306km，減少了51.4km?？梢?，優(yōu)化后的配送路線可以解決優(yōu)化前行駛里程多的問題，提高了配送效率。

2．裝載率大幅提高

某連鎖超市的配送車輛核定裝載量為5.5噸。經(jīng)過優(yōu)化后，其配送路線的裝載率分別為85%、85%、65%，平均裝載率為78%，比優(yōu)化前高19%?？芍獌?yōu)化后的配送網(wǎng)絡(luò)可解決優(yōu)化前裝載率低的問題，提高了配送質(zhì)量和配送效率。

3．減少配送車輛數(shù)量，降低配送成本

某連鎖超市配送網(wǎng)絡(luò)在優(yōu)化后，配送線路由原來的四條變成了三條，減少了一輛車的出車成本、車輛的維護(hù)費(fèi)用以及司機(jī)工資等可變成本。同時車輛規(guī)模減小還使得配送效率提高，行駛路程縮短，配送成本從4377元降低為3660元，配送總成本顯著降低。

綜合而言，本文得出的優(yōu)化結(jié)果為某連鎖超市上海地區(qū)的配送網(wǎng)絡(luò)優(yōu)化設(shè)計、降低運(yùn)輸成本、提高營業(yè)利潤提供了參考路徑。

[1]鄭文青，呂丹陽.Dijkstra算法優(yōu)化物流系統(tǒng)的探討[J].計算機(jī)產(chǎn)品與流通，2018（5）：158-159；

[2]李越穎.線性規(guī)劃模型在物流管理中的應(yīng)用[J].計算機(jī)光盤軟件與應(yīng)用，2014（5）：50-51；

[3]曹平方，李靈，李詩珍.基于分枝界定的VRP模型精確算法研究及應(yīng)用[J].包裝工程，2014（17）：97-101；

[4]吳勝昔,劉威,盧文建,顧幸生.一類面向倉庫車輛路徑優(yōu)化的改進(jìn)禁忌搜索算法及其應(yīng)用[J].華東理工大學(xué)學(xué)報，2018（4）：581-587；

[5]李佳儒，王玉珍.新零售背景下生鮮食品超市配送路徑優(yōu)化研究[J].邵陽學(xué)院學(xué)報，2019（3）：27-35；

[6]鄭琰，孟曉露，伍佩琪，何雨飛.電子商務(wù)企業(yè)物流配送路徑優(yōu)化研究[J].物流工程與管理，2018（6）：111-113；

[7]周顯春，楊婷婷，劉小飛，潘玉霞.基于改進(jìn)蟻群算法的智能物流配送路徑優(yōu)化方法[J].內(nèi)蒙古師范大學(xué)，2017（11）：888-891；

[8]王鈺祥,孫琪.基于掃描法的連鎖超市生鮮配送路徑優(yōu)化[J].中國商論，2016（7）：1-2；

[9]王海燕，王曉莉.基于節(jié)約里程法的中百超市配送路徑優(yōu)化[J].物流技術(shù),2017（3）：84-87；

[10]盧茗軒，謝如鶴，陳培榮.連鎖超市生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化的實(shí)證分析[J].物流工程與管理，2018（7）：111-115.

Empirical Study on the Optimization of Logistics Distribution Path for Retail Enterprises

WU Jing-hong

Reasonable distribution path selection planning is a key factor to improve the distribution operation efficiency and service level of retail enterprises, so the research on the optimization of logistics distribution path is of practical significance. Selecting the Shanghai area of a supermarket chain as the research object, the author first studies and expounds the optimization of the vehicle routing of retail enterprises, and then summarizes the distribution business of the Shanghai area of the supermarket chain via field research and internet data, analyzing the problems in the distribution such as unreasonable distribution route design and high distribution cost, etc. Then the author considers the actual constraints in the distribution, builds up a VRP model based on the present situation and the problems, and proposes the ant colony optimization to optimize the iterations. Finally, with the help of the MATLAB software as well as the authentic data, the author resolves the model, proposes an optimization scheme for distribution path, proves that the optimized scheme can improve distribution efficiency through comparative analysis, thus concludes that it is feasible to build the model and use the algorithm to solve the model.

retail enterprises; optimization of the distribution path; VRP model; ant colony optimization

2019-10-18

安徽省高校人文社科研究重點(diǎn)項(xiàng)目（SK2019A0866）；安徽商貿(mào)職業(yè)技術(shù)學(xué)院科研項(xiàng)目（2018KYR01）

吳競鴻（1987—），男，安徽安慶人，安徽商貿(mào)職業(yè)技術(shù)學(xué)院工商管理系講師，碩士。

10.13685/j.cnki.abc. 000457

2019-12-16 14:46:39

F724.6；F259.2

A

1671-9255（2019）04-0020-06