綠色物流配送路徑優(yōu)化研究
——以京東配送為例

張肖琳梁力軍張夢(mèng)婉

（北京信息科技大學(xué) 信管管理學(xué)院，北京 100192）

一、研究背景與動(dòng)因

人類(lèi)合理利用自然資源推動(dòng)了社會(huì)進(jìn)步，但過(guò)度地消耗資源對(duì)環(huán)境造成了巨大危害，比如生態(tài)破壞、氣候反常等。物流活動(dòng)在為人類(lèi)提供方便的同時(shí)，也產(chǎn)生了一些污染。隨著國(guó)民對(duì)綠色發(fā)展的重視，綠色物流逐漸映入大眾的眼簾。筆者充分考慮耗油成本、綠色環(huán)保成本，將綠色物流與配送的路徑優(yōu)化結(jié)合起來(lái)，構(gòu)建相關(guān)綠色指標(biāo)，把具體企業(yè)的物流配送路徑與蟻群算法相聯(lián)系進(jìn)行考慮，在綠色物流視角下研究配送路徑對(duì)環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展的重要意義。

二、研究綜述

（一）綠色物流研究方面

在物流運(yùn)作過(guò)程中，綠色物流有兩層含義：一方面是充分利用高科技手段盡可能把對(duì)環(huán)境的負(fù)面影響降低為零；另一方面是做到資源的合理使用，使每項(xiàng)資源都能發(fā)揮出相應(yīng)的價(jià)值。建立一個(gè)和生態(tài)環(huán)境休戚與共的物流系統(tǒng)是綠色物流的目的，為了達(dá)到該目的，最有效的手段是從環(huán)境資源著手。[1]

Seroka-Stolka（2014）把研究視角放在影響企業(yè)綠色物流理念發(fā)展的決定因素上，同時(shí)經(jīng)過(guò)研究證明出它們將影響綠色物流發(fā)展。[2]Searcy(2014)對(duì)綠色供應(yīng)鏈進(jìn)行了相關(guān)研究，主要分析指標(biāo)有：能源使用、溫室氣體排放、消費(fèi)指標(biāo)和能源效率等。[3]Rostamzadeh(2015)梳理了綠色供應(yīng)鏈管理的相關(guān)知識(shí)，在此基礎(chǔ)上提出環(huán)境可持續(xù)性在企業(yè)改善供應(yīng)鏈中扮演著重要角色。[4]Hong（2019）通過(guò)構(gòu)建顆粒物污染（PM2.5）模型，深入研究了綠色物流中的污染物排放問(wèn)題，利用蒙特卡羅模擬呈現(xiàn)模型的內(nèi)在變化。[5]

劉暢（2015）從闡述綠色物流內(nèi)涵視角出發(fā)，分析了綠色物流對(duì)推動(dòng)經(jīng)濟(jì)發(fā)展的重要性，研究出我國(guó)發(fā)展綠色物流的具體路徑。[6]王曉思（2017）從綠色物流視角出發(fā)，基于綠色度構(gòu)建相應(yīng)模型，從而對(duì)污染物排放成本進(jìn)行研究。[7]楊慧慧（2018）以綠色物流發(fā)展體系的建設(shè)作為研究重點(diǎn)，從多個(gè)方面對(duì)其充分探究，尤其針對(duì)物流鏈、物流的基礎(chǔ)設(shè)施等方面做了深入的分析。[8]陳根龍（2019）以當(dāng)前物流配送時(shí)的包裝環(huán)節(jié)為著眼點(diǎn)，對(duì)該過(guò)程中存在的問(wèn)題進(jìn)行相應(yīng)分析，提出“共享快遞盒”的綠色配送理念，同時(shí)對(duì)使用“共享快遞盒”的可持續(xù)性、經(jīng)濟(jì)性、安全性進(jìn)行了詳細(xì)闡述。[9]

（二）配送路徑算法研究方面

配送路徑直接決定著物流配送的成本和效率，對(duì)配送路徑及其算法進(jìn)行優(yōu)化和研究具有重要的意義和價(jià)值。

Belmecheri（2013）等學(xué)者提出了一種利用局部搜索進(jìn)行的粒子群優(yōu)化算法，結(jié)合混合長(zhǎng)途和具體的回程用戶（VRPMB）車(chē)輛路徑問(wèn)題進(jìn)行了實(shí)例研究，同時(shí)對(duì)該問(wèn)題的適應(yīng)性進(jìn)行了相應(yīng)解釋?zhuān)瑥亩?yàn)證粒子群優(yōu)化算法提高了算法的性能。[10]Amorim(2014)綜合考慮了總成本的最小化以及新鮮度的最大化問(wèn)題，從而對(duì)多目標(biāo)模型進(jìn)行深入研究。[11]Yu(2018)研究了物流終端配送模式和路徑優(yōu)化問(wèn)題。[12]Zhang（2019）構(gòu)建了包含時(shí)間窗的冷鏈物流車(chē)輛路徑優(yōu)化模型，在基于普通遺傳算法收斂速度慢等缺點(diǎn)的基礎(chǔ)上，提出了具體的改進(jìn)之處，經(jīng)實(shí)例分析證明該優(yōu)化算法能夠以較低成本得到最優(yōu)路徑。[13]

王道平(2017)等學(xué)者對(duì)物流配送進(jìn)行了深入研究，以配送中的選址問(wèn)題作為切入點(diǎn)，借助兩階段的啟發(fā)式算法進(jìn)行了相應(yīng)的模型構(gòu)建，目標(biāo)為配送中心選址成本和車(chē)輛配送成本最小，最后通過(guò)具體數(shù)據(jù)驗(yàn)證該模型的有效性，但是該方法存在的問(wèn)題是配送便捷性較差。[14]李作山(2019)等學(xué)者結(jié)合遺傳算法，針對(duì)企業(yè)車(chē)輛調(diào)度優(yōu)化進(jìn)行研究，基于減少汽車(chē)運(yùn)行耗費(fèi)為目的提出了相關(guān)策略。[15]曾志雄(2019)等學(xué)者基于蟻群算法研究了荔枝的冷鏈物流配送，該研究的側(cè)重點(diǎn)為配送成本，即如何對(duì)其優(yōu)化設(shè)計(jì)，使得成本花費(fèi)最少。[16]同時(shí)，方文婷（2019）等學(xué)者通過(guò)將節(jié)能減排轉(zhuǎn)化為綠色成本，建立以總成本最小為研究目標(biāo)的數(shù)學(xué)模型，在混合蟻群算法的基礎(chǔ)應(yīng)用上，結(jié)合具體實(shí)例進(jìn)行仿真建模以及進(jìn)一步的分析，最終驗(yàn)證了該算法的有效性。[17]

綜上所述，國(guó)內(nèi)外對(duì)配送的路徑優(yōu)化已經(jīng)進(jìn)行了相關(guān)研究，但將優(yōu)化算法與具體案例結(jié)合的研究仍是少數(shù)。同時(shí)，目前的配送路徑優(yōu)化很少考慮綠色因素，即有關(guān)環(huán)境問(wèn)題的研究并不充分。

三、物流配送路徑優(yōu)化選擇

通常來(lái)說(shuō)，配送中心的主要任務(wù)之一，是基于最優(yōu)配送路徑基礎(chǔ)上，對(duì)各個(gè)需求地進(jìn)行貨物的正常配送。在此情形下，配送車(chē)輛的行駛路線為，在到達(dá)一個(gè)需求地點(diǎn)后立即對(duì)另一個(gè)需求地點(diǎn)進(jìn)行配送，直到配送車(chē)輛完成所有的配送任務(wù)，方可回到配送中心。

為了便于研究物流配送路徑問(wèn)題，一些已知條件是必不可少的，比如配送中心地點(diǎn)、需求地點(diǎn)、配送中心及需求地點(diǎn)的相對(duì)坐標(biāo)、各個(gè)需求地所需的貨物數(shù)量以及配送車(chē)輛的最大運(yùn)載量，只有把以上條件作為大前提，才能深入研究物流配送路徑的優(yōu)化問(wèn)題。

假設(shè) Q=(0，1，2，…，m)表示多條配送路徑；0 表示配送中心；1，2，…，m表示需求地點(diǎn)的編號(hào)?？尚羞x擇是滿足運(yùn)載能力等限制條件下的路徑選擇集合，最佳選擇是可行選擇集合中路徑最短的選擇。[18]

（一）假設(shè)條件

物流配送路徑優(yōu)化的結(jié)果通常受諸多因素影響，因此，在已知條件的基礎(chǔ)上，仍需要對(duì)實(shí)際配送問(wèn)題添加一些假設(shè)條件，從而對(duì)其進(jìn)行相應(yīng)的簡(jiǎn)化。具體假設(shè)條件有：（1）配送車(chē)輛均為統(tǒng)一規(guī)格；（2）各個(gè)需求地的貨物被裝上配送車(chē)輛所花費(fèi)的時(shí)間此處不予考慮，即假設(shè)裝車(chē)任務(wù)已完成，只需等待發(fā)車(chē)；（3）在一次完整的配送任務(wù)中，一個(gè)需求地的貨物只能由一輛車(chē)進(jìn)行轉(zhuǎn)運(yùn)配送，同時(shí)，在此處假設(shè)不存在分批配送的可能性。

（二）物流配送路徑優(yōu)化模型

假設(shè)px表示x需求地點(diǎn)的貨物量；exy表示x需求地點(diǎn)到y(tǒng)需求地點(diǎn)的距離；R表示配送車(chē)輛的最大運(yùn)載量；U表示物流中心配送車(chē)輛的總數(shù)；mι表示配送車(chē)輛t的配送地點(diǎn)數(shù)量；Txι表示配送車(chē)t離開(kāi)x需求地點(diǎn)時(shí)配送車(chē)中的貨物量；當(dāng)gxyι=1時(shí)，表示配送車(chē)輛ι從x配送地點(diǎn)行駛到y(tǒng)配送地點(diǎn)，當(dāng)gxyι=0時(shí)，表示配送車(chē)輛不走這條配送路徑。物流配送的限制條件如下：

限制配送車(chē)輛從配送中心出發(fā)的約束條件表達(dá)式如下：

限制配送地點(diǎn)不重復(fù)配送的約束條件表達(dá)式如下：

限制所有貨物都被正常配送的約束條件表達(dá)式如下：

限制配送車(chē)輛不能超載的約束條件表達(dá)式如下：

依據(jù)上述限制條件，構(gòu)建物流配送路徑優(yōu)化模型表達(dá)式如下：

k表示配送的總距離。

（三）模型的綠色配送改進(jìn)

在當(dāng)今電商物流迅速發(fā)展的情形下，物流配送的綠色發(fā)展日益受到各行各業(yè)重視。物流配送過(guò)程中，存在貨物量較大、配送地點(diǎn)分布較廣等問(wèn)題，從而導(dǎo)致配送效率降低，對(duì)環(huán)境造成了不良影響。因此，擬設(shè)計(jì)一種有效的物流配送路徑優(yōu)化方法，在保證配送效率前提下，切實(shí)解決環(huán)境污染問(wèn)題，最終實(shí)現(xiàn)綠色配送。

1.污染物排放量計(jì)量

21世紀(jì)以來(lái)，隨著汽車(chē)數(shù)量的增多，尾氣污染也越來(lái)越嚴(yán)重。在物流配送中，污染物排放對(duì)環(huán)境和人類(lèi)都造成了極其不利的影響。因此對(duì)于上述配送模型，筆者著重考慮污染物排放量的降低問(wèn)題。對(duì)于輕型柴油貨車(chē)，由污染物排放指標(biāo)的相關(guān)計(jì)算方法知，該指標(biāo)的計(jì)量公式為：E大氣＝K×EF×10-6+2×10-6×Fg×K×αg

由上述公式知，當(dāng)配送距離最短時(shí)，污染物排放量達(dá)到最低。其中，相關(guān)參數(shù)含義如下：

EF：表示單位距離污染物排放量，單位：g/km

Fg：表示柴油消耗量，單位：l/km

αg：表示柴油中硫元素的含量，單位：質(zhì)量分?jǐn)?shù)百萬(wàn)分之一（ppm）。

2.物流配送成本計(jì)量

物流配送過(guò)程中涉及的主要成本有兩部分，分別為固定成本和變動(dòng)成本。

固定成本是在實(shí)際物流配送中不會(huì)隨配送貨物量和配送距離而產(chǎn)生變化的成本，具體包括車(chē)輛配送員的基礎(chǔ)工資與保險(xiǎn)、配送車(chē)輛的通信及月檢費(fèi)用。該部分費(fèi)用與最終的配送出車(chē)數(shù)量關(guān)系密切，因此，總固定成本表示為：C固定＝s×n，相關(guān)參數(shù)含義如下：

s：?jiǎn)挝怀鲕?chē)固定成本；

n：最終的配送出車(chē)數(shù)量。

變動(dòng)成本是與實(shí)際物流配送距離相關(guān)的成本。其中，配送過(guò)程中的車(chē)輛維修費(fèi)、輪胎費(fèi)、燃油費(fèi)以及車(chē)輛配送員的可變工資，組成了單位距離變動(dòng)成本。因此，總變動(dòng)成本表示為：C變動(dòng)=l×k，相關(guān)參數(shù)含義如下：

l：?jiǎn)挝痪嚯x變動(dòng)成本；

k：路徑優(yōu)化后的最優(yōu)總距離。[19]

所以，C總成本＝C固定+C變動(dòng)

四、基于蟻群算法的配送路徑優(yōu)化研究

（一）綠色物流配送的蟻群算法實(shí)現(xiàn)流程

蟻群算法能用來(lái)解決VRP問(wèn)題 （車(chē)輛路徑優(yōu)化），其核心思想是借助一定數(shù)量的螞蟻群體來(lái)尋求最短路徑。蟻群在活動(dòng)的時(shí)候，個(gè)體會(huì)釋放出一種獨(dú)有的信息素。在一段時(shí)間內(nèi)，最短路徑被選擇的較多，所積累的信息素也就更多。同時(shí)，該物質(zhì)可被同伴感受到，后來(lái)的螞蟻便會(huì)依據(jù)該物質(zhì)的濃度選擇通過(guò)路徑，進(jìn)而影響整個(gè)蟻群的活動(dòng)方向。[20]

為了使蟻群算法得到更直觀形象的結(jié)果，蟻群活動(dòng)時(shí)要遵循相應(yīng)的原則，其中覓食原則是最基礎(chǔ)的一個(gè)原則。同時(shí)，該算法在實(shí)際應(yīng)用中，一些參數(shù)的設(shè)置對(duì)模型優(yōu)化結(jié)果也有一定的影響，比如信息啟發(fā)式因子α、期望啟發(fā)式因子β等。筆者結(jié)合蟻群算法得出最短配送路徑后，在此基礎(chǔ)上得到最低的污染物排放量，來(lái)實(shí)現(xiàn)綠色物流配送的目的。算法流程如下圖所示：

圖1 綠色物流配送的蟻群算法實(shí)現(xiàn)流程

（二）京東配送中心實(shí)例分析

筆者以京東大型綜合物流配送中心的配送路徑為例，來(lái)驗(yàn)證蟻群算法的可行性。經(jīng)調(diào)查知，位于北京海淀區(qū)的一家配送中心負(fù)責(zé)周邊的8家便利店，對(duì)其進(jìn)行日常物流配送。

1.基礎(chǔ)參數(shù)設(shè)置

調(diào)查可知，該區(qū)域內(nèi)配送貨車(chē)車(chē)型為江淮帥鈴H載貨車(chē)，選擇燃料為國(guó)V標(biāo)準(zhǔn)柴油，車(chē)速范圍為40km/h～80km/h。該數(shù)學(xué)模型中參數(shù)的具體設(shè)置如表1所示：

表1 基礎(chǔ)參數(shù)

由表1可知：

單位出車(chē)固定成本s=車(chē)輛的通信及月檢費(fèi)d+車(chē)輛配送員基礎(chǔ)工資與保險(xiǎn)h，所以，s為120元／每輛／每天。

單位距離變動(dòng)成本l=單位燃油油耗費(fèi)用a+單位維修與輪胎費(fèi)用b+車(chē)輛配送員可變工資c，所以，l為 2.9元/公里。

2.數(shù)據(jù)來(lái)源

筆者以京東便利店的物流配送為依據(jù)，由于服務(wù)門(mén)店較多，數(shù)據(jù)分析較有難度，此處選取了固定區(qū)域的8家便利店作為研究樣本，由位于該區(qū)域中心的配送中心完成此8家門(mén)店的配送任務(wù)。

將配送中心和需求門(mén)店進(jìn)行編號(hào)，0,1,2…,8，配送中心和各門(mén)店的地理位置、相對(duì)坐標(biāo)及需求量如表2所示：

表2 各門(mén)店的地理位置、坐標(biāo)及配送量

3.數(shù)據(jù)分析

運(yùn)用蟻群算法對(duì)配送路徑進(jìn)行優(yōu)化，尋找最優(yōu)路徑，其中,信息啟發(fā)式因子α=2，期望啟發(fā)式因子β=3，螞蟻數(shù)量為4，迭代次數(shù)為100，使用 MATLAB軟件編程進(jìn)行求解，結(jié)果如圖2、圖3所示：

圖2 算法的優(yōu)化目標(biāo)函數(shù)曲線

圖3 蟻群算法優(yōu)化路徑

由圖2和圖3知，迭代100次后，最短配送距離為41.08Km。此時(shí)需要三輛車(chē)進(jìn)行配送，有三條路徑。車(chē)輛 1：0-1-2-3-0；車(chē)輛 2：0-5-6-7-0；車(chē)輛 3：0-4-8-0。

根據(jù)污染物排放量計(jì)量公式：E大氣＝K×EF×10-6+2×10-6×Fg×K×αg計(jì)算可知，此時(shí)的污染物排放量最低為8.989×10-4g；根據(jù)配送成本計(jì)量公式：C總成本＝C固定+C變動(dòng)計(jì)算可知，總成本為479.132元。

結(jié)合京東配送實(shí)例分析，運(yùn)用上述配送模型對(duì)路徑進(jìn)行了相應(yīng)的優(yōu)化，使車(chē)輛配送距離最短，極大地提高了配送效率。同時(shí)，當(dāng)路徑最短時(shí)，該模型實(shí)現(xiàn)了綠色配送，將污染物的排放量控制到最低，從而減少對(duì)環(huán)境的污染。

五、研究結(jié)論及展望

筆者通過(guò)研究，可歸納得到以下結(jié)論：一是改進(jìn)的蟻群算法可以應(yīng)用在配送實(shí)例中，利用MATLAB軟件對(duì)模型求解，能夠有效提供最短的路線方案。二是配送成本的計(jì)量對(duì)路徑優(yōu)化有著不可忽視的影響，不論是固定成本部分還是變動(dòng)成本部分，物流企業(yè)進(jìn)行路徑優(yōu)化時(shí)都要著重考慮。三是在綠色物流配送研究中，把降低污染氣體排放量作為主要考慮的綠色指標(biāo)是可行的，借助該模型能達(dá)到污染氣體排放量最低的目標(biāo)，為物流企業(yè)綠色配送提供了重要參考，利于該行業(yè)的長(zhǎng)期發(fā)展。

但是筆者考慮的限制條件仍相對(duì)較少，隨著物流業(yè)的發(fā)展，綜合全面考慮問(wèn)題將是大趨勢(shì)，因此該數(shù)學(xué)模型有待進(jìn)一步細(xì)化。同時(shí)，當(dāng)配送過(guò)程中污染物排放量最低時(shí)，配送總成本沒(méi)有得到相應(yīng)的控制，在實(shí)際應(yīng)用中還需結(jié)合具體環(huán)境進(jìn)行一定的調(diào)整優(yōu)化。