基于多Agent系統(tǒng)的物流供應鏈任務分配模型設計

林奎星

基于多Agent系統(tǒng)的物流供應鏈任務分配模型設計

林奎星

（集美大學 航海學院，福建 廈門 361021）

針對傳統(tǒng)的物流供應鏈任務分配模型存在的任務成本過高的問題，設計了基于多Agent系統(tǒng)的物流供應鏈任務分配模型。首先對物流供應鏈任務以樹狀圖的形式進行分解，然后對任務中存在的變量進行計算。依據(jù)獲得的任務變量確定函數(shù)約束，得出具體的任務分配計算函數(shù)。在此基礎上，采用Agent結構來進行運算執(zhí)行，將設計的函數(shù)導入結構中，實現(xiàn)對任務分配模型的設計。對某供應工程中的任務進行模擬分配，實驗結果顯示，在實現(xiàn)任務的最低需求的條件下，該模型完成分配任務的成本低于傳統(tǒng)模型，滿足設計初衷。

供應鏈；多Agent系統(tǒng)；任務分配；函數(shù)約束

當前的物流供應鏈在多個行業(yè)中得到了應用，而服務供應鏈中存在較為復雜的網(wǎng)狀結構，而在供應鏈中單單依靠一個服務供應商常常難以滿足當前的客戶需求。而在目前的物流供應鏈中為了提高市場競爭力，一個物流供應鏈往往需要多家公司進行協(xié)同，而供應鏈中重點是各企業(yè)間的協(xié)調(diào)和協(xié)同的運作模式[1-3]。因此，需要合理的分配供應鏈中的任務訂單，以達到供應鏈的運轉。

在當前的任務分配研究中，研究者早期以功能性供應商，在面對客戶需求上建立了任務分配模型，提出了任務分配對客戶滿意程度的影響[4-5]。而后續(xù)研究者們則根據(jù)產(chǎn)品供應鏈中的配送平臺，在供應商的多產(chǎn)品、多時段下建立了任務分配模型。另外，還有學者采用MATELAB遺傳迭代，對訂單任務分配的滿意度最優(yōu)化分配進行了算例分析，后續(xù)研究中，考慮到產(chǎn)品的缺陷率，并構成了交易成本，延遲交付量的多目標決策分配模型，并使用退火算法進行了模型優(yōu)化，得出了較好的任務分配數(shù)量[6]。但就以上的研究而言，在目前的物流供應鏈的任務分配中，在任務分配計算中大多是提供最優(yōu)化的任務分配，但對任務中的成本控制分配不足，導致分配后的任務成本過高。針對這一問題，本研究設計了基于多Agent系統(tǒng)的物流供應鏈任務分配模型。

1 基于多Agent系統(tǒng)的物流供應鏈任務分配模型設計

1.1 任務分解

在供應鏈的環(huán)境下，整體任務無法實現(xiàn)對供應鏈資源的有效利用，因此在執(zhí)行任務分配時首先要將任務分解成多個子任務，來保證任務供應鏈的高效運作[7-8]。本文采用工作分解結構的任務分解方法，利用樹狀圖來將項目根據(jù)訂單任務分解為多個產(chǎn)品任務，樹狀任務分解圖如圖1所示。

式(1)中，的成本和需要等于的總成本，即，而同一層次下的子任務則需要具有相同的性質(zhì)，在中，每個子任務所代表的任務種類需要相同，如產(chǎn)品生產(chǎn)任務、物流分配任務等。同時在工作結構的任務分解處于線性時，在某一子任務中只能屬于一種上層任務，保證任務分解后的從屬性。依據(jù)上述的任務分解規(guī)則，對當前任務執(zhí)行分解。分解后的子任務可以直接對單一任務執(zhí)行各自的任務變量確認。

1.2 任務變量計算

1.3 任務分配計算

本文考慮到實際任務中的不同任務需求，對本文模型中進行了假設。首先本文中模型在使用時，是應用于在物流服務供應鏈和功能型供應商或物流服務商之間的二級供應鏈結構中。其次物流中的客戶訂單在物流服務需求中存在不確定性，即服務的任務訂單上呈需求概率服從的正態(tài)分布。物流服務的供應商在工作中，基于自身的信息平臺來開展工作，并可以在一定時間上整合客戶的需求訂單，而模型中也在這里引入客戶訂單的允許等待期。同時在功能型供應商上，一定的訂單物流損失承受能力。依據(jù)上述中假設，作為任務分配的基礎，在任務分配中，需要考慮到供應商的滿意度，計算方式通過計算供應商的任務可執(zhí)行的最大值，和實際分配到供應商的任務量的關系進行計算，即：

1.4 Agent模型結構建立

本文設計運用Agent結構來構建模型結構，同時可以提高模型的運算效率。首先，在Agent中建立模型，將后續(xù)中的計算公式都存儲到其中。創(chuàng)建結構和走廊的消息類型，在Agent結構模型中的Anylogic平臺內(nèi)，對主動對象表示出各個結構下的Agent，并采取Java形式作為模型內(nèi)部的消息傳遞模式，傳遞的主動對象的個數(shù)以及類型均有建立的Agent內(nèi)部模塊數(shù)量來確定。在模型內(nèi)部中創(chuàng)建起功能不同的分布布局的Agent模塊，并根據(jù)具體使用需求對其進行屬性定義，并利用變量、參數(shù)和對工作事件的描述來區(qū)別其中的區(qū)別。而其中的不同模塊中，運用端口port來進行通訊，本文對其各種消息和消息類型進行提前定義，保證其正常的通信傳遞。首先定義消息message，在結構中，該消息的作用是對具體的任務相關信息進行表現(xiàn)，如：訂單信息、配送信息、需求信息等。該消息可通過一定條件來觸發(fā)（如具體的工作信息調(diào)用），觸發(fā)后，通過port端口進行接收、傳遞和發(fā)送工作。而第二種消息則定義為message class，該類型的消息時作為消息的歸屬類型表示，該類消息通過Java代碼進行定義，在消息中，封裝Java代碼。在Agent的模型建立中，以建立供應量的本體，在語義層次上進行供應鏈上的層面交互，建立起完成的供應鏈Agent，對當前任務分配下的供應鏈進行仿真，實現(xiàn)更好的決策支撐能力，同時使模型本身具備了一定自我驗證能力。運用Agent系統(tǒng)搭載設計的任務分配模型，提高任務分配模型的運算能力，完成模型的設計。

2 實驗論證分析

為了驗證本文設計的任務分配模型的可行性，對某項目的物流供應鏈進行多供應商的工作任務的分配，并使用文獻[1]中的基于改進粒子群算法的任務分配模型、文獻[2]中的基于工作者多屬性特征模型的任務分配模型、文獻[3]中的動態(tài)物流聯(lián)盟任務分配模型，對相同任務進行分配，并對分配后的任務執(zhí)行時是否滿足客戶需求、客戶滿意度以及任務成本進行比較，判斷優(yōu)劣性。

2.1 實驗供應商參數(shù)

在本文的物流供應鏈中涉及的功能型供應商5家不同的功能型供應商，將其具體能力和成本參數(shù)進行系數(shù)化設定，得出的相關系數(shù)數(shù)據(jù)如表1所示。

表1 實驗中的功能型供應商的相關系數(shù)

在此基礎上，運用4種模型對當前需求的工作進行工作任務分配。

2.2 分配工作任務描述

在本文實驗中的任務種類分為2種，首先將銷售訂單里的12000件商品運輸?shù)脚渌椭行?，其次在由配送中心將商品運送到個批發(fā)商和零售店中。兩步任務分別為運輸任務和配送服務，且上述中的供應商均可執(zhí)行兩任務，則需要給出任務的最優(yōu)化的分配方法，兩個任務可以分別分出3個子任務，不同子任務對任務需求不同，任務需求如表2所示。

表2 任務供應需求表

2.3 任務分配結果

下面根據(jù)4種模型里對6種任務進行分配后的成本，滿意度和任務的相應損失程度進行模擬計算，獲得結果如表3所示。

表3 模型任務分配結果

在表3中模型1為本文設計的任務分配模型分配后的任務執(zhí)行結果，模型2為文獻[1]中的分配模型分配后的任務執(zhí)行結果，模型3為文獻[2]中的分配模型分配后的任務執(zhí)行結果，模型4為文獻[3]中的分配模型分配后的任務執(zhí)行結果。在表3中發(fā)現(xiàn)，4種模型分配的任務均可以實現(xiàn)任務的需求，而在完成整體任務下的模型1的總成本為114290元，模型2的總成本為180131元，模型3的總成本為164562元，模型4的總成本為177900元，說明在同樣滿足任務需求的條件下，本文中分配的任務可以保證更低的成本控制，完成設計需求。

3 結束語

本研究以多Agent系統(tǒng)為基礎，導入設計的模型進行任務分配，同時實現(xiàn)了在滿足最低要求的條件下的成本最優(yōu)化任務分配。但該模型僅考慮了主導企業(yè)和供應商之間的兩級結構，對多級供應鏈的任務分配研究尚且不足。因此，為了進一步保障其在多級供應鏈任務分配方面的應用性能，在分配任務超負荷的情況下，應考慮供應商外包分配，以此來配合多級物流供應鏈的任務分配。

[1] 張輝，趙晨曦，王楊，等. 基于改進粒子群算法的空間眾包任務分配模型[J]. 計算機應用研究，2020, 37(09): 2698-2700, 2705.

[2] 原博洋，王麗清. 基于工作者多屬性特征模型的任務分配方法[J]. 計算機工程與設計，2020, 41(05): 1398-1403.

[3] 束柬，梁昌勇，徐健. 基于信任的云服務系統(tǒng)多目標任務分配模型[J]. 計算機研究與發(fā)展，2018, 55(06): 1167-1179.

[4] 張秋霞，何留杰，張來順. 基于聯(lián)盟博弈的云任務調(diào)度及Shapley值法的收益分配模型[J]. 計算機應用與軟件，2020, 37(05): 275-280, 320.

[5] 劉凡，葛方振，李想，等. 基于組角色的物聯(lián)網(wǎng)任務分配算法[J]. 云南民族大學學報：自然科學版，2020, 29(03): 264-273.

[6] 黃金虎，郜旭彤，趙金樓. 基于時效激勵機制的物流服務供應鏈任務分配[J]. 管理評論，2020, 32(04): 242-249.

[7] 牟向偉，林英霞，劉佳晨，等. 基于改進量子進化算法的末端配送任務動態(tài)分配模型[J]. 科學技術與工程，2019, 19(31): 197-205.

[8] 劉秀秀，李勁華. 基于信譽度的眾包任務分配方法的研究[J]. 青島大學學報：自然科學版，2017, 30(04): 92-97.

[9] Li J. Optimal design of transportation distance in logistics supply chain model based on data mining algorithm[J]. Cluster Computing, 2019, 22(01): 115-118.

[10] Moslehi M S, Sahebi H, Teymouri A. A multi-objective stochastic model for a reverse logistics supply chain design with environmental considerations[J]. Journal of Ambient Intelligence and Humanized Computing, 2020, 27(02): 6-13.

Design of logistics supply chain task allocation model based on multi-agent system

LIN Kui-xing

(Jimei Navigation College, Fujian Xiamen 361021, China)

Aiming at the problem of high task cost existing in traditional logistics supply chain task assignment model, this paper designs a logistics supply chain task assignment model based on multi-agent system. Firstly, the task of logistics supply chain is decomposed in the form of tree graph, and then the variables in the task are calculated. According to the task variables obtained, the function constraints are determined and the specific task assignment calculation function is obtained. On this basis, the Agent structure is used to carry out the operation, and the designed function is imported into the structure to realize the design of task assignment model. The simulation of task assignment in a supply project is carried out, and the experimental results show that the cost of task assignment is lower than that of traditional model under the condition that the minimum demand of task is realized, and the original intention of the design is satisfied.

supply chain；multi-agent system；assignment of tasks；function constraint

2020-12-20

廈門市物流與供應鏈學會委托項目“廈門市快消品供應鏈研究”（H2018064）

林奎星（1977-），男，福建龍巖人，碩士，主要從事企業(yè)物流管理、供應鏈管理研究，lkx003@yeah.net。

F252;F274

A

1007-984X(2021)04-0090-05