快遞物流網(wǎng)絡(luò)與配送中心布局優(yōu)化研究

胥文 張冰潔

摘 要：快遞物流網(wǎng)絡(luò)和配送中心的合理布局與快遞企業(yè)的總體成本和服務(wù)水平直接相關(guān)，合理科學(xué)的布局對于快遞企業(yè)的配送效率和運(yùn)營效益具有重要的作用。本文針對快遞企業(yè)二級網(wǎng)絡(luò)配送中心優(yōu)化問題，考慮包括建設(shè)成本、人工成本、上下游運(yùn)輸成本等多項(xiàng)成本，構(gòu)建以布局總成本最小為目標(biāo)函數(shù)的快遞企業(yè)二級配送中心布局優(yōu)化模型，并采用了一種新的啟發(fā)式算法即復(fù)合型交叉進(jìn)化算法（SCE-UA）來解決二級配送中心布局優(yōu)化模型的求解問題。以瀘州市某快遞公司為例，綜合考慮各點(diǎn)的業(yè)務(wù)數(shù)量和成本，研究結(jié)果表明該算法能夠高效、快速地收斂到全局最優(yōu)解，可有效優(yōu)化減少配送點(diǎn)數(shù)量，在布局總成本和各單項(xiàng)成本可降低5%～15%，算法多次迭代下誤差低于2%，具有較好穩(wěn)定性。

關(guān)鍵詞：物流網(wǎng)絡(luò);配送中心;SCE-UA模型;布局優(yōu)化

1 緒論

快遞企業(yè)各層級網(wǎng)絡(luò)配送中心的數(shù)量及分布直接關(guān)系到快遞企業(yè)的總體成本和服務(wù)水平，布局現(xiàn)狀是否合理、科學(xué)，其在快遞網(wǎng)絡(luò)中的地位和作用是否適當(dāng)，是快遞企業(yè)迫切需要改善和優(yōu)化的重要問題。二級配送中心作為物流網(wǎng)絡(luò)中承上啟下重要的一環(huán)，其布局優(yōu)化模型是一個大規(guī)模的非線性優(yōu)化問題，采用精確算法常常無法取得滿意解[1-2]，復(fù)合型交叉進(jìn)化算法（Shuffled Complex Evolution，縮寫為SCE-UA）是一種全局優(yōu)化算法，最早由美國亞利桑那州大學(xué)Duan等人提出，它是一種能很好解決非線性約束最優(yōu)化問題的進(jìn)化算法[3]，具有較強(qiáng)的全局搜索能力[4]。模型參數(shù)優(yōu)化的問題中，部分研究通過對遺傳算法、隨機(jī)算法、SCE-UA算法的效率進(jìn)行了對比，表明SCE-UA算法在三種算法中收斂效果最佳[5]，算法魯棒性較好[6]，能夠較好的運(yùn)用于最優(yōu)化模型優(yōu)化問題[7-8]，同時在求解最小值問題模型的求解中有較好的效果[9-10]。從算法的應(yīng)用難度來看，SCE-UA算法的參數(shù)雖然較多，但大部分的取值都可以沿用已有研究成果的默認(rèn)值，只有復(fù)合型個數(shù)v需要根據(jù)具體問題具體確定，因此應(yīng)用起來難度不是很大。從算法的求解效率來看，SCE-UA綜合了確定性搜索、隨機(jī)搜索和生物競爭進(jìn)化等方法的優(yōu)點(diǎn)，引入種群概念，具有很強(qiáng)的收斂性和運(yùn)算效率，具備較好的解決物流網(wǎng)絡(luò)網(wǎng)點(diǎn)布局優(yōu)化非線性優(yōu)化問題求解潛力。

2 模型構(gòu)建

2.1 模型建立

本文構(gòu)建以布局總成本最小為目標(biāo)函數(shù)的快遞企業(yè)二級配送中心布局優(yōu)化模型，考慮包括建設(shè)成本、人工成本、上下游運(yùn)輸成本等多項(xiàng)成本。在考慮下游運(yùn)輸問題時，針對快遞配送的時效性，結(jié)合配送車輛路徑優(yōu)化的相關(guān)理論，對向下游各快遞取送點(diǎn)的配送順序和路線問題進(jìn)行優(yōu)化，研究的問題主要定義為多個二級配送中心、單次配送、若干個快遞取送點(diǎn)、帶有時間窗的快遞配送車輛路徑優(yōu)化問題，快遞車輛從多個二級配送中心出發(fā)對若干個快遞取送點(diǎn)進(jìn)行配送服務(wù)。在配送過程中，要求每輛車只能從一個二級配送中心出發(fā)，完成配送工作后必須返回到這個相同的二級配送中心。已知二級配送中心和各快遞取送點(diǎn)位置、各取送點(diǎn)的需求、車輛的最大載重量，要求合理安排車輛配送路線和行車順序，使目標(biāo)函數(shù)得到最優(yōu)，并利用 SCE-UA算法進(jìn)行求解，該算法結(jié)合了遺傳算法和單純形法的優(yōu)點(diǎn)，能夠高效、快速地收斂到全局最優(yōu)解。相應(yīng)的數(shù)學(xué)模型構(gòu)建如下列公式所示。

V：車隊(duì)規(guī)模，即車輛的總數(shù)目;V：車輛編號;N：有待配送的取送點(diǎn)的總數(shù)目;i，j：取送點(diǎn)編號;：取送點(diǎn)i與j之間線路上的單位運(yùn)輸成本;：取送點(diǎn)i與j之間的距離;：取送點(diǎn)i需要配送的快遞數(shù)量;：配送車輛v分別到達(dá)取送點(diǎn)i和取送點(diǎn)3的時點(diǎn);：車輛在取送點(diǎn)i，j之間的行駛時間。

2.2 SCE-UA算法求解

采用SCE-UA算法求解此模型的基本步驟如下，算法流程如圖1所示。（1）初始化：對參與進(jìn)化的復(fù)合形的個數(shù)v以及每個復(fù)合形所包含的樣本數(shù)目m進(jìn)行初始化，樣本點(diǎn)數(shù)目為s =vm;（2）產(chǎn)生樣本：在可行域內(nèi)隨機(jī)產(chǎn)生s個樣本點(diǎn);（3）排序標(biāo)號：計算樣本的函數(shù)值，并將其排序標(biāo)號;（4）構(gòu)造復(fù)合形：將s個樣本劃分成v個包含m個點(diǎn)的復(fù)合形;（5）復(fù)合形進(jìn)化：通過初始化構(gòu)造子復(fù)合形，進(jìn)行反射和收縮;（6）復(fù)合形摻混：將所有進(jìn)化后的復(fù)合形中的點(diǎn)重新合并，組成一個新的樣本集合;（7） 收斂性判斷：如果滿足收斂條件則停止。

3 案例分析

本文選定瀘州市某快遞公司進(jìn)行實(shí)例分析，結(jié)合實(shí)地調(diào)研得到的某快遞公司在瀘州區(qū)范圍內(nèi)各級配送中心的布局現(xiàn)狀及相關(guān)數(shù)據(jù)，旨在通過對實(shí)例結(jié)果的對比分析驗(yàn)證本文提出的二級配送中心布局優(yōu)化模型的有效性。某物流公司在瀘州市的布局現(xiàn)狀是：一級配送中心1個，二級配送中心36個，每個二級配送中心負(fù)責(zé)范圍內(nèi)的快遞取送點(diǎn)數(shù)量為幾十個不等。以瀘州市區(qū)社區(qū)為單位，可以統(tǒng)計出各二級配送中心負(fù)責(zé)區(qū)域內(nèi)的家庭數(shù)量H，其中，每個二級配送中心平均家庭數(shù)量20 983，最高家庭數(shù)量33 278，最低數(shù)量為8 976，假設(shè)平均每個家庭的快遞持有量為P件/天，因此通過公式Q=H*P我們就可以計算出各二級配送中心每天需處理的快遞件總量。各參數(shù)取值為平日1 500件/天，周末800件/天，額外路徑費(fèi)用0.1元/件，運(yùn)費(fèi)0.49元/公里，額外運(yùn)費(fèi)0.2元/公里。SCE-UA算法的參數(shù)雖然較多，但絕大部分的取值都可以采用已有研究成果的默認(rèn)值，只有復(fù)合型個數(shù)v需要根據(jù)具體問題確定，根據(jù)文獻(xiàn)[11]，SCE-UA算法的參數(shù)最優(yōu)取值相互關(guān)系為m=19，v=2，z=10，λ=1，ε=19。經(jīng)過算法優(yōu)化之后，二級配送中心的數(shù)量由之前的36個減少到33個，為了對優(yōu)化的結(jié)果進(jìn)行檢驗(yàn)，本文將二級配送中心布局優(yōu)化前后的各項(xiàng)成本和總成本都進(jìn)行了比較，本文設(shè)計的模型并不是考慮每個二級配送中心成本費(fèi)用的高低，而是使布局總成本最低。根據(jù)對優(yōu)化前后布局的結(jié)果進(jìn)行比較，我們得出，經(jīng)過優(yōu)化布局總成本由3 269 072減少到3 018 834，降低了7.7%。其中建設(shè)成本由603 241減少到507 246，降低了14.7%;人工成本由1 510 600減少到1 414 600，降低5.9%;上游運(yùn)輸成本由330 666減少到300 198，降低了8.9%;下游運(yùn)輸成本由724 565減少到686 790，降低了5.2%。經(jīng)過優(yōu)化之后的結(jié)果無論是從布局總成本還是各單項(xiàng)成本來看，均有所下降，從而驗(yàn)證了本文模型和算法在快遞企業(yè)二級配送中心布局優(yōu)化問題方面具有一定的有效性和可行性。最后，為了檢驗(yàn)本文提出的算法的效率，我們是在相同的參數(shù)下進(jìn)行測試，測試結(jié)果如圖2 所示，在大約迭代到10次試算，每次試算迭代到7次左右，算法趨向于收斂，此外，7次試算結(jié)果最大相差不超過2%，說明算法的穩(wěn)定性較好。

4 結(jié)論

本文構(gòu)建以布局總成本最小為目標(biāo)，構(gòu)建快遞企業(yè)二級配送中心布局優(yōu)化模型，考慮包括建設(shè)成本、人工成本、上下游運(yùn)輸成本等多項(xiàng)成本，構(gòu)建了物流網(wǎng)絡(luò)非線性模型，并選定瀘州市某快遞公司為例，采用模型和SCE-UA算法進(jìn)行具體求解，對比優(yōu)化前后布局的結(jié)果，無論是布局總成本還是各單項(xiàng)成本，優(yōu)化降低5%～15%了成本，在保持效益不變下，有效減少了配送中心數(shù)量。同時在相同參數(shù)測試7次迭代下表明，誤差均低于2%，算法適用性較好。

參考文獻(xiàn)：

[1]Hapuarachchi H A，Wang S H.Application of SCE-UA method for calibrating the Xinanjiang watershed model，Journal of Lake Science，2001，12（4）：304-314.

[2]馬海波.SCE-UA算法在TOP-MODEL參數(shù)優(yōu)化中的應(yīng)用[J].河海大學(xué)學(xué)報，2006（3）：361-364.

[3]Duan Q，Gupta V K，Sorooshian S.Shuffled complex evolution approach for effective and efficient global minimization[J].Journal of Optimization Theory and Applications，1993，76（3）：501-521.

[4]宋星原.SCE-UA、遺傳算法和單純形優(yōu)化算法的應(yīng)用[J].武漢大學(xué)學(xué)報，2009（42）：1.

[5]Kuczera G.Efficient subspace probabilistic parameter optimization for catchment models.Water Resources Research，1997，33（1）：177-185.

[6]Sorooshian S，Duan Q Y，Gupta V K.Optimal use of the SCE-UA g lobal optimization method for calibrating watershed models[J].Journal of Hydrology，1994，158（3-4）：265-284.

[7]陳寶林.最優(yōu)化理論與算法[M].北京：清華大學(xué)出版社，2005：411-419.

[8]Nelder J A，Mead R I.A simplex method for function minimization[J].Computer Journal，1965，7（4）：308-313.

[9]于濱.公交線路發(fā)車頻率優(yōu)化的雙層規(guī)劃模型及其解法[J].吉林大學(xué)學(xué)報，2006（36）：5.

[10]王道平，徐展，楊岑.基于兩階段啟發(fā)式算法的物流配送選址-路徑問題研究[J].運(yùn)籌與管理，2017，26（4）：70-75.

[11]郭生練，閏寶偉，肖義，等.Copula函數(shù)在多變量水文分析計算中的應(yīng)用及研究進(jìn)展[J].水文，2008，28（3）：1-7.