供應(yīng)中斷下第三方物流安全性網(wǎng)絡(luò)設(shè)計(jì)模型與算法

李 銳 孫福明

(遼寧工業(yè)大學(xué)電子與信息工程學(xué)院 遼寧 錦州 121001)

?

供應(yīng)中斷下第三方物流安全性網(wǎng)絡(luò)設(shè)計(jì)模型與算法

李 銳 孫福明

(遼寧工業(yè)大學(xué)電子與信息工程學(xué)院 遼寧 錦州 121001)

物流網(wǎng)絡(luò)是第三方物流(3PL)運(yùn)作的基礎(chǔ)，對(duì)3PL的有效運(yùn)作起到重要作用。事實(shí)上，3PL服務(wù)網(wǎng)絡(luò)會(huì)受到各種因素的影響而發(fā)生供應(yīng)中斷。為了使3PL能夠提供安全、有效的物流服務(wù)，研究3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題。建立3PL安全性網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化模型，在滿足供應(yīng)中斷水平約束的條件下，最小化物流總成本。根據(jù)問題模型的NP-hard特點(diǎn)，設(shè)計(jì)差分進(jìn)化(DE)算法進(jìn)行求解。最后，通過仿真實(shí)驗(yàn)對(duì)模型和算法進(jìn)行測試，仿真實(shí)驗(yàn)結(jié)果表明模型具有合理性，并且DE算法能夠?qū)栴}有效求解。

第三方物流 網(wǎng)絡(luò)設(shè)計(jì) 供應(yīng)中斷 安全性 差分進(jìn)化

0 引 言

隨著市場競爭的日益加劇，企業(yè)開始意識(shí)到物流管理是控制成本的有效途徑。然而，由于管理技術(shù)和專業(yè)能力的不足，企業(yè)很難發(fā)展自己的物流系統(tǒng)。因此，許多企業(yè)為了提高市場競爭力，逐漸將物流業(yè)務(wù)外包給專業(yè)的第三方物流(3PL)公司，進(jìn)而集中優(yōu)勢來發(fā)展自己的核心業(yè)務(wù)。3PL是指在物流業(yè)務(wù)外包的基礎(chǔ)上，由專業(yè)的物流服務(wù)企業(yè)以契約或合同的方式對(duì)有物流需求的企業(yè)提供物流服務(wù)的一種運(yùn)作方式[1]。

物流網(wǎng)絡(luò)是物流系統(tǒng)運(yùn)作的基礎(chǔ)，所以設(shè)計(jì)一個(gè)高效的物流服務(wù)網(wǎng)絡(luò)是3PL管理者必須考慮的問題。目前，國內(nèi)外學(xué)者已經(jīng)對(duì)3PL網(wǎng)絡(luò)設(shè)計(jì)問題進(jìn)行了一定的研究。高陽等[2]研究考慮多運(yùn)營周期情況下的3PL多目標(biāo)回收物流網(wǎng)絡(luò)設(shè)計(jì)問題。何波等[3]對(duì)基于3PL的回收網(wǎng)絡(luò)設(shè)計(jì)問題的模型及算法進(jìn)行了研究。KO等[4]基于混合優(yōu)化仿真方法研究3PL配送網(wǎng)絡(luò)設(shè)計(jì)問題。KO等[5]研究多周期的3PL正逆向集成網(wǎng)絡(luò)設(shè)計(jì)問題，并設(shè)計(jì)遺傳算法進(jìn)行求解。Min等[6]則對(duì)多周期下的3PL的逆向物流網(wǎng)絡(luò)設(shè)計(jì)問題進(jìn)行了研究。Mahmoudzadeh等[7]對(duì)用于伊朗報(bào)廢車輛回收的3PL逆向網(wǎng)絡(luò)設(shè)計(jì)問題進(jìn)行了研究。Baligil等[8]研究了3PL配送網(wǎng)絡(luò)優(yōu)化問題，并設(shè)計(jì)兩階段的求解方法。Suyabatmaz等[9]基于一種混合仿真分析建模方法研究3PL逆向網(wǎng)絡(luò)設(shè)計(jì)問題。

值得注意的是，以上關(guān)于3PL網(wǎng)絡(luò)設(shè)計(jì)問題的研究并沒有考慮安全性?，F(xiàn)實(shí)中，3PL物流設(shè)施和運(yùn)輸線路會(huì)受到火災(zāi)、颶風(fēng)、泥石流、恐怖襲擊等各種自然或人為因素的影響而發(fā)生供應(yīng)中斷，進(jìn)而影響3PL網(wǎng)絡(luò)的正常運(yùn)作。因此，設(shè)計(jì)一個(gè)安全的3PL服務(wù)網(wǎng)絡(luò)具有現(xiàn)實(shí)意義。最近，考慮安全性的物流網(wǎng)絡(luò)設(shè)計(jì)問題成為研究熱點(diǎn)[10-13]。目前，考慮供應(yīng)中斷的3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題還沒有得到關(guān)注。

本文研究供應(yīng)中斷下3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題。與已有3PL網(wǎng)絡(luò)設(shè)計(jì)問題不同，在3PL網(wǎng)絡(luò)設(shè)計(jì)的同時(shí)考慮供應(yīng)中斷的發(fā)生，建立帶有供應(yīng)中斷水平約束的3PL網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化模型，根據(jù)模型NP-hard特性設(shè)計(jì)差分進(jìn)化算法進(jìn)行求解。最后，通過仿真實(shí)驗(yàn)對(duì)模型的合理性和算法的有效性進(jìn)行驗(yàn)證。

1 問題描述及模型

考慮3PL承擔(dān)某一區(qū)域內(nèi)的物流配送任務(wù)。如圖1所示，3PL網(wǎng)絡(luò)由供應(yīng)點(diǎn)、需求點(diǎn)、3PL倉庫、3PL物流中心和運(yùn)輸線路組成，并且采用單源供應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)[10]，即每個(gè)物流節(jié)點(diǎn)都由單一的上級(jí)節(jié)點(diǎn)來供應(yīng)。

圖1 3PL網(wǎng)絡(luò)結(jié)構(gòu)

由于自然或人為因素的影響，供應(yīng)點(diǎn)、3PL物流中心、3PL倉庫可能發(fā)生供應(yīng)中斷。安全性描述3PL服務(wù)網(wǎng)絡(luò)對(duì)供應(yīng)中斷的抵御能力，具體來說是指3PL網(wǎng)絡(luò)的供應(yīng)點(diǎn)、3PL物流中心、3PL倉庫在發(fā)生供應(yīng)中斷的情況下其供應(yīng)產(chǎn)品的損失比率不超過一定的水平。

供應(yīng)中斷下3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題是指通過選擇開設(shè)3PL物流中心和3PL倉庫來構(gòu)建3PL服務(wù)網(wǎng)絡(luò)，最小化物流總成本，同時(shí)使網(wǎng)絡(luò)滿足供應(yīng)中斷水平要求。

1.1 符號(hào)說明

1.2 決策變量定義

1.3 優(yōu)化模型

基于以上符號(hào)說明和變量定義，建立供應(yīng)中斷下3PL安全性網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化模型如下：

(1)

s.t.

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

xj∈{0,1} ?j∈J

(14)

yk∈{0,1} ?k∈K

(15)

目標(biāo)函數(shù)式(1)最小化物流總成本，包括3PL物流中心、3PL倉庫、運(yùn)輸線路的開設(shè)成本，以及產(chǎn)品的運(yùn)輸處理成本；式(2)、式(3)和式(4)分別為3PL倉庫、3PL物流中心和供應(yīng)點(diǎn)的供應(yīng)中斷水平約束，即要求3PL倉庫、3PL物流中心和供應(yīng)點(diǎn)在發(fā)生供應(yīng)中斷的情況下，其供應(yīng)產(chǎn)品的損失比率不超過要求的水平β1、β2和β3，變量dk、dj和di分別為3PL倉庫、3PL物流中心和供應(yīng)點(diǎn)的產(chǎn)品流通量；式(5)、式(6)和式(7)分別為3PL倉庫、3PL物流中心和供應(yīng)點(diǎn)的產(chǎn)品流通量約束；式(8)-式(10)分別為需求點(diǎn)、3PL倉庫、3PL物流中心的單源供應(yīng)約束；式(11)-式(15)表示二值的決策變量。

2 差分進(jìn)化算法

供應(yīng)中斷下3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題是經(jīng)典NP-hard問題——固定費(fèi)用網(wǎng)絡(luò)設(shè)計(jì)問題——的擴(kuò)展，因此也屬于NP-hard問題，所以智能優(yōu)化方法更適合對(duì)該問題進(jìn)行求解。

差分進(jìn)化DE(Differential Evolution)算法是由Storn等[15]提出的一種基于群的隨機(jī)搜索算法。DE利用變異、交叉操作產(chǎn)生新種群，通過選擇操作保存優(yōu)秀個(gè)體，通過反復(fù)迭代，實(shí)現(xiàn)不斷進(jìn)化。目前，DE算法已經(jīng)在各個(gè)領(lǐng)域得到了應(yīng)用，如煉鋼-連鑄生產(chǎn)調(diào)度問題[16]、多目標(biāo)優(yōu)化問題[17]、任務(wù)調(diào)度問題[18]、復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題[19]等，并且算法性能也已得到了驗(yàn)證。

此外，標(biāo)準(zhǔn)DE算法的個(gè)體采用實(shí)數(shù)編碼方式，能夠很好地解決問題模型中各決策變量之間的相互關(guān)系和約束條件的限制。因此，本文設(shè)計(jì)DE算法對(duì)問題進(jìn)行求解。其中，供應(yīng)中斷水平約束作為懲罰項(xiàng)加入到個(gè)體評(píng)價(jià)函數(shù)中進(jìn)行處理，而按照本文所設(shè)計(jì)的個(gè)體編碼方式，模型中的其他約束則可自動(dòng)滿足。

2.1 DE算法的總體步驟

DE算法的主要步驟如下：

Step1根據(jù)2.2節(jié)的個(gè)體編碼方式隨機(jī)產(chǎn)生初始種群。

Step2對(duì)當(dāng)前種群的每個(gè)個(gè)體Xi(t)，i=1,2,…,N按式(16)產(chǎn)生對(duì)應(yīng)的變異個(gè)體：

Vi(t+1)=Xr1(t)+F×(Xr2(t)-Xr3(t))

(16)

其中Xr1(t)、Xr2(t)、Xr3(t)表示種群中隨機(jī)選取的互不相同的個(gè)體，且不同于個(gè)體Xi(t)，F(xiàn)為縮放因子，用于控制差向量的大小，t表示當(dāng)前代數(shù)。

Step3將目標(biāo)個(gè)體Xi(t)與變異操作產(chǎn)生的擾動(dòng)個(gè)體Vi(t+1)按照式(17)進(jìn)行交叉，生成新的實(shí)驗(yàn)個(gè)體：

(17)

其中rand表示[0,1]之間的隨機(jī)數(shù)，CR∈[0,1]為交叉概率。

Step4對(duì)個(gè)體Ui(t+1)和Xi(t)進(jìn)行評(píng)價(jià)(詳見2.3節(jié))，并按式(18)選擇較優(yōu)的個(gè)體作為子代個(gè)體：

(18)

其中f1和f2分別為和Xi(t)所對(duì)應(yīng)的評(píng)價(jià)函數(shù)值。

Step5如果算法達(dá)到最大循環(huán)代數(shù)，則轉(zhuǎn)到Step6；否則，轉(zhuǎn)到Step2。

Step6選擇目標(biāo)值最小的解輸出。

2.2 個(gè)體的編碼與解碼

如圖2所示，個(gè)體(問題的解)由實(shí)數(shù)向量表示。向量由需求節(jié)點(diǎn)、3PL倉庫和3PL物流中心三個(gè)部分組成。向量的維數(shù)是所有需求節(jié)點(diǎn)、3PL倉庫和3PL物流中心的數(shù)量之和。向量每一位的取值表示對(duì)應(yīng)節(jié)點(diǎn)的上一級(jí)節(jié)點(diǎn)的選擇情況。其中，需求節(jié)點(diǎn)部分每一位的取值范圍為[1,nK]，nK表示3PL倉庫數(shù)量；3PL倉庫部分每一位的取值范圍為[1,nJ]，nJ表示3PL物流中心數(shù)量；3PL物流中心部分每一位的取值范圍為[1,nS]，nS表示供應(yīng)點(diǎn)數(shù)量。例如，需求節(jié)點(diǎn)部分某一位的取值為“2.3”，四舍五入取整為“2”，表示對(duì)應(yīng)的需求節(jié)點(diǎn)由3PL倉庫“2”提供服務(wù)。

圖2 個(gè)體向量的表示

2.3 個(gè)體的評(píng)價(jià)

對(duì)個(gè)體進(jìn)行解碼得到解(X,Y)，然而一個(gè)解還可能不滿足供應(yīng)中斷水平約束式(2)、式(3)和式(4)，將其作為懲罰項(xiàng)加入評(píng)價(jià)函數(shù)中，按式(19)計(jì)算個(gè)體的適應(yīng)值：

(19)

其中C(X,Y)表示目標(biāo)函數(shù)式(1)；λ1、λ2和λ3分別為供應(yīng)中斷水平約束式(2)、式(3)和式(4)的懲罰系數(shù)；(·)+表示：如果括號(hào)內(nèi)為正數(shù)，則取該值。

3 實(shí)驗(yàn)及結(jié)果分析

為了測試DE算法的有效性，對(duì)數(shù)據(jù)隨機(jī)生成的算例進(jìn)行仿真實(shí)驗(yàn)。算法采用Matlab語言編程，實(shí)驗(yàn)環(huán)境為Intel Core 2 CPU 1.83 GHz，內(nèi)存2.00 GB。

3.1 實(shí)驗(yàn)算例

表1 算例的規(guī)模

續(xù)表1

3.2 結(jié)果及分析

首先對(duì)不同規(guī)模的算例進(jìn)行求解來測試DE算法的性能。DE算法的參數(shù)設(shè)置如下：種群規(guī)模為30，循環(huán)代數(shù)為500，交叉概率CR為0.1，縮放因子F為0.3。對(duì)于每個(gè)算例算法分別運(yùn)行20次，表2給出最好值、最差值、平均值、平均偏差率(((平均值-最好值)/最好值)×100%)、標(biāo)準(zhǔn)方差百分比((標(biāo)準(zhǔn)方差/平均值)×100%)和平均運(yùn)行時(shí)間。由表2可見，隨著算例規(guī)模的增大，平均偏差率在1%～7%范圍內(nèi)變化，標(biāo)準(zhǔn)方差百分比保持在1%～4%之間?？梢姡S著算例規(guī)模的增大，DE算法仍然能夠保持穩(wěn)定的性能。表3給出算例I1-I10的詳細(xì)結(jié)果，包括目標(biāo)值、物流節(jié)點(diǎn)開設(shè)成本、運(yùn)輸線路開設(shè)成本、運(yùn)輸和處理成本。

表2 不同規(guī)模算例下DE算法的求解結(jié)果

續(xù)表3

為了分析供應(yīng)中斷水平β1、β2和β3對(duì)算例結(jié)果的影響，分別以算例I5和I10為例進(jìn)行實(shí)驗(yàn)。表4給出不同供應(yīng)中斷水平下，算例I5和I10的詳細(xì)結(jié)果。由表4可見，隨著β1、β2和β3值的減小，算例I5和I10的目標(biāo)值、物流節(jié)點(diǎn)和運(yùn)輸線路的開設(shè)成本、運(yùn)輸和處理成本整體上都呈現(xiàn)增加的趨勢?？梢?，要得到對(duì)供應(yīng)中斷抵御能力較強(qiáng)的網(wǎng)絡(luò)，即安全性較好的網(wǎng)絡(luò)，需要投入更多成本來構(gòu)建更多的3PL倉庫、3PL物流中心和運(yùn)輸線路，分散供應(yīng)源，進(jìn)而減小供應(yīng)中斷所導(dǎo)致的供應(yīng)產(chǎn)品損失。

表4 不同供應(yīng)中斷水平下算例I5和I10的詳細(xì)結(jié)果

為了分析DE算法的兩個(gè)重要參數(shù)交叉概率CR和縮放因子F對(duì)算法性能的影響，以算例I1為例進(jìn)行實(shí)驗(yàn)。其中，CR和F的取值范圍分別為0.1～0.9之間。圖3給出不同交叉概率CR取值下，平均偏差率隨縮放因子F的變化曲線。由圖3可見，交叉概率取值為0.1，縮放因子取值在0.1～0.5之間，算法能夠獲得較優(yōu)的性能。

圖3 交叉概率和縮放因子對(duì)算法性能的影響

4 結(jié) 語

研究了供應(yīng)中斷下第三方物流安全性網(wǎng)絡(luò)設(shè)計(jì)問題，使3PL服務(wù)網(wǎng)絡(luò)具有抵御供應(yīng)中斷的能力。建立了帶有供應(yīng)中斷水平約束的3PL網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化模型。由于問題模型NP難的特點(diǎn)，設(shè)計(jì)差分進(jìn)化算法進(jìn)行求解。最后，通過仿真實(shí)驗(yàn)對(duì)模型的合理性及算法的有效性進(jìn)行了驗(yàn)證，仿真實(shí)驗(yàn)結(jié)果表明模型能夠?qū)?yīng)中斷下的3PL安全性網(wǎng)絡(luò)設(shè)計(jì)問題進(jìn)行合理描述，并且DE算法能夠?qū)栴}進(jìn)行有效求解。此外，分析了供應(yīng)中斷水平對(duì)網(wǎng)絡(luò)設(shè)計(jì)中各種成本的影響，結(jié)果表明要得到安全性較好的網(wǎng)絡(luò)需要增加成本。

[1] Marasco A.Third-party logistics:a literature review[J].International Journal of Production Economics,2008,113(1):127-147.

[2] 高陽,詹沙磊.基于第三方物流的多周期多目標(biāo)產(chǎn)品回收網(wǎng)絡(luò)設(shè)計(jì)[J].控制與決策,2010,25(8):1164-1168.

[3] 何波,楊超,任鳴鳴.基于第三方物流的產(chǎn)品回收物流網(wǎng)絡(luò)優(yōu)化模型及算法[J].計(jì)算機(jī)集成制造系統(tǒng),2008,14(1):39-44.

[4] Ko H J,Ko C S,Kim T.A hybrid optimization/simulation approach for a distribution network design of 3PLS[J].Computers & Industrial Engineering,2006,50(4):440-449.

[5] Ko H J,Evans G W.A genetic algorithm-based heuristic for the dynamic integrated forward/reverse logistics network for 3PLs[J].Computers and Operations Research,2007,34(2):346-366.

[6] Min H,Ko H J.The dynamic design of a reverse logistics network from the perspective of third-party logistics service providers[J].International Journal of Production Economics,2008,113(1):176-192.

[7] Mahmoudzadeh M,Mansour S,Karimi B.To develop a third-party reverse logistics network for end-of-life vehicles in Iran[J].Resources,Conservation and Recycling,2013,78:1-14.

[9] Suyabatmaz A ?,Altekin F T,ahin G.Hybrid simulation-analytical modeling approaches for the reverse logistics network design of a third-party logistics provider[J].Computers & Industrial Engineering,2014,70:74-89.

[10] Peng P,Snyder L V,Lim A,et al.Reliable logistics networks design with facility disruptions[J].Transportation Research Part B,2011,45(8):1190-1211.

[11] Meepetchdee Y,Shah N.Logistical network design with robustness and complexity considerations[J].International Journal of Physical Distribution & Logistics Management,2007,37(3):201-222.

[12] Vahdani B,Tavakkoli-moghaddam R,Modarres M,et al.Reliable design of a forward/reverse logistics network under uncertainty:a robust-M/M/c queuing model[J].Transportation Research Part E:Logistics and Transportation Review,2012,48(6):1152-1168.

[13] Hatefi S M,Jolai F.Reliable forward-reverse logistics network design under partial and complete facility disruptions[J].International Journal of Logistics Systems and Management,2015,20(3):370-394.

[15] Storn R,Price K.Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces[J].Journal of Global Optimization,1997,11(4):341-359.

[16] Tang L,Zhao Y,Liu J.An improved differential evolution algorithm for practical dynamic scheduling in steelmak-ing-continuous casting production[J].IEEE Transactions on Evolutionary Computation,2014,18(2):209-225.

[17] 劉紅平,黎福海.面向多目標(biāo)優(yōu)化問題的自適應(yīng)差分進(jìn)化算法[J].計(jì)算機(jī)應(yīng)用與軟件,2015,32(12):249-252.

[18] 董麗麗,黃賁,介軍.云計(jì)算中基于差分進(jìn)化算法的任務(wù)調(diào)度研究[J].計(jì)算機(jī)工程與應(yīng)用,2014,50(5):90-95.

[19] 張英杰,龔中漢,陳乾坤.基于免疫離散差分進(jìn)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)[J].自動(dòng)化學(xué)報(bào),2015,41(4):749-757.

MODELANDALGORITHMSAFETYNETWORKDESIGNOFTHIRD-PARTYLOGISTICSUNDERSUPPLYDISRUPTIONS

Li Rui Sun Fuming
(CollegeofElectronicandInformationEngineering,LiaoningUniversityofTechnology,Jinzhou121001,Liaoning,China)

As the operation basis of the third party logistics (3PL), the logistics network plays an important role in the efficient operation of 3PL. In reality, supply disruption may happen in 3PL service network due to the influence of various factors. In order to offer secure and efficient logistics service, we study the design problem of 3PL safety network. Therefore, an optimization model of 3PL safety network design was established, which minimized the total logistics costs subjective to the constraints of supply disruption level. And according to the NP-hard characteristic of model, a differential evolution (DE) algorithm was developed. Through simulation experiment, the proposed model and algorithm are reasonable and the DE can solve the problem effectively.

Third party logistics Network design Supply disruption Safety Differential evolution

2016-11-17。國家自然科學(xué)基金項(xiàng)目(61572244)；遼寧省教育廳科學(xué)研究一般項(xiàng)目(L2015232)。李銳，講師，主研領(lǐng)域：物流優(yōu)化，智能計(jì)算。孫福明，教授。

TP29

A

10.3969/j.issn.1000-386x.2017.08.006