生鮮產品云物流任務協同調度方法仿真

潘娟娟

(石家莊鐵道大學四方學院，河北 石家莊 051132)

1 引言

物流云計算服務平臺是面向各類物流企業、物流樞紐中心及各類綜合型企業的物流部門等的完整解決方案，具有社會化、節約化、標準化的特點，依靠大規模的云計算處理能力、標準的作業流程、靈活的業務覆蓋、精確的環節控制、智能的決策支持及深入的信息共享來完成物流行業的各環節所需要的信息化要求。在該平臺背景下，由于生鮮產品變質速度極快，所以供應商需準時進行配送，以獲得客戶極高的滿意程度。因此，現階段如何提高物流配送效率以保障生鮮產品新鮮程度最大，成為供應企業急需的云物流調度問題。

夏文匯、張霞等人[1]通過物流與供應鏈管理基本理論和流程設計，建立一種描述性和定性定量相結合的調度方法，確定生鮮農產品創新性供應鏈網絡結構和業務流程，提出數字化物流+城市共同化配送模式。此方法操作簡便，但調度確精準度不高，無法滿足客戶日益增長的現實需求。楊福興、張琪等人[2]在整數規劃法基礎上，建立限制車輛、帶時間窗、時變環境、容量等條件下物流車輛優化調度方法，采用Solomon測試集對算法性能進行評判，仿真結果表明該方法精準度較高，但該方法計算過程復雜，適用性不高。王志國[3]提出以冷鏈物流服務配送體系的構想，探究了送時冷鏈物流資源、業務協同路徑以及合作利益分配機制，解決物流"最初一公里"發展瓶頸。最終實驗結果表明，此算法能夠更快地達到全局收斂，并得到更加穩定的尋優結果，提高了尋優的質量和效率。但該方法適用性不高，并且精準率較差。

基于上述問題，本文研究的生鮮產品調度方法，利用配送成本和產品新鮮度，建立最低新鮮度限制的物流協同調度方法并分析求解，以低成本和產品新鮮程度為目標來最大程度滿足客戶對產品的要求，構建NSGA-II動態方法通過計算獲得最終結果。旨在獲得較好的生鮮產品調度結果。

2 生鮮產品云物流任務問題建模

編排統一生產的各種類別產品，減少產品配送的等待時間和可能會發生變質所產生的損失，因此需要提高產品的新鮮程度。相同路徑的生鮮產品加工完成后需要立刻裝車運輸。在可以及時交付客戶以及滿足對客戶要求的前提下，使運輸配送成本最小、新鮮程度最大，將要安排配送先后順序、生產批量以及生產起始。

運用單調連續減函數θp(t)描述為產品，p描述為時間變化。如若產品完成的時間描述為0時刻，在交付客戶的時候，新鮮度可描述如下

θ(ti)=1-(ti/Tp)2;0≤ti≤Tp

(1)

式中：Tp描述為產品的新鮮度周期。客戶對產品的新鮮程度直接影響到客戶對產品的滿意度。因此想要滿足客戶對新鮮度g的要求，就需達到低成本和產品新鮮程度兩個目標[4]。即θp(ti)≥g。Dn×n描述為任務間的依賴關系，疏忽了產品的開發過程。此矩陣是簡化設計結構矩陣，其中

(2)

其中i、j=1，2…，n;n描述為任務數量。

人員意向矩陣Pm×n，它是描述人員和任務之間意圖相互聯系的矩陣。矩陣元素描述描述為

(3)

其中i=1，2，…，m;m描述為人員數量。j=1，2，…，n;n描述為任務數量。

任務工作量列陣，將任務i分配給e為1的工程師任務重復實際履行描述為Mn，mi的數值。任務分配矩陣Am×n表示0-1利用布爾矩陣的運算性質。根據Am×n、Mn算出任務執行的實際任務重復實際履行[6]。矩陣Fn，fi數值說明任務i實際履行所需要的時間，即

(4)

Dn×n給出的任務實際履行的時間制約、Fn給出的實際履行時間，計算時刻矩陣Sn，Si的值說明任務i的世紀時刻Sn和Fn就可以計算出產品開發所需的時間描述為計算出整個產品開發所需人員成本是

(5)

依據Am×n、Tn、Qm×n描述為產品開發完成后的預期中達成的指數表示為

(6)

質量、成本以及時間有(4)～(6)式算出，得到生鮮任務調度優劣指標，也就生鮮產品的質量、成本以及時間組成的產品市場值如式(5)所示

(7)

k100β(Q·Q)描述為由產品的優劣程度形成的市場價值。式中，Qd描述為該產品的質量的最差值，k和β的定義與h、a的定義基本一致。

綜上所述，產品協同生產任務問題可用數學語言表示為：目標函數描述為

maxf(T，C，Q)

(8)

約束條件描述為

tj-ti≥di(?tj∈si)

(9)

(10)

ti≥0(i=1，2，…，n)

(11)

其中ti、di、si、rik描述為任務i的需要資源k的數量、持續時間、開始時間以及前驅任務集合。

3 基于最低新鮮度的NSGA-II動態協同調度方法

3.1 最低新鮮度分析

云物流是指基于云計算應用模式的物流平臺服務，在云計算的管理上儲備了各種記錄匹配中介數據或者索引，利用云計算方式進行分布式搜索。

為提高客戶滿意度，在生鮮產品的實際運輸、生產過程中，利用評估客戶對產品新鮮度的要求，把運輸過程中所產生的成本費用在最大程度上降到最低[8]。同樣，當客戶考慮以產品交付新鮮度為主要目標時，生鮮企業可以根據經濟能力和效益多投入物流車輛運營，由此提高交付產品的時間。

3.2 方法目標選擇

針對生鮮產品的云物流任務協同調度問題，設定如下調度目標：

1)為承擔著最大化降低物流費用；

2)運輸及時保障產品新鮮度；

3)調度時間和方法運行時間滿足資源調遣單位時間完成的工作量與及時送達；

4)云物流平臺收益高于傳統物流；

5)保障第4方、第5方關聯物流企業的收益；

6)投訴幾率低于臨界值。

3.3 NSGA-II規劃方法建立

1)運費目標

對單獨任務提出通過最低費用運輸。運量描述為xij，運送方法的運費單價描述為cij，單個任務提出要求的第i個子任務的第j個該請求的運費目標見式(12)：

(12)

運費目標是物流提出要求方、物流平臺、物流服務方多方統一的結果。

2)時間目標

為單一子任務，通過一個或者多個區間段落來挑選物流路徑，每個區間段落都需耗費時間，在求解方法的過程中也需要時間消耗[9]。時間目標見式(13)、式(14)所示

(13)

(14)

式中cttij描述為第i個子任務的第j個物流運輸方法的單位運輸時間、cttij描述為第i個子任務的第j個物流運輸方法的單位計算時間、xij描述為第i個子任務的第j個物流運輸方法的運量。

3)利益目標

一般來說，就算收益最大不是云物流企業，但也不能夠低于傳統物流企業的利益。作為第四方、第五方的傳統物流平臺傳的利益對比云物流企業的利益目標見式(14)，式中xi描述為第i個物流任務的單價，ci描述為第i個物流任務的運量

(15)

4)滿意度目標

客戶對物流方產生的投訴率少為滿意度目標，當發貨方的貨品越按時、按質送達時滿意度目標越高，同樣當收貨方收到的貨品越按時、按質收到時滿意度目標越高。所以，需要根據投訴所產生因素建立投訴目標函數式

(16)

通過統計交通狀況、環境因素等可能對運輸途中的影響，再利用大數據進行統計、挖掘與更新，使物流狀態精確掌控。運用互聯網技術對當前物流所運用的運載工具資源運行情況進行實時監控。將更新后的大數據代入靜態NSGA-II規劃方法，在T+Δt更新模型數據，最后動態NSGA-II規劃模型由靜態NSGA-II規劃形成。

4 仿真研究

4.1 實驗參數設置

為了驗證本文中算法對于解決配送中心運輸調度問題的有效性，以國內某生鮮產品物流調度中心的平面布局及其生產作業數據為實例，進行仿真論述。仿真環境為MATLAB R2012a，實驗環境參數如表1所示。

表1 實驗環境參數

引入協同物流這一概念通過設立配送中心進行轉運整合，利用資源的規模效益和互補效益，減少空行程，提高物流資源利用率，使得協同系統的總費用降低。協同物流系統示意圖如圖1所示。

圖1 協同物流系統示意圖

產品新鮮度變化和接受程度見圖2。

圖2 產品新鮮變化和接受程度

4.2 實驗結果分析

算法執行過程中搜索到的最優解的變化如圖3所示。

圖3 迭代搜索中最優總費用變化

由上圖可以看出，隨著迭代次數的增加總費用下降明顯，迭代到一定步數結果趨于穩定。協同系統通過配送中心的整合，減少了回程和車輛行駛距離；提高了物流設施的利用率，系統中車輛使用數量下降，減少了車輛租賃費用；故雖然增加了配送中心費用支出，整體費用仍然取得了較好的值。

用排列圖法把各類產品的新鮮度分別設置為0.70和0.90，求得其排列圖解見圖4。

圖4 不同新鮮度水平限制下的排列圖沿面

在生鮮產品的新鮮度水平是0.70時，就可以減少車輛使用數量，讓配送的成本降低的解見圖4左上角部分顯示；圖4中虛線框內的解是在物流使用車輛數量減少，生鮮產品的新鮮度水平為0.70時，出現的少量排列圖，支配新鮮度限制水平為0.90時，所產生的排列解圖；則圖4右下鍵的解分布表示在物流車輛使用數量增加，可以明顯看出兩種產品新鮮度限制水平下產生的解基本相同。

假設系統中有3個物流中心，Agentm1、Agentm2、Agentm3，分別負責為14個站點配送貨物，各站點對貨物需求量、卸貨消耗時間、進站時間窗約束及坐標位置均相同。假設各物流中心車輛最大載重量12噸，調用車輛固定費用100元，平均車速100 km/h，單位里程消耗費用1元/km，協商任務調度結果如圖5所示。

圖5 物流中心協商任務調度結果

由圖5可以看出，圖(a)顯示Agentm2報價較高，因此將Agentm2與Agentm3相比較，圖(b)顯示相比于Agentm2，Agentm3的報價較低，因此總的來說，Agentm3物流中心的報價最低。協商策略的實質就是各參與方隨著協商進程的讓步策略。各企業借助Internet實施企業資源信息共享、創造協同環境、提供服務并協調所有的物流活動，通過資源整合實現運輸規模經濟，提高了利潤和績效。

5 結論

針對客戶對生鮮產品的要求以及生產、配送環節關聯緊密情況，將以交付到客戶手中的生鮮產品的新鮮度最高和總配送成本最小為兩大目標。建立具有最低新鮮度限制的生鮮配送協同調度雙目標優化方法。利用空閑資源第四方、第五方對物流資源的合理進行比較全面的長遠發展計劃，使得云物流較比傳統物流方式更高效，運用NSGA-II調度算法，達到物流速度快、成本低的目標，此方法最大程度提高云物流調度問題、算法更簡單、適應性更廣泛。