基于多層復雜網(wǎng)絡(luò)的農(nóng)產(chǎn)品智慧冷鏈物流配送路徑研究

劉雪雪

(陜西鐵路工程職業(yè)技術(shù)學院，工程管理與物流學院， 陜西，渭南 714000)

0 引言

農(nóng)產(chǎn)品冷鏈物流是一個非常重要的環(huán)節(jié)，從采摘到消費者手中有大量時間都在運輸途中。因此，應(yīng)用現(xiàn)代先進技術(shù)，綜合考慮物流配送成本和影響因素，規(guī)劃出高效率、低成本的配送路徑具有重要意義。文獻[1]通過分析實時路況信息，設(shè)置冷鏈配送接駁點，構(gòu)建配送路徑優(yōu)化數(shù)學模型，并采用蟻群算法進行求解，實現(xiàn)物流配送路徑優(yōu)化。該方法能提高客戶滿意度，但冷鏈配送成本較高。文獻[2]利用云計算技術(shù)，建立冷鏈物流配送優(yōu)化模型。采用粗粒度遺傳算法，對優(yōu)化模型進行求解，實現(xiàn)冷鏈物流配送優(yōu)化。該方法計算過程簡便，但配送距離較長。

針對上述問題，提出基于多層復雜網(wǎng)絡(luò)的農(nóng)產(chǎn)品智慧冷鏈物流配送路徑方法。利用多層復雜網(wǎng)絡(luò)，將人工蜂群算法(artificial bee colony algorithm，ABC)[3]引入其中，對農(nóng)產(chǎn)品智慧冷鏈物流配送路徑展開深入研究。通過對比實驗，驗證了本文所提方法的有效性。

1 基于多層復雜網(wǎng)絡(luò)的物流配送路徑描述

假設(shè)某地的農(nóng)產(chǎn)品冷鏈物流配送中心有一定數(shù)量的待配送客戶以及若干輛車型、車質(zhì)相同的配送車，在準確完成配送服務(wù)的基礎(chǔ)上，實現(xiàn)車輛的最優(yōu)路徑規(guī)劃。

本文通過構(gòu)建無向圖G=(V，N，A，C)來表示物流配送網(wǎng)絡(luò)，將V定義為配送客戶集合，i和j都表示集合V中的客戶，N={1,2,…,n}表示待配送客戶，A=[aij]則是無向圖中的鄰接矩陣。配送中心的位置對于每一位客戶來說都是相對的，所以a0j=ai0=1。在物流配送過程中，會受到如交通堵塞、雨雪天氣等不確定因素的影響，致使原來的配送路徑發(fā)生改變，此時物流配送網(wǎng)絡(luò)屬于一個非全連通網(wǎng)絡(luò)。如果客戶i與客戶j之間有一條直達線路，則aij=1，反之，aij=0。C表示無向圖中各個頂點之間的距離矩陣，這時的物流配送網(wǎng)絡(luò)就是一個多層復雜網(wǎng)絡(luò)。

最小化目標函數(shù)[4]：

(1)

式中，cij表示客戶i與客戶j之間的距離大小。

約束條件：

(2)

(3)

(4)

(5)

(6)

2 農(nóng)產(chǎn)品智慧冷鏈物流配送路徑研究

人工蜂群算法在處理多峰值函數(shù)的尋優(yōu)問題上，具有非常明顯的優(yōu)勢，本文利用ABC算法優(yōu)化農(nóng)產(chǎn)品冷鏈物流配送路徑。

2.1 初始化人工蜂群

ABC算法是利用人工智能技術(shù)模擬蜜蜂的真實采蜜行為，從根本上說屬于一種尋優(yōu)算法[6]。采蜜行為主要由蜂群中的引領(lǐng)蜂、跟隨蜂和偵查蜂共同完成。采蜜行為同樣也分為3種：尋找食物源、召喚跟隨蜂、選擇食物源。食物源所在的位置就是尋優(yōu)問題的可行解，對食物源的選擇看作是對可行解適應(yīng)度函數(shù)的計算過程。

首先，算法隨機生成Y個由偵查蜂構(gòu)成的初始種群，Y代表蜂群的數(shù)量，也表示找到食物源的數(shù)量。Y有xi(i=1,2,…,Y)個解，為一個d維向量。

引領(lǐng)蜂遍歷食物源信息[7]，當找到花蜜數(shù)量較多的食物源時通知其他蜂群，此時的食物源為一個適應(yīng)度函數(shù)值較高的解。食物源被選擇的概率值用式(7)表示為

(7)

其中，fs表示解s計算得到的適應(yīng)度函數(shù)。

引領(lǐng)蜂遍歷食物源的公式為

vib=xib+Rib(xib-xkb)

(8)

其中，k∈{1,2,…,Y}，b∈{1,2,…,d}為隨機選擇的2個常數(shù)項，k≠j，R為[-1，1]范圍內(nèi)隨機選擇的數(shù)值。

如果一個食物源在經(jīng)過limit次的循環(huán)后依然沒有被選擇，說明該食物源已經(jīng)被蜂群[8]放棄。引領(lǐng)蜂在找到食物源后轉(zhuǎn)換為偵查蜂，轉(zhuǎn)換過程如式(9)：

(9)

通過limit次的循環(huán)，可將引領(lǐng)蜂轉(zhuǎn)換為偵查蜂，在一定程度上避免了算法陷入局部最優(yōu)，起到了收斂作用。

2.2 規(guī)劃路徑優(yōu)化求解

2.2.1 構(gòu)造食物源編碼

ABC算法以實數(shù)編碼的形式對食物源進行編碼，但是對于農(nóng)產(chǎn)品冷鏈物流配送路徑的研究，本文采用自然數(shù)編碼的方式對食物源(需求點)進行編碼。1條食物源的信息可用(0,t11,t12,…,t1n;0,t21,t22,…,t2u;0,tm1,tm2,…,tmw)表示。其中，食物源代表配送客戶，候選食物源代表待配送客戶。從中可以得到，物流配送車輛均由0點出發(fā)，第1輛車到達t11,t12,…,t1n后直接返回配送中心，第2輛車則是到達t11,t12,…,t1n后返回；以此類推，第m輛車從0點出發(fā)，到達tm1,tm2,…,tmw后返回配送中心[9]。

2.2.2 生成候選食物源

利用交換領(lǐng)域點的方式在食物源中隨機選取2個鄰域點，完成交換后即可得到候選食物源，如圖1所示。

圖1中，在有3輛配送車輛、9個需求點的情況下，通過交換鄰域點得到新的食物源信息。通過食物源的交換在可以確保自身優(yōu)良性能的前提下，增加食物源選擇的多樣性。

2.2.3 適應(yīng)度函數(shù)

根據(jù)式(1)求得的目標函數(shù)值，再計算其適應(yīng)度函數(shù)，將其代入到式(10)中：

f=1/minZ=

(10)

其中，C0表示兩配送客戶最短距離，dij表示兩待配送客戶距離，Gj表示第j個配送客戶的物流配送網(wǎng)絡(luò)，Qi表示所有客戶源，gi表示被放棄的客戶源，p表示物流配送網(wǎng)絡(luò)中心與客戶之間的距離。

2.2.4 算法步驟

綜上所述，利用ABC算法對農(nóng)產(chǎn)品冷鏈物流配送路徑的研究過程可分為以下幾步。

(1) 給定一定數(shù)量的食物源，引領(lǐng)蜂通過遍歷評估每個食物源，計算其適應(yīng)度函數(shù)值fxi。

(2) 對食物源進行l(wèi)imit次的循環(huán)，以及Mcyc次的迭代計算，每個解的循環(huán)次數(shù)為li=0。

(4) 跟隨蜂對引領(lǐng)蜂找到的食物源進行概率值pi的計算，概率值越大說明該食物源越優(yōu)，對比新舊食物源，丟棄較差的食物源。

(6) 迭代計算次數(shù)的最大值為Mcyc，當達到該值時，終止計算，輸出結(jié)果，此時結(jié)果為最優(yōu)解；如果迭代次數(shù)不夠，則返回步驟(3)繼續(xù)計算。

上述中引領(lǐng)蜂表示對客戶線路的分析計算，偵查蜂表示搜尋符合配車路徑的客戶。

通過ABC算法對農(nóng)產(chǎn)品冷鏈物流配送路徑進行研究的流程如圖2所示。

圖2 農(nóng)產(chǎn)品智慧冷鏈物流配送ABC算法實現(xiàn)過程

圖2中，cyc表示迭代次數(shù)，Mcyc表示最大迭代次數(shù)。通過上述步驟，實現(xiàn)農(nóng)產(chǎn)品智慧冷鏈物流配送路徑。

3 仿真實驗

為了驗證本文所提方法對于農(nóng)產(chǎn)品冷鏈物流配送是否合理有效，與文獻[1]、文獻[2]兩種方法進行比較實驗。實驗在某電商基地進行，擁有4個專門調(diào)度農(nóng)產(chǎn)品冷鏈物流的配送中心。由于周圍人群的不同，4個配送中心擁有的車輛數(shù)目不同，但選用的車型是一樣的。通過配送中心對車輛進行集中調(diào)度以及路徑規(guī)劃，比較3種方法，得出配送路徑最優(yōu)且成本最低的方法。

實驗中共有15名需配送的客戶，所有數(shù)據(jù)處理均由SQL Server 2000數(shù)據(jù)庫實現(xiàn)。4個配送中心的具體情況如表1所示。

表1 配送中心概況

15位待配送客戶的信息如表2所示。

為了驗證本文所提方法的收斂性，與文獻[1]、文獻[2]方法進行比較。3種方法所得配送路線如表3所示。

表2 待配送客戶信息

表3 3種方法所得物流配送路線

從表3中可以看出，3種方法對于4個配送中心、15個代配送客戶的配送路線是相同的，均為4條路線。本文所提方法、文獻[1]方法和文獻[2]方法所得物流配送路線如圖3～圖5所示。

圖3 本文所提方法所得物流配送路線圖

圖4 文獻[1]方法所得物流配送路線圖

圖5 文獻[2]方法所得物流配送路線圖

通過圖3～圖5比較可知，運用本文所提方法得到的配送路線更加合理，且行駛距離最短，并且遵循合理調(diào)度的原則，將配送成本控制在最低。本文將ABC算法初始化，避免了算法陷入局部最優(yōu)，通過初始化的ABC算法對農(nóng)產(chǎn)品配送路徑進行了優(yōu)化，可以節(jié)省配送車輛運輸路程，節(jié)約了運輸成本，從而實現(xiàn)了農(nóng)產(chǎn)品智慧冷鏈物流配送路徑研究。

4 總結(jié)

本文引入多層復雜網(wǎng)絡(luò)，對物流配送網(wǎng)絡(luò)的復雜性進行分析。考慮到物流配送網(wǎng)絡(luò)為非全連通網(wǎng)絡(luò)，采用ABC算法進行尋優(yōu)處理，通過模擬蜂群尋找食物源的行為，找到概率值最大的食物源，即最優(yōu)配送路徑。通過仿真實驗驗證了本文所提方法對于規(guī)劃物流配送路徑具有非常明顯的優(yōu)勢。