基于自適應遺傳聚類算法的物流越庫配送仿真

李萍萍

（宣城職業技術學院 教育與管理學院，安徽 宣城 242000）

電子商務的飛速發展改變了人們的消費習慣和消費模式[1]，與之相應的物流行業受到了越來越多的關注[2]。為了最大限度滿足異地采購的體驗感受，提高物流配送的效率是亟需解決的問題之一[3]。為了解決這一問題，除了增加物流配送車輛和人員外，合理規劃物流配送車輛的行駛路線也是十分必要的[4]。在現階段的相關研究中，已有學者就物流配送問題進行了相應探索[5]，其中，李眩等從物流配送中心選址角度出發，將變異和動態自適應PSO融入選址模型的構建中[6]，提高了物流中心選址的合理性，在一定程度上降低了物流配送的時間開銷。范厚明等以越庫配送條件下的車輛調度問題為研究對象，利用時空距離實現對具體資源分配與調度的優化[7]，提高了物流配送的效率，但是在應用方面存在一定的局限性，對于范圍較大，配送目標較多的環境適應性較低。邢書寶等以皮革市場物流配送為研究目標，通過將改進后的蟻群算法融入配送路徑的規劃設計之中[8]，實現了對配送成本的控制，但是同樣在較大范圍的配送應用上存在一定的不足。通過上述分析可以看出，對物流配送問題進行深入研究是十分必要的[9]。

值得關注的是，越庫配送也是現階段較為常見的一種配送方式。為此，本文提出基于自適應遺傳聚類算法的物流越庫配送仿真研究，并分析驗證了設計配送路徑的合理性。

1 物流越庫配送規劃設計

1.1 物流配送路徑規劃目標

為了確保物流越庫配送規劃能夠與實際的物流配送需求相契合，本文首先構建了物流配送路徑規劃目標。從本質上分析，物流公司的目標是減少配送過程的總成本，用戶的目標是提升物流車輛的配送效率，因此，二者的目標存在一致性[10]。在此基礎上，本文從提高客戶滿意程度的角度出發，對物流配送路徑規劃目標進行設計。

為了簡化后續計算的復雜性，本文將配送路程、配送時間以及配送成本問題統一為配送路徑總成本問題。那么，結合物流配送車輛的實際成本構成，其主要可以分為基礎運輸成本以及運輸擁堵成本。其中，基本運輸成本指在理想狀態下，配送車輛按照規劃路徑從配送中心行駛到各個目標配送點的成本。由此不難看出，物流配送路徑越短，對應基本運輸成本也就越低。本文假設在目標配送范圍內，包含有m個物流配送中心，待配送的目標配送點數量為n，在允許執行越庫配送的前提下，各個節點之間可以構成一個有向的連通圖，其可以表示為

其中，L表示目標配送范圍內的有向連通圖，表示可執行的運輸路徑，Y表示目標配送點對應的位置信息，Z表示物流配送中心對應的位置信息，并且：

其中，yn表示n目標配送點的位置信息，zn表示m物流配送中心的位置信息。

結合式（1）～式（3），任意目標配送點之間的可執行運輸路徑對應的基礎運輸成本計算方式可以表示為

其中，cij表示物流配送車輛從目標配送點i到目標配送點j的基礎運輸成本，k表示物流車輛行駛單位距離的成本開銷，l(yi, yj)表示車輛從目標配送點i到目標配送點j的路徑，l(yi,zm)表示車輛從目標配送點i到物流配送中心m的路徑，l(yj,zm)表示車輛從目標配送點j到物流配送中心m的路徑。

另外就是物流配送期間的運輸擁堵成本，考慮到在實際的道路交通運輸過程中道路擁堵是不可避免的，通過選擇其他路徑避開擁堵路段可能會導致車輛的行駛距離增加，而在擁堵路段的等待時間也會對配送效率帶來一定的影響。因此，本文對該部分成本的計算綜合了二者的平衡關系，其可以表示為

其中，sij表示物流配送期間的運輸擁堵成本，sij表示配送車輛在擁堵路段的等待時間，v表示配送車輛在行駛期間的速度。

結合配送路徑總成本最小化的要求，物流配送路徑規劃目標可以表示為

與礦化相關的巖漿巖多為深層的花崗巖類巖石，在平面上巖體多呈等軸狀，少數為橢圓狀、長條狀或其他不規則形狀。成礦母巖巖體的露頭面積大小不等，可由0.003～5 km2。巖體出露的面積大小主要取決于巖體的剝蝕深度以及巖體本身的規模大小及礦化的延伸程度。據哈薩克斯坦及烏拉爾所展示的資料，巖體頂部深約3～4 km，有的只有1～2 km，而巖體礦化延伸約至8～10 km。

其中，minf表示物流配送路徑規劃目標。

通過這樣的方式，確定量化的物流配送路徑規劃目標，為后續的路徑規劃提供依據。

1.2 基于自適應遺傳聚類算法的路徑規劃

結合1.1部分構建的物流配送路徑規劃目標，本文在對具體的路徑進行規劃階段，采用了自適應遺傳聚類算法，并且未考慮配送中心與目標配送點之間的覆蓋關系，在允許越庫的條件下對最優路徑進行計算。

具體的路徑規劃流程分為以下幾個步驟。

步驟1：按照目標配送點的數量設置遺傳算法的初始種群規模為n，按照各目標配送點之間的交叉關系設置概率P，考慮到目標配送點可能存在調整，因此為其設置了變異概率Pm，由此生成初始種群X。

步驟2：根據式（6）設置遺傳算法的尋優目標，為了實現對運輸時間和運輸成本平衡關系的控制，本文引入了適應度函數，其計算方式可以表示為

利用這樣的方式確保規劃路徑的合理性。

步驟3：根據步驟2的計算結果對目標配送點進行聚類，將在同一不重復路徑上的目標配送點劃分到同一聚類中。考慮到運輸車輛的實際貨載存在極值，本文以配送上限作為聚類截至的約束函數。

步驟4：在完成對一個目標配送點聚類的劃分后，以剩余的目標配送點為基礎，重復執行步驟1～3，直至所有節點都匹配到對應的運輸路徑中。

以此完成對物流越庫配送路徑的規劃。

2 仿真測試與分析

為了更加直觀地分析本文設計外觀缺陷檢測方法的應用效果，在MATLAB/Simulink環境中進行了仿真實驗測試。

2.1 仿真測試環境構建

在測試階段，本文以某產品實際供應商和零售商在區域中的分布情況為基礎進行仿真環境設置，將供應商和零售商所在的位置作為節點，考慮實際的物流配送條件差異，本文以節點數量為基礎構建了包含三種規模的測試組，對應的節點數量分別為10、30和50。對于每個測試組具體的運輸參數設置，具體如表1所示。

表1 測試環境參數設置

以此為基礎，采用本文設計的方法實施對測試環境內所有節點資源配送路徑的規劃。為了提高測試結果的分析價值，本文在測試過程中引入了對比機制，對照組采用的路徑規劃方法分別為文獻[7]提出的以時空距離為基礎的路徑規劃方法以及文獻[8]提出的以改進蟻群算法為基礎的路徑規劃方法。

2.2 評價指標設置

對于測試結果的評價，本文充分結合了實際物流配送的客觀需求，分別以配送時間、配送成本以及配送車輛的行駛距離為基準。考慮到實際裝卸效率的差異會對配送時間帶來一定的影響，本文對于該指標參數的計算方式表示為

其中，T表示參與測試結果評價的物流配送時間，Tt表示車輛出發到完成配送任務的總時間開銷，Tb表示在各個節點執行裝卸任務的時間開銷總和。

以此為基礎，對三種方法的配送效果進行分析。

2.3 測試結果與分析

首先，本文統計了不同方法下的配送時間，得到的測試結果如表2所示。

表2 不同配送路徑下的配送時間對比表

從表2的測試結果可以看出，在三種配送路徑規劃方法下，時空距離規劃方法的配送時間隨著可調度配送車輛的增加呈現出了逐漸下降的趨勢，雖然程度并不明顯，但是整體上并未受到測試環境中節點數量的影響，其中，當節點數量為10時（測試環境1），配送時間為685.5 min，當節點數量為50時（測試環境3），配送時間為620.0 min。改進蟻群算法規劃方法的配送時間隨著測試環境中節點數量的增加呈現出了逐漸上升的趨勢，其中，當節點數量為50時（測試環境3），配送時間達到了724.5 min。相比之下，本文設計規劃方法對應的配送時間明顯低于對照組，基本穩定在460.0 min以內，且并未表現出與節點數量之間的必然關系。測試結果表明，本文設計的基于自適應遺傳聚類算法的物流越庫配送路徑規劃方法可以實現對配送時間的有效控制。

其次，本文統計了不同方法下的配送成本，得到的測試結果如表3所示。

表3 不同配送路徑下的配送成本對比表

從表3的數據可以看出，在三種配送路徑規劃方法下，時空距離規劃方法的配送成本與數量之間存在對應的倍數關系，受配送車輛運輸情況的影響，不同測試環境的單位節點本文開銷有小幅波動，但是整體較為穩定，其中，當節點數量為10時（測試環境1），配送成本為556.5元，當節點數量為50時（測試環境3），配送成本為3 082.5元，相比之下的單位節點配送成本分別為55.65元和61.65元。改進蟻群算法規劃方法的配送成本隨著測試環境中節點數量的增加呈現出了明顯的上升趨勢，其中，當節點數量為10時（測試環境1），單位節點的配送成本52.04元，當節點數量為50時（測試環境3），單位節點的配送成本62.89元。相比之下，本文設計規劃方法對應的配送成本明顯低于對照組，并且單位節點的配送成本穩定在50.0元以內。測試結果表明，本文設計的基于自適應遺傳聚類算法的物流越庫配送路徑規劃方法可以實現對配送成本的有效控制。

最后，分析了不同方法下配送車輛的行駛距離，考慮到完成配送的必要路徑是不可規避的，以此為基礎，車輛行駛重復路徑的概率越低，則表明對應的路徑規劃越合理。因此，本文對統計了不同規劃方法下對應的車輛行駛路徑的重復率，得到的測試結果如圖1所示。

從圖1的數據可以看出，在三種配送路徑規劃方法下，時空距離規劃方法和改進蟻群算法規劃方法的重復行程均表現出隨著數量的增加逐漸上升的趨勢。當節點數量為50時（測試環境3），2種方法對應的行程重復率分別達到了15.85%和15.36%。相比之下，本文設計規劃方法對應的重復行程始終11.50%以內，并未受到測試環境節點數量的影響。測試結果表明，本文設計的基于自適應遺傳聚類算法的物流越庫配送路徑規劃方法可以實現對配送行程的合理規劃。

3 結束語

在物流行業不斷發展的背景下，實現對不同環境下配送車輛行駛路徑的合理規劃是提高配送效率、降低配送成本的重要保障。本文提出的基于自適應遺傳聚類算法的物流越庫配送策略，結合實際情況對具體的配送路徑進行設計，大大降低了配送期間的時間開銷和運輸成本。