一種基于RDAP算法的物流網絡資源匹配機制

摘" 要：針對物流企業缺乏資源搜尋和談判能力，導致交易成本高難以合作問題，基于一對多雙邊匹配中穩定匹配的相關概念，提出一種基于RDAP算法的物流網絡資源匹配機制，通過RDS與RP的雙向選擇到物流資源的穩定匹配。算法首先基于性價比的RDS決策模型得出RDS對于RP的滿意度序列，然后根據基于成員穩定性的RP決策模型得出RP的滿意度序列，在穩定匹配條件下構建一對多雙邊物流網絡資源匹配模型，得出匹配結果。仿真實驗表明，基于RDAP算法的物流網絡資源匹配機制模型相比于傳統Gale-Shapley算法模型，能更適用于物流領域，使匹配成功的RDS與RP雙方的利潤大大增加，為提高物流系統效率和服務質量提供了有力支持。

關鍵詞：物流網絡資源；資源匹配；雙邊匹配；RDAP算法；穩定匹配

中圖分類號：F253.9" " 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.05.001

Abstract： In response to the challenge of logistics enterprises lacking resource search and negotiation capabilities， resulting in high transaction costs and difficulties in collaboration， this study proposes a logistics network resource matching mechanism based on the RDAP algorithm， focusing on stable matching in the context of one-to-many bilateral matches. Through the mutual selection of Resource Providers（RP）and Resource Demanders（RDS）， a stable match for logistics resources is achieved. The algorithm begins by deriving the satisfaction sequence of RDS for RP based on a cost-effectiveness-oriented RDS decision model. Subsequently， the satisfaction sequence of RP is determined based on a member stability-oriented RP decision model. Under the condition of stable matching， a one-to-many bilateral logistics network resource matching model is constructed to obtain the matching results. Simulation experiments demonstrate that the RDAP algorithm-based logistics network resource matching mechanism model， compared to the traditional Gale-Shapley algorithm model， is more suitable for the logistics domain. It significantly increases the profits of both successfully matched RDS and RP， providing robust support for enhancing logistics system efficiency and service quality.

Key words： logistics network resources; resource matching; bilateral matching; RDAP algorithm; stable matching

0" 引" 言

隨著商業活動的快速發展，物流行業也得到了迅速的發展。然而，在全球化的經濟環境下，物流成本在總成本中的比例越來越大，因此優化物流問題已經成為一項非常重要的任務[1]。而物流資源匹配問題是物流系統中最關鍵的一部分，因為它直接關系到供應鏈的效率和服務質量。為了提高物流系統的效率和服務質量，需要對物流資源匹配問題進行有效的解決。

近年來，國內外學者對于物流資源匹配開展廣泛的研究。文獻[1]研究了物流匹配中的車輛調度問題，并提出了多貨倉車輛調度模型。通過改進蟻群算法和粒子群混合算法等方法來解決貨物裝卸調度問題。文獻[2]基于機器學習領域的推薦算法和相關技術，結合車間PFEP中產品物料基礎數據以及物流資源配置數據，研究了物流資源配置推薦方法。文獻[3]研究了面向軍事虛擬物流任務需求的資源匹配模型及其實現算法，旨在解決軍事虛擬物流網格用戶在網絡環境下，從眾多的物流資源和服務中快速查找滿足軍事物流任務需求的物流資源和服務的問題。文獻[4]主要研究了網格環境下基于任務的虛擬物流資源匹配策略的研究，并提出了一種基于任務的資源任務匹配策略來解決資源與任務的匹配問題。文獻[5]提出了一種基于不確定性的協作物流網絡資源匹配模型，用于協作物流網絡中的資源匹配過程，并通過蒙特卡羅方法和粒子群優化算法來解決該模型。文獻[6]研究了中國各省份物流供應資源與需求資源的匹配度，并提出了評價指標體系和基于因子分析-SEDEA模型的計算方法。上述研究均是在考慮特定情況下的物流資源調度匹配，且只考慮匹配雙方中一方的單項選擇，然而大多數情況下，資源提供方與資源需求方均具是理性的主體，雙方均具有同意和拒絕的權利，即雙方的資源匹配是一個雙邊匹配問題[7]。

此外，現實中大部分物流企業并不具備搜尋資源信息和協商談判的能力，導致物流企業對于物流資源匹配調度因交易成本過高而很難合作[8]。因此針對上述問題，本文研究建立一個合理高效的物流資源匹配機制。Gale-Shapley算法是經濟學領域解決兩個主體匹配問題的重要方法，常被應用于交易合作等問題[9]，但由于物流資源匹配雙方的匹配因素較為復雜，選擇情況較多，因此針對上述問題，本文基于Gale-Shapley算法提出了一種基于RDAP算法的物流資源匹配機制。

1" 算法基礎

1.1" 一對多雙邊匹配

資源匹配的過程是一個互相選擇的過程，匹配過程中需要充分考慮雙方主體對于合作對象的選擇策略[10]，由于資源需求方所需資源對于總體資源來說較小且考慮到資源調度成本問題，資源需求方僅作為一個整體來選擇一個資源提供方來合作。而資源提供方卻可以選擇多個資源需求方來提供資源，兩者之間互不相交，因此是一個典型的一對多雙邊匹配。

1.2" Gale-Shapley算法

Gale-Shapley算法也被稱為穩定婚姻算法（Stable Marriage Algorithm），是一種解決穩定匹配（Stable Matching）問題的算法[11]。穩定匹配問題涉及到兩組人或者物品之間的雙邊匹配。例如，可以用來描述男女之間的匹配、醫生和醫院的匹配等。在這個問題中，每個參與者都有自己的偏好排序，他們希望被分配到一個最喜歡的對方。

Gale-Shapley算法基于以下步驟：

（1）初始化：算法開始時，每個人都是自由的，沒有與之匹配的對象；

（2）提出求婚：算法通過一個迭代的方式進行。在每個迭代中，每個自由的男性會向他最喜歡的尚未求婚的女性求婚，而每個女性則會選擇她最喜歡的求婚者，并拒絕其他的求婚者；

（3）接受或拒絕：當女性收到多個求婚者的求婚時，她會拒絕除了她最喜歡的那個以外的其他所有求婚者。而當男性被拒絕時，他會嘗試向他的下一個偏好對象求婚；

（4）穩定性檢驗：如果沒有人或物品更愿意與另一個對象配對而不是它們當前的匹配狀態，那么這個匹配就是穩定的。即不存在一對人或物品，他們彼此更喜歡對方而不是他們當前的匹配[12]。

盡管Gale-Shapley算法在穩定匹配問題上有著很好的性能，但將其直接應用于物流領域可能存在一些缺點和不適用之處。Gale-Shapley算法基于參與者的偏好排序進行匹配，但在物流領域中，有許多實際約束需要考慮，比如訂單利潤、運輸時間、路徑規劃等[12-14]。該算法未考慮這些物流特定的限制，可能導致分配方案并不可行或不符合實際條件，因此本文對Gale-Shapley算法進行一些修改，形成RDAP算法來適合物流領域，進行物流資源匹配。

2" RDAP算法模型

RDAP算法模型由基于性價比的RDS決策模型和基于成員穩定性的RP決策模型兩部分組成。RDS與RP的合作是一個雙向選擇的過程，匹配過程需要充分考慮雙方對合作的選擇策略[15-16]。由于RDS的所需資源對于總體資源來說較小且考慮到資源調度成本問題，RDS僅作為一個整體來選擇一個RP來合作。而RP卻可以選擇多個RDS來提供資源。假設有M個獨立的RDS和N個獨立的RP，且都在各自的限定條件下選擇最大收益的合作對象。

2.1" 基于性價比的RDS決策模型

2.2" 基于成員穩定性的RP決策模型

3" RDS與RP的雙邊匹配機制

RDS與RP的雙邊匹配機制具體算法如下：

4" 仿真實驗

以中國某地區的物流網絡中企業為例，選取20，30，40，50個RDS與RP進行仿真實驗，為了分析RDAP匹配算法機制的性能，將RDAP算法與傳統Gale-Shapley算法進行對比。由于傳統Gale-Shapley算法是最開始需提供滿意度序列[17]，因此將RDS利潤最大作為目標，不考慮RP得出RDS對于RP的滿意度序列，RP對于RDS的滿意度序列同上。測試結果部分如表1和表2所示。

匹配比對結果如表3和圖1所示。可以看到RDAP算法機制的RDS利潤和RP利潤均在Gale-Shapley之上，表明RDAP算法模型在物流領域的適應性比Gale-Shapley強，可以在考慮RDS性價比和RP的合作穩定性的同時，沒有降低總利潤甚至較為提高，其大大提高了物流網絡資源的利用率。

5" 結" 論

本文提出了一種適用于物流資源網絡的RDAP資源匹配機制，不同于傳統的Gale-Shapley算法，只考慮最后匹配的穩定性，并且現實中大部分物流企業并不具備搜尋資源信息和協商談判的能力，導致物流企業對于物流資源匹配調度因交易成本過高而很難合作，該算法由基于性價比的RDS決策模型和基于成員穩定性的RP決策模型兩部分組成，充分考慮RDS選擇時的利潤大小和RP對于RDS選擇時的成員穩定性因素，獲得相應的滿意度序列，并構建RDAP算法模型，通過RDS與RP的雙向選擇得到RDAP資源匹配機制模型的穩定匹配。通過仿真驗證表明，基于性價比的RDS決策模型和基于成員穩定性的RP決策模型兩部分組成的RDAP算法模型相對于傳統Gale-Shapley算法模型能夠充分考慮RDS與RP的需求并大大提高了RDS與RP的總利潤，從而提高資源的利用率，實現負載均衡，在可持續性發展的物流環節和滿足更多定制化需求的環節中具有一定的前景。

參考文獻：

[1]" CAO D， FENG J. The research on related scheduling model and algorithm for logistics matching problem[Z].

[2] 趙超，李俚，李博. 面向Recsys模型的生產物流資源配置推薦研究[J]. 機械設計與制造，2023（1）：13-16.

[3] 李建樹. 網絡環境下基于任務的軍事虛擬物流資源匹配[J]. 后勤工程學院學報，2010，26（3）：55-61.

[4] 劉輝，甘明，王豐，等. 網格環境下基于任務的虛擬物流資源匹配策略[J]. 后勤工程學院學報，2010，26（2）：92-96.

[5]" XU X， ZHANG W， LI N， et al. A bi-level programming model of resource matching for collaborative logistics network in supply uncertainty environment[J]. Journal of the Franklin Institute， 2015，352（9）：3873-3884.

[6]" YUXUAN R， XIAODONG Z， PEI W. Study on the matching of logistics supplying resource and demanding resource in

Chinese provinces[C] // Proceedings of the 2019 Annual Meeting on Management Engineering. Kuala Lumpur Malaysia： ACM， 2019：26-34.

[7]" CHANG J， LI H， SUN B. Matching knowledge suppliers and demanders on a digital platform： A novel method[J]. IEEE Access， 2019，7：21331-21342.

[8] 丁斅，朱建軍，鄧恒. 城市一刻鐘便民生活圈建設滿意度提升路徑研究——基于改進Gale-Shapley算法的實證分析[J]. 無錫商業職業技術學院學報，2022，22（1）：34-41.

[9] 孫有才，孫卓，林國順，等. 基于雙邊匹配優化模型的電廠煤炭采購及船舶運輸調度[J]. 物流科技，2015，38（9）：32-35.

[10] 陳一芳，王順林. 物流服務能力與數據挖掘匹配研究——基于傳統物流信息化與智慧物流對比分析[J]. 物流科技，2015，38（11）：79-82.

[11] 張明廣. 基于供應鏈的物流企業戰略匹配能力研究[J]. 物流工程與管理，2014，36（11）：37-38.

[12]" XU X， ZHANG W， LI N， et al. A bi-level programming model of resource matching for collaborative logistics network in supply uncertainty environment[J]. Journal of the Franklin Institute， 2015，352（9）：3873-3884.

[13] 曹靖文. 物流任務與資源兩階段自適應匹配研究[D]. 重慶：重慶大學，2019.

[14] 郜紅虎. 汽車零部件物流資源整合機制研究[D]. 北京：北京交通大學，2020.

[15] 傅小康. 云環境下的集散型物流服務協同模型與優化[D]. 杭州：浙江工商大學，2016.

[16] 李建樹. 基于網格技術的軍事虛擬物流資源優化組織關鍵技術研究[D]. 長沙：中南大學，2010.

[17] 陳新宇. 網絡貨運平臺運力資源智能推薦模型研究[D]. 南京：南京大學，2021.