李杰 蔣秀蓮 蔣國成

摘 要：物流配送路徑優(yōu)化問題復(fù)雜度高，具有隨機性，而且多用戶配送路徑的選擇更為復(fù)雜，難以抉擇。研究的對象是一個貨物配送中心對應(yīng)于多個客戶點，為解決物流配送路徑優(yōu)化問題，采用蟻群算法進行路徑優(yōu)化，并對物流配送路徑進行模擬。

關(guān)鍵詞：物流配送；路徑優(yōu)化；蟻群算法

中圖分類號：G642 文獻標識碼：A

1 引言（Introduction）

物流配送在日常的生活里是非常常見的，因為它是由于社會分工深化和社會化大生產(chǎn)而產(chǎn)生的，物流涉及企業(yè)的生產(chǎn)與客戶的消費，是現(xiàn)代社會賴以存在的基本經(jīng)濟活動之一。在現(xiàn)代社會中，物流，信息的傳播與流動，商品流通稱為三大經(jīng)濟支柱，物流管理系統(tǒng)化、合理化產(chǎn)生巨大的經(jīng)濟價值，基于此，物流被認為是 “第三利潤源泉”[1]。

目前物流產(chǎn)業(yè)兩個主要的發(fā)展的方向：①物流配送中資金的利用減少。②服務(wù)質(zhì)量的提高。對應(yīng)于物流發(fā)展方向，物流配送中資金的使用主要是兩個方面：一是早期的投資，如倉庫或者配送中心的建設(shè)費用；二是對貨物的管理和配送產(chǎn)生的成本。由此看出，貨物配送的最初理念就是在滿足一定客戶的需求下，進行配送成本的最小化，實現(xiàn)企業(yè)利潤的最大化。

現(xiàn)在物流配送最關(guān)鍵的問題就是如何利用現(xiàn)有的一些技術(shù)來降低物流運輸?shù)某杀?，其中最關(guān)鍵的一個環(huán)節(jié)就是如何選擇最優(yōu)的物流配送路徑，來達到運輸成本最低的目的[2]。優(yōu)化的物流配送路徑包括很多，比如合理規(guī)劃車輛的配送途徑，增加貨物配送車輛的裝載率等，當(dāng)企業(yè)在現(xiàn)實經(jīng)營活動中成功的實現(xiàn)了這些措施時，就會大大節(jié)約運輸時間和成本，最大化的實現(xiàn)企業(yè)的經(jīng)濟利潤。

2 主要的物流配送路徑優(yōu)化求解算法（Algorithm

of logistics distribution path optimization）

物流配送中的車輛調(diào)度問題，求解的方法較多，大致分為兩大類：精確算法和啟發(fā)式算法。精確算法是指能夠求出最優(yōu)解的算法，主要包括：動態(tài)規(guī)劃法、割平面法和分枝定界法等。因為精確算法的信息處理量大、數(shù)據(jù)分析量大，在實際中不常用。

主要的物流配送路徑優(yōu)化求解算法有， 禁忌搜索算法、模擬退火算法、蟻群算法。

1986年，Glover提出了禁忌搜尋法（Tbau Search，簡稱 TS），該算法擴展了對局部領(lǐng)域的搜索，也是全局逐步尋優(yōu)的一種方法，更是對人類智力過程的一種模擬。TS 算法在許多領(lǐng)域都取得了很大的成功，比如生產(chǎn)調(diào)度、電路設(shè)計、網(wǎng)絡(luò)等領(lǐng)域。模擬退火算法是啟發(fā)式的隨機優(yōu)化方法的一種，是一種比較通用的而且在啟發(fā)式優(yōu)化方法中也比較成熟的優(yōu)化方法。蟻群算法屬于隨機搜索算法，該方法利用蟻群搜尋食物的過程與旅行商問題（TSP）之間的相似性，人為模擬螞蟻搜尋食物的過程（即通過個體之間的信息交流與相互協(xié)作最終找到從蟻穴到食物源的最短路徑）來求解TSP[3]。

3 物流配送路徑優(yōu)化設(shè)計（Path optimization design

of logistics distribution）

蟻群算法具有通用性和魯棒性，是基于總體優(yōu)化的方法，在解決旅行商問題（TSP）、作業(yè)安排調(diào)度問題（JSP）、二次分配問題（QAP）等組合優(yōu)化問題上具有一定的合理性，故采用此算法。

設(shè)定車輛代表螞蟻，首先第一個車輛從某個配送點出發(fā)，選擇下一個配送點，然后移動到被選擇配送點，最后返回到最開始的配送點，則第一個車輛的配送任務(wù)完成。然后第二個車輛按照第一個車輛的方法進行配送。所有車輛依次配送完成后，保存當(dāng)前最優(yōu)路徑，更新環(huán)境信息素。然后所有車輛再模擬一次貨物的配送，配送完后再更新環(huán)境信息素。如此循環(huán)進行，直到達到設(shè)定的配送次數(shù)，輸出最后的最優(yōu)路徑。

為了具體形象地描述模型，畫出其配送示意圖，假設(shè)有6個貨物配送點，這6個貨物配送點之間互通互達，車輛從貨物配送點A出發(fā)，在剩下的5個貨物配送點之間選擇一個貨物配送點作為下一個目標點，以此類推直到車輛完成貨物配送后回到A，在此期間，車輛所走的最短的路線就是當(dāng)前最優(yōu)的配送路線。

利用面向?qū)ο笳Z言建立一個簡單的二位數(shù)組JLSZ用來記錄這六個配送點之間的距離，數(shù)據(jù)可以用測量工具在地圖上測量得到，把測量得到的數(shù)據(jù)再乘以地圖縮放比例即可得到現(xiàn)實的距離。

這六個點測量得到的具體數(shù)據(jù)如表1，即二維數(shù)據(jù)JLSZ表。

利用面向?qū)ο笳Z言建立一個簡單的二位數(shù)組XXSSZ用來記錄這六個配送點之間的環(huán)境信息素，剛開始的時候沒有車輛還沒有進行配送，所以這6個貨物配送點之間的信息素的值是相同的，假設(shè)6個貨物配送點之間初始信息素值為2。車輛隨機選擇下一個貨物配送點，以此類推，不停的選擇移動，直到把剩下的5個配送點全部遍歷過后返回起配送點A才結(jié)束。

先假設(shè)第一個車輛的大概配送路線為：

A→B→C→D→E→F→A，車輛走過的配送路線長度為：1.5+3.1+2.2+3.3+2.3+3.9=16.3；設(shè)定了4個車輛，因而進行4次配送，則接下來的3個車輛的依次進行配送，直到所有的車輛配送完成。假定第二個車輛走的線路是A→C→E→F→B→D→A，車輛走過的配送路線長度為2+4.3+2.3+3.5+3.4+3.2=18.7；假定第三個車輛走的線路是A→B→E→F→D→C→A，車輛走過的配送路線長度為1.5+2.2+2.3+1.6+2.2+2=11.8；假定第四個車輛走的線路是A→E→B→D→C→F→A，螞蟻走過的配送路線長度為3.5+2.2+3.4+2.2+3.6+3.9=18.8。

定義的這4個車輛都配送完成后，第一次循環(huán)就完成了，此時要做的就是更新各個貨物配送點之間的信息素，更新信息素的時候，要減去部分信息素在貨物配送過程的揮發(fā)。

盡管環(huán)境中的信息素有一定程度的揮發(fā)，但是每個車輛在貨物配送點之間移動時也會留下信息素，車輛在貨物配送點之間留下的信息素的量還要依據(jù)車輛完成全部配送點后長度的值來計算。

值得注意的是，數(shù)組是對稱的，在更新貨物配送點A→B之間的信息素的時候，也要更新貨物配送點B→A之間的信息素。

當(dāng)?shù)诙€車輛完成他的貨物配送后，第三個車輛出發(fā)，第三個車輛貨物配送完成后，第四個車輛出發(fā)，當(dāng)?shù)谒膫€車輛完成配送后，則完成了一次循環(huán)。從四個車輛配送距離的具體值可以清楚看到第三個車輛的配送路線是最短的，則第一次循環(huán)的最短是11.8，記錄下當(dāng)前的最短路徑，為了方便與下一次循環(huán)所產(chǎn)的最短路徑值進行比較，得出最優(yōu)路徑。

設(shè)定了迭代次數(shù)為6次，目前所有車輛才進行了一次循環(huán)，按照以上步驟進行第二次循環(huán)，在這第二次循環(huán)中會得到一個數(shù)值R，把數(shù)值R與第一次循環(huán)得到數(shù)值進行比較，如果R值比11.8小，那么更新最短路徑的值為R；如果R值比11.8大，那么不需要更新最優(yōu)路徑的值，進行剩下的4次循環(huán)，依次比對車輛路徑值，更新貨物配送最短值。

4 結(jié)論（Conclusion）

蟻群算法是一種較新的模擬進化算法，在求解復(fù)雜問題方面具有一定的優(yōu)越性。本文對物流配送路徑優(yōu)化問題進行研究，分析物流配送問題產(chǎn)生的原因，確定物流配送路徑優(yōu)化的方法，并根據(jù)當(dāng)前物流現(xiàn)狀，結(jié)合物流配送問題與蟻群算法，采用面向?qū)ο笳Z言編寫程序，對物流配送路徑進行模擬，得出最優(yōu)路徑的設(shè)計方案。本文研究的對象是一個貨物配送中心對應(yīng)于多個客戶點，這時候只需要考慮如何把貨物從配送中心運到客戶的手中，但是隨著客戶點的增多，客戶點不聚集，散落在配送中心的周圍，這樣必然導(dǎo)致物流配送中心的增加，在不同區(qū)域內(nèi)分布著多個配送中心，那么如何協(xié)調(diào)好多個配送中心之間貨物調(diào)配以及周轉(zhuǎn)，是未來面對的難題，同時解決這一難題的方法會更復(fù)雜，更加繁瑣。

參考文獻（References）

[1] 孫艷霞.網(wǎng)絡(luò)零售企業(yè)網(wǎng)點式物流配送模式探討[J].現(xiàn)代管理

科學(xué)，2012，26（5）：1145-1147.

[2] 陳以，萬梅芳.RBF神經(jīng)網(wǎng)絡(luò)在物流系統(tǒng)中的應(yīng)用[J].計算機

仿真，2010，27（4）：100-104.

[3] 李金漢，杜德生.一種改進蟻群算法的仿真研究[J].計算機應(yīng)

用，2008，18（25）：31-34.

作者簡介：

李 杰（1994-），男，本科生.研究領(lǐng)域：信息管理與信息系統(tǒng).

蔣秀蓮（1968-），女，碩士，副教授.研究領(lǐng)域：信息管理與信

息系統(tǒng).

蔣國成（1995-），男，專科生.研究領(lǐng)域：智能運輸.