袁振杭

摘 要：B2C電子商務(wù)的發(fā)展帶動(dòng)了物流業(yè)的發(fā)展，不少電商企業(yè)構(gòu)建自營物流，但是，由于電商物流的分散性，物流配送成本居高不下。本文基于顧客退貨構(gòu)建了一個(gè)物流配送網(wǎng)絡(luò)優(yōu)化模型，并運(yùn)用遺傳算法進(jìn)行求解，最后通過一個(gè)實(shí)例對(duì)構(gòu)建的模型進(jìn)行了驗(yàn)證。

關(guān)鍵詞：顧客退貨；遺傳算法；B2C電子商務(wù)；物流網(wǎng)絡(luò)優(yōu)化

一、引言

電子商務(wù)經(jīng)濟(jì)的推動(dòng)，使得現(xiàn)代物流行業(yè)與電商的結(jié)合更為緊密，現(xiàn)代物流強(qiáng)調(diào)精細(xì)化管理，降低物流成本，而電子商務(wù)經(jīng)濟(jì)正是以較低的運(yùn)營成本戰(zhàn)勝實(shí)體店，兩者成本角度考慮一致。另一方面，現(xiàn)代物流強(qiáng)調(diào)技術(shù)，從技術(shù)角度推進(jìn)信息共享，從而更精細(xì)化計(jì)算物流配送路徑，從而降低車輛配送成本。

物流網(wǎng)絡(luò)優(yōu)化一般涉及優(yōu)化算法的求解，通過優(yōu)化算法對(duì)構(gòu)建的模型進(jìn)行最優(yōu)求解，指導(dǎo)物流企業(yè)運(yùn)輸調(diào)度。B2C電商物流是一種小批量、多批次的物流形態(tài)，在互聯(lián)網(wǎng)經(jīng)濟(jì)時(shí)代該種物流形式占據(jù)主流，對(duì)于B2C電商物流的配送網(wǎng)絡(luò)優(yōu)化研究也成為了研究熱點(diǎn)，但是，正是這種分散性的需求使得物流配送頻繁，配送難度大，配送成本也居高不下，如何解決配送成本控制問題也成了研究焦點(diǎn)。針對(duì)此，不少學(xué)者從建立各地配送點(diǎn)出發(fā)，研究最佳配送路徑方式來降低物流成本。本文對(duì)B2C物流進(jìn)行網(wǎng)絡(luò)建模，重點(diǎn)分析存在顧客退貨時(shí)的物流網(wǎng)絡(luò)優(yōu)化問題，并引入遺傳算法進(jìn)行求解，為物流企業(yè)降低物流運(yùn)作成本提供參考。

二、B2C電子商務(wù)物流配送網(wǎng)絡(luò)研究現(xiàn)狀

1.B2C電子商務(wù)物流網(wǎng)絡(luò)優(yōu)化研究

B2C電子商務(wù)物流與傳統(tǒng)企業(yè)物流配送相比，最大的區(qū)別是逆向物流的規(guī)模及其重要性。商務(wù)部明確規(guī)定了“冷靜期制度”，網(wǎng)購消費(fèi)者可以在“冷靜期”內(nèi)取消訂單，在電商平臺(tái)虛擬化背景下，顧客對(duì)于貨物的期望與實(shí)物很有可能會(huì)有落差，退貨現(xiàn)象十分普遍，如果說電商企業(yè)提供滿意的退換貨物服務(wù)，則會(huì)給自身網(wǎng)絡(luò)品牌帶來災(zāi)難性的后果。因此，我們?cè)跇?gòu)建B2C電子商務(wù)物流網(wǎng)絡(luò)時(shí)要考慮退貨物流回收點(diǎn)。另一方面，電商物流的分散性、小批量使得物流網(wǎng)絡(luò)節(jié)點(diǎn)多，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，設(shè)立合理的配送網(wǎng)點(diǎn)，選取合適的配送路徑，可以極大地降低物流配送成本。如何構(gòu)建較好的配送路徑，多數(shù)學(xué)者以優(yōu)化理論構(gòu)建優(yōu)化模型，并運(yùn)用優(yōu)化算法進(jìn)行求解，獲得最優(yōu)路徑，降低配送成本。

2.基于遺傳算法的物流配送網(wǎng)絡(luò)優(yōu)化研究

遺傳算法模擬種群進(jìn)化機(jī)制，進(jìn)行個(gè)體的交叉、變異等操作，獲得適應(yīng)性最強(qiáng)的最優(yōu)個(gè)體來得到問題的最優(yōu)解。遺傳算法具有較好的全局搜索能力，但是也存在早熟缺點(diǎn)，常常會(huì)陷入局部最優(yōu)，通過對(duì)基因重組策略的調(diào)整，或者加入其它算法思想，如禁忌算法等，可以提高算法收斂速度。電商物流具有小批量、多批次、逆向物流、時(shí)效性強(qiáng)等諸多特點(diǎn)，因此，電商物流的配送路徑規(guī)劃具備實(shí)用性，在電商物流網(wǎng)絡(luò)優(yōu)化方面建模研究較多，對(duì)于具體的求解大多采用了優(yōu)化算法，遺傳算法是其中運(yùn)用角度的一類優(yōu)化算法選擇。

以上B2C電子商務(wù)物流配送網(wǎng)絡(luò)問題的研究主要是解決物流配送中心選址、運(yùn)輸優(yōu)化等決策問題，很少考慮顧客退貨的影響。然而，目前很多B2C電子商務(wù)配送中心物流基本趨于成熟，重新選址、設(shè)計(jì)和建立物流配送中心不僅加大資金投入，還無法起到提高物流配送效率的目的。為此，本文考慮在既有的配送基礎(chǔ)設(shè)施上分析B2C電子商務(wù)物流配送優(yōu)化問題，通過合理安排配送資源來降低物流成本，增加利潤(rùn)，并考慮存在顧客退貨的情形，更加貼近實(shí)際情況，為電子商務(wù)企業(yè)發(fā)展物流網(wǎng)絡(luò)提供決策依據(jù)。

三、配送網(wǎng)絡(luò)優(yōu)化模型構(gòu)建

B2C電子商務(wù)物流網(wǎng)絡(luò)優(yōu)化的目的是降低企業(yè)物流成本，提高收益。本文主要涉及B2C電子商務(wù)企業(yè)與顧客組成的二級(jí)物流網(wǎng)絡(luò)，在考慮顧客退貨的情況下，對(duì)B2C電子商務(wù)企業(yè)配送路線問題進(jìn)行優(yōu)化設(shè)計(jì)，降低物流運(yùn)作成本。

1.假設(shè)及參數(shù)說明

（1）基本假設(shè)

為了便于分析，本文做如下假設(shè)：

①不同的顧客貨物可以混合裝運(yùn)。②各配送點(diǎn)的車輛統(tǒng)一，負(fù)荷及單位配送成本一致且已知。③顧客的購買需求與退貨量已知，電商企業(yè)能夠滿足顧客需求。④只考慮運(yùn)輸成本。

（2）參數(shù)說明

表示所有物流配送中心（兼退貨接收中心）， 表示所有物流配送中心車輛的集合，

表示顧客點(diǎn)集合。qi表示物流配送中心i銷售物流貨物量，rk表示顧客k退貨量，Qm表示運(yùn)輸車m輛的負(fù)荷，dij表示物流中心i與j之間的距離，dik表示物流中心i與顧客k之間的距離。 ikm表示配送中心i至顧客k的配送任務(wù)由車輛m來完成，bijm表示配送中心i至配送中心j的轉(zhuǎn)運(yùn)任務(wù)由車輛m來完成。

2.網(wǎng)絡(luò)優(yōu)化數(shù)學(xué)模型

目標(biāo)函數(shù)式（1）表示物流配送成本的最小化，其中第一項(xiàng)表示配送中心向顧客配送的成本，第二項(xiàng)表示配送中心的轉(zhuǎn)運(yùn)成本?？紤]到B2C電商物流是一種小批量、多批次的物流形態(tài)，因此，本文目標(biāo)函數(shù)式（1）主要體現(xiàn)配送節(jié)點(diǎn)之間的距離，在滿足車輛負(fù)荷、顧客配送要求等各項(xiàng)約束條件下，實(shí)現(xiàn)最短配送路徑。式（2）表示運(yùn)輸車輛不超過負(fù)荷運(yùn)作。式（3）表示配送中心節(jié)點(diǎn)與顧客節(jié)點(diǎn)是否有車輛配送。式（4）標(biāo)識(shí)配送中心節(jié)點(diǎn)之間是否有車輛配送。

3.基于遺傳算法的物流網(wǎng)絡(luò)優(yōu)化模型求解

對(duì)于特定的顧客，最終總是單個(gè)配送中心給予配貨，可以是配送中心之間通過了調(diào)貨轉(zhuǎn)運(yùn)。因此，最終我們的最優(yōu)路徑可以表示為一條，當(dāng)對(duì)某個(gè)顧客的貨物配送動(dòng)用了配送中心間的調(diào)貨，我們可以把參與轉(zhuǎn)運(yùn)及最終配貨的物流配送中心視為同一次配送活動(dòng)。

（1）編碼

我們將所有配送中心、顧客按順序用自然數(shù)進(jìn)行編碼（1，2，3，……，i，……，i+k），最優(yōu)配送路徑用數(shù)字表示，如（3，6，10），那么我們就把（3，6，10）作為一個(gè)個(gè)體。對(duì)最優(yōu)解進(jìn)行編碼是遺傳算法的第一步，也是比較關(guān)鍵的一步，按自然數(shù)編碼比較容易理解，對(duì)后續(xù)處理也比較方便，因此選用此類編碼方式。

（2）初始化種群

配送活動(dòng)總有一個(gè)起點(diǎn)，我們事先不知道從哪里開始配送將會(huì)達(dá)到最優(yōu)點(diǎn)，最優(yōu)解是如何，那么就需要隨機(jī)選取幾組最優(yōu)路徑，經(jīng)過遺傳算法后續(xù)過程逐步逼近最優(yōu)解，我們需要確定一個(gè)群體的規(guī)模（個(gè)體的數(shù)量），即可能的最優(yōu)解可選項(xiàng)。初始化種群的規(guī)模需根據(jù)經(jīng)驗(yàn)設(shè)定，種群過大會(huì)降低收斂速度，而種群過小又會(huì)過早收斂，因此，我們需要合理選取種群規(guī)模。

（3）適應(yīng)度函數(shù)

適應(yīng)度函數(shù)是遺傳算法的關(guān)鍵，在很大程度上決定著我們的優(yōu)化解的求解速度與求解質(zhì)量，適應(yīng)度函數(shù)是用于選取可以進(jìn)行遺傳的個(gè)體，即可以繼續(xù)參與交叉、變異的優(yōu)良個(gè)體（最靠近最優(yōu)配送路徑的參考路徑），因?yàn)槲覀兊哪繕?biāo)函數(shù)是求解最小成本，目標(biāo)函數(shù)求解最小值，我們可以取目標(biāo)函數(shù)的倒數(shù)作為個(gè)體的適應(yīng)度。

（4）交叉運(yùn)算

交叉運(yùn)算是將兩個(gè)個(gè)體的部分染色體進(jìn)行交換的過程，模仿遺傳過程中的交叉遺傳，是遺傳算法與其他優(yōu)化算法的一個(gè)重要區(qū)別。具體操作過程為：對(duì)群體進(jìn)一個(gè)隨機(jī)的交叉配對(duì)，對(duì)于某一配對(duì)隨機(jī)地選擇一個(gè)交叉位置，交換配對(duì)個(gè)體之間基因。交叉操作是對(duì)遺傳優(yōu)勢(shì)的提升，不同個(gè)體之間的交叉可以獲取對(duì)方優(yōu)勢(shì)，促進(jìn)最優(yōu)個(gè)體的產(chǎn)生，即提升收斂速度，提升獲取最優(yōu)解速度。

（5）變異運(yùn)算

變異操作是為了避免因?yàn)榉N群大小造成的進(jìn)化停止問題，加入變異運(yùn)算可以提高個(gè)體間的差異，有利于遺傳進(jìn)化。具體操作為：隨機(jī)產(chǎn)生各個(gè)體變異的位置，對(duì)于所有需要變異的位置按照一定的概率進(jìn)行取反值操作。

（6）持續(xù)以上操作，直到迭代次數(shù)達(dá)到設(shè)定值為止

通過以上六個(gè)一般遺傳算法操作步驟，我們可以對(duì)物流網(wǎng)絡(luò)優(yōu)化模型進(jìn)行求解，或最優(yōu)配送路徑。遺傳算法是一迭代求解最優(yōu)的算法，引入生物學(xué)遺傳規(guī)則，優(yōu)勝劣汰，來獲取我們的最優(yōu)解。由于遺傳算法的全局搜索與收斂速度較快等優(yōu)勢(shì)，被多數(shù)學(xué)者列為優(yōu)化類問題求解算法之首選。

四、實(shí)例分析

根據(jù)前述構(gòu)建的B2C網(wǎng)絡(luò)優(yōu)化模型，以下就一個(gè)簡(jiǎn)單實(shí)例進(jìn)行具體說明，運(yùn)用我們的模型及遺傳算法進(jìn)行求解，獲得最佳配送路徑。

令某B2C電商企業(yè)配送網(wǎng)絡(luò)有10配送顧客目標(biāo)，2個(gè)配送中心，配送中心各有一臺(tái)貨車，車輛負(fù)荷為5噸，各顧客點(diǎn)的貨物需求量與退貨量，以及各點(diǎn)間的距離表1、表2所示，其中，V1-V10表示顧客節(jié)點(diǎn)，而V11-V12表示兩個(gè)配送中心。

從獲得的兩個(gè)最優(yōu)配送路徑可以看出，我們的配送中心V11與V12的運(yùn)輸車輛都有一次返回配送中心的過程?；陬櫩屯素浀拇嬖?，配送車輛在配送過程中，同時(shí)收集顧客的退貨，當(dāng)退貨量達(dá)到車輛負(fù)荷要求時(shí)，將回到就近的配送中心。配送中心V11的運(yùn)輸車輛回到自身配送點(diǎn)，而配送中心V12的運(yùn)輸車輛則是回到配送中心V11，當(dāng)配送中心運(yùn)輸車輛在配送中心交付退貨的貨物之后，再開始向其他顧客配送。

五、結(jié)語

隨著新經(jīng)濟(jì)形態(tài)的產(chǎn)生，電子商務(wù)逐漸成為消費(fèi)主流，尤其是其中較為穩(wěn)固的B2C模式，對(duì)于配送網(wǎng)絡(luò)優(yōu)化研究具有實(shí)際意義。電商物流具備了批量小、顧客分散、物流配送服務(wù)水平較低等不足，配送成本居高不下，如何規(guī)劃一個(gè)合理的電商物流配送路徑將有助于降低電商企業(yè)物流配送成本，提升營利水平。本文構(gòu)建了一個(gè)以運(yùn)輸成本最優(yōu)化的物流網(wǎng)絡(luò)模型，其中考慮了電商物流重視程度極高而區(qū)別于傳統(tǒng)物流的退貨物流因素。遺傳算法的較快收斂性，是路徑規(guī)劃問題中考慮較多的算法，對(duì)于構(gòu)建的模型，本文運(yùn)用遺傳算法進(jìn)行求解，并通過一個(gè)實(shí)例運(yùn)算對(duì)模型進(jìn)行驗(yàn)證。但是，本文尚未考慮多種運(yùn)輸方式的優(yōu)化問題，也未有融合低碳綠色環(huán)保等方面的要求，接下來可以做進(jìn)一步的研究和探討。

參考文獻(xiàn)：

[1]饒紹倫.電子商務(wù)物流體系優(yōu)化研究[J].物流技術(shù)，2014.

[2]陳浩，吳潔明.基WebGIS的物流電子商務(wù)與配送網(wǎng)絡(luò)優(yōu)化集成[J].計(jì)算機(jī)與現(xiàn)代化，2005.

[3]周艷聰，孫曉晨，余偉翔.基于改進(jìn)遺傳算法的物流配送路徑優(yōu)化研究[J].計(jì)算機(jī)工程與科學(xué)，2012.

[4]王永亮.物流配送路徑優(yōu)化問題的研究與應(yīng)用[D].太原理工大學(xué)，2009.