摘要：多車場物流系統(tǒng)運輸調度方法可以解決物流運輸過程中小批量貨物的集配，對同向運輸任務進行整合，可以有效提升貨物的裝載率，降低車輛的空駛率。文章對當前物流協(xié)同模型進行了介紹，以聚類遺傳算法為基礎對協(xié)同運輸調度設計方法進行了探討。

關鍵詞：多車場物流；協(xié)同運輸調度方法；物流運輸；小批量貨物集配；貨物裝載率；車輛空駛率 文獻標識碼：A

中圖分類號：TP391 文章編號：1009-2374（2016）01-0111-02 DOI：10.13535/j.cnki.11-4406/n.2016.01.056

從利潤的角度來看，對多車場物流車輛協(xié)調運輸的問題進行研究和分析，可以在不影響個體物流企業(yè)盈利的情況下進一步提升企業(yè)利潤，站在物流企業(yè)的個體盈利的角度來說，對運輸方案進行優(yōu)化，建立滿足運輸任務的運輸方案可以從物流企業(yè)盈利角度構建數學模型，然后使用遺傳算法重構運輸任務，徹底將物流業(yè)務級配問題解決。

1 問題描述和數學模型

物流協(xié)同運輸指的是對物流企業(yè)的運輸資源和物流信息進行共享，然后由物流企業(yè)一起來承擔運輸任務，由于不同物流公司的裝運點和出發(fā)點并不一致，在一些地方的運輸點會出現(xiàn)交匯，貨物需要送至的地點也有可能會有幾個，所以對于需要多點卸載和長途運輸的物流車輛，要對裝卸節(jié)點和運輸線路合理的安排，提升物流資源的使用效率，節(jié)省物流的運輸成本。例如在運送汽車配件時，需要利用多家物流企業(yè)從多個配件中心將貨物運輸到多個地點。本文在下述基礎上開展研究工作：（1）運輸任務是由配件中心來進行確定的，并且將任務下達給物流企業(yè)后任務不發(fā)生變化，在運輸任務中要對運輸量、運輸的起始點和目的地進行確定；（2）允許運輸車輛可以對多地客戶貨物進行運輸，并且在運輸時，可以在一段時間內不滿載的情況下進行運輸，不考慮貨物重量對油耗造成的影響；（3）下達的貨物配送任務物流企業(yè)可以完成；（4）貨物可以在每一個地點進行卸貨，并且不考慮貨物裝卸過程中耗費的時間；（5）運輸車輛不受運輸距離的限制，并且每一輛車只承擔一項運輸任務，當車輛的運輸能力低于某車輛的運輸任務后，要分解該車輛的運輸任務；（6）如果各個配送中心之間的距離比較遠，可以暫時不對各個配送中心之間的調撥任務進行考慮；（7）所有車輛分配的初始任務均為空載回程，并且一輛車輛對應一個初始運輸任務；（8）由一個物流公司負責所有配送中心任務車輛的調配。以上述內容為基礎，對下述變量進行定義：

假設配件中心有n個，各個配件中心的送貨點有m個，第i個配件中心貨物地點配送運輸任務集合為，，第i個配件中心點到地點j點的配送任務為，。按照上述設定要求，配送中心的運輸任務由i個物流公司負責。需要支付此配件中心任務的價格為，根據地圖API可以按照途徑地點對運輸位置進行分解，然后將其作為子運輸任務的集合，的分解任務數為，如此一來，就可以把一個起止點路徑轉變成多個起止點的運輸任務集合，運輸子任務分別為，，主要由運輸終止點、運輸起點為、運輸重量為組成，運輸子任務的發(fā)掘和合并集貨地點由運輸終點和運輸起點負責，運輸車輛能不能參與到運輸協(xié)同中主要由運輸重量限制，所以可以將運輸任務做如下分解：

根據運輸的基本原則和順序，和是同一個地點，運輸子任務使用下述公式表示運輸成本：

在公式中成本系數為，>0，主要由油耗費用、路橋費用構成。起點和終點的里程數為。加入安排車輛k來完成運輸的子任務，那么定義，否則為0，從i配件中心出發(fā)車輛在完成運輸最后的運輸任務后，定義從配件中心返回的任務為，定義返回成本為：

，在公式中指的是地圖API起點和止點的生成距離。在進行上述分析后，求得物流企業(yè)最大效益的目標函數：

（1）

約束條件為：

（2）

， （3）

， （4）

（5）

（6）

（7）

從上述模型不難看出，式（1）代表物流企業(yè)在進行協(xié)同運輸后所取得的最大利潤和；式（2）表示當運輸車輛承擔的任務超出總損耗時，車輛k才可以對此任務進行承擔；式（3）是限制每一輛車的總運輸量在額定載重以內；式（4）指的是限制各輛車貨物的裝載體積小于額定裝車體積；式（5）是對完成車輛運輸任務后從出發(fā)點返回后進行限定；式（7）指的是限制各個運輸任務需要有車輛來完成，從而求出原任務分解后的子任務。

2 以聚類遺傳算法為基礎進行設計

一般情況下，聚類算法一般分為層次法、劃分法、基于網絡法和基于密度法，在對車輛進行調度排序時，一般使用啟發(fā)式來找出最優(yōu)解，遺傳算法一般采用群體搜索技術來選擇初始種群、變異、交叉等操作，進而產生新的群體，并逐漸靠近最優(yōu)解。首先利用模糊聚類的方式將有利于貨物進行運輸的解群求出，然后再在遺傳算法中對其進行利用，利用變異和交叉將最優(yōu)解求出。

2.1 初始種群的生成

一般情況下，運輸車輛的途徑地點的卸貨點是一定的，而能否作為集貨點是不確定的，信息為模糊信息，所以運輸車輛途經地點的卸貨點是否為集貨點是由模糊聚類的方法進行確定。

2.1.1 聚類。首先把初始運輸線路上有可能經過的地點作為節(jié)點，節(jié)點之間的權重為各個地點之間的距離，進而構建出無向帶權圖，見圖1。配送中心分別由1號節(jié)點、2號節(jié)點和3號節(jié)點表示，貨物運輸車輛需要經過的地點由4～10號節(jié)點表示，兩個地點之間的距離代表連線上的權重。

圖1 無向帶權圖

結合運輸車輛在多車場物流協(xié)同運輸的基本情況，車輛需要經過的地點的集合為，一般會選擇交通比較便利的地方來作為協(xié)同運輸點，中心點集選用鄰接點最多的節(jié)點，從中心點開始，根據地圖上的距離API將剩余節(jié)點最短路徑長度計算出來。參考聚類定義，同類數據樣本的相似度比較高，因此，使用Kim Dw定義節(jié)點之間的相似度：

， （8）

本文以一類中心為集貨點的中心，所以對目標函數做如下定義：

（9）

按照以下流程進行聚類計算：（1）結合節(jié)點中各個最大臨近節(jié)點構成的中心點集，然后用式（8）對中心點和節(jié)點之間的相似度進行計算；（2）將中心點構成的集貨點類中代入相似度，其中指的是相似度閥值；（3）將未歸類節(jié)點中具有最大鄰接點構成的中心點集找出來，然后對步驟（1）和步驟（2）進行重復，直至每一個點均歸入到類中；（4）以式（9）對目標函數進行計算，節(jié)點集合為各類中心點，對步驟（1）和步驟（3）進行重復，當計算出的目標函數超過原有函數時，要使用新的分類，直至類對象不再出現(xiàn)變化后停止，最后將未歸入類的節(jié)點看成孤立點。

2.1.2 利用聚類結果進行遺傳算法染色體初始種群生成。一般使用一串字符串來對遺傳算法染色體編碼進行表示，為了對問題進行解決，本文構建了包括運輸任務和運輸任務起點和終點的染色體編碼。本文中染色體基因段的起點和終點為配送中心，當運輸任務的地點僅有一個時，將該地點作為起點，增加結束基因。此基因分別由起始配件中心、運輸任務地點構成。在染色體中，配件中心起點基因是染色體段的開始，并將配送任務作為染色體段的結束，在構成染色體基因段后，就會組成運輸車輛的運輸任務。考慮到運輸任務所要經過的地點的順序是分先后的，因此在遺傳算法的影響下，染色體遺傳算法產生變化后，染色體經過的地點和車輛的實際順序并不一致，所以需要對染色體進行增加，并修正校驗規(guī)則。

2.2 遺傳算法求解

假設迭代次數為t，最大迭代次數為max（t），按照以下流程進行計算：（1）初始染色體使用最近鄰啟發(fā)的方法進行構件，c=0，t=1計算適應度；（2）對適應度最大的兩個染色體進行保留和適應，并根據交叉變異的概率進行交叉和變異，新的染色體形成后，根據染色體校驗規(guī)則對新的種群進行修正；（3）以新的染色體對線路進行描述，分解任務后對染色體的適應度進行重新計算；（4）選擇適應度最高的染色體作為初始染色體轉移到步驟三；（5）當時，就認為物流協(xié)同運輸獲取的利潤比之前高，即可終止程序，如果達不到上述要求，則認為此線路沒有達到協(xié)同條件要求。

3 結語

綜上所述，本文首先對原分配任務和配送任務空載回程等約束條件進行了確定，然后對車輛協(xié)同運輸模型進行了設計，利用集貨點對配送任務進行調整，進而使運輸利潤得以提升，降低物流公司配送過程產生的損耗，提升了物流企業(yè)的管理水平和信息水平，為多車場物流協(xié)同運輸調度積累了參考經驗。

參考文獻

[1] 孫國華.帶時間窗的開放式滿載車輛路徑問題建模及其求解算法[J].系統(tǒng)工程理論與實踐，2012，32（8）.

[2] 盧冰原，何力，賈兆紅.模糊環(huán)境下的多目標非滿載車輛調度問題[J].公路交通科技，2011，28（8）.

作者簡介：饒永照（1976-），男，云南曲靖人，葛洲壩集團機電建設有限公司工程師，研究方向：物流運輸管理。

（責任編輯：黃銀芳）