殷聿明

摘要：為了在降低物流供應(yīng)鏈運(yùn)作成本的同時，提升物流供應(yīng)鏈服務(wù)用戶滿意度，文章研究基于改進(jìn)粒子群算法的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法。該方法在探討物流供應(yīng)鏈結(jié)構(gòu)成員信息后，構(gòu)建物流供應(yīng)鏈運(yùn)作成本最小化、用戶滿意度最大化的目標(biāo)函數(shù)，將粒子群算法中學(xué)習(xí)因子，使用線性調(diào)節(jié)的方式進(jìn)行改進(jìn)，由改進(jìn)后粒子群算法尋優(yōu)獲取可實(shí)現(xiàn)運(yùn)作成本最小化、用戶滿意度最大化的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置措施。研究結(jié)果顯示：該方法使用后，物流供應(yīng)鏈運(yùn)作成本得以降低，用戶滿意度得到提升，該方法有效可行。

關(guān)鍵詞：改進(jìn)粒子群算法，物流供應(yīng)鏈，結(jié)構(gòu)優(yōu)化，成本最小化

中圖分類號：TH166

文獻(xiàn)標(biāo)識碼：A

文章編號：1674-9545（2023）03-0027-（05）

DOI：10.19717/j.cnki.jjun.2023.03.006

物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化管理屬于一種集成性管理，它主要用于提升整個物流供應(yīng)鏈的運(yùn)作效率與效益，且對企業(yè)之間協(xié)作十分重要^[1]。以往物流供應(yīng)鏈結(jié)構(gòu)管理方法中，主要使用縱向一體化管理方法，沒有從整體結(jié)構(gòu)優(yōu)化角度分析物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化問題。如參考文獻(xiàn)[2]中，李懷棟等人使用第二代非支配排序遺傳算法，尋優(yōu)求解可實(shí)現(xiàn)港機(jī)制造企業(yè)供應(yīng)鏈運(yùn)作成本最小化的優(yōu)化方案，此方法雖然能夠降低供應(yīng)鏈運(yùn)作成本，但忽視用戶的購物感受，且鏈上各個成員企業(yè)僅關(guān)注自己的物流信息，協(xié)作性較差，資源利用率有待提升。參考文獻(xiàn)[3]中，楊曉英等人以節(jié)省物流成本為目的，提出供應(yīng)鏈物流協(xié)同優(yōu)化方法，此方法主要針對于物流問題的協(xié)調(diào)控制優(yōu)化。而物流供應(yīng)鏈結(jié)構(gòu)管理屬于集成性管理問題，管理過程中，需要完成物流、信息流、資金流等多種問題的集成性分析，其結(jié)構(gòu)優(yōu)化的目的是使用最少運(yùn)作成本，實(shí)現(xiàn)用戶滿意度最大化^[4]。因此，文章研究基于改進(jìn)粒子群算法的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法，利用改進(jìn)粒子群算法的多目標(biāo)優(yōu)化能力，實(shí)現(xiàn)物流供應(yīng)鏈結(jié)構(gòu)全面優(yōu)化。

1物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法

1.1物流供應(yīng)鏈結(jié)構(gòu)與優(yōu)化技術(shù)架構(gòu)分析

在合作競爭式市場環(huán)境中，物流供應(yīng)鏈的結(jié)構(gòu)配置十分重要，圖1為物流供應(yīng)鏈結(jié)構(gòu)示意圖。物流供應(yīng)鏈結(jié)構(gòu)屬于網(wǎng)鏈?zhǔn)浇Y(jié)構(gòu)，供應(yīng)商企業(yè)、核心企業(yè)、用戶都可看作一種節(jié)點(diǎn)，節(jié)點(diǎn)之間存在需求和供應(yīng)的關(guān)聯(lián)性。核心企業(yè)是用于銷售產(chǎn)品的企業(yè)，屬于銷售商，在供應(yīng)鏈結(jié)構(gòu)優(yōu)化中，此企業(yè)屬于信息調(diào)度方。當(dāng)出現(xiàn)物流需求，核心企業(yè)需要以物流供應(yīng)鏈智能分工、協(xié)作的方式，保證供應(yīng)鏈正常運(yùn)行。

由圖1可知，物流供應(yīng)鏈涉及物流、信息流、資金流三種流信息^[5]，物流信息覆蓋供應(yīng)鏈整個網(wǎng)鏈，信息流與資金流分別表示物流需求與供應(yīng)鏈運(yùn)作成本信息。結(jié)合物流供應(yīng)鏈結(jié)構(gòu)信息，文章研究一種基于改進(jìn)粒子群算法的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法，此方法的技術(shù)架構(gòu)如圖2所示。物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化時，主要涉及的配置對象分別是提供原料的供應(yīng)商（供應(yīng)商的供應(yīng)商）、制造企業(yè)（加工廠）、倉儲/配送商、用戶，優(yōu)化措施為構(gòu)建加工廠、倉庫。物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化時，需要嚴(yán)格遵守產(chǎn)品制造數(shù)量約束、庫存約束、制造企業(yè)運(yùn)出產(chǎn)品數(shù)量約束、配送產(chǎn)品數(shù)量約束條件，從而保證可實(shí)現(xiàn)物流供應(yīng)鏈運(yùn)作成本最小化、用戶滿意度最大化。

1.2基于改進(jìn)粒子群算法的供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置方法

1.2.1供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置目標(biāo)函數(shù)設(shè)計 文章分析的供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置問題中，供應(yīng)鏈結(jié)構(gòu)中主要涉及的配置對象分別是原料供應(yīng)商、制造企業(yè)、倉儲/配送商、用戶。為利于分析，文章假定供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置目標(biāo)函數(shù)設(shè)計時，用戶需要的產(chǎn)品類型為單一品種。圖3是基于改進(jìn)粒子群算法的供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法運(yùn)行時，簡化式供應(yīng)鏈結(jié)構(gòu)示意圖。

在圖3的供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置工況中，基于改進(jìn)粒子群算法的供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法運(yùn)行時，在設(shè)計供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置目標(biāo)函數(shù)之前，需先設(shè)置以下幾個假設(shè)條件：

（1）整個物流供應(yīng)鏈結(jié)構(gòu)主要由產(chǎn)品需求拉動，需求量已知，用戶滿意度上下限已知；

（2）產(chǎn)品在供應(yīng)鏈結(jié)構(gòu)中的損耗忽略不計；

（3）整個物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化過程中，涉及的運(yùn)作成本數(shù)據(jù)為已知數(shù)據(jù)。

供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置目標(biāo)函數(shù)設(shè)計時，設(shè)置產(chǎn)品原料的供應(yīng)商是j∈J，制造企業(yè)所在地與倉儲/配送商所在地分別是i∈I、h∈H；用戶是r∈R。產(chǎn)品運(yùn)輸方式是n∈N。用戶r年度購買產(chǎn)品數(shù)量最大值是C_r；制造企業(yè)i年度生產(chǎn)能力（產(chǎn)能）最大值、倉儲/配送商h的倉儲能力最大值依次是Q_imax、V_hmax；原料單位成本、構(gòu)建加工廠的年度固定成本依次是r^′_j、q^′_j；構(gòu)建倉庫的年度固定成本、加工廠的運(yùn)作成本依次是v^″_h、q_i；單位倉儲成本、自原料供應(yīng)商j運(yùn)輸至倉儲/配送商i的運(yùn)輸成本依次是v_h、q_ji；使用運(yùn)輸方式n，在制造企業(yè)i配送至倉儲/配送商h的單位運(yùn)輸成本是v_ihn；使用運(yùn)輸方式n，在h配送至用戶r的單位運(yùn)輸成本是v_hrn。自j運(yùn)輸至i的原料產(chǎn)品數(shù)量、由運(yùn)輸方式n自i運(yùn)輸產(chǎn)品至h的產(chǎn)品數(shù)量依次是y_ji、y_ihn；由運(yùn)輸方式n在h運(yùn)輸至用戶r的產(chǎn)品數(shù)量是y_hrn。用戶r需要的產(chǎn)品數(shù)量是x_r。

則物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置目標(biāo)函數(shù)是：

式（1）表示物流供應(yīng)鏈運(yùn)作成本Ω最小化，式（2）表示用戶滿意度Ψ最大化。φ_r、φ_h依次是表示供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置措施，φ_r數(shù)值是1時，表示需要構(gòu)建加工廠。φ_h數(shù)值是1時，表示需要構(gòu)建倉庫。

1.2.2供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置約束條件設(shè)計 （1）制造企業(yè)制造的產(chǎn)品數(shù)量約束。制造企業(yè)制造的產(chǎn)品數(shù)量Q_i，不能大于自身產(chǎn)能最大值Q_imax。則：

（2）庫存約束。庫存產(chǎn)品數(shù)量V_h不可大于庫存容量最大值V_hmax，則：

（3）制造企業(yè)運(yùn)出產(chǎn)品數(shù)量約束。制造企業(yè)可運(yùn)出產(chǎn)品數(shù)量必須等于產(chǎn)能數(shù)量，則：

（4）配送產(chǎn)品數(shù)量約束。配送至用戶的產(chǎn)品數(shù)量需要大于用戶需求數(shù)量，則：

1.2.3改進(jìn)粒子群算法的供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化求解 粒子群算法屬于人工智能算法，能夠以迭代更新的方式提取問題（物流供應(yīng)鏈運(yùn)作成本最小化，用戶滿意度最大化）最優(yōu)解，下文簡稱物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解，此算法把各組物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解設(shè)成粒子個體，通過迭代更新的方式，變化粒子個體位置，對比適應(yīng)度函數(shù)的大小，分析物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解是否滿足要求。動態(tài)迭代時，隨機(jī)設(shè)置各個粒子個體位置與速度，尋優(yōu)時，粒子個體會自主分析自己和最優(yōu)解之間的距離，以及需要運(yùn)行的角度，并實(shí)時更新調(diào)整，便可獲取物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化的最優(yōu)解。

此算法中，代表物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解的粒子個體速度、位置更新方法是：

其中，a表示第a個粒子的序號；U_at+1、U_at依次是迭代更新前后粒子速度；Z_at+1、Z_at依次是迭代更新前后粒子位置；ω、O_a依次是慣性因子、全局最優(yōu)位置，全局最優(yōu)位置表示多個物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化解對比后，所得全局最優(yōu)解；O_c是粒子個體自身最優(yōu)位置，表示某物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化解，與自身多迭代進(jìn)程中優(yōu)化結(jié)果對比后，所得局部最優(yōu)解；b₁、b₂是學(xué)習(xí)因子；s₁、s₂是隨機(jī)數(shù)；t是迭代次數(shù)。

各粒子位置變化時，使用適應(yīng)度函數(shù)便可判斷目前優(yōu)化解的優(yōu)劣，調(diào)節(jié)目前粒子位置與速度，便可提取物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化的全局最優(yōu)解。

學(xué)習(xí)因子能夠控制粒子自身信息和種群信息，隨機(jī)數(shù)能夠優(yōu)化種群多樣性，保證物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解的多樣化。如果學(xué)習(xí)因子過于固定，便會導(dǎo)致粒子處于局部最優(yōu)模式，為此，文章改進(jìn)粒子群算法，同時調(diào)節(jié)b₁、b₂速率，則：

其中，b_min、b_max分別是學(xué)習(xí)因子的最小值、最大值；t_max是迭代次數(shù)最大值。

式（7）中b₁s₁O_a－Z_at、b₂s₂O_c－Z_at在不同迭代過程時，對粒子群算法存在不同影響。迭代次數(shù)增多時，粒子全局尋優(yōu)能力需要提升，局部尋優(yōu)能力需要衰減，此時才能保證算法在初始化過程中，保持較好的收斂性。則：

其中，b_1max、b_1min依次是b₁的最大值與最小值；b_2max、b_2min依次是b₂的最大值與最小值。式（10）屬于線性遞減處理，式（11）屬于線性遞增處理。

綜上所述，改進(jìn)粒子群算法的供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化求解步驟為：

（1）將物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解集合編碼為粒子種群，并隨機(jī)設(shè)置粒子種群位置與速度；

（2）運(yùn)算代表物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解的各個粒子適應(yīng)度，適應(yīng)度計算方法是：

（3）把代表物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解的各個粒子目前適應(yīng)度，和自己最優(yōu)位置適應(yīng)度進(jìn)行對比，如果目前位置適應(yīng)度更好，便將此位置的優(yōu)化解，作為物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化的局部最優(yōu)解；

（4）把代表物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化解的各個粒子適應(yīng)度，和其他粒子適應(yīng)度進(jìn)行對比，如果目前粒子適應(yīng)度更好，便將此粒子作為物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化的全局最優(yōu)解；

（5）使用式（10）、式（11）對學(xué)習(xí)因子進(jìn)行線性調(diào)節(jié)，并更新粒子速度與位置；

（6）分析迭代次數(shù)是否為最大值，如果是，便輸出物流供應(yīng)鏈結(jié)構(gòu)多目標(biāo)優(yōu)化的全局最優(yōu)解，反之跳轉(zhuǎn)至步驟（2）。

2仿真實(shí)驗(yàn)

2.1實(shí)驗(yàn)設(shè)置

以某地區(qū)水果物流供應(yīng)鏈為研究對象，在優(yōu)質(zhì)水果培育區(qū)域，設(shè)置水果加工廠與倉庫，主要銷售的用戶區(qū)域數(shù)量是8個，簡稱為r₁～r₈，水果原料供應(yīng)商即為產(chǎn)地，其數(shù)量是4個，簡稱為i₁～i₄。在4個水果原料供應(yīng)商i₁～i₄采購水果原料，需要設(shè)置多個水果加工廠，倉儲/配送商的數(shù)量是2個，數(shù)量不足，需要設(shè)置合理的倉庫用于存儲水果。在此工況中，使用文章方法進(jìn)行物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化，以期實(shí)現(xiàn)成本最小化、用戶滿意度最大化。

表1是實(shí)驗(yàn)區(qū)域的水果銷量詳情，表2是原料水果的產(chǎn)能與成本詳情。水果加工制造廠的Q_imax=1×10⁵t，倉儲/配送商的V_hmax=1×10⁵t。結(jié)合表1所示用戶歷史銷量數(shù)據(jù)可知，實(shí)驗(yàn)區(qū)域用戶對水果產(chǎn)品的購買量，超出此地區(qū)水果物流供應(yīng)鏈的能力，為此，需要對此供應(yīng)鏈結(jié)構(gòu)進(jìn)行優(yōu)化配置。

2.2物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化效果分析

為測試文章方法使用效果，先分析文章方法對粒子群算法改進(jìn)前后，算法的迭代收斂效果。測試結(jié)果如圖4所示。由圖4測試結(jié)果顯示：文章方法改進(jìn)粒子群算法前，算法需要迭代至少10次，才能獲取適應(yīng)度函數(shù)值最優(yōu)的供應(yīng)鏈結(jié)構(gòu)優(yōu)化最優(yōu)解；文章方法改進(jìn)粒子群算法后，算法僅需8次迭代便可獲取供應(yīng)鏈結(jié)構(gòu)優(yōu)化最優(yōu)解，對比之下，粒子群算法改進(jìn)存在必要，且能夠提高供應(yīng)鏈結(jié)構(gòu)優(yōu)化最優(yōu)解的適應(yīng)度，保證結(jié)構(gòu)優(yōu)化效果最佳。由此可知，文章方法可使用改進(jìn)粒子群算法求解供應(yīng)鏈結(jié)構(gòu)優(yōu)化問題。

則文章方法對3.1小節(jié)所述實(shí)驗(yàn)工況的優(yōu)化方案如表3、表4所示，數(shù)值1表示需要構(gòu)建，數(shù)值0表示不需要構(gòu)建。

則在表3、表4所示配置方案的優(yōu)化處理下，對比分析實(shí)驗(yàn)區(qū)域的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化前后，供應(yīng)鏈運(yùn)作成本與用戶滿意度變化。用戶滿意度的計算方法是：

如果Ψ數(shù)值小于0.0，則表示產(chǎn)品供不應(yīng)求，用戶滿意度也由此受到負(fù)面影響。

則文章方法優(yōu)化前后，物流供應(yīng)鏈運(yùn)作成本、用戶滿意度變化如圖5、圖6所示。物流供應(yīng)鏈運(yùn)作成本以2022年度的6月2日、4日、6日、8日、10日、12日、14日、16日的核心企業(yè)物流供應(yīng)鏈運(yùn)作數(shù)據(jù)為例進(jìn)行分析。用戶滿意度以表1中r₁～r₈的數(shù)據(jù)為例進(jìn)行分析。由圖5、圖6可知，文章方法優(yōu)化處理下，物流供應(yīng)鏈運(yùn)作成本減少，用戶滿意度提升，說明文章方法能夠以物流供應(yīng)鏈運(yùn)作成本最小化、滿意度最大化為目標(biāo)，優(yōu)化配置研究區(qū)域的物流供應(yīng)鏈結(jié)構(gòu)，文章方法可用于物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化任務(wù)。

3結(jié)論

文章對物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化問題進(jìn)行深入研究，提出了基于改進(jìn)粒子群算法的物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化方法，此方法和其他方法的不同之處在于，其能夠以物流供應(yīng)鏈運(yùn)作成本最小化、用戶滿意度最大化的方式，實(shí)現(xiàn)企業(yè)與用戶利益雙優(yōu)化。且此方法在優(yōu)化配置物流供應(yīng)鏈結(jié)構(gòu)時，改進(jìn)了粒子群算法，以此提高物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化配置方案的尋優(yōu)效率。在實(shí)驗(yàn)中，文章方法被驗(yàn)證可用于物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化任務(wù)，物流供應(yīng)鏈運(yùn)作成本減少，用戶滿意度提升，說明文章方法的使用性能，可滿足物流供應(yīng)鏈結(jié)構(gòu)優(yōu)化需求。

參考文獻(xiàn)：

[1]高吉冰，鄭瀾波.基于Benders分解的煤炭供應(yīng)鏈網(wǎng)絡(luò)維護(hù)調(diào)度優(yōu)化[J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2020，42（3）：227.

[2]李懷棟，胡堅堃，黃有方.基于改進(jìn)NSGA-Ⅱ的港機(jī)制造企業(yè)供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化[J].上海海事大學(xué)學(xué)報，2021，42（4）：92.

[3]楊曉英，王金宇.面向智能制造混流生產(chǎn)的供應(yīng)鏈物流協(xié)同策略[J].計算機(jī)集成制造系統(tǒng)，2020，26（10）：2877.

[4]趙罡.基于MILP模型的氫氣供應(yīng)鏈路徑優(yōu)化[J].天然氣工業(yè)，2022，42（7）：118.

[5]王英輝，吳濟(jì)瀟，趙書潤，等.基于第四方物流的運(yùn)輸型物流樞紐整合優(yōu)化[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2022，44（6）：56.

（責(zé)任編輯 王一諾）