摘 要：物流業(yè)的需求與競爭格局發(fā)生了變化，物流企業(yè)從數(shù)量擴張到內(nèi)涵建設(shè)，越來越多的企業(yè)開始從制度、管理和技術(shù)角度來增進企業(yè)競爭力，物流企業(yè)系統(tǒng)的優(yōu)化，往往能帶來直接效益，并具有普遍的意義，一定會成為企業(yè)發(fā)展和提升的著力點。文章力圖從企業(yè)實際運用出發(fā)，以送貨系統(tǒng)為例，嘗試合理運用聚類分析法劃分配送區(qū)域，然后在所分區(qū)域內(nèi)運用改進蟻群算法，獲得優(yōu)化的配送路徑，從而達到降低成本、提高效率的目的。

　　關(guān)鍵詞：工程師論文發(fā)表,配送區(qū)域劃分,配送路徑優(yōu)化,算法

　　Abstract： The demand of logistics industry and the competitive landscape have changed. The development way of logistics enterprise is from quantity expansion to connotation construction. More and more enterprise study to enhance the competitiveness from three aspects： system， management， and technology. It can make direct economic sense to optimize logistics system. It will be the focus of enterprise development and promotion. It has prevalent meaning of guidance. In this paper， from the angle of enterprise application， I try to use the cluster analysis method determine the distribution region， then use the improved ant colony algorithm to optimize vehicle routing so that we can reduce the cost， and improve the benefits.

　　Key words： distribution regional division; distribution vehicle routing optimization; algorithm

　　0 引 言

　　流通領(lǐng)域中，許多物流配送企業(yè)借助外部經(jīng)濟的發(fā)展，實現(xiàn)了規(guī)模擴張與快速發(fā)展，但對如何控制成本，提高運營效率的迫切性并不強。現(xiàn)在隨著經(jīng)營環(huán)境的變化，物流需求量更大，客戶、網(wǎng)絡(luò)更復雜，對服務(wù)的要求更多樣化。但面臨的競爭更加激烈，不管是從事跨區(qū)域配送還是城市配送，首先需要考慮顧客服務(wù)水平，贏得客戶的認可，然后考慮配送運營的成本問題，因而如何創(chuàng)新物流服務(wù)，提高運營效率和控制日常運營成本成為每個配送企業(yè)需要時刻思考的問題。

　　傳統(tǒng)的基于經(jīng)驗的方法，在企業(yè)規(guī)模有限，客戶數(shù)量不是非常多，配送網(wǎng)絡(luò)相對簡單的情況下，只要員工和管理者技能過關(guān)，執(zhí)行力好，都應(yīng)該能夠較好地完成配送任務(wù)，獲得企業(yè)的發(fā)展。但是隨著銷售區(qū)域擴大，客戶數(shù)量的不斷增加，客戶需求持續(xù)增長，配送業(yè)務(wù)量大增，配送周期縮短，配送線路更復雜，并且需求的隨機性、變動性加大，光憑經(jīng)驗和手工安排，已無法做到配送計劃的優(yōu)化，必須借助于統(tǒng)計分析、利用數(shù)學模型和智能算法，才能獲得較好的配送計劃，節(jié)省時間，提高效率。本文就是針對這些問題，從企業(yè)應(yīng)用的角度，提出先合理劃分配送區(qū)域，再優(yōu)化配送路線的方法，從而達到降低成本，提高競爭力的目標。

　　1 論文總體思路綜述

　　排單和車輛調(diào)度是整個配送計劃和作業(yè)實施的核心，是配送任務(wù)和客戶服務(wù)按時完成的有力保證。

　　傳統(tǒng)的訂單排單和車輛調(diào)度、路線安排都是由公司里業(yè)務(wù)能手來完成，送貨區(qū)域大了，客戶多了，這項工作的效率和完成工作的成本控制都會不理想，現(xiàn)在常用的智能優(yōu)化方法，把它作為一個典型的VSP問題，建立數(shù)學模型，利用智能化的算法，求解可行的配送路徑規(guī)劃，作為理論研究，這樣的做法是有意義的。但是有兩個問題：(1)這個模型數(shù)據(jù)的收集整理工作量特別大，計算過程也較長，因而成本不會低。(2)模型本身一定要適合實際的作業(yè)過程，這就需要有一個不斷測試和優(yōu)化的過程，并且還要適應(yīng)每天的動態(tài)變化，否則反而會影響到日常的作業(yè)過程。許多研究理論完備、精深，但是在適應(yīng)產(chǎn)業(yè)化運營時，工程上的可實現(xiàn)性還有待提高和完善。因而影響了這些很有價值的研究在企業(yè)實際中的運用。

　　本文的研究并不針對配送路徑規(guī)劃做理論上的深究，而是立足實際應(yīng)用，在可接受的范圍內(nèi)，利用較簡易實用的智能優(yōu)化方法，在較短的時間內(nèi)，以較低的成本獲得相對優(yōu)化的配送路徑規(guī)劃方案。不求最佳，但求有效。為今后電子排單和送貨線路優(yōu)化軟件的開發(fā)和應(yīng)用作必要的鋪墊。

　　具體設(shè)想：第一步，利用聚類分析法對配送區(qū)域進行合理分區(qū)，先把復雜問題簡單化。第二步，每個分區(qū)內(nèi)就是個典型的TSP問題，有很成熟的解決辦法。在平衡好各分區(qū)工作時間安排后，就能很快獲得較理想的配送方案。

　　重點是第一步，分區(qū)時一定要考慮到客戶位置、需求量、車輛載重、作業(yè)時間均衡限制等因素，需要花費好多功夫。

　　2 配送區(qū)域動態(tài)優(yōu)化及其方法

　　2.1 配送區(qū)域的初始劃分方法。配送區(qū)域優(yōu)化方法對最終優(yōu)化的結(jié)果有很大的影響，因而合理的劃分方法的選擇十分重要，目前常用的劃分方法有掃描法和聚類算法，在配送客戶有限、區(qū)域較小時運用掃描法就可以了，但是當客戶數(shù)量很多，區(qū)域較大，又要考慮約束條件時，聚類算法就是我們必然的選擇了，聚類算法中K-means比較成熟，操作簡單，原理是：把大量d維(二維)數(shù)據(jù)對象n個聚集成k個聚類k 　　 在運用聚類分析法時有幾個問題要注意：第一，k的選擇，以一天送貨總量/單車載重量，也可以放寬一些，到：一天送貨總量/單車載重量+1。第二，k個聚類內(nèi)的密度，分區(qū)密度大，效率高，成本低。第三，每個分區(qū)內(nèi)工作時間大體相當，這樣便于運行的穩(wěn)定，進行成本控制和人員、車輛的考核。第四，每個聚類間不重合。做到這樣分區(qū)效果會比較好。

　　傳統(tǒng)的K-means聚類法，k個聚類區(qū)內(nèi)，初始點是隨機產(chǎn)生的，運行時間長，收斂效果差。基于均衡化考慮，在配送對象分布不均勻時，用密度法效果較好，初始中心點以密度來定義，運用兩點間歐氏距離方法，求解所有對象間的相互距離，并求平均數(shù)，用meanD表示，確定領(lǐng)域半徑R，n是對象數(shù)目，coefR是半徑調(diào)節(jié)系數(shù)，0　　coefR=0.13時，效果最好。如果使用平均歐氏距離還不理想，可增加距離長度，甚至用最大距離選擇法，收斂速度比較快。

　　在配送對象分布較均勻時，可考慮用網(wǎng)格法，效果較好，整個配送區(qū)域劃分用k=Q/q，k為初始點個數(shù)，假設(shè)k=mn，將地圖劃分成m行n列，以每格中心點為初始點，通過網(wǎng)格內(nèi)的反復聚類運算，達到收斂，獲得網(wǎng)格穩(wěn)定的聚類中心。

　　2.2 分區(qū)內(nèi)配送工作量的均衡。這樣就完成了配送區(qū)域的初步劃分，但是沒有考慮各個分區(qū)內(nèi)工作量的均衡問題，如果工作量不均衡，對于客戶服務(wù)水平的保證，成本的控制，作業(yè)的安排，人員、車輛的考核都存在問題。

　　在實際的物流企業(yè)配送作業(yè)過程中，一般一輛車一天也就送貨10多家或20來家，多余的時間要用于收款，與公司財務(wù)部門交賬，核算出車相關(guān)費用，所以不考慮同一車同一天出車多次的情況，多次出車待以后深入探討。那么就意味著每個分區(qū)就是一輛車一條線路，把問題大大簡化了，需要說明的是：這種方法對于配送規(guī)模不是特別大的單個城市配送是適用的，也具有廣泛性。

　　各分區(qū)內(nèi)的每日配送工作量是以配送作業(yè)耗用時間來衡量的，耗用時間有兩部分構(gòu)成：(1)車輛行駛時間;(2)客戶服務(wù)時間。由于配送分區(qū)有限，每個分區(qū)內(nèi)的客戶數(shù)量不是很多，可以采用實地測時的方式，把每條線路的配送時間統(tǒng)計出來，這是一種手工辦法，但比較符合實際來調(diào)整超過差值的分區(qū)內(nèi)的客戶，從而使得各區(qū)作業(yè)時間基本均衡。

　　如果客戶數(shù)量眾多，分區(qū)也較復雜，就需要借助統(tǒng)計學方法，通過對樣本線路車輛行駛時間以及服務(wù)時間，擬合出分區(qū)作業(yè)時間函數(shù)，然后，計算出所有線路作業(yè)時間，即使分區(qū)重新調(diào)整，線路重新組合，仍可以很快計算出線路作業(yè)時間。本文不在這個方面進行深入探討。

　　2.3 重新組合客戶，確定最終區(qū)域劃分。觀察各線路作業(yè)時間超過允許差值的部分，由大到小來調(diào)整，將離聚類中心最遠的數(shù)據(jù)點彈出，使本區(qū)T值下降，直至在差值以內(nèi)，將彈出點加入到臨近的不足均衡作業(yè)時間的分區(qū)內(nèi)，如果臨近分區(qū)作業(yè)時間超過允許差值，這個點就不能彈出，只能彈出另外的次遠數(shù)據(jù)點，以此類推，任何一個數(shù)據(jù)點只能彈出一次，直到所有數(shù)據(jù)點和分區(qū)調(diào)整完畢。

　　這樣最終確定的分區(qū)，既能做到區(qū)域劃分緊密，效率、成本更低，又能做到各區(qū)作業(yè)時間均衡，便于工作指派，車輛、人員核算。

　　以上是本文的第一部分工作，也是最有意義的工作，確定好合理的區(qū)域劃分，不僅是配送作業(yè)合理化的重要步驟，也是業(yè)務(wù)人員訪銷工作和客戶服務(wù)的重要依據(jù)。

　　3 基于改進蟻群算法的分區(qū)線路優(yōu)化方法

　　分區(qū)內(nèi)線路安排，就是一輛送貨車由DC出發(fā)，依次經(jīng)過分區(qū)內(nèi)每一個客戶點，完成送貨后返回DC，求出近似最優(yōu)的行車順序，這是個典型的旅行商問題(Traveling Salesman Problem，TSP)，TSP是NP完全問題，解法很多，有精確算法，也有啟發(fā)式算法，目前許多智能算法就屬于啟發(fā)式算法，可以解決較復雜的線路優(yōu)化問題，對于一般線路優(yōu)化也能做得更準確，這里介紹蟻群算法解決實際問題。原因是蟻群算法與其他啟發(fā)式算法相比，在求解性能上，具有較強的魯棒性和搜索較好解的能力，是一種分布式的并行算法，一種正反饋算法，易于與其它方法結(jié)合。克服基本算法缺點，改善算法性能。

　　3.1 蟻群算法簡介。蟻群算法(Ant Colony Algorithm， ACA)是由意大利學者M.Dorigo等人于20世紀90年代初提出的一種新的模擬進化算法，其真實地模擬了自然界螞蟻群體的覓食行為。M.Dorigo等人將其用于解決旅行商問題TSP，并取得了較好的實驗結(jié)果。

　　蟻群算法用于解決優(yōu)化問題的基本思路是：用螞蟻的行走路徑表示待優(yōu)化問題的可行解，整個螞蟻群體的所有路徑構(gòu)成待優(yōu)化問題的解空間。路徑較短的螞蟻釋放的信息素數(shù)量較多，隨時間推移，較短路徑上積累的信息素濃度逐步增高，選擇該路線的螞蟻數(shù)量也越來越多，最終整個螞蟻會在正反饋的作用下集中到最佳線路上，這個路線就是最有解。

　　蟻群算法解決TSP問題具體步驟：(1)基本參數(shù)設(shè)置：包括螞蟻數(shù)m，信息素重要程度因子0≤α≤5，啟發(fā)函數(shù)重要因子1≤β≤5，信息素消逝參數(shù)0.1≤ρ≤0.99，信息素釋放總量10≤Q≤10 000，最大迭代次數(shù)iter_max，迭代次數(shù)初值iter=1。用試驗方法確定α、β、ρ、Q值，以獲得較優(yōu)的組合，有助于改進基本蟻群算法，提高整體優(yōu)化效果，并縮短運算時間。(2)初始解的求解：利用最近鄰算法，以縮短算法運算時間，并以此算法產(chǎn)生初始解的路徑長度作為產(chǎn)生初始信息素的基礎(chǔ)。(3)構(gòu)建解空間：將各個螞蟻隨機地置于不同出發(fā)點，對每個螞蟻，按公式(1)計算其下一個待訪問的網(wǎng)點，直到所有螞蟻訪問完區(qū)域內(nèi)所有網(wǎng)點。(4)更新信息素：計算各個螞蟻經(jīng)過的路徑長度Lk=1，2，…，m，記錄當前迭代次數(shù)中的最優(yōu)解。同時，根據(jù)(2)式和(3)式對各個網(wǎng)點連接路徑上的信息素濃度進行更新。(5)判斷是否終止：若iter　　 蟻群算法如結(jié)合其他啟發(fā)式算法，建立混合算法，能夠解決許多現(xiàn)實問題，達到較好運算效果，結(jié)合具體問題，可以深入研究。

　　4 本文的局限與進一步研究的方向

　　本文的研究更多地從實際運用和操作的便利角度出發(fā)，因而力求方法簡便，運算效率較高，然而實際問題遠比設(shè)想復雜，物流系統(tǒng)的優(yōu)化應(yīng)該是整體性的優(yōu)化。本文只是做了配送區(qū)域的合理劃分，在此基礎(chǔ)上，對區(qū)域內(nèi)配送路徑進行優(yōu)化，只是送貨過程的優(yōu)化，完整的過程還包括客戶服務(wù)水平，合理的庫存水平，以及配送中心選址，服務(wù)地點(卸貨點)的設(shè)置等，只有這些因素都考慮到了，才能真正實現(xiàn)配送系統(tǒng)的優(yōu)化。另外，還有靜態(tài)分析和動態(tài)分析的區(qū)別，大區(qū)域劃分保持相對靜態(tài)，區(qū)域間根據(jù)每日具體的業(yè)務(wù)需求做必要的動態(tài)調(diào)整，這部分可借助人工安排，也可參考軟件，保持一定的靈活性。整個配送系統(tǒng)的研究千頭萬緒，在進一步的研究中，首先需要把銷售系統(tǒng)的優(yōu)化結(jié)合進來，客戶前端的需求和庫存決定著后面的訂單以及配送，業(yè)務(wù)員對零售網(wǎng)點的訪銷，一方面對接客戶服務(wù)，體現(xiàn)公司的客戶服務(wù)水平，另一方面，對接訂單的處理以及最終的配送工作，業(yè)務(wù)人員訪銷作業(yè)的系統(tǒng)性安排，以及客戶、配送中心信息的一體化都有賴于業(yè)務(wù)訪銷與配送作業(yè)的綜合優(yōu)化。

　　因而，配送區(qū)域合理劃分、送貨線路優(yōu)化以至于整個物流系統(tǒng)，銷售系統(tǒng)、供應(yīng)系統(tǒng)的不斷優(yōu)化，對于物流企業(yè)、社會物流以及整個經(jīng)濟運行系統(tǒng)是非常有意義的，對于眾多轉(zhuǎn)型中，缺乏專業(yè)知識和技術(shù)的中小物流企業(yè)，有著普遍意義，值得重視。

　　參考文獻：

　　[1] 陳子俠，等. 杭煙物流與送貨路線優(yōu)化[J]. 物流技術(shù)，2003(8)：38-40.

　　[2] 王勇，池吉. 物流配送路線及配送時間的優(yōu)化分析[J]. 重慶交通大學學報，2008(4)：647-650.

　　[3] 楊弋，顧幸生. 物流車輛優(yōu)化調(diào)度的綜述[J]. 東南大學學報，2003(增刊)：105-111.