论文部分内容阅读
【摘 要】当前设备未得到充分有效利用是我国物流行业普遍存在的一大问题，并对配送能力造成一定影响。本文从实践中物流企业配送车辆调度所存在的主要问题出发，描述了物流企业车辆优化调度数学模型，并较为深入的阐述了相关参数确定。
【关键词】物流配送车辆;优化调度;TS算法
0.前言
随着世界经济一体化趋势的不断加强，给我国物流企业的发展创造了有利时机，然而，当前我国物流企业的设备并未得到充分有效利用，进而配送能力造成了一定影响。从一定意义上讲，物流业发展水平是由配送车辆的调度水平所决定的，所以，当前对物流企业配送车辆调度问题加以深入分析和研究具有重要的现实意义。
1.配送车辆优化调度模型
1.1数学模型
假设：A物流企业有数个位置及需求既定的客户，要求在一定时间内配送相应货物，并且配送车辆的载重及行驶距离是既定的，为获取最优化的目标函数，就需要对配送车辆行驶路线以及行驶时间做出科学合理的规划，同时确保符合下列条件：
①一个客户的货物由一辆配送车负责配送；②每条配送路径客户货物需求量低于车辆载重量；③每条路径长度低于配送车辆最长行驶距离；④确保客户需求量得到实现；⑤配送车辆在客户指定的时间内到达指定地点。
在构建的数学模型中，物流企业配送车辆数为K，载重量为Q■，配送车辆最长行驶距离为L■，配送车辆服务客户数为M，i客户需求量为Q■，客户指定配送时间为[mi,ni]；i与j两个客户之间相距I■，物流企业与j客户相距I■；配送车辆达到i客户的时间为d■，等待时间为t■，i与j两客户之间行驶时间为t■；每吨货装卸时间为t■，第k辆配送车服务客户数为s■。那么可以得出该物流企业配送车辆优化调度数学模型：minZ=■[■l■+l■sign(s■)]
具体约束条件为：
s■∈[0,M]，该条件主要保障所有配送路径中客户数量和不多于客户总数；■s■=M，该条件作用在于保障所有客户的需求得到切实满足；■q■≤Q■，此约束条件为保障所有配送路径客户需求量之和低于车辆载重总量；[■l■+l■sign(s■)]≤L■，确保每条路径长度均能低于配送车辆最大行驶距离；R■=r■|r■∈1,2,K,M,I=1,2,K,s■|，该约束条件主要是表明每条路径中客户构成。
1.2解及其评价
通过随机生成法确定初始解。
利用笔者所介绍了该模型随机生成的解所获取的配送路径可以确保所有客户的配送需求得到切实满足，同时能够保证一个客户的配送需求是由一辆配送车辆负责。然而，借助该模型解所获取的配送路径无法确保客户以下需求的实现：关于配送时间的要求、每次配送最长距离以及车辆最大载重量。所以，利用上述模型进行求解之后还必须逐个分析所得到的解对应的配送路径方案，以确保上述约束条件得到切实满足；如果经过分析判定所得到的解无法满足上述几个约束条件，那么此路径不可行，同时对配送路径目标值进行求解。如果存在一个解所对应的配送路径方案包括N个不可行路径，那么，此配送路径方案目标值就是Z，不可行路径惩罚权重为P，可以以目标函数具体的取值范围为依据，确定一个数值较大的正数，据此，利用下面的评价函数可以计算出此解的评价值。评价函数为：E=Z+M+P
1.3其他算法参数的确定
（1）蔑视法则，如果在目前所得到的最佳解之上还存在一个更优禁忌对象，那么不能将这一禁忌对象充当当前解，同时对禁忌表进行刷新；（2）邻域结构。在进行求解的过程中，通过交换法可以对每条配送路径中客户的具体顺序进行调整，这样便可以达到有效控制所有配送路径距离总长的目的，与此同时，每次解的改进只进行一次换位操作；（3）终止准则，TS算法在迭代到最大步数或者是在既定的连续迭代步数中为发现比目前的最优解更优的解的情况下，即告终止；（4）候选解集合，所谓候选解集合主要是由随机从目前的邻域中挑选出数个邻居而构成的。
2.TS算法实现
具体而言，物流企业配送车辆优化调度问题TS算法实现过程分为以下几步：
第一，将初始解确定为当前解，同时也是最佳解，该初始解通过随机法确定的，令迭代步数为零，在保持当前解恒定的情况下，当前连续迭代步数为零，所对应的初始化禁忌表为?埭；第二，目前候选解数量确定为零，在最大的当前解迭代步数大于当前解的迭代步数，同时当前最佳解为恒定的当前连续迭代步数低于目前最佳解保持恒定的最大连续迭代步数的情况下，继续进行第三步，反之则直接进入第六步；第三，如果当前最佳解保持恒定的最大连续迭代步数大于当前候选解的数量的情况下，继续进行第四步，反之直接进入第五步；第四，针对当前解实施交换，并将由此所获取的新解添加到候选解集合之中，同时将目前的候选解的数量增加一个；第五，将非禁忌的评价函数值最小解从候选解的集合中挑选出来，并使其充当最佳候选解，或者是，如果存在一个禁忌候选解，并且该禁忌候选解的评价函数值不大于目前的最佳解，那么在这种情况下就需要对该候选解进行解禁，同时将其确定为最佳候选解；将最新的最佳候选解充当当前解，同时对禁忌表进行刷新，对禁忌表中位于第一位的元素进行解禁处理，同时在禁忌表中添加当前解，并确保其在禁忌表所包含的诸多元素中位于最后一位，需要注意的是，此时还需要对当前解的迭代步数值加1；如果最新的最佳候选解经过评价函数评价之后所获取的数值比目前的最佳解的数值小，此时需要对当前的最佳解进行更新，同时将目前最佳解保持恒定的当前连续迭代步数置于零，但如果最新的最佳候选解经过评价函数的评价所得到的评价值高于目前的最佳解，此时需要对目前最佳解保持恒定的当前连续迭代步数对应的值增加1，同时转入到第二步，继续进行相关步骤；最后一步是就爱那个当前最佳解数值输出。
3.结语
受经济迅猛发展的影响，行业竞争激烈程度日益加剧，对于企业而言，往往追求零庫存的实现，所以，深入分析物流企业配送车辆调度问题十分必要。笔者以TS算法为基础构件物流企业配送车辆优化调度数学模型，并较为深入的阐述了解及其他算法参数的确定，该模型具有十分直观的决策变量、目标函数以及约束条件，求解过程十分便捷，具有极强的实践价值。
【参考文献】
［１］龙磊,陈秋双,华彦宁,徐亚.具有同时集送货需求的车辆路径问题的自适应混合遗传算法[J].计算机集成制造系统.2008(03).
［２］周骞,周霞,刘军,欧碧峰.基于畅通可靠度的城市物流配送运输网络优化研究[J].公路工程.2011(02).
［３］唐连生,程文明,梁剑,张则强.应急物流配送问题的蚁群聚类算法研究[J].铁道运输与经济.2008(09).
【关键词】物流配送车辆;优化调度;TS算法
0.前言
随着世界经济一体化趋势的不断加强，给我国物流企业的发展创造了有利时机，然而，当前我国物流企业的设备并未得到充分有效利用，进而配送能力造成了一定影响。从一定意义上讲，物流业发展水平是由配送车辆的调度水平所决定的，所以，当前对物流企业配送车辆调度问题加以深入分析和研究具有重要的现实意义。
1.配送车辆优化调度模型
1.1数学模型
假设：A物流企业有数个位置及需求既定的客户，要求在一定时间内配送相应货物，并且配送车辆的载重及行驶距离是既定的，为获取最优化的目标函数，就需要对配送车辆行驶路线以及行驶时间做出科学合理的规划，同时确保符合下列条件：
①一个客户的货物由一辆配送车负责配送；②每条配送路径客户货物需求量低于车辆载重量；③每条路径长度低于配送车辆最长行驶距离；④确保客户需求量得到实现；⑤配送车辆在客户指定的时间内到达指定地点。
在构建的数学模型中，物流企业配送车辆数为K，载重量为Q■，配送车辆最长行驶距离为L■，配送车辆服务客户数为M，i客户需求量为Q■，客户指定配送时间为[mi,ni]；i与j两个客户之间相距I■，物流企业与j客户相距I■；配送车辆达到i客户的时间为d■，等待时间为t■，i与j两客户之间行驶时间为t■；每吨货装卸时间为t■，第k辆配送车服务客户数为s■。那么可以得出该物流企业配送车辆优化调度数学模型：minZ=■[■l■+l■sign(s■)]
具体约束条件为：
s■∈[0,M]，该条件主要保障所有配送路径中客户数量和不多于客户总数；■s■=M，该条件作用在于保障所有客户的需求得到切实满足；■q■≤Q■，此约束条件为保障所有配送路径客户需求量之和低于车辆载重总量；[■l■+l■sign(s■)]≤L■，确保每条路径长度均能低于配送车辆最大行驶距离；R■=r■|r■∈1,2,K,M,I=1,2,K,s■|，该约束条件主要是表明每条路径中客户构成。
1.2解及其评价
通过随机生成法确定初始解。
利用笔者所介绍了该模型随机生成的解所获取的配送路径可以确保所有客户的配送需求得到切实满足，同时能够保证一个客户的配送需求是由一辆配送车辆负责。然而，借助该模型解所获取的配送路径无法确保客户以下需求的实现：关于配送时间的要求、每次配送最长距离以及车辆最大载重量。所以，利用上述模型进行求解之后还必须逐个分析所得到的解对应的配送路径方案，以确保上述约束条件得到切实满足；如果经过分析判定所得到的解无法满足上述几个约束条件，那么此路径不可行，同时对配送路径目标值进行求解。如果存在一个解所对应的配送路径方案包括N个不可行路径，那么，此配送路径方案目标值就是Z，不可行路径惩罚权重为P，可以以目标函数具体的取值范围为依据，确定一个数值较大的正数，据此，利用下面的评价函数可以计算出此解的评价值。评价函数为：E=Z+M+P
1.3其他算法参数的确定
（1）蔑视法则，如果在目前所得到的最佳解之上还存在一个更优禁忌对象，那么不能将这一禁忌对象充当当前解，同时对禁忌表进行刷新；（2）邻域结构。在进行求解的过程中，通过交换法可以对每条配送路径中客户的具体顺序进行调整，这样便可以达到有效控制所有配送路径距离总长的目的，与此同时，每次解的改进只进行一次换位操作；（3）终止准则，TS算法在迭代到最大步数或者是在既定的连续迭代步数中为发现比目前的最优解更优的解的情况下，即告终止；（4）候选解集合，所谓候选解集合主要是由随机从目前的邻域中挑选出数个邻居而构成的。
2.TS算法实现
具体而言，物流企业配送车辆优化调度问题TS算法实现过程分为以下几步：
第一，将初始解确定为当前解，同时也是最佳解，该初始解通过随机法确定的，令迭代步数为零，在保持当前解恒定的情况下，当前连续迭代步数为零，所对应的初始化禁忌表为?埭；第二，目前候选解数量确定为零，在最大的当前解迭代步数大于当前解的迭代步数，同时当前最佳解为恒定的当前连续迭代步数低于目前最佳解保持恒定的最大连续迭代步数的情况下，继续进行第三步，反之则直接进入第六步；第三，如果当前最佳解保持恒定的最大连续迭代步数大于当前候选解的数量的情况下，继续进行第四步，反之直接进入第五步；第四，针对当前解实施交换，并将由此所获取的新解添加到候选解集合之中，同时将目前的候选解的数量增加一个；第五，将非禁忌的评价函数值最小解从候选解的集合中挑选出来，并使其充当最佳候选解，或者是，如果存在一个禁忌候选解，并且该禁忌候选解的评价函数值不大于目前的最佳解，那么在这种情况下就需要对该候选解进行解禁，同时将其确定为最佳候选解；将最新的最佳候选解充当当前解，同时对禁忌表进行刷新，对禁忌表中位于第一位的元素进行解禁处理，同时在禁忌表中添加当前解，并确保其在禁忌表所包含的诸多元素中位于最后一位，需要注意的是，此时还需要对当前解的迭代步数值加1；如果最新的最佳候选解经过评价函数评价之后所获取的数值比目前的最佳解的数值小，此时需要对当前的最佳解进行更新，同时将目前最佳解保持恒定的当前连续迭代步数置于零，但如果最新的最佳候选解经过评价函数的评价所得到的评价值高于目前的最佳解，此时需要对目前最佳解保持恒定的当前连续迭代步数对应的值增加1，同时转入到第二步，继续进行相关步骤；最后一步是就爱那个当前最佳解数值输出。
3.结语
受经济迅猛发展的影响，行业竞争激烈程度日益加剧，对于企业而言，往往追求零庫存的实现，所以，深入分析物流企业配送车辆调度问题十分必要。笔者以TS算法为基础构件物流企业配送车辆优化调度数学模型，并较为深入的阐述了解及其他算法参数的确定，该模型具有十分直观的决策变量、目标函数以及约束条件，求解过程十分便捷，具有极强的实践价值。
【参考文献】
［１］龙磊,陈秋双,华彦宁,徐亚.具有同时集送货需求的车辆路径问题的自适应混合遗传算法[J].计算机集成制造系统.2008(03).
［２］周骞,周霞,刘军,欧碧峰.基于畅通可靠度的城市物流配送运输网络优化研究[J].公路工程.2011(02).
［３］唐连生,程文明,梁剑,张则强.应急物流配送问题的蚁群聚类算法研究[J].铁道运输与经济.2008(09).