黎智海 余海燕
(九江学院 江西九江 332005)
随着电子信息现代化技术水平的迅猛发展，物流行业也表现出高速发展的态势。目前，在大数据快速发展的前提下，国内也先后推出了多项政策，对物联网与各项物流管理方面结合的技术开发提供相应支持。国内外所拥有的最先进的智能物流管理系统，在进行物流管理服务之时，上可达行业预测、市场调查、电子商务协助等，下可至物流管理系统设计、物流方案规划、库存管理及决策等[1]。
我国许多企业，尤其是三线及以下城市的物流企业，仍有不少采用传统的人工与计算机结合的半自动化的物流管理模式，其操作的复杂性导致企业出现低效、高错、慢速、高成本等问题，不仅物流管理效率较低，其物流作业上的准确性也无法得到完全保障[2]。如此一来，发展信息化水平更高、管理成本更低、效率更高的智能物流管理系统成为企业发展急需解决的问题。在疫情中，尽管对各行业都有较大的影响，然而随着人们居家的时间越来越长，物流企业的业务量也随之逐步增长，导致物流运输市场的活力持续增长[3]。物流运输中，理想的运输路线不仅可以达到降低企业在物流运输途中产生的成本，合理缩短运输时间，还能有助于提高物流企业的核心竞争力。同时，优化的运输路线减少了物流运输的总里程数，一定程度上可以有效缓解交通拥堵的发生。因此，如何借助现代化的信息技术智能选择出低成本、高效率的物流运输路线具有重要的研究意义。
Koopmans早在第二次世界大战期间便开始物流运输路线规划问题的研究。往后，Dantzing(1959年)发现单纯性方法，并将其应用在国防问题上[4]。Kuo等学者(2017年)则是充分考虑垃圾收集车辆的运输路线优化的问题，提出GACO算法优势[5]。而国内的李军教授(2001年)对车辆运输路线调度优化深入分析其优化算法，并且对车辆调度系统进行基础设计[6]。此后，运输路线优化问题得到快速发展，成为组合优化、计算机技术应用以及物流等领域的重点研究对象。同时计算方式也逐渐趋于多样化，有路线规划、遗传算法、蚁群算法、两段式算法等。
文章依托九江市志远物流运输有限公司，针对传统物流管理模式中调度效率低的弊端，通过路线规划及遗传算法设计车辆的运输路线，优化后的物流运输路线同时满足客户、司机和管理人员的三方需求，让志远物流的车辆管理拥有更高的效率与安全，同时大幅度节约成本，真正达到“节能高效”。
2.1模型设计
文章选用志远物流企业一日的实际物流配送的24个订单数据，研究物流运输路线的求解目标函数及约束条件选择路线规划和遗传算法，并对遗传算法进行优化改进，达到最优物流运输路线，即总运输成本最低，结合Matlab运算，最终设计出符合企业的最佳运输路线及调度方案，模型假设见表1。
表1 模型假设
已知志远物流派专车由物流中心途径各个客户，最终回到物流中心进行运输。车辆的固定启动费用为60元，车辆每公里的成本费用为1元，车速为20km/h。且物流中心坐标为(0，0)。每个订单客户位置标记为：2～25；
由上至下由左至右共24组数据。
2.2运输模型
2.2.1路线规划 为达到最低运输成本的目的，即设计最优物流运输路线，常规的模型建立思路是构建含有约束条件的规划模型。运输途中总的运输成本为车辆运输产生的固定成本与车辆在运输中的行驶成本之和。
车辆运输固定成本(C：车辆运送过程中的固定成本；
m：总客户数)：
(1)
车辆运输行驶成本(h：单位距离内的运输成本；
d：两客户间的运输距离)：
(2)
两客户(xi,yi)、(xj,yj)节点之间的距离：
(3)
总运输成本：
(4)
因此，目标函数为：
(5)
表2 约束条件
2.2.2遗传算法 ①编码：用0代表物流中心，以数字的先后顺序表示物流车辆的运输途径。②种群初始化：编码完成后，依具体问题选择初始种群数量，作为初始解。③适应度值：是计算所有染色体的目标函数值，再取倒数为所需适应度值：
(6)
④选择操作：选择适应度值占比较大的个体，是指利用各个适应度占总适应度的比值：
(7)
⑤交叉、变异操作：适应度值在进化的初期是比较大的，可以选用较大的Pc和Pm，且为定值。进化的中后期，Pc和Pm会根据个体的适应度在平均适应度和最小适应度之间满足下列线性关系：
(8)
(9)
其中：Pcmax>Pcmin∈[0,1],Pmmax>Pmmin∈[0,1]。
2.2.3算法改进 针对遗传算法容易受到局部收敛的影响。文章将在原有遗传算法的基础上从以下两方面进行改善：①改善交叉操作，即对父代的个体依据目标函数大小进行配对，然后采用序列确定交叉点的位置，对所确定的位置进行交叉。②改善的变异操作是依据给定的变异率，然后在2～25间随机的选取两个整数，再进一步对所选中的这两个数所对应的位置进行基因改变，以当前的基因值作为初始值，然后采用x(n+1)=4x(n)(1-x(n))进行迭代，经过一定的迭代次数得到新基因值，进而得到新染色体。
3.1常规遗传算法
3.1.1参数设置 遗传算法中初始化参数如表3所示。
表3 参数设置
3.1.2算法结果 采用Matlab R2020a软件以及遗传算法计算出符合上述模型的最优路线(将物流中心出发位置标记为1，结束位置记为26)。
全程为：81144km；
详细路线为：1→11→9→15→12→8→6→7→4→5→3→25→21→2→17→23→18→24→20→19→22→16→13→10→14→26。运输路线如图1所示。
图1 物流运输路线图
车辆从物流中心出发，依次按照上述路线完成各个客户点的配送任务，最后返回物流中心。其中第15个客户点到第19个客户点的配送路线交错较多，说明运输途中消耗较多，导致配送服务质量下降，消耗的总成本也较高。因此，这段配送路线仍需改进。
3.2改进遗传算法
针对上述问题，改进后的遗传算法中的交叉操作是用单点交叉，不仅保证了算法的收敛精度，还能削弱和避免因交叉强度大而导致的寻优不稳定性。同时变异操作采用多点变异，恰好弥补之前过早收敛的缺陷。各自染色体采用Logistic序列对父代染色体A进行0～1间随机数列进行编码，再进行交叉操作，产生子代B。
改善的变异操作是依据所给变异率，任意取两个整数，在2～25之间，对所取出的两个数的位置基因采取变异操作，进而得到新的染色体。为了避免局部收敛，采用发生三对变异操作(交换位置)产生子代C。
根据改进的遗传算法，采用Matlab运算出符合上述模型的最优路线。
全程为：80328km。
详细路线为：1→11→9→15→12→8→6→7→4→5→3→25→21→2→17→19→20→23→18→24→22→16→13→10→14→26，如图2所示。
图2 改进后的物流运输路线图
此时消耗总成本为：W=4076.4元。
改进后的遗传算法由物流中心出发到前14位客户点的运送路线均不变，由第15位客户点到第19位客户点的运输路线发生变化，交叉路线有所减少，运输成本也随之减少。因此，改进后的遗传算法寻优效果更好，得到的运输路线更优。
针对志远物流企业，运输途中产生的成本与车辆选择的运输路线有着重要的直接关系，文章将运输总成本达到最低设为目标函数，同时构建路线规划模型寻找目标函数的最优值解。运用Matlab，并结合遗传算法的优势，利用交叉、变异的概率自动调整策略，进而增强全局的寻优能力，最后针对实际问题改进遗传算法。显然改进后的遗传算法计算出的运输路线，交叉路线减少，总里程及总成本均有所下降，更有效地给出最优运输路线。企业在物流车辆的调度管理中，智能算法的运用将很大程度地提高路线规划的合理性，从而有效降低运输途中产生的成本，同时缩短运输时间，提高客户的满意度。更加贴合企业自身业务特色和管理制度的智能物流管理系统，能够为企业带来更高的管理水平，提升企业效益，增强企业的核心竞争力。
猜你喜欢志远适应度路线改进的自适应复制、交叉和突变遗传算法计算机仿真(2022年8期)2022-09-28呼志远美术作品电影文学(2021年17期)2021-10-14最优路线数学小灵通·3-4年级(2020年11期)2020-12-14我最喜爱的玩具①作文评点报·低幼版(2020年42期)2020-12-14『原路返回』找路线数学小灵通·3-4年级(2020年3期)2020-06-24一种基于改进适应度的多机器人协作策略郑州大学学报（工学版）(2018年2期)2018-04-13找路线小学生导刊(低年级)(2016年8期)2016-09-24基于空调导风板成型工艺的Kriging模型适应度研究中国塑料(2016年11期)2016-04-16香喷喷的年哟小学生作文·小学低年级适用(2016年1期)2016-03-07Functional Equivalence Theory and Its Limitations in Translation学周刊(2015年1期)2015-07-09本文来源：http://www.triumph-cn.com/fanwendaquan/gongwenfanwen/2023/0821/99192.html