基于遗传算法的快递物流配送中心选址

　　摘　要：以快递物流配送中心选址问题为研究对象，结合其选址特点构建了含有固定投资成本、管理成本、运输成本等诸多成本要素的目标函数，建立了基于遗传算法的选址模型，并利用改进后的求解策略或方法对算法模型进行求解，有效提高了算法模型的求解效率和求解质量。实例研究中，将Matlab2017a数学仿真编程软件与算法模型相结合，对算例进行求解，验证了遗传算法模型在选址问题研究中的有效性和实用性。

　　关键词：配送中心选址;遗传算法;自适应;快递物流

　　0 引言

　　配送中心是物流系统网络中的关键节点和重要的基础设施，在整个物流系统网络规划中起着枢纽性的作用[1]。快递物流配送中心选址是指在具有若干个发件网点或者若干个收件网点的物流配送区域内，综合考虑物流运输成本、配送中心建设成本等成本因素，采用定性与定量分析方法，选取最符合经济社会情况的单个或者多个位置设置配送中心的物流系统网络规划过程。在整个快递物流供应链环节中，快递配送中心，对上承接来自发件网点包裹的集运任务，对下承接收件网点的配送运输任务，其选址结果将会对配送路径的规划、运营成本、配送效率等产生直接的影响。

　　1 研究综述

　　基于配送中心对国家流通经济发展的重要作用，国内学者们针对各种类型的配送中心的选址问题，分别采用不同的算法模型，对其进行了深入研究：如李茂林[2]认为物流配送中心选址难以优化以至于会影响整个物流系统的配送效率，针对这一问题他提出一系列的猴群优化算法求解策略，对模型进行求解，通过对线性函数表达式中多个影响因子的非线性调节，改进了猴群算法的爬行过程，提高了算法模型的求解精度和求解能力，最终更加精确地求解出物流配送中心优化选址位置。

　　张于贤等[3]通过构建带有物流收益(输出)和物流成本(输入)之差的数据包络评估模型(dataenvelopmentevaluationanalysis，DEA)，对现有配送中心的各项指标进行评估，根据评估的结果得到配送中心的再选址方案，但其基于DEA选址方法所构建的线性函数选址评价模型与通常利用CCR模型、BCC模型等具有矩阵性质的评价模型方法不同，该选址评价研究方法的可行性有待进一步实证;崔杨等[4]针对第三方物流配送过程中产生的如延误、爆仓等配送异常问题，综合运用层次分析法中的定性分析方法和定量分析方法，对第三方物流配送中心选址问题进行了评价研究。

　　通过构造层次分析模型、判断矩阵，求解出最优位置作为第三方物流配送中心的选址位置;于蕾[5]综合采用定性与定量分析法对安徽省农产品的供给与需求状况进行了分析，构建了基于重心法的农产品配送中心选址模型，并采用R语言编程对具有迭代性质的选址模型进行求解，但存在绝对假设条件限制、去市场化、需求量计算过于简单等局限性;生力军[6]指出，经典粒子群选址模型在求解过程中存在局部最优和过早收敛等问题，为了克服此缺点，将量子进化算法与粒子群算法相结合，构建了基于量子粒子群算法的物流配送中心选址模型，并通过粒子编码和量子交换、变异等操作，有效避免了模型在选址求解中存在局部最优和过早收敛等问题。

　　基于遗传算法选址国内学者们针对不同类型的选址问题进行了大量创新性的研究：如赵斌等[7]指出，传统单一的遗传算法难以快速有效求解出系统复杂的医疗器械物流园区选址问题的最优化问题，通过将遗传算法和免疫算法相结合，建立了免疫遗传算法的选址模型，针对医疗器械物流园区选址的特点，构建了包含多种成本要素的医疗器械物流园区选址问题的目标函数模型，并且对选址模型的求解方法进行了设计，从而求解出最优的物流园区选址方案。

　　郭静文等[8]为了优化消防站网络规划布局结构、降低消防站选址的系统选址成本，以及提升消防站空间资源利用率，对传统的遗传算法进行了改进，使其具有自适应性质，可自行求解出优化后的消防站规划建设个数和选址位置，有效克服了在已有选址规划方案中选择消防站建设个数和选址位置等的缺陷，但在实证研究中，并未给出具体的求解方法或求解过程;周思育等[9]为了解决湖北省内烟草资源物流配送不均衡和配送成本高昂等的问题，构建了综合考虑多种选址成本要素的遗传算法选址模型，并且通过Matlab数据分析软件，对配送中心选址模型进行求解，选取最佳的位置设置配送中心，提高了烟草资源物流配送的效率，并降低了配送中心系统选址的成本。

　　张钰川等[10]为兼顾物流园的配送运输、货物集散、仓储分拨、管理服务等的作用和功能，基于物流成本的基础上，构建了带有双层规划的遗传算法物流园选址模型：上层模型由影响物流园选址要素的各种成本函数所构成，下层模型由影响决策者和客户利益诉求的成本函数所构成，并通过遗传算法对双层规划模型进行求解，最后通过实例验证了遗传算法模型对物流园选址成本问题具有一定的优化作用。

　　本文选择利用遗传算法模型对快递物流配送中心的选址问题进行研究，针对配送中心选址的特点，构建了包含固定成本、分拣成本等多个成本要素的线性目标函数，建立了基于遗传算法的选址模型。遗传算法选址问题属于NP难题，利用传统的算法求解方法容易产生局部最优等问题，为了克服遗传算法模型在选址问题求解过程中所产生的局部收敛和早熟收敛等局限性，本文提出了一系列经过改进后的遗传算法求解策略，具体包括编码方法、自适应交叉概率函数、自适应变异概率函数等求解方法，这在很大层度上提高了遗传算法模型在选址问题中的求解精度和求解效率。

　　2 遗传算法的配送中心选址模型

　　2.1 模型假设

　　为了便于构建快递物流配送中心遗传算法选址模型，简化算法模型计算复杂性和使其具有很好的适用性，现对模型做如下假设：1)在一定备选范围内进行配送中心的选取;2)发件网点或收件网点数目多于配送中心数目;3)一个网点仅由一个配送中心提供配送服务，但一个配送中心可覆盖多个网点;4)配送中心容量可满足各配送网点的总需求量;5)各网点配送需求一次性运输完成，且假设匀速行驶;6)物流系统中包含两个层次的运输，即从发件网点到配送中心的运输和从配送中心到收件网点的运输，且均采用公路运输;7)系统总费用不考虑包裹在分拣中心的装卸搬运成本和暂存成本，只考虑配送中心建设成本、运输费用和变动成本。

　　3 基于遗传算法模型的求解

　　遗传算法(genticalgorithm，GA)这一术语于20世纪50年代由美国学者J.Holland所提出，是基于模拟自然选择和遗传机制的典型启发式算法模型，具有操作简单、鲁棒性强等优点。在使用遗传算法对快递物流配送中心选址问题的求解过程中，容易产生过早收敛和局部最优等问题。

　　为了提高算法模型的全局搜索能力以及保证种群的多样性，防止遗传算法在求解的过程中出现过早收敛和局部最优问题，需要对传统的遗传算法求解进行改进。因此本文提出了一系列的遗传算法选址模型的改进求解策略，从对染色体的编码策略的选择到自适应变异概率的计算，这些求解策略有效解决了传统遗传算法出现的过早收敛和局部最优问题，使GA空间搜索能力明显增强，提高了算法模型的求解能力和求解效率。

　　3.1 遗传算法模型求解策略

　　1)染色体编码将所需要解决的问题采用编码的方式是遗传算法的重要操作，即将求解的问题映射为编码问题，遗传算法中常见的编码方法有二进制编码、格雷编码、排列编码和浮点数编码等。对编码的性质进行评价的指标主要有完备性、健全性和非冗余性。2)适应度函数为了保证染色体中具有优良性质的个体基因遗传到下一代，通过模拟遗传进化过程中适者生存原理，建立唯一具有评价群体生存选择机会大小的适应度函数，适应度函数值越大，则种群中优良基因作为父代基因遗传到下一代的可能性越大;否则可能性越小。

　　3.2 遗传算法求解步骤

　　STEP1染色体编码。随机产生K条染色体，并通过二进制的方法进行编码，每条染色体即代表一种可行解。STEP2群体初始化。建立适当规模的由染色体或个体所构成的初始化群体。STEP3适应度函数。适应度函数值是判断个体生存机率大小的唯一标准，对群体进化进度和形势具有直接的影响，可利用式(9)计算出适应度函数值f(xi)。

　　STEP4选择算子。对于种群中适应度高的个体进行操作选择，可直接作为父代染色体进行繁殖，其他的染色体则采用轮盘赌的方式操作选择。STEP5交叉算子。对于被选中的染色体，通过交叉算子操作，将具有优良性质的两个染色体中的部分基因通过交叉位移的方式产生新的个体，并利用式(11)计算出不同个体的自适应交叉概率Pc。STEP6变异算子。对不同的个体采取自适应调整策略，利用式(12)计算出自适应变异概率Pm。STEP7判断适应度函数值。完成STEP6后跳转至STEP3，重新计算适应度函数值并作出判断，然后继续进行循环求解。STEP8终止条件：根据预先设定的最大迭代次数Tmax，当达到所规定的迭代规模后则终止算法运行。

　　4 实例分析

　　1)假设及问题描述为了验证遗传算法模型在配送中心选址中的有效性，本文结合算法模型设计了具体的算例，通过对算例的求解来验证遗传算法模型在配送中心选址问题研究中的有效性和实用性。长沙市某城际快递物流服务公司计划开展城际快递物流配送业务，假设该公司的配送业务统一采用公路运输，且具有固定的发件网点、收件网点、配送中心来具体开展该公司的城际快递物流配送业务。

　　5 结语

　　本文研究分析了快递物流配送中心的选址问题，因为利用传统简单遗传算法，难以求解出含有多种变量因素的选址问题的最优解，故选择和利用启发式算法中的遗传算法模型，对配送中心的选址问题进行了研究。针对快递物流配送中心选址的特点提出了一系列的假设前提条件，并建立了含有固定投资成本、变动成本等多种选址成本要素的目标函数，构建了配送中心选址系统成本函数;针对遗传算法在求解过程中容易陷入局部最优和过早收敛等问题，提出了包括自适应交叉概率、自适应变异概率等一系列的求解策略，增强了算法的全局搜索能力和求解能力;针对配送中心实际选址问题，选择了长沙市某城际快递物流公司的配送业务进行实例研究，运用Matlab2017a系统仿真软件对其进行求解，验证了遗传算法在配送中心选址问题研究中的有效性。

　　物流论文投稿刊物：《中国储运》(月刊)曾由原国家物资部主管，创刊干1990年，经国家新闻出版署批准出版，而向海内外公开发行，国内统一刊号CN12-1204/F,邮发代号6-151。国际16大开铜版纸彩印，月刊，国际标准刊号ISSN1005-0434, 国外发行代号BM1821。

　　由于配送中心选址是一个相对多样且复杂的研究问题，而本文基于遗传算法的快递物流配送中心选址问题的研究，在理论和实例研究部分还有诸多不足，有待进一步深入研究。例如仅考虑了确定性因素下配送中心的选址问题，而没有考虑不确定因素下配送中心的选址问题;本文主要研究分析了在一定的物流区域范围内选择和建立新的物流配送中心，而未在现有配送中心的基础上对配送中心再选址问题进行研究;当现有配送中心的集货量、配送量超出其最大容量限制后，是应该对现有配送中心进行扩建还是重新建立新的配送中心等方面的研究还未涉及。因此，本文基于遗传算法配送中心选址问题的研究还具有很大的研究空间，有待进一步深化和拓展研究。

　　参考文献：

　　[1]李纪鲁，张晓，朱杰.基于自适应免疫算法的配送中心选址问题研究[J].中国储运，2019(8)：141-144.LIJilu，ZHANGXiao，ZHUJie.ResearchonLocationProblemofDistributionCenterBasedonAdaptiveImmuneAlgorithm[J].ChinaStorage&Transport，2019(8)：141-144.

　　[2]李茂林.基于改进猴群优化算法的物流配送中心选址研究[J].太原学院学报(自然科学版)，2020，38(2)：44-50.LIMaolin.LocationSelectionofLogisticsDistributionCenterBasedonImprovedMonkeyOptimizationAlgorithm[J].JournalofTaiyuanUniversity(Natural ScienceEdition)，2020，38(2)：44-50.

　　[3]张于贤，黄鑫.基于DEA的物流配送中心再选址研究[J].数学的实践与认识，2017，47(19)：197-202.ZHANGYuxian，HUANGXin.ResearchonRe-LocationofLogisticDistributionCenterBasedonDEAModel[J].MathematicsinPracticeandTheory，2017，47(19)：197-202.

　　[4]崔杨，张立平.第三方物流企业配送中心选址研究[J].吉林化工学院学报，2020，37(7)：27-31.CUIYang，ZHANGLiping.ResearchontheLocationoftheDistributionCenteroftheThird-PartyLogisticsEnterprises[J].JournalofJilinInstituteofChemicalTechnology，2020，37(7)：27-31.

　　作者：刘善球，樊兵鹏

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/27551.html