考虑顾客退货的B2C电子商务物流网络优化研究.docVIP

考虑顾客退货的B2C电子商务物流网络优化研究 　　摘 要：B2C电子商务的发展带动了物流业的发展，不少电商企业构建自营物流，但是，由于电商物流的分散性，物流配送成本居高不下。本文基于顾客退货构建了一个物流配送网络优化模型，并运用遗传算法进行求解，最后通过一个实例对构建的模型进行了验证。 　　关键词：顾客退货；遗传算法；B2C电子商务；物流网络优化 　　一、引言 　　电子商务经济的推动，使得现代物流行业与电商的结合更为紧密，现代物流强调精细化管理，降低物流成本，而电子商务经济正是以较低的运营成本战胜实体店，两者成本角度考虑一致。另一方面，现代物流强调技术，从技术角度推进信息共享，从而更精细化计算物流配送路径，从而降低车辆配送成本。 　　物流网络优化一般涉及优化算法的求解，通过优化算法对构建的模型进行最优求解，指导物流企业运输调度。B2C电商物流是一种小批量、多批次的物流形态，在互联网经济时代该种物流形式占据主流，对于B2C电商物流的配送网络优化研究也成为了研究热点，但是，正是这种分散性的需求使得物流配送频繁，配送难度大，配送成本也居高不下，如何解决配送成本控制问题也成了研究焦点。针对此，不少学者从建立各地配送点出发，研究最佳配送路径方式来降低物流成本。本文对B2C物流进行网络建模，重点分析存在顾客退货时的物流网络优化问题，并引入遗传算法进行求解，为物流企业降低物流运作成本提供参考。 　　二、B2C电子商务物流配送网络研究现状 　　1.B2C电子商务物流网络优化研究 　　B2C电子商务物流与传统企业物流配送相比，最大的区别是逆向物流的规模及其重要性。商务部明确规定了“冷静期制度”，网购消费者可以在“冷静期”内取消订单，在电商平台虚拟化背景下，顾客对于货物的期望与实物很有可能会有落差，退货现象十分普遍，如果说电商企业提供满意的退换货物服务，则会给自身网络品牌带来灾难性的后果。因此，我们在构建B2C电子商务物流网络时要考虑退货物流回收点。另一方面，电商物流的分散性、小批量使得物流网络节点多，网络结构复杂，设立合理的配送网点，选取合适的配送路径，可以极大地降低物流配送成本。如何构建较好的配送路径，多数学者以优化理论构建优化模型，并运用优化算法进行求解，获得最优路径，降低配送成本。 　　2.基于遗传算法的物流配送网络优化研究 　　遗传算法模拟种群进化机制，进行个体的交叉、变异等操作，获得适应性最强的最优个体来得到问题的最优解。遗传算法具有较好的全局搜索能力，但是也存在早熟缺点，常常会陷入局部最优，通过对基因重组策略的调整，或者加入其它算法思想，如禁忌算法等，可以提高算法收敛速度。电商物流具有小批量、多批次、逆向物流、时效性强等诸多特点，因此，电商物流的配送路径规划具备实用性，在电商物流网络优化方面建模研究较多，对于具体的求解大多采用了优化算法，遗传算法是其中运用角度的一类优化算法选择。 　　以上B2C电子商务物流配送网络问题的研究主要是解决物流配送中心选址、运输优化等决策问题，很少考虑顾客退货的影响。然而，目前很多B2C电子商务配送中心物流基本趋于成熟，重新选址、设计和建立物流配送中心不仅加大资金投入，还无法起到提高物流配送效率的目的。为此，本文考虑在既有的配送基础设施上分析B2C电子商务物流配送优化问题，通过合理安排配送资源来降低物流成本，增加利润，并考虑存在顾客退货的情形，更加贴近实际情况，为电子商务企业发展物流网络提供决策依据。 　　三、配送网络优化模型构建 　　B2C电子商务物流网络优化的目的是降低企业物流成本，提高收益。本文主要涉及B2C电子商务企业与顾客组成的二级物流网络，在考虑顾客退货的情况下，对B2C电子商务企业配送路线问题进行优化设计，降低物流运作成本。 　　1.假设及参数说明 　　（1）基本假设 　　为了便于分析，本文做如下假设： 　　①不同的顾客货物可以混合装运。②各配送点的车辆统一，负荷及单位配送成本一致且已知。③顾客的购买需求与退货量已知，电商企业能够满足顾客需求。④只考虑运输成本。 　　（2）参数说明 　　表示所有物流配送中心（兼退货接收中心）， 表示所有物流配送中心车辆的集合， 　　表示顾客点集合。qi表示物流配送中心i销售物流货物量，rk表示顾客k退货量，Qm表示运输车m辆的负荷，dij表示物流中心i与j之间的距离，dik表示物流中心i与顾客k之间的距离。 ikm表示配送中心i至顾客k的配送任务由车辆m来完成，bijm表示配送中心i至配送中心j的转运任务由车辆m来完成。 　　2.网络优化数学模型 　　目标函数式（1）表示物流配送成本的最小化，其中第一项表示配送中心向顾客配送的成本，第二项表示配送中心的转运成本。考虑到B2C电商物流是一种小批量、多批次的物流