智慧物流越库最佳调度方案仿真.docx

? ? 智慧物流越库最佳调度方案仿真 ? ? 陆瑞新，刘春梅，聂 峰 (1. 江西科技学院，江西 南昌 330098；2. 南昌大学软件学院，江西 南昌 330031) 1 引言 全球一体化进程的飞速发展背景下，全球采购以及制造等行为已经成为现阶段各个企业共同的发展目标以及战略行为，物流在国际中的重要性也日益凸显[1，2]。作为各个物流企业竞争的重要手段，客户服务水平以及物流配送费用占据十分重要的地位。物流是结合运输以及产品配送等多方面内容，组建一个完成的货物供应链，有效避免不必要的资金浪费，促使整个供应链变得更加经济且适用，同时还能够进一步提升参与者的收益，确保物流企业的综合竞争能力得到有效提升。 国内相关专家针对智慧物流越库调度方面的内容进行了大量的研究，例如周炳海等人[3]将车辆最小等待时间以及越库内部运输成本作为目标，组建越库调度模型，通过梯度算法对模型进行求解，获取最佳调度方案。吴倩云等人[4]主要将空间最大利用率作为目标，以此为依据构建物料装载模型，同时分析不同客户的动态需求，根据分析结果构建最优配置模型，通过遗传算法对模型进行求解，最终获取满意的物流集成调度方案。由于以上两种调度方法并没有获取较高的客户满意度，导致最终获取的调度方案不是十分理想。 为此，结合模糊时间窗相关理论，提出一种基于模糊时间窗的智慧物流越库调度方法。经实验测试证明，所提方法能够获取最佳智慧物流越库调度方案。 2 方法 2.1 基于模糊时间窗构建智慧物流越库调度模型 智慧物流越库调度问题的构成因素主要包含客户点、道路网、运输约束以及优化目标等。道路网是进行物流越库调度的基础，同时也是构成车辆路径问题最主要的因素，里面不单单包含客户点和车场点的分布信息，同时还包含部分路径对行驶的特殊需求，例如单向行驶或者转向限制等等。 车辆是智慧物流越库调度的主体[5，6]，主要负责完成客户点的货物配送或者收集等相关服务。智慧物流越库调度中比较常见的问题就是多车型车辆调度。一个比较大的物流中心通常拥有一个比较完整的车队，为了满足不同客户的需求，车队中的车辆具有不同的载重量以及最大行驶距离等相关属性。启动哪种车辆进行调度是根据客户需求进行设定，从图论角度出发，设定G=(V，E)代表有向图，其中V代表节点集，E代表边集合。节点0代表车场点，当一组车辆从车场点出发对客户点进行配送服务。另外，车辆路线必须满足以下要求： 1)车辆的起始位置为车场点，结束位置也是车场点。 2)客户点集配必须要满足且只能由一辆车为其服务。 3)在整个服务过程中，所有车辆的承重必要在设定的范围内。 4)每一条车辆路线的行驶距离不能够大于最大允许行驶距离数。 假设在设定的时间范围内货物送达，则说明客户的满意度达到最佳状态。含有模糊时间窗的智慧物流越库调度问题可以描述为以下形式[7，8]： 通过对参数αl的不断调整，即可得到不同服务水平下的配送费用总和。在上述分析的基础上，需要根据客户i的满意程度设定获取开始配送时间，以此为依据构建对应的模糊隶属度函数U(Si)，具体如式(1)所示 (1) 式中，β代表时间敏感系数。 设定R代表用户编号集合，V代表车辆结合，R1代表网络节点集合，T代表终点。为了有效防止物流企业因服务质量太差导致大批量顾客流失，设定客户最低满意度为θ。同时还需要设定模型中不同变量的取值，具体如式(2)和式(3)所示 (2) (3) 式中，xijk和yijk分别代表不同的变量。 在上述分析的基础上，组建以模糊时间窗的最小总配送成本pmin和最高客户满意度lmax为目标的智慧物流越库调度模型，如式(4)所示 (4) 2.2 模型的求解 采用改进的蚁群算法对建立的智慧物流越库调度模型进行求解。结合蚁群算法的相关理论可知[9，10]，蚂蚁的行为需要满足以下规律： 1)通过路径上的信息素浓度，以对应的概率选择下一步需要行走的路径； 2)不再需要选取本次循环已经走过的路径为下一步行驶路径，判定依据为控制点； 3)当蚂蚁完成完整的循环后，需要在已知的路径上释放信息素，同时将各个路径上的信息素浓度进行更新。 在蚂蚁搜索初始阶段，每一条路径上的信息素都是已知且一致的，即τij(0)=C，C代表常数。蚂蚁k在运动的过程中，主要借助不同路径上的信息素浓度判定接下来的转移方向。如果在t时间段蚂蚁k位于随机一个城市中且一次只能够选取一个目标城市，则蚂蚁经过多次操作后最终返回起点，则完成一次循环。 (5) 式中，allowedk代表蚂蚁k下一步允许被选择的城市；ηij(t)和ηis(t)代表蚂蚁开始搜索时刻和结束时刻。 当时间开始不断变化，各条路径上的信息浓度会慢慢挥发。在经历多个时间段之后，当全部蚂蚁完成一次循环，需要对各条路径上的信息素浓度进行调整τij(t+n)，具体如式(6)和式(7)所示