網站營銷推廣B2C電子商務中物流問題

        通過將B2C電子商務企業(yè)的實際物流配送網絡描述為由配送中心和顧客兩類竹點構成的小完個無向圖。建立了0-1整數規(guī)劃的物流配送路徑優(yōu)化模型.該模型屬少一類改進的多設施車輛路徑優(yōu)化模型具有NP難性質。為了求解上述模型。肖先利用FLOYD算法求得小完個無向圖中各竹點間的最知路徑和最知路徑長度。然后設計了捕食搜索算法對模型進行求解.通過仿真實例計算。

　　1、引言

　　Internet網絡基礎設施及相關技術(如數字簽名、電子加密等)的成熟和電子商務網站的蓬勃興起，為電子商務中信息流、商流、資金流的電子化實現(xiàn)打下了強有力的基礎，然而作為電子商務中最特殊的一個環(huán)節(jié)一物流，卻不能全部實現(xiàn)電子化，除了小部分的商品(如軟件、電子讀物、音樂等)外，其余大部分商品都需要進行配送，即物流配送，尤其是B2C型電子商務企業(yè)，其物流配送費用史是商品成木重要的組成部分，因而如何優(yōu)化和完善物流配送系統(tǒng)，提高企業(yè)市場競爭力，己成為B2C電子商務企業(yè)成功的關鍵之所在。

　　車輛路徑問題VRP是一類典型的物流配送優(yōu)化問題.自Dantzing和Ramser于1959年首次提出該問題以來，一直是運籌學和組合優(yōu)化領域的研究前沿與熱點VRY的一般描述是:為服務于己知的一組顧客的一個車隊，設計一組開始和結束于一個中心(設施)出發(fā)點的最小費用路徑，每個顧客只能被服務一次，而且，一個車輛服務的顧客數不能超過它的能力。根據這一思想，目前己建立的絕大多數VRY模型描述的配送網絡是一類完全圖，如圖1(a)所示，可以看出此類模型有一個前提假設，即顧客(或設施)與顧客之間均有直接最短配送線路日‘每個顧客僅被車輛訪問一次。而在現(xiàn)實情況中，B2C電子商務企業(yè)物流配送網絡的顧客(或配送中心)之間不能都有直接最短配送線路，即便在交通十分發(fā)達的大城市中，也無法做到這一點。因而為保證完成對所有顧客的配送任務，一些顧客可能會被多次訪問。

　　基于以上因素，本文以實際的物流配送網絡為基礎，建立B2C電子商務中物流配送路徑優(yōu)化的模,并開發(fā)了嵌入FLOYD“一算子的捕食搜索算法”對其進行求解。

　　2、問題的描述與模型

　　B2C電子商務中物流配送路徑優(yōu)化模型的基本思想可描述如下:根據B2C電子商務企業(yè)在某個時段內顧客的訂貨情況(如顧客商品需求量和其地理位置)，利用信息，技術(如GIS技術)確定該時段的實際配送網絡，通過優(yōu)化設計一套基于配送網絡的車輛路徑，同時要滿足一系列的約束條件(如商品需求量、配送中心和車輛容量限制等)，使得配送總費用最小。這里總費用包括車輛配送費用和車輛一次性啟動費用。為了便于建立模型，利用山配送中心和顧客兩類節(jié)點構成的不完全無向表示實際物流配送，并作以下幾個基本假設:

　　1)配送中心有多個，每個配送中心各類商品量以及配送車輛數一定.每輛車僅隸屬于一個配送中心;

　　2)每個顧客僅能山一個配送中心中的一輛車進行一次性商品配送，但可以被多次訪問.特殊地，如果顧客需求超出一輛車的容量則選擇最近可用的配送中心山多輛車對其進行配送，因而此類情況在通過數據預處理后亦可山模型表示;

　　3)每輛車從各自的配送中心出發(fā)，完成配送任務后返回自己所在的配送中心;

　　4)配送商品為多品種商品，配送車輛為中一類型車輛;

　　下面給出B2C電子商務中物流配送路徑優(yōu)化的數學模型。

　　模型中符號有兩類，即模型的決策變量和模型參數。

　　1)決策變量：

　　Xij，表示車輛k是否從顧客(或配送中心少i開往J(Jl=不一定給顧客J配送商品少，如果是，其值為上否則為Q，表示顧客J是否山配送中心i負貢配送，如果是，其值為上否則為Q;

　　Zjk，表示顧客J是否山車輛無配送，如果是，其值為上否則為Q;

　　2)模型參數:

　　G一配送中心、顧客兩類節(jié)點和代表它們之間配送線路的邊組成的不完全無向圖,

　　K一配送車輛集合，其中，K表示配送中心i車輛的集合,即每輛車僅隸屬于一個配送中心;

　　L一配送商品種類集合;

　　Ap一酒己送中心P的可用車輛數;

　　Bk-一車輛無的一次性啟動費用(主要考慮車輛的占用和損耗費用，略去停留費用);

　　Cij一車輛無在路線了(力單位路程的運輸費用了忽略車輛裝載量大小對運輸費用的影響);

　　qjl一顧客j對商品l的需求量;

　　dij一顧客(或配送中心少i,j間的距離，即線目標函數(i)兩部分組成，第一部分是車輛的配送費用，第一部分是車輛啟動的一次性費用，這里是根據使用車輛數進行計算。約束(2)保證從所屬配送中心出發(fā)的車輛返回到該配送中心;約束(3)表示顧客J如果山車輛無配送商品，則車輛無至少訪問顧客J一次;約束(4)表示每個顧客僅山一輛車配送;約束(5)表示每個配送中心可用車輛數限制;約束(6)保證每輛車裝載量不超過其容量;約束(為表示每個配送中心各類配送商品的供應量;(9)和(10)分別為對應的0-1決策變量。

　　上述模型為一種改進的多設施VRY模型，其改進之處在于結合了B2C電子商務企業(yè)實際配送網絡，模型中的決策變量x}A可以直接表示出基于配送網絡的車輛路徑，因而比通常的多設施VRY模型史貼近現(xiàn)實情況。

　　3、模型求解的捕食搜索算法

　　由于模型描述的實際配送網絡是不完全的無向圖，并不是每個節(jié)點之間都有直接最短線路(邊)，為此，本文對于圖中沒有直接最短線路的兩節(jié)點采用FLOYD算法求得其最短路徑和費用，這樣模型就可以簡化成通常的多設施VRY進行求解.目前國內外對VRY求解算法的研究較多，包括精確算法和啟發(fā)式算法.精確算法主要應用于旱期規(guī)模較小的VRP。由于精確算法隨著問題的規(guī)模增大其計算量成指數增長，在實際應用中有很大的局限性，啟發(fā)式算法早期的代表有Clarke和Wright提出的節(jié)約法、Gillett和Miller提出的掃描法，近年來以遺傳算法為代表的現(xiàn)代啟發(fā)式算法備受關注}Hi，也成為了VRY算法的一個新方向.但是，上述方法多是對單設施的VRY模型進行設計求解，而對于多設施的問題涉及不多。針對文中提出的模型，本文嘗試一種新的現(xiàn)代啟發(fā)式算法-一捕食搜索算法，通過嵌入FLOYD算法對模型進行求解。

　　3.1捕食搜索算法簡介

　　動物學家在研究動物的捕食行為時發(fā)現(xiàn)，盡管由于動物物種的不同而造成的身體結構的千差萬別，但它們的捕食行為卻驚人地相似.動物捕食時，在沒有發(fā)現(xiàn)獵物和獵物的跡象時在整個捕食空間沿著一定的方向以很快的速度尋找獵物.一旦發(fā)現(xiàn)獵物或者發(fā)現(xiàn)有獵物的跡象，它們就放慢步伐在發(fā)現(xiàn)獵物或者有獵物跡象的附近區(qū)域進行集中的區(qū)域搜索，以找到史多的獵物.在搜尋一段時間沒有找到獵物后，捕食動物將放棄這種集中的區(qū)域，而繼續(xù)在整個捕食空間尋找獵物。

　　模擬動物的這種捕食策略，Alexandre于1998提出了一種新的仿生計算方法，即捕食搜索算法(predatorysearchalgorithm,PSA)。基本思想如下：捕食搜索尋優(yōu)時，先在整個搜索空間進行全局搜索，直到找到一個較優(yōu)解;然后在較優(yōu)解附近的區(qū)域(鄰域)進行集中搜索，直到搜索很多次也沒有找到史優(yōu)解，從而放棄局域搜索;然后再在整個搜索空間進行全局搜索.如此循環(huán)，直到找到最優(yōu)解(或近似最優(yōu)解)為止，捕食搜索這種策略很好地協(xié)調了局部搜索和全局搜索之間的轉換.目前該算法己成功應用于組合優(yōu)化領域的旅行商問題(travelingsalesmanproblem)和超大規(guī)模集成電路設計問題(verylargescaleintegratedlayout)。

　　3.2捕食搜索算法設計

　　(1)解的表達

　　采用順序編碼，將無向圖中的，n一1個配送中心和n個顧客一起進行編碼.例如，3個配送中心，10個顧客，則編碼可為:1一2一3一4一0一5一6一7一0一8一9一10其中0表示配送中心，上述編碼表示配送中心1負貢顧客1,2,3,4的配送，配送中心2負貢顧客5,6,7的配送，配送中心3負貢顧客8,9,10的配送.然后對于每個配送中心根據顧客編碼中的順序進行車輛的分配，這里主要考慮車輛的容量約束。依此編碼方案，隨機產生初始解。

　　(2)鄰域定義

　　采用逆轉法實現(xiàn)鄰域的操作，即隨機選擇解的兩個位置將它們之間的編碼進行逆轉得到當前解的一個鄰域。

　　(3)目標值的確定

　　目標值f(x)編碼解碼得到，對于沒有直接最短線路的顧客間配送費用,FL0YD算法求得.另外對超出配送中心商品數和車輛數的解的目標值給子一定懲罰，懲罰與其超量成比例。

　　(4)算法步驟

　　A算法流程

　　1)隨機產生一個初始解X,令至今最好解Xmin=X,限制級別Level=0,循環(huán)次數Counter=0。

　　2)如果leveln+m-1，搜索X的鄰域S次(S可取問題數的n+m)，并取其最小解Xmin,否則結束。

　　4、仿真結果與比較分析

　　設某B2C電子商務企業(yè)在某時段由3個配送中心為17個顧客配送3類商品。

　　為計算簡潔，設各配送中心可用車輛數人Ap=3輛，最大載重量Q=10噸，車輛啟動費用Bk=400元，單位距離費用Cij=5元，3類商品的重量系數分別為W1=0.2噸/件，W2=0.4噸/件，W3=0.3噸/件，其他相關參數見表1。

　　捕食搜索算法采用Java語言在Windows平臺上(主頻Y4N1/2.2G,內存512N)實現(xiàn)。求得最優(yōu)解值和車輛配送路徑如表2所示，可以看出此結果能直接得到基于配送網絡的車輛實際配送路徑。該類顧客僅在第一次被訪問的時候配送服務了表2。

　　配送路徑中黑體節(jié)點表示車輛配送的顧客和其次序少，這和實際配送情況亦是相符的。為了驗證捕食搜索算法的有效性，利用捕食搜索算法與基于類順序交叉和換位變異算子的遺傳算法子編碼相同，交叉率為變異率為迭代次數為soot對上述算例各隨機計算10次，得到相應的目標值和計算時間如表3所示。

　　由表3中可以看出，YSA求得的目標值全而優(yōu)于GA,10次計算中9次得到了最優(yōu)值(或近似最優(yōu)值)20850元，而GA的最優(yōu)值僅為21050元，計算平均值，從計算的時間來看，YSA的計算效率高于C從但是YSA的計算時間沒有C、穩(wěn)定，可以從它們計算時間的標準差上看出這一點，這是因為以在算法參數設定后計算時間波動很小(以最大迭代次數為停止準則)，而YSA因為模仿動物捕食的內在特點，除了算法參數外，其初始解亦會影響算法的計算時間。上述兩種算法在多個算例上進行了實驗，得到了相似的結論。因而，文中設計的YSA作為一類新的優(yōu)化算法對模型的求解是可行和高效的。

　　5、結論(Conclusion)

　　物流配送現(xiàn)己成為制約電子商務發(fā)展的瓶頸之一，因而如何優(yōu)化和完善物流配送系統(tǒng)是電子商務企業(yè)瞬需解決的問題。本文以B2C電子商務企業(yè)為背景，結合實際的物流配送網絡，建立了0-1整數規(guī)劃的物流配送路徑優(yōu)化模型，并開發(fā)了一個嵌入FL0YD算法的捕食搜索算法對模型進行求解。仿真結果表明了模型和算法的可行性和有效性.文中的模型適用于某個時段內企業(yè)對顧客進行定點定量的商品配送服務.隨著電子商務的進一步推廣和普及，企業(yè)對顧客實行限時配送將史具實際意義，對于這一問題的研究將在以后的文章中進一步探討。