农村电商物流 “最后一公里”配送路径优化研究

2017-12-15于乐

福建质量管理 2017年23期

关键词：最后一公里物流配送节约

于乐

(北京物资学院北京 101149)

农村电商物流 “最后一公里”配送路径优化研究

于乐

(北京物资学院北京 101149)

应用Matlab编程将遗传节约混合算法运用于对农村电商物流“最后一公里”配送路径的优化研究中，并通过实例验证该算法的可行性和优越性。

“最后一公里”配送;路径优化问题;遗传节约混合算法

一、引言

随着农村居民生活水平的提高，电子商务的发展以及互联网、智能手机、淘宝、微商的普及，很多农村消费者意识到不用出门就可以购买到自己想要的物品，这就大大带动了农村电商物流配送的需求。但由于农村网购订单数量不多，村落与村落之间分散性明显，交通地理位置不便等特点，现阶段我国大部分农村电商“最后一公里”配送体系仍然不健全，这种情况在很大程度上制约了农村地区的电商物流发展。为解决这一问题，本文提出了对农村电商物流配送路径的优化展开研究，旨在提高农民对电商物流配送满意度的同时有效解决各大物流企业和配送服务中心在农村配送上投入多、战线长、效益差的情况。

二、问题提出及模型建立

这里假设有一个农村配送中心，从配送中心出发向n个农村配送点进行配送，配送点的快递配送量为qi(i=1，2，…，n)。配送车辆每天在规定的时间从配送中心出发对每一个配送点进行服务，并在完成配送任务后返回配送中心。在整个配送过程中配送车辆的数目不超过车辆总数，每条配送线路上的快递总量不超过车辆的载重且满足配送时间要求。如何安排车辆的配送方案可以使得在满足农村客户需求的同时达到节约配送费用的目的。

对本文涉及到的符号进行如下说明:

0:配送中心;

n:各个农村配送点;

dij:配送点i与j之间的距离;

m:配送中心拥有的车辆数;

k:配送车辆编号;

Q:配送车辆装载能力;

qi:配送点i的配送量，且q0=0;

ET:配送的最早开始服务时间;

LT:配送的最晚完成服务时间;

［ET，LT］表示完成各项配送任务的一个较宽的时间范围;

Ti:配送点i服务的车辆到达该点的时间;

hi:配送点i服务的车辆卸货逗留的时间;

S:每辆车的平均行驶速度;

Ck:车辆k单位行驶距离的可变成本;

gk:动用车辆k的固定成本;

tij:车辆从配送点i行驶到配送点j所用时间，且i≠j.

定义以下两个模型决策变量:

由此可以建立以运输成本为目标函数的单目标多约束数学模型来求解本文的实际问题:

模型的具体表示意义如下:(2－1)表示目标函数，具体表示组成运输成本的两部分都要达到最小;(2－2)(2－3)(2－4)表示每个农村配送点有且只有一辆车来为其服务;(2－5)表示参与配送任务的所有配送车辆都要从配送中心0出发;(2－6)表示参与配送任务的所有配送车辆在完成配送任务后都要返回到配送中心0;(2－7)表示参与完成配送任务的配送车辆数不能超过配送中心现在所拥有的车辆总数;(2－8)表示配送车辆为其服务的所有农村配送点的总的快递总量不得超过该配送车辆的最大限载量;(2－9)(2－10)表示完成配送任务的时间窗要求;(2－11)(2－12)表示变量的取值限制;(2－13)表示配送车辆从农村配送点到的行驶时间。

三、遗传节约混合算法

本文的研究是针对农村电商背景下的一个配送中心，以配送车辆的最大载重量与宽时间窗为约束条件的电商物流“最后一公里”配送问题。对于这种大规模的车辆路径规划问题单单采用节约算法不能得到很好的结果和方案，因为节约算法存在如下不足:基础的节约算法在物流配送中是不考虑一些具体的限制条件的，所以导致其无法适用于复杂的物流配送问题中;节约算法只适合于需求稳定的理想状态和理想环境，不能满足现阶段农村消费者网购小批量、多品种、多配送的配送需求特点。

经过对上述模型和基本算法的特征分析，应用两种算法混合可以将该物流配送的调度问题分为两步来解决。具体的做法是首先根据每辆车服务的对象将n个农村配送点划分为m个配送群，也就是配送点的分群问题，即配送车辆k具体负责哪几个配送点，该过程由遗传算法来实现;然后再确定配送点的具体路径问题，该过程可以由节约算法来实现。

四、实例应用

某镇有一个配送中心，该配送中心为周围的18个农村配送点提供配送服务，共有5辆配送专用电动三轮车，且平均车速为30km/h，最大载重量为200kg，动用每辆车的固定成本为20元，可变成本为8元。该镇配送中心采取一天一配的配送方式，在每一个农村配送点停留时间均保持为15分钟，在完成配送任务后返回到配送中心。