基于BP算法的应急物流网络构建研究

甘曦之

[摘 要] 物流作为“第三利润源泉”对经济活动的影响日益明显，越来越受到人们的重视，现代物流业呈稳步增长态势，中国物流行业起步较晚，随着国民经济的飞速发展，中国物流行业保持较快增长速度，运用人工神经网络主要指模仿人类的思维，属于非线性动力学系统，主要特点是分布式保存信息进行协同处理。研究构建基于BP算法的应急物流网络，及通过启发式方法的研究，可完成理论建模和仿真的实现，具有重要的理论意义和实践意义。

[关键词] 物流网络；BP神经网络；启发式算法

[中图分类号] F560 [文献标识码] A [文章编号] 1009-6043（2018）08-0027-03

Abstract： As "the third profit source"， the influence of logistics on the economic activities has become increasingly apparent， increasingly get people's attention. The modern logistics industry grows steadily. China's logistics industry started relatively late. With the rapid development of national economy， China's logistics industry maintains rapid growth. Using artificial neural network is to imitate the human mind and belongs to the nonlinear dynamic system. Its main characteristic is the coordination of distributed stored information. Based on BP algorithm and heuristic method， the research of emergency logistics network can complete theoretical modeling and simulation， which has important theoretical and practical significance.

Key words： logistics network， BP neural network， heuristic algorithm

一、引言

中國的自然灾害非常多、经常发生，受到自然灾害的打击比较大，每年的损失非常多。台风、地震、洪水、干旱、暴雪、滑坡、泥石流、暴雨等自然灾害每年都会发生，防不胜防。经过这么多年的总结，我国的自然灾害呈现出很多特点，例如，种类繁多、季节性非常强、地域特征显著、共生性和伴生性非常明显等。每年自然灾害都会让大家的生命和财产遭受一定的损失，阻碍了经济的发展、社会的进步，降低了大家的生活水平，所以，国内政府往往未雨绸缪，事先制定好应急预案，这样能够保证自然灾害爆发后可以及时向受灾地区运送人、财、物，将由于自然灾害导致的损失降到最低，此外，国内专家学者深入研究了应急物流配送方面，帮助我们处理了很多实际困难。配送作为物流系统的核心功能，直接与消费这相关联[1][2]，配送功能完成质量的好坏及其达到的服务水平直接影响企业物流成本及客户对整个物流服务的满意程度。配送的核心部分是配送车辆的集货、货物分拣及送货过程，其中，车辆配送线路的合理优化对整个物流运输速度、成本、效益影响是比较显著的。人工神经网络主要指有着适应性的简单单元构成的广泛并行互连的网络，可以模仿生物神经系统，交互反应真实世界物体。人工神经网络有着非线性适应性处理信息的功能，有着以往人工智能所不具备的直觉，例如，语音识别、模式、非结构化处理信息等，进而在识别模式、优化组合、预测、智能控制等方面获得非常大的成功[3]。将传统方法付之于人工神经网络，有助于信息处理技术、人工智能的未来发展壮大。这几年，人工神经网络发展越来越好，在模拟人类认知这一块日臻完善，再加上遗传算法、模糊系统、进化机制等方法，达到了计算智能的效果，是今后人工智能的重中之重，并且伴随着实际应用越来越好。信息几何的出现使得大家对人工神经网络研究更加深入了。此外，随着神经计算机日益完善，部分产品已经开始销售。神经计算机的光电结合功能极大的推动了人工神经网络的发展。

二、神经网络BP算法

（一）人工神经网络

人工神经网络的发展大概有50年时间，这期间跌宕起伏，有波峰也有低谷。人工智能、神经网络技术是两种完全不一样的技术[4]。人工神经网络的发展历程如下：

（1）1940年-1950年，人工神经网络处于起步阶段，刚刚兴起。

（2）1950-1968年，人工神经网络的高峰期。

（3）1968-1980年是人工神经网络研究的低潮期。

（4）20世纪80年代的第二次高潮期。

（5）20世纪90年代以后的发展时期。

总的来说，人工神经网络是由很多简单的处理单元采用既定的方式彼此连接组成计算机系统，系统动态响应外部的输入信息对信息进行处理。

（二）BP神经网络原理

1986年，BP网络诞生了，主要指按照误差逆传播算法训练的多层前馈网络，如今BP网络的应用越来越广泛，受到大家的一致好评，它能够学习并保存非常多的输入—输出模式映射关系，根本不需要提前列出阐述该映射关系的数学方程[5]。

误差反传算法的核心是将学习过程一分为二：（1）正向过程，输入信息借助输入层传递到隐含层并且进行处理，最终得到各个单元的实际输出结果；（2）反向过程，假如输出层没有获得想要的输出结果，系统就会逐层递归地运算实际的输出结果同想要的输出结果之间的误差，进而参照这个误差来改变权值，也就是说，我们能够对每一权重运算接收单元的误差值和发送单元的激活值的积。运用BP算法得到多层前馈型网络的结构。如图1所示。

网络结构由输入、输出层节点构成，此外，还含有一或多层隐含节点。将输入信息传递给隐含层节点，通过每个单元激活函数（也就做转换、作用函数）运算，隐含节点把输出答案送至输出节点，输出值就得到了[6]。网络的学习过程一分为二，包括正向和反向。正向传播的原理是上层神经元影响下层神经元。假如没有得到想要的结果，就是输出结果同想要的输出结果之间的误差，该系统就切换到反向传播模式，信号自动返回，我们可以变动每一层神经元的权重，反复地传播给输入层计算，然后转到正向传播过程，通过这样反反复复的过程，系统的误差信号会达到最低，一旦系统的误差让大家能够接受，BP网络的学习过程就完成了。

BP算法适用在多层神经元网络，以梯度下降法为核心，通过反复演变，BP网（包括一个隐含层）能够保证任意精度近似任何连续非线性函数。

（三）BP算法简介

BP算法涉及两个方面内容：前向传递信号、反向传递误差。也就是获得实际结果是按照正向传播模式，修正权值、阈值是按照反向传播模式，也就是反向。

图2中：xj表示输入层第j个节点的输入，j=1，…，M；

wij表示隐含层第i个节点到输入层第j个节点之间的权值；

θi表示隐含层第i个节点的阈值；

？准（x）表示隐含层的激励函数；

wki表示输出层第k个节点到隐含层第i个节点之间的权值，i=1，…，q；

ak表示输出层第k个节点的阈值，k=1，…，L；

？鬃（x）表示输出层的激励函数；

Ok表示输出层第k个节点的输出。

（2）误差的反向传播过程

反向传递误差，也就是从输出层一层一层算出每一层神经元输出误差，接下来使用误差梯度下降法对每一层阈、权值进行修正，通过这样反反复复的过程，系统的误差信号会达到最低[7]。

参数初始化完成：批量输入学习精度、初始权值、阈值、最大训练次数、隐节点数等学习样本，然后归一化出来这些输出、输入量，接下来就能够获得每一层的输出、输入量以及输出层的误差E（q）E（q）<ε，将阈、权值进行修正YesNYes，自此参数初始化完成。

三、基于MATLAB的神经网络预测模型建立及应用

（一）物流配送的车辆调度发展现状

对于应急救助物资配送方面，国外的研究比较早，技术比较完善，并且有很多成果值得我们借鉴。随着研究的深入，很多研究成果已经开始尝试在实实在在的应急物资配送问题中得到应用，取得了非常好的效果，挽救了大量的生命，避免了很多财产的损失。由于国内对应急救助物资配送方面的研究还不够深入，目前仅有的这些研究成果基本上都是理论层面的，尽管个别学者研究了应急物流配送优化模型，借助优化算法解开了模型。最终由于国外的研究成果不满足国内的实际情况，存在一定的问题，不能直接投入使用。

VRP（车辆调度问题）是指对很多个装、卸货点，安排最优的行车线路，使各车辆能够顺利通过，达到约束条件的要求（例如，发送量、货物量、发交货时间、车辆容量），达到预期目的（例如，行驶最短的路线、花费最少的资金、耗费最少的时间、安排最少数量的车辆）。一般认为，不涉及时间的是路径问题，涉及时间的是调度问题。当然，VRP并不止是这样的一个小范围，而是有更多的客户点与一个仓库链接，从而达到一整个物流集群[8]。

根据路径规划前调度员对相关信息是否已知，VRP可分为静态VRP和动态VRP，动态VRP是相对于静态VRP而言的。静态VRP指的是：假定在优化调度指令执行之前，调度中心实现获得全部和优化调度有用的资料，并且这些资料不随时间变化而变化。调度开启之后，以上信息不再改变。

而VRP发展到现在存在的问题也是非常突出的，例如，只有一单货物，配送成本远高于一单的客户所给的运费，在这种情况下，该如何调度车辆？甚至还有回程运输的空载问题，在这些问题之中，或多或少都涉及到了VRP的身影，那么在这样的配送中怎么有效的解决车辆的路径优化问题就是降低运输和物流成本的关键所在。

（二）BP网络结构设计

MATLAB将newff作为神经网络函数，然后用其来获得每层的神经元数、网络的层数、传递函数，它的表达式如下：

net=newff（PR，[S1，S2，..，SN]，{TF1，TF2，..，TFN}，BTF，BLF，PF）

其中PR：由R維的输入样本最小最大值构成的R*2维矩阵；

[S1，S2，…SN]：各层的神经元个数；

{TF1，TF2，…，TFN}：各层的神经元传递函数；

BTF：训练用函数的名称。

因此BP网络结构设计的内容如下：列出网络层数以及神经元数量，定下来传递函数和相应的算法。

（三）初始值的选择及参数设计

BP神经网络属于一种非线性系统，初始值决定了学习能不能达到局部最小，能不能收敛，训练时间有多长。必须满足的一点是：输入累加初始权值让所有神经元状态值同0接近，以此保证每一个神经元的连接权值都能够在它们的S型激活函数变化最大处进行调节。一般来说，初始值选择（-1，+1）之间的随机数。

此外，参数的设计对神经网络的应用也是非常关键的。BP网络模型中最重要的参数包括学习速率和动量因子。

（四）预处理和后处理数据

在网络训练之前，必须让全部数据的量纲一致，这就应该预处理输入以及输出数据，进而满足要求，还能够极大地提高训练速度。数据预处理基本都使用归一化方法，也就是把全部数据处理后满足[0，1]的条件。

操作流程如下：

根据全部原始数据，找到最大值Xmax、最小值Xmin。

接下来按照以下公式进行运算：

这样，Xi就是归一化之后的数据。

（五）确定网络训练模式

逐变和批变是BP网络训练的两种模式。前者主要原理是，只要有样本输入到网络，就会自动更新权重、偏置值。后者主要原理是，必须全部样本输入的网络，才会更新权重、偏置值。所以，批变模式仅仅需要一个训练函数，非常的便捷，有着较快的收敛速度。此外，很多改进的快速训练算法必须采取批变模式。

四、结论

对于应急救助物资配送方面的研究由于国外起步较早，研究成果也相对比国内多一些，技术也比较成熟。但是许多国外学者的研究和我国的实际国情不相符，不能直接应用到我国的应急物资配送系统中。因此，基于BP算法的应急物流网络构建研究，及启发式方法的研究，找到高效准确的应急物流网络构建方法，具有重要的理论意义和实践意义。

[参考文献]

[1]王美玲.利用于非线性函数逼近的小波神经网络算法仿真[J].北京理工大学学报，2012（3）：10-27.

[2]郝昕玉，姬长英.非线性系统的神经-模糊建模方法的研究[J].江西农业学报，2008（9）：12-29.

[3]孙帆，施学勤.基于MATLAB的BP神经网络设计[J].计算机与数学工程，2007，35（8）：55-70.

[4]张葛祥，李娜.MATLAB仿真技术与应用[M].北京：清华大学出版社，2010：1-9.

[5]余华，吴文全，曹亮.BP神经网络的改进算法及其应用[J].电脑知识与技术，2009，5（19）：5256-5258.

[6]苏高利，邓芳萍.论基于MATLAB语言的BP神经网络的改进算法[J].科技通报，2003，19（2）：130-135.

[7]冯蓉，杨建华.基于BP神经网络的函数逼近的MATLAB实现[J].榆林学院学报，2007（3）：20-22.

[8]韩力群.人工神经网络理论设计及应用[M].北京：化工工业社，2012：5-15.

[责任编辑：赵磊]