“16+1”背景下中国企业对外投资物流转运中心选址优化方法研究

汤玲玲 罗正英

(1.中山大学新华学院 会计学院，广东 广州 510520;2.苏州大学 东吴商学院，江苏 苏州 215021 )

一、引言

20世纪中后期，东欧剧变使中东欧国家的政治、经济、社会发生深刻变革。经过一番努力，中东欧国家的经济体制发生重大变化，市场经济体制也逐渐完善。尽管中东欧国家实现了与西欧国家的全面接轨，其经济发展水平与西欧发达国家仍有较大差距。[1][2]

根据世界银行对外公开数据发现，2009年，中东欧16个国家的GDP增长率集体出现20年内历史最低；其中最低增长率为立陶宛，实现-14.81%的增长。随后数年，中东欧国家的经济持续性低迷，GDP增长率长期维持在1.5%～2.5%期间，且无明显性增长。2014年起，约1/3的中东欧国家GDP开始出现小幅度增长，我们认为部分中东欧国家的经济之所以打破瓶颈出现改善，在一定程度上受“16+1合作”机制影响。从中东欧国家个体经济发展水平来看，16个中东欧国家的市场经济成熟度与发展水平并不均衡，国家之间的差距较为明显；其中仅波兰、捷克、波罗的海三国、罗马尼亚的经济发展较好，其余国家仍处于追赶的过程中。[3][4]中东欧国家日益增长的经济结构调整需求迫使其开始重视并发展与其他国家的合作关系。

李嘉图的比较优势理论提出，只要国家间存在比较利益，那么与他国分工合作(或贸易)便可实现资源的最优配置，从而促进本国经济发展。[5][6]许多研究学者也提出FDI对经济增长的促进作用。本质上，外商的引入可为东道直接吸引更多的外部资金资源，从而实现资金效应，缓解东道国经济发展过程中自身资本匮乏的缺点。同时由于技术与人力资源本身具有外溢效应，FDI内含的人力资源与技术资源随着时间推移可在东道国扩散，激发东道国企业的学习与竞争意识，为整体经济发展起到正向促进。[7][8]2018年，中东欧国家平均进出口的GDP占比均超过60%，说明中东欧国家经济发展对贸易的依赖度较高，贸易和外商投资可以很好的促进中东欧国家经济发展与GDP增长。

在中东欧国家经济结构调整的同时，中国的经济出现快速增长，且在国际上的影响力逐年上升。经过多年的快速增长，如今中国在世界上成为仅次于美国的第二大经济体。根据世界银行统计，2014—2018年，中国GDP年增长率连续五年超过美国。2018年，中国GDP增长率达到6.57%，同年美国GDP增长率仅2.93%。中国的经济发展令世界瞩目，欧美发达国家提出中国已成为世界大国，应该承担更大国际责任。为此原因，2014—2015年，中国先后提出“一带一路”倡议和“16+1合作”。本着“优势互补，合作共赢”的目的，中国展现对外合作的愿景与大国担当。[9][10]

中国与中东欧国家有历史悠久的合作关系，鉴于中东欧国家的自然禀赋、社会形态、地理位置等独特之处，双方于2012年正式成立每年一度的“中国-中东欧国家领导人会晤”机制(简称“16+1合作”)。“16+1合作”旨在推动中国与波兰、捷克、匈牙利、罗马尼亚、波罗的海三国等16个中东欧国家的合作，合作涉及人文、政治、经贸、科技等领域。对中东欧国家特色产业与重点鼓励发展产业整理后我们发现(表1)，在对外合作中，中国与中东欧国家的发展需求呈现许多共赢的空间，即中国重点鼓励“走出去”的产业同时也是中东欧国家重点提倡发展产业。中东欧国家重点鼓励发展的产业与我国2015年颁布的《国务院关于推进国际产能和装备制造合作的指导意见》和2016年颁布的《国务院关于印发“十三五”国家战略性新兴产业发展规划的通知》政策中提出的多个产业比较吻合。两地区都希望能推动制造业、交通基础设施、高新技术产业等实现经济结构调整，推动经济进入新一轮增长。

表1 中东欧国家特色产业与重点鼓励发展产业

续表

资料来源：手工整理自商务部对外投资合作国别(地区)指南2016—2017年

以交通基础设施产业为例，经过进一步了解后，我们发现多数中东欧国家交通基础设施出现陈旧、老化现象。例如，爱沙尼亚的客运列车平均使用时间已达40年，机车严重老化，整体基础设施的国际竞争力偏弱。再如，波兰近达1/2路线最高行使速度仅60千米/时，1/3路线需要维修与维护。因为其铁路网络技术严重退化，波兰铁路货运总量比重近年出现下降趋势。还有，罗马尼亚的铁路除了不能24小时运营、经常需要封闭维护、线路电气化程度低之外，还因技术和配套服务落后与不人性化的管理严重影响其跨境运输效率，仅穿越罗匈边界就要耗费4—5个小时。

基础设施是一个国家经济繁荣的基础和保障，是制约经济发展的主要因素之一。许多研究学者指明，基础设施的发展水平在吸引FDI流入时有明显的促进作用，先进的基础设施能够为企业投资带来正效应，反之落后的基础设施意味着区位内部人流、物流和信息流的载体容量小，间接增加企业的经营成本。中东欧国家的基础设施约在20世纪60年代后期建设，平均使用年龄已超过40年。基础设施国际竞争力的低下使中东欧国家难以跟上新时代经济快速发展的步伐。落后的基础设施严重影响了中东欧地区的经济发展，因此基础设施的建设已经得到越来越多中东欧国家的重视。随着“16+1合作”的不断深化，中东欧国家基础得到明显改善，例如匈塞铁路、中欧班列、中捷产业园的建设。每一届提出的“16+1合作”纲要都反复强调对相关铁路、公路、机场、港口、物流中心等交通基础设施的建设。随着交通基础设施逐步完善，中东欧国家对外贸易量将会持续增长。

在“16+1合作”机制的引导下，中国与中东欧国家的贸易与投资合作关系持续增强，进而带动中东欧国家的国际贸易对外需求。[11][12]中东欧国家贸易的快速发展为物流业发展提供广阔的市场需求，积极地促进了物流业的发展。

物流转运中心指以承担货物在多种运输方式之间转运为主要任务的功能体, 能够更多地承担大范围内的二次运输。因此，物流企业的核心竞争力、资源融合能力及综合创新能力与其物流转运中心的区位选址密切相关。物流转运中心选址涉及资源约束、运输效率等一系列问题，合理的物流转运中心区位选择可决定物流的敏捷性、对市场需求的响应性和服务成本等。最优选址问题的核心是模型建模与求解算法，有效的求解算法是模型寻优的重要研究内容。量子遗传算法(quantum genetic algorithm, QGA)作为一种智能进化算法，通过将量子比特的叠加态计算方法应用在遗传算法中的染色体编码上，使得每条染色体表达了多个态的叠加。与遗传算法相比，量子遗传算法具备运算效率高、稳定性好、不易陷入局部最优等优点。[13][14][15]

本文基于“16+1合作”的大背景，分析了中东欧国家的区位优势，综合考虑货物需求量、运输距离，建立了选址数学模型；根据物流转运中心个数确定优化变量的个数，进而采用量子比特编码方法在染色体上对变量进行编码，通过量子交叉、变异、量子旋转门更新种群，最后对中东欧十六国物流转运中心的优化结果进行了对比与分析。

二、物流转运中心选址数学模型

“16+1合作”的核心是通过相互补充与促进，加快提升两地区间的互联互通、装备制造、金融和农业等合作，无论哪一项合作都将通过技术、人力、物资或资本交换来实现，尤其是庞大物资 交换。这一切都会增加对先进物流技术的需求，进而促进物流服务业的发展。一个物流转运中心是否能够运转高效、性能优化、及实现内部和外 部活动价值的最大化主要取决于转运中心的地 理位置，物流转运中心科学地选址能使供应链 中所有节点成员的资源得到最优整合和高效分配。[16][17][18]通过优化选择物流转运中心地址可将分散在供应链各个环节中的物资进行集聚，以提高物资在仓储、运输、装卸、保管、销售等多个环节中的配送效率。

物流转运中心需要承载一个区域内的大量物资，如何给物流转运中心选择一个合适的规模与地理位置，对后期的物资配送及物流管理具有重要的影响。优化的物流转运中心地址，不仅可实现物流配送成本最小化，降低未来物流活动辅助设施的建设成本及运输成本。还可实现物资配送高周转，加快物资在供应链不同环节中的流动。物资的周转速度越高，物资的损耗则越低。

中国物流企业在中东欧地区的投资与合作表现出积极和踊跃的态度。例如，顺丰通过立陶宛共和国交通通讯部副部长与立陶宛邮政签订战略合作协议，设立欧洲区综合物流服务中心等多项内容。申通欧洲公司与布达佩斯机场集团以及欧洲物流企业EKOL LOGISTICS正共同打造“一带一路”中欧物流转运中心，该转运网络包括铁路运输、空运和公路运输，以优化中欧班列和跨境电商包裹的转运效率。中通快递也联手宁波英才科技与匈牙利国家邮政股份成立中欧供应链管理股份有限公司，致力于开辟跨境电商快件专线。除此之外，京东物流、苏宁物流、圆通、百世、韵达等中国仓储和落地配送公司正在参与打造中国境外服务于eWTP(电子世界贸易平台)的国际超级物流枢纽。以上种种对推动中国跨境快递业务和东道国物流业发展起到积极推进作用。

全球分工的细化使一个产品不会在一个工厂或一个供应链环节内完成，须依靠物流转运将该产品调度到不同的的供应链环节中完成。现代化生产与消费模式使一个产品从企业最终到消费者，形成一套复杂的储运系统，而系统内所有的环节都必须依赖物流转运才能更高效完成。“要想富，先修路”的经济发展思路，看似强调基础设施完善的重要性，实则也包含物流运输的重要性。因此物流转运中心同基础设施相似，两者都是经济发展的核心。由于物流转运中心的价值可作用于整条供应链，物流转运中心的选址优化格外重要。

选址物流转运中心时通常需要考虑到多重因素，如配送辐射、市场需求、交通便利性、时间迅捷、网络技术、自然因素等。本文拟仅从配送辐射和市场需求两个维度对中东欧国家的物流转运中心选址问题进行探讨。由于中东欧16国家整体占地面积较小，我们认为每个国家选择一个目标城市便能合理的辐射到周边地区。考虑到首都城市通常是一国经济发展水平最高、交通基础设施最完善、通讯技术最先进的地区，因此所有选址目标城市均为国家首都城市。对于市场需求，本文拟通过该有形商品的对外贸易总量来衡量一个国家潜在市场业务量。受数据收集和时间的局限，本文暂未将交通便利性、时间迅捷、网络技术、自然因素等其他影响因素考虑在内。

(一)目标函数

物流转运中心是连接供货商与客户的重要桥梁，其选址地点直接决定了物流的配送距离与配送模式，进而影响了整个物流系统的运作效率。物流转运中心选址模型是一个带有复杂约束的非线性规划问题，假设物流转运中心的规模容量由其配送辐射范围内城市货物需求总量确定，且每个城市仅由一个物流转运中心配送。则物流转运中心选址模型即为一个选址/分配模型，需要从N个城市中找出M个物流转运中心并向各个城市配送货物，目标函数为所有物流转运中心到其配送城市的货物需求量、距离的乘积之和最小，其数学表达式如下：

(1)

其中，ci表示第i个城市的货物需求量；dij表示第i个城市与第j个物流转运中心间的距离；Hij表示转运分配关系，当第i个城市由第j个物流转运中心配送时，Hij为1，否则Hij为0。

(二)约束条件

物流转运中心选址模型目标函数求解过程中的约束条件包括：

(2)

式(2)保证了每个城市仅由一个物流转运中心配送服务。

Hij∈{0,1}

(3)

式(3)确保了转运分配关系Hij是0、1变量。

dij≤s

(4)

其中，s表示城市距其对应的物流转运中心的距离上限。式(4)保证了每个城市均在物流转运中心可配送范围内。

三、量子遗传算法

基于量子遗传算法解决物流转运中心选址优化问题的主要流程如图1所示。首先根据物流转运中心个数M确定优化变量的个数，采用量子比特编码染色体上的每个基因。进化种群由若干个染色体构成，分别进行种群初始化、种群个体测试、适应度函数计算、通过量子交叉、变异、量子旋转门更新种群，最终选出M个最优物流转运中心选址。

图1 物流转运中心优化选址流程图

(一)量子比特编码

(5)

式中，t0为遗传代数；r为种群中染色体序号；m为染色体上基因的个数；k1、k2、…、km分别表示每个基因的比特编码个数。

包含R个染色体的种群Q(t0)可以表示为：

(6)

染色体基因的概率幅度[α,β]T应满足如下公式：

|α|2+|β|2=1

(7)

构建的适应度函数为：

(8)

M为搜索的物流转运中心个数，即每条染色体上的基因编码个数。

(二)量子交叉、变异

为了达到在多个可能的解决方案之间交换信息，从而获得更多的解决方案的目的。量子交叉通过交换种群中任意两条染色体间对应位置的基因，形成两条相似的染色体。量子交叉示意图如图2所示。具体流程如下：

(1)任意选择种群中的两个个体，根据交叉概率判断是否进行量子交叉操作；

(2)随机选择个体的量子交叉比特位，交换两个个体在该量子交叉比特位的概率幅度；

(3)检查量子交叉形成的两个新个体的可行性，无误后结束本次量子交叉操作。

图2 量子交叉示意图

为了改变种群当前进化的方向，避免进化陷入局部最优，可以通过改变染色体的若干个基因，从而形成新的染色体，这一过程被称为量子变异。量子变异示意图如图3所示。具体流程如下：

(1)任意选择种群中的一个个体，随机选择该个体的一个量子变异比特位；

(2)将该量子变异比特位的概率幅度α与β对调；

(3)检查量子变异形成的新个体的可行性，无误后结束本次量子变异操作。

图3 量子变异示意图

(三)量子旋转门

量子旋转门的作用是推动种群进化，本文采用的调整策略如表1所示。该调整策略将当前染色体的适应度与最优染色体的适应度相比较，通过调整相应的量子比特位，使得进化朝适应度大的方向演化。

表2中，xi是当前染色体的第i个比特位，bi是最优染色体的第i个比特位，f(x)与f(b)分别表示当前染色体与最优染色体的适应度，Δθi表示旋转角的大小，s(αi,βi)表示旋转角的方向。

表2 量子旋转门调整策略

量子旋转角的角步长Δθi采用基于膨胀系数的动态变化方法，w值的计算公式如下：

(9)

式中，wmin与wmax分别表示w的最小值与最大值，ti表示当前遗传代数，tmax表示最大遗传代数，ε表示膨胀系数。

由式(9)可知，膨胀系数ε控制了量子旋转角的角步长变化速度，量子旋转角可以根据当前的遗传代数，在取值区间内动态变化。使得算法能够在进化初期采用较大的角步长，确保了算法的搜索范围，进化后期采用较小的角步长，进而确保了算法的搜索精度。

四、算例

在物流转运中心的选址规划中，应对物流转运中心选址的条件、原则、影响因素等进行综合分析，并提出缜密的选址建议。一般来说，物流转运中心选址主要受客户条件、市场条件、地理位置、运输条件、政策环境等因素影响。

考虑到经济性、交通便利性、战略性和统筹性等选址原则，我们认为首都是每一个国家的最优位置，因此，本文的物流转运中心只在区域国家的首都城市中产生。考虑到贸易总额能够真实体现一国对外物流流量，本文收集了阿尔巴尼亚、波黑等中东欧十六国在2013年至2017年的贸易总额，如表3所示。物流转运中心从十六国的首都中产生。

地球的形状接近于一个椭球体，每两个城市间的距离可通过经纬度进行测算。对于中东欧国家的首都，城市间的距离Dist的计算公式如下：

(10)

(11)

Dist=R·arccos(C1+C2)

(12)

其中，R为地球的平均半径，取6371.004km；LonA、LatA分别为城市A的经度和纬度；LonB、LatB分别为城市B的经度和纬度。

五、结果分析

(一)最优选址个数对优化目标的影响

本文以中东欧十六国2017年的贸易总额为依据，分别采用量子遗传算法搜索物流转运中心，图4展示了不同选址个数下物流转运中心优化结果。

图4a为物流转运中心选址为两个城市时的优化结果，可知，最优选址中心为华沙(波兰)和布拉迪斯拉发(斯洛伐克)。分析华沙(波兰)成为最优选址的原因，是因为波兰经济发展水平在中东欧地区较高。具体数据由表2可知，2013年到2017年，波兰的对外贸易量连续五年位居第一，远远超过周边国家。北部地区的捷克和匈牙利的物流量虽然大于斯洛伐克，但其并不像波兰与波罗的海三国相差之大。虽然我们的最优选址是同时基于城市间距离和货物需求量计算，但是当一个国家的货物需求量格外大时，货物需求量的影响便会超过城市间距离的影响。基于城市间距离和货物需求量的共同作用计算，当选址中心为两个时，华沙(波兰)和布拉迪斯拉发(斯洛伐克)是最优选址中心。

表3 中东欧国家过去五年的贸易总额

数据来源：UN Comtrade Data

(a) (b) (c)图4 不同选址个数下的最优物流转运中心

当最优选址为三个城市时，如图4b所示。优化结果为华沙(波兰)、拉迪斯拉发(斯洛伐克)和布加勒斯特(罗马尼亚)。此时，华沙和拉迪斯拉发依旧是最优选址中心。我们认为加勒斯特(罗马尼亚)之所以替代布拉格(捷克)和布达佩斯(匈牙利)，成为第三个选址中心是因为在货物需求量差异相对较小的情况下，加勒斯特在北部的阿尔巴尼亚、马其顿、塞尔维亚、黑山等中东欧国家中的城市间距离最小，因此，能够成为第三个最优选址中心。

由上结果可知，四个最优选址的优化结果包括华沙(波兰)、布拉格(捷克)、布达佩斯(匈牙利)、布加勒斯特(罗马尼亚)。图4a和图4b的差异并不明显，但图4a和图4c的变化却非常大。分析可知，当选址中心增加时，基于城市间距离和货物需求量的最优选择模型计算得出该结果，是因为中东欧国家的经济发展水平落差较大，即中东欧国家间货物需求量的差异远大于其距离差异。以2017年对外贸易量来看，货物需求量最高的前五位国家排名依次是波兰、捷克、匈牙利、斯洛伐克和罗马尼亚。该五个中东欧国家的货物需求总量(1325491亿美元)是其余11个中东欧国家集散运输总量(3634.07亿美元)的3.6倍。其中，仅捷克(3451.30亿美元)一个国家的集散运输量就接近其余11个国家的总量。此时，阿尔巴尼亚、波罗的海三国、黑山、波黑等国家由于货物需求量太小，所以在选址结果计算中无法成为最优地址。

(二)算法性能分析

为了验证量子遗传算法在解决物流转运中心选址优化问题的有效性，根据表2所示的中东欧十六国在2013年至2017年的贸易总额，试验并统计了五年间，当最优选址个数M=24时，选址准确率(相同试验条件下运行10次，记录可正确寻址的次数)如表4所示。作为对比，同时测试了遗传算法的寻优准确率，结果见表4。

分析表4可知，当最优选址个数M=2时，遗传算法与本文算法的正确率均为100%。当最优选址个数增多时，最优物流转运中心选址问题变得复杂，则遗传算法的寻优准确率仅能保持在70%以上，本文采用的量子遗传算法仍能100%准确地寻到最优物流转运中心，验证了采用量子遗传算法解决物流转运中心寻优问题的有效性。

表4 算法的选址准确率

六、结语

“16+1合作”机制启动以来，中国与中东欧国家间的政治互信不断增强，贸易与投资合作关系持续推进，为我国物流业“走出去”发展提供了广阔的市场需求。本文分析了中东欧十六国的区位优势，考虑了货物需求量、运输距离两个直接影响物流转运中心选址的主要因素，建立了中国企业对外投资物流转运中心的数学模型，引入了量子遗传算法对物流转运中心的数学模型进行求解。研究结果表明，量子遗传算法的稳定性优于遗传算法，适用于物流转运中心的选址，研究成果对物流企业“走出去”战略具有一定的借鉴意义。

在科技进步和治理技术创新的驱动下，现在的物流服务已经超出传统意义上的货物传送、仓储或寄存，国际物流的发展不断呈现出功能多元化、服务个性化与优质化、自动化、体系化和全球化等多种趋势。如何合理布局、有效连接各个环节成为物流企业发展与竞争的基础。

由于影响因素较多，物流转运中心选址是一个比较复杂的研究，本文只考虑配送辐射和业务量两个核心因素，所以研究有一定的局限性。随着对物流服务技术与管理的要求越来越高，物流配送中心的选址要求也会随之更高，未来研究可从更多影响因子对其选址问题进行深入分析。