生鲜产品云物流任务协同调度方法仿真

潘娟娟

(石家庄铁道大学四方学院，河北 石家庄 051132)

1 引言

物流云计算服务平台是面向各类物流企业、物流枢纽中心及各类综合型企业的物流部门等的完整解决方案，具有社会化、节约化、标准化的特点，依靠大规模的云计算处理能力、标准的作业流程、灵活的业务覆盖、精确的环节控制、智能的决策支持及深入的信息共享来完成物流行业的各环节所需要的信息化要求。在该平台背景下，由于生鲜产品变质速度极快，所以供应商需准时进行配送，以获得客户极高的满意程度。因此，现阶段如何提高物流配送效率以保障生鲜产品新鲜程度最大，成为供应企业急需的云物流调度问题。

夏文汇、张霞等人[1]通过物流与供应链管理基本理论和流程设计，建立一种描述性和定性定量相结合的调度方法，确定生鲜农产品创新性供应链网络结构和业务流程，提出数字化物流+城市共同化配送模式。此方法操作简便，但调度确精准度不高，无法满足客户日益增长的现实需求。杨福兴、张琪等人[2]在整数规划法基础上，建立限制车辆、带时间窗、时变环境、容量等条件下物流车辆优化调度方法，采用Solomon测试集对算法性能进行评判，仿真结果表明该方法精准度较高，但该方法计算过程复杂，适用性不高。王志国[3]提出以冷链物流服务配送体系的构想，探究了送时冷链物流资源、业务协同路径以及合作利益分配机制，解决物流"最初一公里"发展瓶颈。最终实验结果表明，此算法能够更快地达到全局收敛，并得到更加稳定的寻优结果，提高了寻优的质量和效率。但该方法适用性不高，并且精准率较差。

基于上述问题，本文研究的生鲜产品调度方法，利用配送成本和产品新鲜度，建立最低新鲜度限制的物流协同调度方法并分析求解，以低成本和产品新鲜程度为目标来最大程度满足客户对产品的要求，构建NSGA-II动态方法通过计算获得最终结果。旨在获得较好的生鲜产品调度结果。

2 生鲜产品云物流任务问题建模

编排统一生产的各种类别产品，减少产品配送的等待时间和可能会发生变质所产生的损失，因此需要提高产品的新鲜程度。相同路径的生鲜产品加工完成后需要立刻装车运输。在可以及时交付客户以及满足对客户要求的前提下，使运输配送成本最小、新鲜程度最大，将要安排配送先后顺序、生产批量以及生产起始。

运用单调连续减函数θp(t)描述为产品，p描述为时间变化。如若产品完成的时间描述为0时刻，在交付客户的时候，新鲜度可描述如下

θ(ti)=1-(ti/Tp)2;0≤ti≤Tp

(1)

式中：Tp描述为产品的新鲜度周期。客户对产品的新鲜程度直接影响到客户对产品的满意度。因此想要满足客户对新鲜度g的要求，就需达到低成本和产品新鲜程度两个目标[4]。即θp(ti)≥g。Dn×n描述为任务间的依赖关系，疏忽了产品的开发过程。此矩阵是简化设计结构矩阵，其中

(2)

其中i、j=1，2…，n;n描述为任务数量。

人员意向矩阵Pm×n，它是描述人员和任务之间意图相互联系的矩阵。矩阵元素描述描述为

(3)

其中i=1，2，…，m;m描述为人员数量。j=1，2，…，n;n描述为任务数量。

任务工作量列阵，将任务i分配给e为1的工程师任务重复实际履行描述为Mn，mi的数值。任务分配矩阵Am×n表示0-1利用布尔矩阵的运算性质。根据Am×n、Mn算出任务执行的实际任务重复实际履行[6]。矩阵Fn，fi数值说明任务i实际履行所需要的时间，即

(4)

Dn×n给出的任务实际履行的时间制约、Fn给出的实际履行时间，计算时刻矩阵Sn，Si的值说明任务i的世纪时刻Sn和Fn就可以计算出产品开发所需的时间描述为计算出整个产品开发所需人员成本是

(5)

依据Am×n、Tn、Qm×n描述为产品开发完成后的预期中达成的指数表示为

(6)

质量、成本以及时间有(4)～(6)式算出，得到生鲜任务调度优劣指标，也就生鲜产品的质量、成本以及时间组成的产品市场值如式(5)所示

(7)

k100β(Q·Q)描述为由产品的优劣程度形成的市场价值。式中，Qd描述为该产品的质量的最差值，k和β的定义与h、a的定义基本一致。

综上所述，产品协同生产任务问题可用数学语言表示为：目标函数描述为

maxf(T，C，Q)

(8)

约束条件描述为

tj-ti≥di(∀tj∈si)

(9)

(10)

ti≥0(i=1，2，…，n)

(11)

其中ti、di、si、rik描述为任务i的需要资源k的数量、持续时间、开始时间以及前驱任务集合。

3 基于最低新鲜度的NSGA-II动态协同调度方法

3.1 最低新鲜度分析

云物流是指基于云计算应用模式的物流平台服务，在云计算的管理上储备了各种记录匹配中介数据或者索引，利用云计算方式进行分布式搜索。

为提高客户满意度，在生鲜产品的实际运输、生产过程中，利用评估客户对产品新鲜度的要求，把运输过程中所产生的成本费用在最大程度上降到最低[8]。同样，当客户考虑以产品交付新鲜度为主要目标时，生鲜企业可以根据经济能力和效益多投入物流车辆运营，由此提高交付产品的时间。

3.2 方法目标选择

针对生鲜产品的云物流任务协同调度问题，设定如下调度目标：

1)为承担着最大化降低物流费用；

2)运输及时保障产品新鲜度；

3)调度时间和方法运行时间满足资源调遣单位时间完成的工作量与及时送达；

4)云物流平台收益高于传统物流；

5)保障第4方、第5方关联物流企业的收益；

6)投诉几率低于临界值。

3.3 NSGA-II规划方法建立

1)运费目标

对单独任务提出通过最低费用运输。运量描述为xij，运送方法的运费单价描述为cij，单个任务提出要求的第i个子任务的第j个该请求的运费目标见式(12)：

(12)

运费目标是物流提出要求方、物流平台、物流服务方多方统一的结果。

2)时间目标

为单一子任务，通过一个或者多个区间段落来挑选物流路径，每个区间段落都需耗费时间，在求解方法的过程中也需要时间消耗[9]。时间目标见式(13)、式(14)所示

(13)

(14)

式中cttij描述为第i个子任务的第j个物流运输方法的单位运输时间、cttij描述为第i个子任务的第j个物流运输方法的单位计算时间、xij描述为第i个子任务的第j个物流运输方法的运量。

3)利益目标

一般来说，就算收益最大不是云物流企业，但也不能够低于传统物流企业的利益。作为第四方、第五方的传统物流平台传的利益对比云物流企业的利益目标见式(14)，式中xi描述为第i个物流任务的单价，ci描述为第i个物流任务的运量

(15)

4)满意度目标

客户对物流方产生的投诉率少为满意度目标，当发货方的货品越按时、按质送达时满意度目标越高，同样当收货方收到的货品越按时、按质收到时满意度目标越高。所以，需要根据投诉所产生因素建立投诉目标函数式

(16)

通过统计交通状况、环境因素等可能对运输途中的影响，再利用大数据进行统计、挖掘与更新，使物流状态精确掌控。运用互联网技术对当前物流所运用的运载工具资源运行情况进行实时监控。将更新后的大数据代入静态NSGA-II规划方法，在T+Δt更新模型数据，最后动态NSGA-II规划模型由静态NSGA-II规划形成。

4 仿真研究

4.1 实验参数设置

为了验证本文中算法对于解决配送中心运输调度问题的有效性，以国内某生鲜产品物流调度中心的平面布局及其生产作业数据为实例，进行仿真论述。仿真环境为MATLAB R2012a，实验环境参数如表1所示。

表1 实验环境参数

引入协同物流这一概念通过设立配送中心进行转运整合，利用资源的规模效益和互补效益，减少空行程，提高物流资源利用率，使得协同系统的总费用降低。协同物流系统示意图如图1所示。

图1 协同物流系统示意图

产品新鲜度变化和接受程度见图2。

图2 产品新鲜变化和接受程度

4.2 实验结果分析

算法执行过程中搜索到的最优解的变化如图3所示。

图3 迭代搜索中最优总费用变化

由上图可以看出，随着迭代次数的增加总费用下降明显，迭代到一定步数结果趋于稳定。协同系统通过配送中心的整合，减少了回程和车辆行驶距离；提高了物流设施的利用率，系统中车辆使用数量下降，减少了车辆租赁费用；故虽然增加了配送中心费用支出，整体费用仍然取得了较好的值。

用排列图法把各类产品的新鲜度分别设置为0.70和0.90，求得其排列图解见图4。

图4 不同新鲜度水平限制下的排列图沿面

在生鲜产品的新鲜度水平是0.70时，就可以减少车辆使用数量，让配送的成本降低的解见图4左上角部分显示；图4中虚线框内的解是在物流使用车辆数量减少，生鲜产品的新鲜度水平为0.70时，出现的少量排列图，支配新鲜度限制水平为0.90时，所产生的排列解图；则图4右下键的解分布表示在物流车辆使用数量增加，可以明显看出两种产品新鲜度限制水平下产生的解基本相同。

假设系统中有3个物流中心，Agentm1、Agentm2、Agentm3，分别负责为14个站点配送货物，各站点对货物需求量、卸货消耗时间、进站时间窗约束及坐标位置均相同。假设各物流中心车辆最大载重量12吨，调用车辆固定费用100元，平均车速100 km/h，单位里程消耗费用1元/km，协商任务调度结果如图5所示。

图5 物流中心协商任务调度结果

由图5可以看出，图(a)显示Agentm2报价较高，因此将Agentm2与Agentm3相比较，图(b)显示相比于Agentm2，Agentm3的报价较低，因此总的来说，Agentm3物流中心的报价最低。协商策略的实质就是各参与方随着协商进程的让步策略。各企业借助Internet实施企业资源信息共享、创造协同环境、提供服务并协调所有的物流活动，通过资源整合实现运输规模经济，提高了利润和绩效。

5 结论

针对客户对生鲜产品的要求以及生产、配送环节关联紧密情况，将以交付到客户手中的生鲜产品的新鲜度最高和总配送成本最小为两大目标。建立具有最低新鲜度限制的生鲜配送协同调度双目标优化方法。利用空闲资源第四方、第五方对物流资源的合理进行比较全面的长远发展计划，使得云物流较比传统物流方式更高效，运用NSGA-II调度算法，达到物流速度快、成本低的目标，此方法最大程度提高云物流调度问题、算法更简单、适应性更广泛。