遗传算法在跨境电商中多目标地物流路径优化的应用研究——以四川省“六朵金花”名酒为例

何志林HE Zhi-lin

（成都农业科技职业学院，成都 610000）

1 跨境电商与四川省“六朵金花”名酒情况介绍

1.1 什么是跨境电商

笔者认为，跨境电商是指分属不同关境的交易主体，通过电子方式达成交易，进行支付结算，并通过跨境物流送达商品，完成交易的商业模式。跨境电商作为一种国际贸易新业态，是将传统国际贸易加以网络化、电子化，以电子技术和物流为主要手段，以商务为核心，把传统的销售、购物渠道移到网上，打破国家与地区有形无形的壁垒，因其能减少中间环节，节约成本等优势，在全世界范围内迅猛发展。

1.2 我国跨境电商的发展情况

1.2.1 我国出口跨境电商高速发展，以出口为主

根据商务部、海关总署等部门的统计，2020 年我国实现跨境电商进出口额1.69 万亿元，增长31.1%。其中，出口1.12 万亿元，增长40.1%；进口0.57 万亿元，增长16.5%，通过海关跨境电子商务管理平台验放进出口清单达到24.5 亿票，同比增加63.3%。出口贸易比例来看,我国跨境电商渗透率逐年提高，从2008 年的4.0% 上升至2016 年的27.5% ，再到2020 年达到37.6%。

2021 年我国出口跨境电商交易额占整体外贸交易额的85.1% 。我国跨境电商仍以出口为主。

1.2.2 我国出口跨境电商的主要模式以B2B 为主

主要包括B2B 和B2C 两类。其中B2B 出口模式的卖家主要是境内的生产商、贸易商，买家主要是境外的贸易商、批发零售商、生产商、网店主等。B2C 模式则是通过第三方平台和自建网站直接销售给国外终端消费者。

1.3 四川省”六朵金花“名酒与跨境电商情况

四川省“六朵金花”名酒——宜宾五粮液、泸州老窖、绵竹剑南春、射洪沱牌曲酒、成都水井坊、古蔺郎酒，都曾获得过“中国名酒”称号。2018 年，五粮液集团，“一带一路”中国名酒文化高峰论坛在四川宜宾举行；2019 年，川酒全国行首站落地西安，“六朵金花”川酒全部参加；2017年到2019 年，茅台在非洲的销量从零到年增长77.31%。四川白酒“六朵金花”主动融入跨境电商，从探索中逐渐发展，获得“一带一路”的市场份额越来越大。

本文主要研究跨境电商中的“一带一路”内容。海关数据统计，五粮液直接出口日本、韩国、菲律宾、新加坡、南非、澳大利亚、新西兰、美国、加拿大、巴拿马等国家和地区，不仅占据四川省白酒业完成出口的90%以上，在中国白酒出口总规模的口径统计结果中，位于前列。

2 关于遗传算法和“六朵金花”名酒物流路径优化过程

2.1 遗传算法

遗传算法是一种模拟生物进化算法，通过迭代寻求最优化答案。进化算法原理是生物进化会一代更比一代好，变量是各种染色体，如果能够挑选到更好的染色体，就能得到更进化（更优）的后代。一直迭代，直到认为是最佳后代（最优）停止。

2.2 四川省“六朵金花”名酒物流路径优化过程

遗传算法能有效计算出总路程最小的方案。因为“六朵金花”名酒分布的区域广、距离长、目标多的情况，首先运用K-means 聚类方法划分配送区域，降低了求解的规模和难度。然后以“六朵金花”名酒运输到集中点为例，按照遗传算法流程，先设立初代路径，再引入变量，迭代为下一代路径，比较后得出是否是进化遗传，如果是则继续迭代，如果不是则抛弃较差路径。

3 遗传算法四川省“六朵金花”名酒跨境电商中多目标地物流路径优化的应用研究

3.1 “六朵金花”的地理位置

五粮液和泸州老窖、古蔺郎酒在川南；绵竹剑南春、射洪沱牌曲酒在川北；成都水井坊在川中。如图1。

图1 四川省“六朵金花”地理位置分布图

3.2 考虑四川省成都市为集中点

3.2.1 四川省“六朵金花”名酒应抱团发展，统一以“川酒”命名，以某一地为集中点，整车配货发往国外

据统计，国外消费中国酒的大部分是中国人，外国人因为文化差异、不了解中国白酒等原因，不愿意消费中国白酒。目前，“川酒”在国际市场上的占比0.32%左右。“川酒”各自为战，五粮液剑指亚洲、茅台紧盯非洲、水井坊聚焦中亚、泸州老窖主攻东南亚、剑南春和沱牌还未出国。有专家和学者建议，统一以“川酒”命名，集中力量进入国外市场，宣传中国酒文化，产生集群效应，节省交流成本和交易成本。

3.2.2 建议以成都市为集中点

①成都为四川省会城市，空陆交通发达，是交通枢纽，又是中欧班列的起点，“一带一路”上非常重要的节点城市，是对外贸易和出口的基地。

②四川省“六朵金花”分别位于川北和川南，川中，以下是各生产厂到成都市的距离。如表1。

表1 各生产厂到成都市的距离

如果以成都市为中心，则总距离为1267 公里。这肯定不是最小总路程。我们可以按照作图法找到几何中心点。但这个几何中心点不在成都，只能是作图意义上的最短总路程，对于现实情况没有意义。

3.3 本文研究目的是解决六个目的地运输路径遍历总路程最小问题

由于目前各生产厂商出口量较小，大多数时候不够发一辆整车，导致运输次数增多、成本增加；又由于各自为战的局面，无法统筹协调，散落在各地，导致了运输次数增多、路程增长，成本增加。

所以，我们将以成都市为集中点，利用遗传算法计算出遍历六个目的地总路程最小的路径。

3.4 确定初代路径

基于K-means 聚类方法对配送区域分类，可以使得问题变得简便。因为水井坊是距离集中点-成都最近的生产厂商，距离约15 公里，只能将之放在路径最后点，这样实际进行优化的是其他5 个点之间的路径；又因为川南相邻的有3 个点，占了总数的50%（共6 个点），所以，我们以川南任一个厂为起点都可以；再因为五粮液的出口量目前最多，应该将之设为起点，它为主要承载量，其他厂家为其配齐整车即可。故初代路径可任意设为五粮液→泸州老窖→古蔺郎酒→沱牌→剑南春→水井坊（成都）。表2 是按初始路径计算得出的6 个厂之间的距离（公里）。

表2 按初代路径计算得出的6 个厂之间的距离（公里）

由表2 得出初始路径总路程为928 公里。相比较原来各生产厂到成都市的总路程（见表1）1267 公里的路径，节省了339 公里。但，这可能不是最优解（较优）。

从初代路径的进化结果来验证，我们将四川省“六朵金花”名酒抱团发展，以“川酒”命名的决策，若以成都作为集中点，在物流路径总路程上节省了339 公里，这肯定会降低我们的物流成本，减少运输次数，并且能整车运输，达到运输集成化。

事实上，当我们采用K-means 聚类方法后，有几个变量已经“不变”，这是在求解距离类路径优化问题中的一个“简便”方法，不仅使得问题变得简便，而且也减少了计算工作量，把一些明显的最优解（点）确定下来，使之“不变”。同时，结合实际情况，如需要配载，应以运量最大的点出发，确定五粮液肯定是起点，则又把问题简化，且符合实际情况。

3.5 第一次迭代

迭代方法：对初始路径中的变量，采用部分交叉匹配方式，只一次变异产生第一代，将计算结果与上一代相比，看是否是进化迭代。

目标是总路程最小，初始路径中最长路径是古蔺郎酒→沱牌413 公里，以此为第一次迭代对象。

部分交叉：变异为泸州老窖→沱牌。采用K-means 聚类方法分析得出，显然泸州老窖应为川南片区的终点，因为如果泸州老窖→沱牌再回古蔺，则明显有重复路径，肯定不会是最优。初代路径已经确定的五粮液为起点，水井坊为终点不变，所以，第一代路径为五粮液→古蔺郎酒→泸州老窖→沱牌→剑南春→水井坊（成都）。表3 是按第一代路径6 个厂之间的距离（公里）。

表3 第一代路径6 个厂之间的距离（公里）

由表3 得出第一次迭代总路程为856 公里。

相比较初始路径的928 公里，节省了72 公里。这是进化迭代。但这可能不是最优解（较优）。图2 为迭代的流程图。

图2 迭代流程图

3.6 第二次迭代

按照部分交叉匹配方式，采用K-means 聚类方法，川南片区的第一代路径已经是最优解。在第一次迭代时，我们已经将川南片区三个点的每一种路径情形进行了比较，其中有重复路径的直接被舍弃，不用计算；其中两种路径，经过比较选择了较短路径，即五粮液→古蔺郎酒→泸州老窖，可以确定这就是川南片区最短路径。这种方法能减少计算工作量。

部分交叉：将泸州老窖→沱牌变异为泸州老窖→剑南春，则第二代路径为五粮液→古蔺郎酒→泸州老窖→剑南春→沱牌到水井坊（成都）。表4 是按第二代路径6 个厂之间的距离（公里）。

表4 第二代路径6 个厂之间的距离（公里）

由表4 得出第二代总路程为942 公里。相比较第一代路径的856 公里，多86 公里。这是退化迭代。此解应被舍弃。

在遗传算法中，得到退化迭代是正常现象，说明部分交叉变异产生的后代比上一代更差，这个结果舍弃即可。虽然未能得到较优解，但至少证明此次变异不可行。

3.7 得出结论

采用K-means 聚类方法，川南和川北片区已经是最优解了，不需要再引入变异做比较。即使强行验算，也必然是被舍弃的解。因为，其他的解都是重复路径，显然不是较优解，这可以直接从地理位置图中看出。所以，最优解应为第一代路径的856 公里，即五粮液→古蔺郎酒→泸州老窖→沱牌→剑南春→水井坊（成都）。

4 结束语

在所有的物流成本中，运输成本占到25%左右，所以降低运输成本就是提高竞争力。四川省“六朵金花”名酒要在跨境电商中获得成果，降低物流成本是关键一环。本文建议所有川酒应采用“川酒”这个品牌对外营销，抱团发展，产生集群效应。本文研究了如何解决集货前的物流路径问题。采用K-means 聚类方法，首先按地理位置集中程度将变量分片，分为三片，川南、川北、川中，然后通过实际情况的考量，确定集中点为成都市，进而确定水井坊（成都）为最后一个运输遍历点，再采用遗传算法，确定初代路径，之后随机选择川南片区中的一个变量变异，迭代后形成第一代路径，发现第一代路径比初代路径更优，再次选择川北片区中的变量变异，经迭代后形成的第二代路径比第一代路径更差，将较差解舍弃，最后通过观察，发现虽然有较多的解，但肯定都是重复路线，不会比现有的第一代路径更优，确定最优路径为第一代路径。

本文研究的方法可以应用在路径优化的其他领域，如飞机航线安排、送邮件、快递服务、设计校车行进路线等。再如印制电路板钻孔路径优化，在一块电路板上打成百上千个孔，转头在这些孔之间移动，相当于对所有的孔进行一次遍历巡游。还如美国国家卫生协会在人类基因排序工作中用该方法绘制放射性杂交图。把DNA 片段作为城市，它们之间的相似程度作为城市间的距离。又如法国科学家已经用这种办法作出了老鼠的放射性杂交图。此外，还有电缆和光缆布线、晶体结构分析、数据串聚类等多种用途。