○ 俞秋婷 張岐山
(福州大學(xué)管理學(xué)院 福建 福州 350108)
應(yīng)急物流配送網(wǎng)絡(luò)設(shè)計(jì)是一個(gè)復(fù)雜系統(tǒng),它的模型既可以是確定性的,也可以是不確定性的。在確定性模型中,獲得的信息都是確定值;而不確定性模型中,獲得的信息可以是不確定的,包括需求的不確定、路徑選擇的不確定、車(chē)輛選擇的不確定,還包括隨機(jī)不確定、模糊需求不確定和灰色不確定等。國(guó)內(nèi)外的學(xué)者對(duì)于確定性應(yīng)急物流配送網(wǎng)絡(luò)作了較為細(xì)致全面的研究,通過(guò)建立整數(shù)規(guī)劃或者混合整數(shù)規(guī)劃、雙層規(guī)劃模型、多目標(biāo)模型描述應(yīng)急物流配送網(wǎng)絡(luò)。為了使所建立的模型越來(lái)越接近現(xiàn)實(shí),越來(lái)越多的應(yīng)急物流配送網(wǎng)絡(luò)的研究引入了模糊變量、隨機(jī)變量、灰變量。
目前,大多數(shù)的研究都集中在對(duì)需求的模糊性或隨機(jī)性、運(yùn)輸時(shí)間的模糊性以及災(zāi)難對(duì)于路徑破壞的模糊性上,極少考慮由于天氣隨機(jī)變化影響運(yùn)輸效率的隨機(jī)模型。在現(xiàn)實(shí)中,由于氣候因素導(dǎo)致運(yùn)輸效率降低是相當(dāng)普遍的,而在應(yīng)急物流中,時(shí)效的重要性凸顯,因此考慮天氣隨機(jī)因素的應(yīng)急配送網(wǎng)絡(luò)研究是有價(jià)值的。
當(dāng)某個(gè)地區(qū)遭受突發(fā)事件影響時(shí),就需要對(duì)這個(gè)地區(qū)進(jìn)行物資的應(yīng)急配送。天氣是對(duì)該地區(qū)進(jìn)行應(yīng)急配送重要的影響因素,它直接影響該物資運(yùn)送的時(shí)間成本。當(dāng)天氣情況較好時(shí),路段流量較為暢通,從而導(dǎo)致運(yùn)輸時(shí)間延長(zhǎng);反之,當(dāng)天氣情況較差時(shí),路段流量較為擁堵,進(jìn)而引起運(yùn)輸時(shí)間縮短。因此,天氣狀況對(duì)于整個(gè)交通運(yùn)輸有著重大影響,必須考慮天氣隨機(jī)變化情況下的應(yīng)急配送中心選址和運(yùn)輸路線的安排問(wèn)題。
災(zāi)害發(fā)生后,天氣狀況概率分布服從某種分布,其中x軸表示天氣好壞,y軸表示天氣狀況的概率。當(dāng)天氣狀況服從正態(tài)分布時(shí),x的隸屬函數(shù)的概率密度為:
通過(guò)隨機(jī)模擬,正是由天氣狀況和概率的隨機(jī)取值來(lái)決定路段流量eij的隨機(jī)分布,為了簡(jiǎn)化模型和便于求解,本文將路段流量eij的取值設(shè)定為服從0-1隨機(jī)分布,分布如下:
應(yīng)急配送網(wǎng)絡(luò)問(wèn)題屬于最小成本問(wèn)題,其中不僅僅包括一般物流配送的費(fèi)用成本,還包括時(shí)間成本。本文討論的是多個(gè)受災(zāi)點(diǎn)和多個(gè)出救點(diǎn)的應(yīng)急配送網(wǎng)絡(luò)規(guī)劃問(wèn)題。其中主要包括兩個(gè)問(wèn)題,一個(gè)是出救點(diǎn)的選址問(wèn)題,即在多個(gè)備選出救點(diǎn)中選取數(shù)量一定的點(diǎn)確定成為應(yīng)急狀況下的出救點(diǎn),另一個(gè)是運(yùn)輸線路問(wèn)題,即每個(gè)受災(zāi)點(diǎn)對(duì)應(yīng)某個(gè)出救點(diǎn)進(jìn)行物資的供應(yīng)。該應(yīng)急配送網(wǎng)絡(luò)是以一個(gè)一級(jí)運(yùn)輸系統(tǒng)(即從出救點(diǎn)到受災(zāi)點(diǎn)之間的運(yùn)輸)運(yùn)作總成本最小化為目標(biāo),綜合考慮應(yīng)急配送過(guò)程中的各種制約因素而建立的數(shù)學(xué)模型。
第一,假設(shè)天氣變化服從某一正態(tài)分布。X-天氣好壞的取值范圍為(0,1),即x=0表示天氣差,x=1表示天氣好;Y- 概率的取值范圍為(0,1),即y=0表示此狀況發(fā)生的可能性為不可能,y=1表示此狀況發(fā)生的可能性為一定發(fā)生。x表示一種對(duì)天氣的評(píng)價(jià)好壞,y表示天氣為x狀況下的概率是多少。
第二,假設(shè)不同天氣導(dǎo)致從出救點(diǎn)j到受災(zāi)點(diǎn)i的路段流量eij服從0-1隨機(jī)分布。由于天氣的變化,不同路段的流量eij隨機(jī)變化。假設(shè)受災(zāi)點(diǎn)的數(shù)目是一定的,需求量的情況為隨機(jī)需求。目前設(shè)成 xij取[a,1)且 yij取(0,b)上的值時(shí),eij為 1,其它情況為0(a和b為可調(diào)參數(shù),以免eij大部分為0)。
第三,備選的出救點(diǎn)已經(jīng)過(guò)粗篩選,在確定的若干備選點(diǎn)進(jìn)行選址,如果符合條件就建立,否則就不建立。
第四,出救點(diǎn)的容量、固定建設(shè)費(fèi)用、物資的儲(chǔ)存費(fèi)用和運(yùn)輸成本均已知。出救點(diǎn)到受災(zāi)點(diǎn)的配送距離、單位運(yùn)輸費(fèi)用和運(yùn)輸速度均已知。
第五,運(yùn)輸費(fèi)用和運(yùn)輸量、距離成正比。出救點(diǎn)數(shù)目一定,且出救點(diǎn)有容量的限制。每個(gè)受災(zāi)點(diǎn)至少有一個(gè)出救點(diǎn)供貨。目標(biāo)函數(shù)為成本函數(shù),且為線性函數(shù)。
第一,模型中的參數(shù)符號(hào)。
i:受災(zāi)點(diǎn)編號(hào) i∈{1,2,……I};
j:出救點(diǎn)編號(hào) j∈{1,2,……J};
eij:0-1變量,表示從出救點(diǎn)j到受災(zāi)點(diǎn)i的路段流量eij能否可行(1—可行,0—不可行);
eij通過(guò)隨機(jī)模擬的過(guò)程來(lái)擲篩子求出它的取值,每一段路都擲一次篩子;
E:最終選擇的出救點(diǎn)j數(shù)量;
a:時(shí)間成本的權(quán)重a?(0.6,1)(使得時(shí)間作為主要的優(yōu)化目標(biāo))(設(shè)定一個(gè)固定值,eg:0.6);
fj:出救點(diǎn)j基礎(chǔ)投資費(fèi)用;
Lj:出救點(diǎn)j的最大容量限制;
Cj:出救點(diǎn)j的存儲(chǔ)費(fèi)用;
γi:受災(zāi)點(diǎn) i的需求量;
Gij:出救點(diǎn)j到受災(zāi)點(diǎn)i的的單位距離運(yùn)輸費(fèi)用(根據(jù)eij來(lái)確定,若eij=0,則為無(wú)窮大,否則由用戶指定或由隨機(jī)函數(shù)生成);
dij:出救點(diǎn)j到受災(zāi)點(diǎn)i的距離;
vij:出救點(diǎn)j到受災(zāi)點(diǎn)i的運(yùn)輸速度;
第二,模型中的變量。
Mj:0-1變量,表示第j個(gè)待選出救點(diǎn)是否被選擇建立(1—選,0—不選);
Kij:0-1變量,表示出救點(diǎn)j和受災(zāi)點(diǎn)i是否存在供需關(guān)系(1—存在,0—不存在);
Kij:救點(diǎn)j是否向受災(zāi)點(diǎn)i提供救助;
Xij:出救點(diǎn)j到受災(zāi)點(diǎn)i的運(yùn)量。
應(yīng)急配送網(wǎng)絡(luò)問(wèn)題屬于總成本最小的問(wèn)題,其中包括了時(shí)間成本和費(fèi)用成本兩大塊。根據(jù)上述的模型假設(shè),綜合考慮了受災(zāi)點(diǎn)對(duì)物資的隨機(jī)需求、給定出救點(diǎn)選址數(shù)量和出救點(diǎn)容量水平限制等情況,基于天氣隨機(jī)變化的以及配送網(wǎng)絡(luò)模型的構(gòu)建如下。
目標(biāo)函數(shù)是:
對(duì)所建模型作簡(jiǎn)要說(shuō)明:
目標(biāo)函數(shù)(1)為應(yīng)急配送網(wǎng)絡(luò)的總成本最小,其中包括了時(shí)間成本和費(fèi)用成本。其中函數(shù)(2)表示時(shí)間成本的最小化,函數(shù)(3)表示費(fèi)用成本的最小化,即出救點(diǎn)開(kāi)設(shè)和運(yùn)營(yíng)的固定建設(shè)費(fèi)用,從出救點(diǎn)到受災(zāi)點(diǎn)的運(yùn)輸費(fèi)用以及出救點(diǎn)物資的儲(chǔ)存費(fèi)用,物資在出救點(diǎn)和受災(zāi)點(diǎn)之間的選址配送等費(fèi)用總和最小。
約束條件(4)保證允許開(kāi)設(shè)的出救點(diǎn)的數(shù)目為確定量;約束條件(5)表示所有出救點(diǎn)i配送到受災(zāi)點(diǎn)j的商品總量要滿足受災(zāi)點(diǎn)j對(duì)商品總需求量;約束條件(6)表示出救點(diǎn)的供應(yīng)量是有限制的,出救點(diǎn)i配送到受災(zāi)點(diǎn)j的商品總量不得超過(guò)出救點(diǎn)的容量;約束條件(7)表示每個(gè)受災(zāi)點(diǎn)至少有一個(gè)選中的出救點(diǎn)供應(yīng)物資;約束條件(8)表示非負(fù)變量的取值約束;約束條件(9)保證變量取0或1。
在應(yīng)急配送網(wǎng)絡(luò)模型的算法求解中,如何運(yùn)用合適的微粒表達(dá)方法,是實(shí)現(xiàn)算法一個(gè)非常重要的突破點(diǎn)。應(yīng)急配送網(wǎng)絡(luò)出救點(diǎn)的選址問(wèn)題主要是在一系列備選出救點(diǎn)中確定出救點(diǎn)的最佳位置,最終的目標(biāo)是使總成本最小化。對(duì)于每個(gè)受災(zāi)點(diǎn)來(lái)說(shuō),就存在兩個(gè)問(wèn)題:是不是出救點(diǎn),該受災(zāi)點(diǎn)隸屬于哪個(gè)出救點(diǎn)。本文構(gòu)造了一種微粒表達(dá)方法,對(duì)于一個(gè)H個(gè)受災(zāi)點(diǎn)的出救點(diǎn)的選址問(wèn)題,每微粒對(duì)應(yīng)于一個(gè)H列的矩陣。
例如,設(shè)某一應(yīng)急配送網(wǎng)絡(luò)有4個(gè)備選的出救點(diǎn),要從中選出2個(gè)作為確定的出救點(diǎn)(即配送中心);6個(gè)受災(zāi)點(diǎn),若某微粒的位置向量X為:
出救點(diǎn)號(hào):1 2 3 4
X1:0 1 0 2
受災(zāi)點(diǎn)號(hào):1 2 3 4 5 6
X2:2 1 2 2 1 2
其中X1表示該備選的出救點(diǎn)是否為確定的出救點(diǎn),0表示不是,自然數(shù)i表示在該點(diǎn)建立第i個(gè)出救點(diǎn);X2表示該受災(zāi)點(diǎn)點(diǎn)隸屬于第幾個(gè)出救點(diǎn)。
在該例子中,配送中心為:2,4;需求點(diǎn)隸屬情況為:
2:1,5
4:2,3,4,6
線性遞減慣性權(quán)重的粒子群算法求解考慮天氣隨機(jī)變化的應(yīng)急配送網(wǎng)絡(luò)模型,其算法總體流程如下:
Step1:設(shè)定微粒群算法參數(shù)。
Step2:初始化微粒 X。微粒 X 中:x=[M1,M2,…Mj]是(J+M)維二進(jìn)制,wj∈{0,1},1 表示網(wǎng)絡(luò)節(jié)點(diǎn)出救點(diǎn)修建,0 表示不建。檢查修建的出救點(diǎn)的總數(shù)是否滿足設(shè)施設(shè)置的最小值約束,以及檢驗(yàn)選中的出救點(diǎn)的處理能力是否能滿足受災(zāi)點(diǎn)的需求,確保受災(zāi)點(diǎn)不會(huì)與未設(shè)置的出救點(diǎn)相關(guān)聯(lián)。
Step3:初始化微粒eij。由天氣狀況符合正態(tài)分布或均勻分布,來(lái)確定eij的取值。若微粒eij=0,出救點(diǎn)j到受災(zāi)點(diǎn)i的單位距離運(yùn)輸費(fèi)用Gij則為無(wú)窮大;若eij=1,則Gij=1。
Step4:評(píng)價(jià)每個(gè)微粒的適應(yīng)值。以f目標(biāo)函數(shù),以其值最小為目標(biāo)進(jìn)行進(jìn)化。
Step5:將當(dāng)前各微粒的位置和適應(yīng)值分別存儲(chǔ)在各微粒的pi,fitmessi中,將所有pi中適應(yīng)值最優(yōu)個(gè)體的位置和適應(yīng)值分別存儲(chǔ)在 pg、fpbest中。
Step6:更新微粒的速度和位置。
Step7:更新微粒的權(quán)重。
Step8:執(zhí)行Step3,評(píng)價(jià)每個(gè)微粒的適應(yīng)值,并與fitnessi和fpbest進(jìn)行比較,如果較好,則更新 fitnessi、fpbest、pi和 pg。
Step9:重復(fù)Step6到Step8給定的循環(huán)次數(shù)。
[1]唐康:基于隨機(jī)需求的應(yīng)急物資分配模型[J].現(xiàn)代商業(yè),2010(8).
[2]王世珍:多目標(biāo)應(yīng)急救援物資調(diào)度問(wèn)題的研究[J].知識(shí)經(jīng)濟(jì),2009(12).
[3]李軍軍、王錫淮、黃有方、肖健梅:基于混合微粒群優(yōu)化算法的配送中心選址問(wèn)題求解[J].現(xiàn)代物流技術(shù),2006(29).
[4]Ayed Salmen,Imtiaz Ahmad,Sabah A1-Madani:Particle swarm optimization for task assignment problem[J].Microprocessors and Microsystems,2002(26).
[5]汪定位、王俊偉:智能優(yōu)化方法[M].高等教育出版社,2009.