陳夢南+楊斌+朱小林

摘要：為研究距離、倉儲成本、倉庫建設(shè)成本、國家稅收政策對海外倉選址的影響，建立實現(xiàn)總運營成本最小與客戶滿意度最大的雙目標優(yōu)化模型.該模型采用粒子群優(yōu)化算法進行求解，運用MATLAB實現(xiàn)，構(gòu)建有23個節(jié)點的物流運輸網(wǎng)絡(luò)驗證模型與算法的可行性.結(jié)果表明：采用雙目標優(yōu)化模型能得到不同的選址方案，對海外倉選址問題的解決有一定的現(xiàn)實意義；各節(jié)點間的距離和海外倉的倉儲成本對海外倉選址有顯著影響.

關(guān)鍵詞： 海外倉； 倉庫選址； 雙目標規(guī)劃； 粒子群算法

中圖分類號： F252.14

文獻標志碼： A

Abstract： In order to study the effect of distance， storage cost， warehouse construction cost and national tax policy on overseas warehouse location， the biobjective optimization model is built to realize the minimum total operating cost and the maximum customer satisfaction. The particle swarm optimization algorithm is adopted to solve the model， which is realized by MATLAB. The feasibility of the model and algorithm is verified through the construction of the logistics transportation network with 23 nodes. The results show that： the different location schemes can be obtained by the model， which has certain practical significance for overseas warehouse location； the distances between nodes and the storage costs of overseas warehouses have significant effects on overseas warehouse location.

Key words： overseas warehouse； warehouse location； biobjective programming； particle swarm optimization

0 引 言

近年來，跨境電商發(fā)展迅速，市場規(guī)模不斷擴大.國家統(tǒng)計局發(fā)布的數(shù)據(jù)[1]顯示， 2014年我國的進出口總額達264 000億元，其中通過跨境電商完成的貿(mào)易額約 40 000億元.然而，隨著跨境電商的迅猛發(fā)展以及消費者對海外淘業(yè)務(wù)體驗要求的日益嚴苛，出口物流發(fā)展的瓶頸日益凸顯.為實現(xiàn)跨境貿(mào)易本土化，提升消費者的購物體驗，許多跨境電商紛紛開辟了海外倉業(yè)務(wù).

國內(nèi)學(xué)者對海外倉相關(guān)問題進行了定性研究：張夏恒等[2]提出海外倉是解決跨境電商運輸周期長、物流成本高、受政策和匯率影響大等諸多問題的一種有效途徑；潘意志[3]系統(tǒng)闡述了海外倉的概念、優(yōu)勢、不足和適用范圍，并對海外倉的若干關(guān)鍵問題進行了分析；資道根[4]建立了海外倉模式下跨境電商的成本模型，并通過實際案例論證了模型的可行性.

對于倉庫選址問題，已有較多的研究成果.定性研究倉庫選址的有：王思宇等[5]具體分析了影響物流配送中心選址的主要因素并建立了層次分析模型具體分析各因素的重要性；王曉博等[6]提出利用模糊綜合評價法確定電子商務(wù)環(huán)境下物流配送中心選址的影響因素并給出具體解決方案.定量研究倉庫選址的方法主要包括BaumolWolfe法[7]、KuehnHamburger 法[8]、CFLP法[9]、重心法、混合整數(shù)規(guī)劃法[10]和分支定界法[11]等.近年來，學(xué)者們對選址問題所做的定量研究主要有：SUN等[12]建立了最小規(guī)劃人員成本和最小客戶成本的雙層規(guī)劃模型尋求物流配送中心的最優(yōu)選址；RATH等13]通過建立有啟發(fā)式約束的MILP解決選址問題；HUA等[14]提出一種帶有非線性權(quán)重和時變加速度系數(shù)的自適應(yīng)粒子群算法解決選址問題；趙韋等[15]提出利用粒子群算法進行多配送中心選址；李新運等[16]基于GIS和變異粒子群算法提出了二級倉庫選址問題的求解方式.

海外倉選址不同會導(dǎo)致物流成本和客戶體驗不同，對跨境電商業(yè)務(wù)的開展影響顯著.本文通過整數(shù)規(guī)劃建立雙目標模型，運用粒子群算法對海外倉選址進行定量研究，并通過實際案例進行分析，具體闡明在海外倉選址問題上要考慮的實際因素，并分析各因素對選址問題的影響程度.

1 海外倉選址模型構(gòu)建

1.1 問題描述

大多數(shù)倉庫選址模型只從成本角度考慮問題，而海外倉的選址模型還需要考慮客戶滿意度.設(shè)立海外倉的主要目的是實現(xiàn)物流本土化，解決國際包裹運輸時間長、費率高等問題.客戶滿意度對海外倉選址影響顯著，因此本文構(gòu)建總成本和客戶滿意度雙目標模型解決海外倉選址問題.客戶滿意度通過評判從海外倉到買家的配送時間是否在規(guī)定時間內(nèi)來確定.跨境電商海外倉物流模式見圖1.

1.2 模型假設(shè)

本文假設(shè)如下：①從國內(nèi)樞紐倉到海外倉采取海運的方式，并享有運價折扣θ（0≤θ≤1）；②國內(nèi)賣家與國外買家之間有且只有一個國內(nèi)樞紐倉和一個海外倉，并且國內(nèi)樞紐倉之間、海外倉之間以及國外買家之間不能直接相連；③各節(jié)點倉庫的建設(shè)費用在周期內(nèi)不變；④運量不會超過各節(jié)點倉庫的容量；⑤選擇港口城市作為國內(nèi)樞紐倉和海外倉地址，從國內(nèi)樞紐倉到港口以及從港口到海外倉的運輸距離遠遠小于從國內(nèi)樞紐倉到海外倉的海運距離，忽略不計；⑥各節(jié)點之間的距離、費率和運量已知.

1.3 參數(shù)定義

1.3.1 參數(shù)變量

g為國內(nèi)賣家i的數(shù)量；k為國外買家j的數(shù)量；n為國內(nèi)樞紐倉u的數(shù)量；m為海外倉w的數(shù)量；

W為所有國內(nèi)賣家的總發(fā)運量；Vi為國內(nèi)賣家i的發(fā)運量；Viu為國內(nèi)買家i運到國內(nèi)樞紐倉u的貨物量；Vuw為從國內(nèi)樞紐倉u運到海外倉w的貨物量；Vwj為從海外倉w發(fā)往國外買家j的貨物量；Vu為國內(nèi)樞紐倉u的容量；Vw為海外倉w的容量；Liu為國內(nèi)賣家i與國內(nèi)樞紐倉u之間的距離；Luw為國內(nèi)樞紐倉u與海外倉w之間的海運距離；Lwj為海外倉w與國外買家j之間的距離；C1為從國內(nèi)賣家i到國內(nèi)樞紐倉u的運輸費率；C2為從國內(nèi)樞紐倉u到海外倉w的海運費率；C3為從海外倉w到國外買家j的運輸費率；Cuvt為每天每單位質(zhì)量貨物存放在國內(nèi)樞紐倉u的倉儲費；Cwvt為每天每單位質(zhì)量貨物存放在海外倉w的倉儲費；Cu為國內(nèi)樞紐倉u的年建設(shè)成本；Cw為海外倉w的年建設(shè)成本；tiu為國內(nèi)賣家i的貨物存放在國內(nèi)樞紐倉u的時間；tw為貨物存放在海外倉w的時間；Rw為海外倉w所在國的稅收額；twj和Twj分別為貨物從海外倉w發(fā)往國外買家j的實際時間和標準時間；γ為每批次貨物的退貨率；M為極大值變量；F為頭程運費；P為商品總貨值；Dw為海外倉w所在國的進口產(chǎn)品關(guān)稅額；w為海外倉w所在國的進口產(chǎn)品關(guān)稅稅率；ηw為海外倉w所在國的進口增值稅稅率.

1.3.2 決策變量

若貨物從國內(nèi)賣家i運到國內(nèi)樞紐倉u則xiu=1，否則xiu=0；若貨物從國內(nèi)樞紐倉u運到海外倉w則yuw=1，否則yuw=0；若貨物從海外倉w運到國外買家j則zwj=1，否則zwj=0；若選擇國內(nèi)樞紐倉u則au=1，否則au=0；若選擇海外倉w則bw=1，否則bw=0；若國外買家j對從海外倉w發(fā)貨滿意則dwj=1，否則dwj=0.

1.4 模型構(gòu)建

式（1）為總成本模型，由運輸成本、倉儲成本、倉庫年建設(shè)成本、退換貨成本、進口國稅收成本構(gòu)成；式（2）為客戶滿意度模型；式（3）和（4）表示兩個國內(nèi)賣家之間有且只有一個國內(nèi)樞紐倉和一個海外倉；式（5）和（6）表示每批貨物量遠遠小于國內(nèi)樞紐倉和海外倉的倉儲容量；式（7）表示從國內(nèi)賣家到國外買家的運輸過程中運量平衡；式（8）表示從海外倉到國外買家的貨運量不可能大于總運量；式（9）表示從國內(nèi)樞紐倉到海外倉的海運距離足夠遠；式（10）表示所有國內(nèi)賣家的貨物都運到國內(nèi)樞紐倉；式（11）為頭程運費的計算方法；式（12）表示進口國關(guān)稅；式（13）表示海外倉所在國的稅收費用；式（14）表示客戶滿意度選擇范圍.

借鑒COHON的研究結(jié)論，對于多目標規(guī)劃問題一般難以找到最優(yōu)解，只能通過設(shè)置不同的參數(shù)尋找最優(yōu)解的近似值，即得到Pareto解.參考BRONFMAN等[17]在模型求解中將雙目標問題轉(zhuǎn)化為單目標問題再求解的方法，將本文的雙目標問題也轉(zhuǎn)化為單目標問題：

2 粒子群優(yōu)化算法設(shè)計

2.1 參數(shù)設(shè)置

SSize為粒子群規(guī)模；PSize為粒子的維度；DS為粒子的搜索半徑；i為當前迭代次數(shù)；a為約束因子；c1，c2為學(xué)習(xí)因子；r1，r2為隨機數(shù)；w為慣性系數(shù)，wmax為最大慣性系數(shù)，wmin為最小慣性系數(shù)，w=wmax-（wmax-wmin）×k/kmax，其中kmax為最大迭代次數(shù)，k為當前迭代次數(shù)；infinN是為防止節(jié)點在優(yōu)先權(quán)重中被二次選擇而被賦予的無窮小初值.

2.2 設(shè)計算法編碼及解碼

基于路徑編碼的粒子群優(yōu)化算法編程原理，選用優(yōu)先權(quán)值對運輸路徑進行編碼與解碼，并將權(quán)值范圍設(shè)為實數(shù)，增大粒子的搜索區(qū)域.

解碼方法為：設(shè)定起始點并根據(jù)節(jié)點編號依次比較大小，獲取對應(yīng)權(quán)值較大的節(jié)點.為降低粒子解碼的失敗率，保證選中的節(jié)點不會再次被選，將其對應(yīng)權(quán)值設(shè)為無窮小初值.為提升該算法求解的效率，對節(jié)點編號的銜接進行約束，從而解碼組成一條運輸路徑，即：新節(jié)點編號-老節(jié)點編號>-M.

2.3 求解步驟

步驟1 參數(shù)初始化.設(shè)定運輸網(wǎng)絡(luò)的隨機路線滿意度，給定路線距離、費率、倉儲成本、倉庫年建設(shè)成本、退換貨率和稅收總額，令

k=0.

步驟2 最優(yōu)化搜索.采用粒子群優(yōu)化算法求解最短路徑問題，進而獲得最優(yōu)運輸路線以及最優(yōu)目標函數(shù).

步驟3 滿意度評估.根據(jù)步驟2的路徑方案，評估運輸路線的滿意度，轉(zhuǎn)入步驟4.

步驟4 終止.若當運輸路線滿意度小于標準滿意度時，則停止運行，獲取從1到k-1次的多種運輸路徑優(yōu)化組合方案，否則返回步驟2.

3 案 例

3.1 案例描述

現(xiàn)有5家茶葉公司達成共識，約定將茶葉先集中運往同一國內(nèi)樞紐倉，然后統(tǒng)一運往海外倉，通過電商平臺銷售到歐洲的7個國家.該網(wǎng)絡(luò)中共有23個節(jié)點，包括5個國內(nèi)賣家、4個國內(nèi)樞紐倉備選地址、7個海外倉備選地址、7個國外買家集中地，見表1.該案例中的航線數(shù)據(jù)來源于中海集裝箱運輸股份有限公司的航線信息[18].

已知從國內(nèi)賣家到國內(nèi)樞紐倉的物流運輸費率，見附表1；40英尺集裝箱歐洲線平均運價約為1 600美元；查詢DHL運價得知，歐洲當?shù)乜爝f運輸費率約為0.029 94美元/（kg·km）；從海外倉到國外買家的平均運輸速度為60 km/h；歐洲國家平均每天工作7 h；從國內(nèi)賣家到國內(nèi)樞紐倉的公路運輸距離見附表2；查詢船訊網(wǎng)得知從國內(nèi)樞紐倉到海外倉的航線距離，見附表3；從海外倉到國外買家的公路運輸距離見附表4；2015年中國與7個國家的茶葉交易額[19]見附表5；根據(jù)國家統(tǒng)計局數(shù)據(jù)可知，茶葉售價約為4 106.57美元/t；貨物存放在國內(nèi)樞紐倉的存儲費率均為1.497美元/（d·t）；貨物存放在海外倉w的存儲費率見附表6；根據(jù)國民生產(chǎn)總值估算國內(nèi)樞紐倉的年建設(shè)費用，見附表7；海外倉的年建設(shè)費用見附表8；假設(shè)杭州、宜興、黃山、安溪、普洱的運量比例為2∶3∶2∶2∶1；退換貨率γ為1%；運價折扣θ為0.9；茶葉存放在國內(nèi)樞紐倉的時間為5 d，存放在海外倉的時間為360 d，茶葉總量按等差數(shù)列遞減；規(guī)定讓客戶滿意的標準時間為2 d；歐共體統(tǒng)一關(guān)稅稅率[20]為15%；各國進口增值稅稅率見附表9.

3.2 案例分析

3.2.1 案例結(jié)果

參數(shù)如下：SSize=1 000；PSize=7；DS=50；a=0.729；c1=c2=2；r1，r2為[0，1]上均勻分布的隨機數(shù)；wmax=0.95；wmin=0.4；kmax=100；infinN=-50 000；滿意度下限為85%.通過MATLAB進行仿真.

當兩個目標函數(shù)的權(quán)重都為0.5時，節(jié)點選擇及其總成本（108美元）、客戶滿意度以及當前權(quán)重設(shè)置下的單目標解見表2.

由表2可知：當滿意度下限為85%時，有16種方案可供選擇；如果按目標函數(shù)Z排序，方案4為最優(yōu)方案，此時總成本最低，但滿意度只有85.969%，沒有達到最優(yōu)；方案2中成本沒有達到最優(yōu)，但滿意度卻達到93.001%.對于海外倉選址問題，不僅要考慮成本因素，而且要重視海外買家的滿意度，否則無法達到海外倉的跨境貿(mào)易本土化的目的.因此，在選擇海外倉時，跨境電商可以根據(jù)自身的側(cè)重點進行選擇.

由表2還可以得出，通過建立滿意度判斷標準，能夠得出一系列方案，使得企業(yè)可以考慮到國內(nèi)樞紐倉選址的影響.

3.2.2 改變權(quán)重對結(jié)果的影響

改變權(quán)重值，重新進行計算.此時只考慮目標函數(shù)，分析不同權(quán)重對選址的影響.具體選址方案見表3.

由表3可知，在權(quán)重不同的情況下，選擇上海建設(shè)國內(nèi)樞紐倉、選擇福斯建設(shè)海外倉的優(yōu)勢非常明顯.這主要是因為這兩座城市的地理位置優(yōu)越，倉庫建在這兩座城市后物流運輸距離是最短的，同時海外倉建在福斯倉儲成本也會較低.

由表3還可得出：在總成本占比較大且客戶滿意度影響很小的情況下，應(yīng)選擇瓦倫西亞建設(shè)海外倉，這是因為該城市與國內(nèi)樞紐倉之間的距離最短，說明海運費在總成本中占很大的比例；在只考慮客戶滿意度的情況下，選擇安特惠普建設(shè)海外倉，這是因為此時主要考慮的是海外倉與國外買家之間的距離.

4 結(jié)束語

本文通過構(gòu)建總成本最小和客戶滿意度最大的雙目標優(yōu)化模型，利用MATLAB進行粒子群算法求解，從而給出國內(nèi)樞紐倉和海外倉選址的具體方案.結(jié)果表明：物流網(wǎng)絡(luò)各節(jié)點間的距離以及海外倉的倉儲成本對海外倉選址的影響很大；應(yīng)盡量選擇在交易量較大的國家建設(shè)海外倉，因此準確地預(yù)測交易量顯得非常重要.

在海外倉選址問題上，本文突破了以往對海外倉只作定性研究的局限，采用整數(shù)規(guī)劃對該問題進行了定量研究，為海外倉選址問題的實際操作提供了方法.同時，采用粒子群優(yōu)化算法求解，驗證了模型的可行性.

本文在跨境電商海外倉選址問題上只考慮了總成本和客戶滿意度，而實際上這個問題還與文化環(huán)境、商業(yè)發(fā)展模式、保稅區(qū)政策、國家貿(mào)易協(xié)定等多個方面的因素有關(guān)，這些因素將在今后的研究中加以考慮.

參考文獻：

[1]中華人民共和國國家統(tǒng)計局.貨物進出口總額[EB/OL].（20160320） [20160320].http：//data.stats.gov.cn/easyquery.htm？cn=C01.

[2]張夏恒， 馬天山. 中國跨境電商物流困境及對策建議[J]. 當代經(jīng)濟管理， 2015， 37（5）： 5154.

[3]潘意志. 海外倉建設(shè)與跨境電商物流新模式探索[J]. 物流技術(shù)與應(yīng)用， 2015（9）： 130133.

[4]資道根. 海外倉模型下跨境電商物流成本控制[J]. 技術(shù)與方法， 2015， 8（2）： 175180.

[5]王思宇， 喬輝. 層次分析法在配送中心選址中的應(yīng)用研究[J]. 計算機應(yīng)用與軟件， 2013， 30（6）： 222224.

[6]王曉博， 李一軍. 電子商務(wù)企業(yè)配送中心選址評價指標體系和模糊綜合評價[J]. 商業(yè)研究， 2006（10）： 1518.

[7]BAUMOL W J， WOIFE P. Warehouse location problem[J]. Operation Research， 1958， 6（2）： 252263.

[8]KUEHN A A， HAMBURGER J M. A heuristic program for location warehouses[J]. Management Science， 1963， 6： 643666.

[9]AIKENS C H. Facility location models for distribution planning[J]. European Journal of Operational Research， 1985， 22（3）： 263279.

[10]BSDRI M A. Combining the analytic hierarchy process and goal programming for global facility locationallocation problem[J]. Industrial Journal of Production Economics， 1999， 66（2）： 237248.

[11]ERLEBACHER S J，MELLER R D. The interaction of location and inventory in designing distribution systems[J]. JIE Transactions， 2000， 32： 155166.

[12]SUN Huijun， GAO Ziyou， WU Jianjun. A bilevel programming model and solution algorithm for the location of logistic distribution centers[J]. Applied Mathematical Modelling， 2008， 32： 610616.

[13]RATH S， GUTJAHR W J. A mathheuristic for the warehouse location–routing problem indisaster relief[J]. Computers & Operations Research， 2014， 42： 2539.

[14]HUA Xiang， HU Xiao， YUAN Wuwei. Research optimization on logistics distribution center location based on adaptive particle swarm algorithm[J]. Optik， 2016， 127： 84438450.

[15]趙韋， 李文鋒， 梁曉雷. 基于粒子群算法的多配送中心選址研究[J]. 武漢理工大學(xué)學(xué)報， 2012， 36（3）： 501505.

[16]李新運， 唐保國， 梁立奎. 基于GIS 和粒子群算法的兩級物流配送中心選址優(yōu)化方法及應(yīng)用[J]. 技術(shù)與方法， 2012， 31（1）： 7882.

[17]BRONFMAN A， MARIANOV V， PAREDESBELMAR G， et al. The maxmin HAZMAT routing problem[J]. European Journal of Operational Research， 2015， 241： 1527.

[18]中海集裝箱運輸股份有限公司. 外貿(mào)航線[EB/OL]. （20150730）[20160320]. http：//www.cscl.com.cn/col/col1975/index.html.

[19]ITC.Trade Map. Trade statistics for international business development[EB/OL].（20160620）[20160620]. http：//www.trademap.org/Bilateral_TS.aspx？nvpm=1|156||156||TOTAL|||2|1|1|1|2|1|1|1|.

[20]European Commission. TARICconsultation[EB/OL]. （20160620）[20160620].http：//ec.europa.eu/taxation_customs/dds2/taric/taric_consultation.jsp？Lang=en&SimDate=20170420.

（編輯 賈裙平）