楊粟涵　張平華　于蕾

摘 要：在供給側(cè)結(jié)構(gòu)性改革大背景下，基于產(chǎn)品回收和再制造，有必要構(gòu)建合理的再制造物流網(wǎng)絡(luò)，以提升供應(yīng)鏈管理水平。人工蜂群算法性能優(yōu)越，具有很強的全局收斂性和貪婪啟發(fā)式的搜索特征。本文建立再制造物流網(wǎng)絡(luò)模型，運用人工蜂群算法，結(jié)合實際問題進行算法設(shè)計，對模型進行編碼仿真，得到網(wǎng)絡(luò)設(shè)施的位置和數(shù)量，使整個再制造物流網(wǎng)絡(luò)最優(yōu)。

關(guān)鍵詞：再制造;人工蜂群算法;算法設(shè)計;設(shè)施選址

中圖分類號：TP301.6 文獻標識碼：A 文章編號：1003-5168（2019）32-0011-04

The?Application?of?Artificial?Bee?Colony?Algorithm?in

Remanufacturing?Logistics?Network?Optimization

YANG?Suhan ZHANG?Pinghua YU?Lei

（Hefei?Technology?College，Hefei?Anhui?230011）

Abstract：?In?the?context?of?supply-side?;structural?reform，?based?on?product?recycling?and?remanufacturing，?it?is?necessary?to?build?a?reasonable?remanufacturing?logistics?network?to?improve?the?level?of?supply?chain?management.?The?artificial?bee?colony?algorithm?has?superior?performance，?and?has?strong?global?convergence?and?greedy?heuristic?search?features.?In?this?paper，?a?remanufacturing?logistics?network?model?was?established，?and?the?artificial?bee?colony?algorithm?was?used?to?design?the?algorithm?in?combination?with?actual?problems，?and?the?model?was?coded?and?simulated?to?obtain?the?location?and?number?of?network?facilities?to?optimize?the?entire?remanufacturing?logistics?network.

Keywords：?remanufacturing;artificial?bee?colony?algorithm;algorithm?design;facility?location

近幾年，制造業(yè)處在改革的大潮中，創(chuàng)新驅(qū)動、產(chǎn)業(yè)轉(zhuǎn)型成為大中小制造企業(yè)生存的手段，但無可厚非，制造業(yè)仍是原材料和能源的主要消耗者，又是污染源頭。為了緩解資源短缺、人口壓力、環(huán)境問題，我國大力發(fā)展循環(huán)經(jīng)濟，要求企業(yè)對產(chǎn)品生命周期末的廢舊產(chǎn)品及零部件進行回收處置后再利用[1]。因此，出于資源節(jié)約和環(huán)境保護的需要，一種針對制造業(yè)的節(jié)能減排辦法和污染控制策略的產(chǎn)品處理方式——廢舊產(chǎn)品的再制造應(yīng)運而生。

人工蜂群算法近年來發(fā)展迅速，在解決大規(guī)模非線性規(guī)劃問題中表現(xiàn)出優(yōu)越性能。人工蜂群算法具有貪婪啟發(fā)式的搜索特點，可以把求解問題的迅速性、全局的優(yōu)化性、短時間內(nèi)得出結(jié)論的合理性相結(jié)合，通過正反饋式的收斂來對目標進行搜索[2]。該算法近幾年已被擴大應(yīng)用到一些生產(chǎn)生活領(lǐng)域，例如，以人工蜂群算法作為優(yōu)化方法來優(yōu)化無線傳感器網(wǎng)絡(luò)[3]，用于生產(chǎn)調(diào)度領(lǐng)域和生產(chǎn)用水智能調(diào)配[4]等。本文將人工蜂群算法應(yīng)用到再制造物流網(wǎng)絡(luò)模型的優(yōu)化設(shè)計中，結(jié)合實際問題，構(gòu)建再制造物流網(wǎng)絡(luò)模型，研究如何進行人工蜂群算法設(shè)計來解決這類大規(guī)模復(fù)雜問題。

1 再制造物流網(wǎng)絡(luò)

再制造是以產(chǎn)品整個生命周期的設(shè)計和管理為指導(dǎo)，以廢舊產(chǎn)品實現(xiàn)跨越式性能提升為目標，以優(yōu)質(zhì)、高效、節(jié)能、環(huán)保為準則，以先進技術(shù)和產(chǎn)業(yè)化生產(chǎn)為手段，而對廢舊產(chǎn)品實施修復(fù)和改造的一系列技術(shù)措施及工程活動的總稱[5]。再制造物流是由廢舊產(chǎn)品從消費地點經(jīng)回收中心運往生產(chǎn)地的逆向物流和再制造產(chǎn)品由生產(chǎn)地經(jīng)分銷中心運往消費地的正向物流組成，涉及廢舊產(chǎn)品的回收、檢測分類、再制造和再分銷等眾多環(huán)節(jié)，是一個閉環(huán)的物流系統(tǒng)[6]。再制造物流的運行需要適當(dāng)?shù)幕A(chǔ)設(shè)施，擁有這些特定設(shè)施的場所就被稱為物流設(shè)施點，把這些能進行再制造活動的物流設(shè)施點按物流方向連接起來就構(gòu)成再制造物流網(wǎng)絡(luò)，不同的再制造物流網(wǎng)絡(luò)有不同的結(jié)構(gòu)，但基本都含有制造/再制造工廠、分銷/回收中心、消費地等。一般來說，在回收中心進行廢舊產(chǎn)品的拆卸清洗、檢測分類等工作，在再制造工廠完成廢舊產(chǎn)品的再制造、裝配等處理，在各分銷中心完成各類再制造產(chǎn)品的再分銷活動。

2 網(wǎng)絡(luò)模型

A企業(yè)是單一品種家電生產(chǎn)企業(yè)，其在自身正向物流網(wǎng)絡(luò)基礎(chǔ)上通過擴建和新添各種再制造設(shè)施設(shè)備構(gòu)建了再制造物流網(wǎng)絡(luò)，制造工廠具有再制造的功能，分銷中心兼具回收中心的功能，便于直接從消費地回收廢舊產(chǎn)品。A企業(yè)含有6個制造/再制造工廠，6個分銷/回收中心，9個消費地，1個廢棄處理地。A企業(yè)從各消費地收集的廢舊產(chǎn)品經(jīng)分銷/回收中心收集、拆卸清洗、檢測分類等處理后，把能用于再制造的廢棄產(chǎn)品或零部件送往制造/再制造工廠進行再制造，不能用于再制造的產(chǎn)品或零部件將送往廢棄處理地處理，制造/再制造工廠能同時進行新產(chǎn)品和再制造產(chǎn)品的生產(chǎn)，均通過分銷/回收中心運往各消費地。A企業(yè)缺乏統(tǒng)一的規(guī)劃，在各個備選區(qū)域均進行生產(chǎn)和再生產(chǎn)、分銷和回收，以至于平常利潤空間很小，因此A企業(yè)需要進行備選區(qū)域的優(yōu)化選擇。

對A企業(yè)的再制造模型進行優(yōu)化設(shè)計，即確定6個制造/再制造工廠、6個分銷/回收中心的備選區(qū)域的位置和數(shù)量，將各設(shè)施的能力限制和各段路徑上的物流量的平衡作為約束條件，確定各段物流路徑上的最佳物流量，在有限的資源約束條件下使此物流網(wǎng)絡(luò)的總投資成本和運營成本之和最小。此模型中，暫且只考慮單一種類產(chǎn)品、單個周期，把物流設(shè)施選址的變量設(shè)為0-1變量，將各段路徑上的物流量設(shè)為連續(xù)變量。它是一個正向物流和再制造物流集成運作的混合整數(shù)非線性規(guī)劃模型。

各設(shè)施設(shè)備的投資成本、庫存成本、最大處理能力、運輸成本和廢棄率等都是已知的，均來自A企業(yè)的日常數(shù)據(jù);再制造產(chǎn)品和新產(chǎn)品不可相互替代;運輸成本與產(chǎn)品件數(shù)成正比。

該模型的目標函數(shù)為：

（1）

式中，[f1]為建造制造/再制造工廠、分銷/回收中心的總投資成本;[f2]是把新產(chǎn)品和再制造產(chǎn)品送到分銷/回收中心的總運輸成本;[f3]是把新產(chǎn)品和再制造產(chǎn)品從分銷/回收中心出發(fā)送到消費地的總庫存成本和運輸成本;[f4]是把廢舊產(chǎn)品從消費地送到分銷/回收中心的總收集、庫存和運輸成本;[f5]是把能再制造的廢舊產(chǎn)品從分銷/回收中心地出發(fā)送到制造/再制造工廠的總處理和運輸成本;[f6]是消費地[k]在新產(chǎn)品/再制造產(chǎn)品需求沒有滿足時的總機會損失成本;[f7]是消費地[k]超額供應(yīng)新產(chǎn)品/再制造產(chǎn)品的總處理成本。

3 算法設(shè)計

人工蜂群算法顯著的優(yōu)勢是每一次迭代不僅要進行全局的搜索，還要進行局部的搜索，所以，此算法將加大找到最優(yōu)解的概率，并能夠在很大程度上避免陷入局部最優(yōu)，從備選可行的解空間中經(jīng)過不斷迭代來得到較好或是最優(yōu)的解[7]。其基本的求解過程如下。

3.1 可行解的維度

人工蜂群算法不能直接求解這類非線性規(guī)劃問題，需要先生成一定量的可行解，對可行解進行優(yōu)化，可行解由向量表示，向量的維度表示未知參數(shù)的個數(shù)。根據(jù)A企業(yè)的再制造物流網(wǎng)絡(luò)優(yōu)化模型及相關(guān)數(shù)據(jù)，它共含有282個未知參數(shù)，其中，把前12個未知參數(shù)設(shè)為0-1變量，表示6個制造或再制造工廠和6個分銷或回收中心，其余變量設(shè)為整數(shù)變量，依次為6×6個變量表示[qnmdij]，6×6個變量表示[qrmdij]，6×9個變量表示[qndcjk]，6×9個變量表示[qrdcjk]，9×6個變量表示[qdcdkj]，6×6個變量表示[qrdmji]。

3.2 初始種群的產(chǎn)生

人工蜂群算法根據(jù)一定的規(guī)則可以自動生成一定規(guī)模的數(shù)據(jù)源，代表蜜源，這些數(shù)據(jù)源代表此問題的可行解，對應(yīng)于每個采蜜蜂。

3.3 采蜜蜂采蜜

每個采蜜蜂在各個蜜源上采蜜的多少，即蜜源的豐富度代表著蜜源適應(yīng)度的大小，也就是說，調(diào)用該模型的函數(shù)計算適應(yīng)度值并記下該蜜源的適應(yīng)度值。采蜜蜂則繼續(xù)在食物源的周圍采蜜，代表對解更新，如果找到的新蜜源適應(yīng)度值更好，那么就要替代原來的蜜源，否則不變，此過程即為對所有可行解的第一輪搜索，并保留更新后的最優(yōu)解。

3.4 招募跟隨蜂

收益度高的蜜蜂招募到的跟隨蜂較多，即為適應(yīng)度值較高的解被跟隨的概率較大，因此被搜索的次數(shù)較多，可以加快種群的進化。

3.5 跟隨蜂對蜜源搜索

跟隨蜂再一次對各蜜源進行搜索，即對解進行再一次的更新，與采蜜蜂對蜜源的搜索類似，保留較優(yōu)的解。

3.6 隨機生成新蜜源

當(dāng)對某個可行解的搜索次數(shù)達到一定限制仍沒找到較優(yōu)的解時，此算法重新生成一個新的可行解，參與到所有解的比較中。

3.7 記下最好解

記下最好的解，并且返回到第三步，直到算法結(jié)束為止。

4 編碼仿真

針對A企業(yè)再制造物流網(wǎng)絡(luò)模型及相關(guān)日常數(shù)據(jù)，在Microsoft?Visual?Studio中進行編碼仿真，把種群數(shù)量設(shè)置生成100，最大進化代數(shù)設(shè)置為3?000，部分代碼及運行結(jié)果如下。

生成數(shù)據(jù)源的代碼

根據(jù)A企業(yè)的日常數(shù)據(jù)進行編碼，運行結(jié)果顯示，該再制造物流網(wǎng)絡(luò)模型的目標函數(shù)值近似最優(yōu)解為6?842?465元，所對應(yīng)的位置變量最優(yōu)解為[0?1?0?1?1 0?1?1?0?0?1?0]，因此最優(yōu)的解為在制造/再制造工廠[i]備選地址2、4和5開設(shè)制造/再制造工廠，在分銷/回收中心[j]的備選地址1、2和5開設(shè)分銷/回收中心。

5 結(jié)論

本文應(yīng)用人工蜂群算法對再制造物流網(wǎng)絡(luò)進行優(yōu)化設(shè)計，首先針對A企業(yè)的實際情況建立物流網(wǎng)絡(luò)優(yōu)化模型，該模型針對單一產(chǎn)品、單一周期，而且參數(shù)都是已知的，用人工蜂群算法結(jié)合實際數(shù)據(jù)進行算法設(shè)計和編碼仿真。運行結(jié)果表明，該模型具有較高的有效性和可行性，同時人工蜂群算法的全局收斂性、貪婪啟發(fā)式搜索特征等優(yōu)越性能在求解此類大規(guī)模復(fù)雜問題時取得了良好的效果。

參考文獻：

[1]狄為民.再制造物流網(wǎng)絡(luò)優(yōu)化設(shè)計的模型與方法[M].北京：中國物資出版社，2009.

[2]Teodorovic?D，Orco?M?D.Advanced?OR?and?AI?Methods?in?Transportation?Bee?Colony?Optimization：A?Cooperative?Learning?Approach?to?Complex?Transportation?Problems[C]//Mini-euro?Conference?&?Meeting?of?Ewgt.2008.

[3]黃慶展，毛力，吳濱.改進人工蜂群算法在覆蓋優(yōu)化中的應(yīng)用[J].傳感器與微系統(tǒng)，2018（5）：20-24.

[4]叢峰武，李長亮.人工蜂群算法在礦業(yè)公司生產(chǎn)用水中智能調(diào)配研究[J].西部資源，2019（4）：192.

[5]徐濱士.再制造工程基礎(chǔ)及其應(yīng)用[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2005.

[6]代穎.再制造物流網(wǎng)絡(luò)優(yōu)化設(shè)計問題研究[D].成都：西南交通大學(xué)，2006.

[7]黃麗君.基于離散人工蜂群算法的廢棄物逆向物流網(wǎng)絡(luò)設(shè)計[J].福州大學(xué)學(xué)報，2014（2）：200-206.