基于蟻群算法的通信運(yùn)營(yíng)設(shè)備調(diào)度管理的研究

邢呈勇，劉 耘

（新疆大學(xué) 建筑工程學(xué)院，新疆 烏魯木齊 830017）

0 引 言

隨著通信技術(shù)的不斷發(fā)展和進(jìn)步，移動(dòng)通信完成了由20世紀(jì)80年代1G模擬通信，向90年代2G語(yǔ)音和GPRS的更替，再邁向后期的3G語(yǔ)音數(shù)據(jù)業(yè)務(wù)的擴(kuò)展，以及2010年開(kāi)始的LTE數(shù)據(jù)業(yè)務(wù)+Volte技術(shù)。網(wǎng)絡(luò)規(guī)模和覆蓋不斷得到提升和滿足，為人民的生活提供了更多的便利性。現(xiàn)如今，5G新基建重要地位的確立，5G通信的應(yīng)用和普及已經(jīng)到來(lái)，使得5G網(wǎng)絡(luò)建設(shè)和應(yīng)用進(jìn)入了快車道，使萬(wàn)物互聯(lián)成為可能。對(duì)于網(wǎng)絡(luò)建設(shè)初期階段主要從無(wú)線網(wǎng)絡(luò)的規(guī)劃結(jié)合城市發(fā)展的角度，對(duì)通信設(shè)備進(jìn)行安排部署。然而，隨著城市化進(jìn)程的發(fā)展，加之現(xiàn)階段通信運(yùn)營(yíng)商多種網(wǎng)絡(luò)制式共存，通信設(shè)備的能耗將持續(xù)增加，也成為各通信運(yùn)營(yíng)商關(guān)注的重點(diǎn)。基站功耗主要包括主設(shè)備功耗、空調(diào)等配套設(shè)施功耗以及配電和其他能耗等。現(xiàn)網(wǎng)中運(yùn)行的2G、3G以及4G主設(shè)備大部分均采用BBU+RRU模式，主設(shè)備能耗也成為關(guān)注的重點(diǎn)。根據(jù)綠色和平、賽寶計(jì)量檢測(cè)中心的相關(guān)研究分析，5G基站耗能主設(shè)備能耗（BBU和AAU）和空調(diào)能耗均占比46%，如圖1所示。對(duì)于運(yùn)營(yíng)商而言，解決空調(diào)能耗及主設(shè)備相關(guān)的能耗問(wèn)題成為了研究的重點(diǎn)。國(guó)內(nèi)外對(duì)通信節(jié)能的研究均得到了長(zhǎng)足的發(fā)展，各專家學(xué)者分別從規(guī)劃站點(diǎn)數(shù)量、負(fù)荷分擔(dān)、通信設(shè)備機(jī)房配套設(shè)備設(shè)施及智能關(guān)斷算法等進(jìn)行了相關(guān)研究。然而對(duì)于通信運(yùn)營(yíng)中設(shè)備的有效利用和合理調(diào)度的研究很少。本文擬從資源調(diào)度的角度，利用有限的現(xiàn)網(wǎng)資源，將空閑的運(yùn)營(yíng)設(shè)備調(diào)度至較忙站點(diǎn)，合理調(diào)度通信設(shè)備資源，既能提高設(shè)備資源的利用率，又能達(dá)到節(jié)能減排的目的。

圖1 5G基站能耗分布（來(lái)源于網(wǎng)絡(luò)）

1 調(diào)度問(wèn)題相關(guān)的研究

基于調(diào)度路徑問(wèn)題的研究，文獻(xiàn)[6]首先提出了如何解決配送路線優(yōu)化的問(wèn)題。相關(guān)行業(yè)的從業(yè)者和研究人員對(duì)提出的這個(gè)問(wèn)題給予了極大的重視，很快成為組合優(yōu)化、計(jì)算機(jī)應(yīng)用技術(shù)、調(diào)度等復(fù)合學(xué)科研究的方向。許多專家不斷發(fā)現(xiàn)新的配送路線選擇問(wèn)題并進(jìn)行了大量的模擬仿真推理實(shí)驗(yàn)，各種解決方法和方案層出不窮。文獻(xiàn)[7]對(duì)此問(wèn)題進(jìn)行了綜述研究。文獻(xiàn)[8]為了避免同一輛車配送不同產(chǎn)品混合的情況，提出了一種車輛車廂分割配送的遺傳算法。文獻(xiàn)[9]對(duì)LRP進(jìn)行了詳細(xì)的分類，提出物品流向、供/需特征、設(shè)施數(shù)量、運(yùn)輸車輛數(shù)量、車輛裝載能力、設(shè)施容量、設(shè)施分級(jí)、計(jì)劃期間、時(shí)間限制、目標(biāo)數(shù)、模型數(shù)據(jù)類型。我國(guó)相應(yīng)的概念雖然在20世紀(jì)90年代早期才逐漸出現(xiàn)，在配送路徑優(yōu)化研究領(lǐng)域有些落后，然而，在優(yōu)化車輛運(yùn)送路線方面已經(jīng)取得了一些成果。各位專家學(xué)者應(yīng)用禁忌搜索，粒子群優(yōu)化和遺傳算法等國(guó)際先進(jìn)方法，解決了實(shí)際配送調(diào)度路徑優(yōu)化問(wèn)題，在提高配送路徑優(yōu)化問(wèn)題的便利性和結(jié)合性等方面并不遜色。文獻(xiàn)[10]對(duì)具有多次訪問(wèn)的非配對(duì)接送車輛路徑問(wèn)題進(jìn)行了相關(guān)的研究，為企業(yè)帶來(lái)更大的降本增效空間。文獻(xiàn)[11]運(yùn)用改進(jìn)蟻群算法，以車輛行駛里程最短和碳排放量最少為目標(biāo)進(jìn)行了相關(guān)研究。文獻(xiàn)[12]運(yùn)用改進(jìn)遺傳算法對(duì)時(shí)尚行業(yè)零售網(wǎng)點(diǎn)多品類取送貨車輛整合拆分理論進(jìn)行了研究。文獻(xiàn)[13]基于顧客時(shí)間滿意度的車輛路徑問(wèn)題，允許多次經(jīng)過(guò)同一需求點(diǎn)的情況發(fā)生，而需求點(diǎn)只能被同一輛車服務(wù)一次的限制，驗(yàn)證了模型的有效性。文獻(xiàn)[14]通過(guò)綜述前人研究的VRPSPD（Vehicle Routing Problem with Simultaneous Pickup and Delivery）研究成果及方向，提出了同時(shí)最小化運(yùn)輸成本與最小化各路徑間最大長(zhǎng)度差的雙目標(biāo)模型對(duì)VRPSPD進(jìn)行了相關(guān)研究。本文結(jié)合通信運(yùn)營(yíng)設(shè)備資源的特征，通過(guò)對(duì)國(guó)際國(guó)內(nèi)資源調(diào)度的研究進(jìn)行相關(guān)研學(xué)，將不同類型及不同廠家的通信運(yùn)營(yíng)設(shè)備的施工時(shí)間及運(yùn)輸時(shí)間綜合考慮以適應(yīng)客戶滿意度，制定適用于通信運(yùn)營(yíng)設(shè)備拆分的調(diào)度模型，同時(shí)運(yùn)用計(jì)算機(jī)技術(shù)，應(yīng)用蟻群算法進(jìn)行尋優(yōu)操作，對(duì)其綜合調(diào)度進(jìn)行研究。

2 問(wèn)題描述和假設(shè)

2.1 問(wèn)題的描述

對(duì)于現(xiàn)網(wǎng)運(yùn)營(yíng)的基站站點(diǎn)，其載頻數(shù)量過(guò)大而處于閑置狀態(tài)時(shí)，耗電量不會(huì)實(shí)質(zhì)性降低，而會(huì)增加電能的資源消耗。如果能夠合理地調(diào)度通信設(shè)備資源，將閑置通信運(yùn)營(yíng)設(shè)備應(yīng)用于業(yè)務(wù)量需求大的站點(diǎn)，既能使其資源得到充分利用又節(jié)約其采購(gòu)成本?；诖耍岢鰧?duì)通信設(shè)備資源的調(diào)度以達(dá)到降本增效的目的。通信節(jié)能減排的調(diào)度問(wèn)題，主要關(guān)注的是基站站點(diǎn)較長(zhǎng)時(shí)段的業(yè)務(wù)量情況以及增長(zhǎng)減少趨勢(shì)分析。通過(guò)后臺(tái)指標(biāo)監(jiān)控獲取數(shù)據(jù)分析各個(gè)站點(diǎn)及其扇區(qū)業(yè)務(wù)量的增長(zhǎng)情況，得出各站點(diǎn)對(duì)通信運(yùn)營(yíng)設(shè)備的需求量。對(duì)于通信設(shè)備站點(diǎn)的調(diào)度如圖2所示。

圖2 站點(diǎn)設(shè)備調(diào)度圖示例

2.2 問(wèn)題的假設(shè)

在考慮通信設(shè)備資源調(diào)度問(wèn)題中，通信運(yùn)營(yíng)商網(wǎng)絡(luò)維護(hù)人員擁有一定數(shù)量的相同車輛，假設(shè)車輛勻速行駛。車輛從公司駐地出發(fā)在一定行程的工作時(shí)間內(nèi)完成各站點(diǎn)之間的設(shè)備調(diào)度。每個(gè)站點(diǎn)的拆裝設(shè)備可由不同的車輛維護(hù)人員分批次完成，但同一站點(diǎn)的同類設(shè)備的需求不可拆分。在車輛最大工作時(shí)間內(nèi)滿足所有站點(diǎn)設(shè)備資源需求的情況下，實(shí)現(xiàn)車輛數(shù)量和行駛距離之和最小化。

假設(shè)站點(diǎn)區(qū)域內(nèi)共用={0，1，2，…，}個(gè)頂點(diǎn)，其中0表示調(diào)度中心，其余頂點(diǎn)為各需求和提供設(shè)備站點(diǎn)。={1，2，…，}為設(shè)備類集合，={1，2，…，}為配送車輛集合。頂點(diǎn)與頂點(diǎn)之間的車輛行駛距離為D，配送車輛的最大載重量為Capacity，配送車輛的最大行程時(shí)間為。

此問(wèn)題為考慮多目標(biāo)的車輛調(diào)度問(wèn)題，為便于模型的建立和求解，結(jié)合項(xiàng)目實(shí)地調(diào)研，將車輛數(shù)量和行駛距離以及施工人員作業(yè)轉(zhuǎn)換為成本去求解。通過(guò)實(shí)地調(diào)研，通信設(shè)備運(yùn)營(yíng)調(diào)度數(shù)據(jù)如表1所示。

表1 通信運(yùn)營(yíng)設(shè)備調(diào)研數(shù)據(jù)

3 模型的建立

3.1 數(shù)據(jù)的初步處理

以往對(duì)于路徑距離的研究都是考慮運(yùn)用勾股定理計(jì)算任意2個(gè)節(jié)點(diǎn)距離的方法，但實(shí)際中應(yīng)該運(yùn)用實(shí)際駕駛距離計(jì)算更切合實(shí)際，因此，本文提出通過(guò)Python結(jié)合高德地圖API獲取道路的實(shí)際駕駛路線進(jìn)行駕駛距離的選取。通過(guò)該改進(jìn)，不僅可以提高運(yùn)行速度，而且提高了系統(tǒng)的計(jì)算精度（高德地圖API返回的數(shù)據(jù)精度達(dá)到米的級(jí)別）。

主要涉及到高德地圖API的使用，該接口可以通過(guò)各站點(diǎn)的經(jīng)緯度信息獲取實(shí)際道路的駕駛距離，該接口的服務(wù)地址為：http://restapi.amap.com/v3/distance，接口請(qǐng)求包括origins（起點(diǎn)）、destination（終點(diǎn)）、out_lng（初始點(diǎn)經(jīng)度），out_lat（初始點(diǎn)緯度），des_lng（目的站點(diǎn)經(jīng)度），des_lat（目的站點(diǎn)緯度），用json讀取Excel里各站點(diǎn)經(jīng)緯度信息，返回駕駛距離新建Excel中，這里得到的任意兩節(jié)點(diǎn)間的距離d是實(shí)際道路的駕駛距離，更有一定的實(shí)用性。表2為站點(diǎn)數(shù)據(jù)的輸入信息，表3為獲取到的路徑數(shù)據(jù)信息。

表2 通信站點(diǎn)位置經(jīng)緯度信息

表3 輸出站點(diǎn)駕駛距離信息

3.2 模型的建立

根據(jù)上述對(duì)通信運(yùn)營(yíng)設(shè)備調(diào)度問(wèn)題的描述及分析，運(yùn)用站點(diǎn)間的實(shí)際駕駛距離進(jìn)行通信設(shè)備調(diào)度優(yōu)化，考慮不同通信運(yùn)營(yíng)設(shè)備的情形，建立了調(diào)用變量的通信運(yùn)營(yíng)設(shè)備調(diào)度問(wèn)題模型。

目標(biāo)函數(shù)：

約束條件：

其中:為公司駐地/調(diào)配中心；為站點(diǎn)集合；為設(shè)備型號(hào)集合；為車輛集合；，，，為索引；D為站點(diǎn)到站點(diǎn)的距離，∈?,∈?；Demand為需求站點(diǎn)對(duì)設(shè)備類型的需求或供給量，∈,∈；

為單車使用固定成本；為車輛單公里變動(dòng)成本；Max為單車輛最大服務(wù)時(shí)間；為施工時(shí)間；Capacity為車輛最大裝載量（經(jīng)過(guò)調(diào)研已知信息）；為車輛行駛速度。

決策變量：

E=E+X*demand*w為車輛離開(kāi)站點(diǎn)時(shí)的載重量，∈,∈；

式（1）考慮了車輛綜合成本、運(yùn)輸路徑油耗及磨損成本的總配送成本最小目標(biāo)，隱含了使用調(diào)度車輛數(shù)最小、各站點(diǎn)間駕駛距離最短的兩個(gè)子目標(biāo)；式（2）約束了車輛必須被使用則必須服務(wù)需求站點(diǎn)；式（3）約束了每個(gè)需求站點(diǎn)的單個(gè)類型設(shè)備最多只能被同一車輛服務(wù)一次；式（4）約束了每輛調(diào)度車輛的行駛總時(shí)間的限制；式（5）約束了每輛調(diào)度車輛的載重設(shè)備數(shù)小于最大載重?cái)?shù)；式（6）約束了每個(gè)站點(diǎn)只能被同一輛車服務(wù)一次；式（7）約束了運(yùn)用于通信運(yùn)營(yíng)設(shè)備的調(diào)度，即各站點(diǎn)對(duì)于設(shè)備需求量可以被滿足。

4 模型的求解

4.1 蟻群算法

蟻群算法（Ant Colony Optimization，ACO）是一種用來(lái)在圖中尋找優(yōu)化路徑的機(jī)率型算法，也稱“螞蟻算法”。最早用于解決著名的旅行商問(wèn)題（Traveling Salesman Problem，TSP）。蟻群優(yōu)化算法已應(yīng)用于許多組合優(yōu)化問(wèn)題，解決產(chǎn)生貨郎擔(dān)問(wèn)題的擬最優(yōu)解問(wèn)題。同時(shí)，它在圖表動(dòng)態(tài)變化的情況下解決相似問(wèn)題時(shí)，蟻群算法可以連續(xù)運(yùn)行并適應(yīng)實(shí)時(shí)變化，相比模擬退火和遺傳算法方法有優(yōu)勢(shì)。在網(wǎng)絡(luò)路由和城市交通系統(tǒng)中具有顯著的優(yōu)勢(shì)。蟻群算法強(qiáng)調(diào)的是從始發(fā)點(diǎn)到回到始發(fā)點(diǎn)的路徑最優(yōu)問(wèn)題，與通信節(jié)能減排中的通信運(yùn)營(yíng)設(shè)備調(diào)度起始站點(diǎn)和終止點(diǎn)具有相似和關(guān)聯(lián)性。

4.2 解空間的構(gòu)建

蟻群算法的特征是選擇模型構(gòu)造完全圖=(,)。其中為頂點(diǎn)集合即為各站點(diǎn)或配送調(diào)度中心，為邊集合即為各站點(diǎn)及配送調(diào)度中心之間距離的集合。在圖中，螞蟻通過(guò)隨機(jī)選取一個(gè)頂點(diǎn)進(jìn)行遍歷搜索，通過(guò)輪盤(pán)賭概率算法進(jìn)行尋優(yōu)，通過(guò)各路徑上的信息素濃度進(jìn)行路徑的選擇。

輪盤(pán)賭算法是一種比例選擇法，用以選擇到站點(diǎn)的概率，個(gè)體被選中的概率與其適應(yīng)度大小成正比產(chǎn)生一個(gè)隨機(jī)數(shù)。

假設(shè)種群大小即螞蟻數(shù)量為，首先螞蟻從配送中心出發(fā)，在約束條件下，到可供站點(diǎn)取某類型通信設(shè)備，再對(duì)需求站點(diǎn)進(jìn)行配送調(diào)度，出發(fā)點(diǎn)和之間的距離為d。在調(diào)度過(guò)程中，從出發(fā)站點(diǎn)到目的站點(diǎn)，會(huì)留下一定的信息，以供第二次或者其他螞蟻尋求到信息，沿著信息素的路線尋找最優(yōu)路徑，此過(guò)程記為τ()，表示時(shí)刻螞蟻由始發(fā)點(diǎn)到目的點(diǎn)的信息素濃度。螞蟻在構(gòu)建路徑的每一步中，用輪盤(pán)賭法選擇下一個(gè)要到達(dá)的城市。第只螞蟻根據(jù)各站點(diǎn)信息素的濃度在滿足約束條件下選擇下一個(gè)站站點(diǎn)，假設(shè)P()表示螞蟻在時(shí)刻從始發(fā)點(diǎn)行駛到目的點(diǎn)的概率，則計(jì)算公式為：

式中：，分別代表始發(fā)站點(diǎn)和目的站點(diǎn)；為信息素因子，反映了螞蟻在運(yùn)動(dòng)過(guò)程中路徑上積累的信息素的量，為指數(shù)函數(shù)因子指導(dǎo)蟻群搜索中相對(duì)重要程度；為啟發(fā)函數(shù)因子，反映了啟發(fā)式信息在指導(dǎo)蟻群搜索中的相對(duì)重要程度，蟻群尋優(yōu)過(guò)程中先驗(yàn)性、確定性等因素的作用強(qiáng)度；η()=1 d是兩站點(diǎn)，實(shí)際駕駛路徑距離的倒數(shù)，表示螞蟻從到的能見(jiàn)度；τ()為時(shí)刻由到的信息素濃度；兩地距離越短，信息素濃度越大的路徑被選擇的概率越大；allowed為尚未訪問(wèn)過(guò)的站點(diǎn)集合。

信息素的更新規(guī)則為：

式中：為信息素常量，用以防止蟻群算法過(guò)早收斂陷入局部最優(yōu)解的參數(shù)；為信息素?fù)]發(fā)因子，反映了信息素消失的水平，相反的1-反映了信息素保持的水平；L為第只螞蟻經(jīng)過(guò)的路徑長(zhǎng)度；τ(+1)表示第+1次循環(huán)后始發(fā)點(diǎn)到目的點(diǎn)上的信息素含量的水平；τ()*(1-)表示保留的信息素濃度；Δτ為第只螞蟻在本次循環(huán)中路徑（,）上留下信息素的量；Δτ表示新增信息素量的和，即為只螞蟻在始發(fā)點(diǎn)到目的點(diǎn)路徑上留下的信息素總和。

4.3 算法步驟

如圖3所示，首先初始化各參數(shù)（如螞蟻數(shù)量、信息素因子、啟發(fā)函數(shù)因子、信息素?fù)]發(fā)因子、信息素常數(shù)、最大迭代次數(shù)itermax等），以保證隨機(jī)放置只螞蟻到各個(gè)站點(diǎn)。其次，對(duì)于每一只螞蟻，需要在滿足約束條件的前提下，根據(jù)概率轉(zhuǎn)換公式，運(yùn)用輪盤(pán)賭法選擇下一個(gè)待訪問(wèn)站點(diǎn)，并更新循環(huán)次數(shù)，判斷運(yùn)營(yíng)商設(shè)備是否均已調(diào)度，如果在約束條件下沒(méi)有調(diào)度完成，繼續(xù)進(jìn)行選擇調(diào)度，直到所有螞蟻訪問(wèn)完所有站點(diǎn)滿足取送要求，同時(shí)更新各站點(diǎn)間的信息素濃度。最后，判斷是否達(dá)到最大迭代次數(shù)，如果未達(dá)到最大迭代次數(shù)，則迭代次數(shù)加1并清空螞蟻經(jīng)過(guò)路徑的記錄表，繼續(xù)返回尋優(yōu)；否則，輸出最優(yōu)路徑做出各次迭代的可視化結(jié)果及配送方案。

圖3 蟻群算法步驟

4.4 參數(shù)的分析

蟻群算法的主要參數(shù)有蟻群的大小、信息素啟發(fā)因子指數(shù)、距離啟發(fā)函數(shù)因子指數(shù)、信息素?fù)]發(fā)系數(shù)、信息素增量強(qiáng)度常數(shù)。蟻群算法作為一種適應(yīng)性很高的智能算法，參數(shù)設(shè)置沒(méi)有固定的數(shù)值，一般是根據(jù)實(shí)際問(wèn)題的要求實(shí)時(shí)設(shè)置，因此往往需要經(jīng)過(guò)大量的模擬實(shí)驗(yàn)來(lái)確定參數(shù)的取值。就螞蟻遍歷模型而言，參數(shù)設(shè)置取值范圍一般為：取值1～5之間；取值1～5之間；取值一般為0～1之間；取值一般在100～1 000之間。

文獻(xiàn)[15]對(duì)超市配送運(yùn)用蟻群算法進(jìn)行了相關(guān)參數(shù)的分析。由于以往研究沒(méi)有對(duì)通信設(shè)備調(diào)度的相關(guān)研究的算例數(shù)據(jù)，本文采取某市通信設(shè)備調(diào)度的10站點(diǎn)與50站點(diǎn)的算例數(shù)據(jù)進(jìn)行參數(shù)的分析。

根據(jù)以往經(jīng)驗(yàn)結(jié)合模型的實(shí)際驗(yàn)證，螞蟻數(shù)量設(shè)置為目標(biāo)數(shù)的1.5倍較為理想。因此，本算例中取值為站點(diǎn)數(shù)的1.5倍。由于與之間的關(guān)系比較緊密，因此在其他參數(shù)不變的情況下對(duì)與進(jìn)行模擬實(shí)驗(yàn)，設(shè)置迭代次數(shù)為100次，觀察其目標(biāo)值。通過(guò)模擬實(shí)驗(yàn)分析，結(jié)合以往的經(jīng)驗(yàn)，在取值為3，取值為1時(shí)，穩(wěn)定性較好，能夠取得較優(yōu)解。因此，本文設(shè)置=3，=1。由于通信設(shè)備的調(diào)度主要考慮設(shè)備類型的匹配度，且各站點(diǎn)距離相對(duì)于用車綜合成本較低，故應(yīng)在保證設(shè)備類型匹配的情況下進(jìn)行路徑的選優(yōu)，所以值不宜設(shè)置過(guò)高，本文選取配送路徑優(yōu)化模型的值為0.2。根據(jù)蟻群算法以往經(jīng)驗(yàn)來(lái)設(shè)置參數(shù)，避免過(guò)早收斂，出現(xiàn)局部最優(yōu)解，因此設(shè)置=100。

5 算例驗(yàn)證及結(jié)果分析

為驗(yàn)證模型及算法的尋優(yōu)性能，選取20個(gè)站點(diǎn)進(jìn)行尋優(yōu)測(cè)試。算法采用Matlab 2018a編程語(yǔ)音實(shí)現(xiàn)，微機(jī)運(yùn)行環(huán)境為：IntelCorei5-8265U CPU@1.60 GHz 1.80 GHz，內(nèi)存8 GB的個(gè)人電腦上運(yùn)行。

5.1 算例驗(yàn)證

通過(guò)實(shí)地調(diào)研分析，各站點(diǎn)對(duì)各類型設(shè)備需求及供給如表4所示。為了驗(yàn)證本模型的有效性，本文通過(guò)實(shí)地調(diào)研選取20個(gè)站點(diǎn)，對(duì)通信設(shè)備進(jìn)行調(diào)度處理。首先將調(diào)研站點(diǎn)的數(shù)據(jù)進(jìn)行初步處理，運(yùn)用Python結(jié)合高德地圖API獲取到實(shí)際駕車距離，如表5所示。

表4 20個(gè)站點(diǎn)供需信息

表5 調(diào)度中心及20個(gè)站點(diǎn)之間實(shí)際駕駛距離 km

通過(guò)運(yùn)行程序得到配送車輛為3輛，路線如下：

1）車輛1：0—2—1—12—3—15—8—6—17—14—0

描述如下：車輛1由公司駐地（調(diào)配中心）出發(fā)依次到達(dá)2號(hào)站點(diǎn)取走4類設(shè)備1臺(tái)，然后到達(dá)1號(hào)站點(diǎn)取走1類設(shè)備2臺(tái)，再到12號(hào)站點(diǎn)卸載并安裝1類設(shè)備1臺(tái)，再到3號(hào)站點(diǎn)卸載并安裝1類設(shè)備1臺(tái)并同時(shí)取走3類設(shè)備1臺(tái)，然后再到15號(hào)站點(diǎn)取走3類設(shè)備1臺(tái)，再到8號(hào)站點(diǎn)卸載并安裝3類設(shè)備2臺(tái)，再到6號(hào)站點(diǎn)取走2類設(shè)備1臺(tái)，然后再到17號(hào)站點(diǎn)卸載并安裝2類設(shè)備1臺(tái)，再到14號(hào)站點(diǎn)卸載并安裝4類設(shè)備1臺(tái)，然后空載回到公司駐地（調(diào)配中心），用時(shí)482 min，滿足約束條件。

2）車輛2：0—14—11—5—4—16—20—10—19—0

描述如下：車輛2由公司駐地（調(diào)配中心）出發(fā)依次到達(dá)14號(hào)站點(diǎn)取走2類設(shè)備2臺(tái)，然后到達(dá)11號(hào)站點(diǎn)卸載并安裝2類設(shè)備1臺(tái)，再到達(dá)5號(hào)站點(diǎn)卸載并安裝2類設(shè)備1臺(tái)，再到4號(hào)站點(diǎn)取走1類設(shè)備1臺(tái)，再到16號(hào)站點(diǎn)卸載并安裝1類設(shè)備1臺(tái)，再到20號(hào)站點(diǎn)取走4類設(shè)備1臺(tái)，再到10號(hào)站點(diǎn)卸載并安裝4類設(shè)備1臺(tái)同時(shí)取走3類設(shè)備2臺(tái)，然后到19號(hào)站點(diǎn)卸載并安裝3類設(shè)備2臺(tái)，然后空載回到公司駐地（調(diào)配中心），用時(shí)475 min，滿足約束條件。

3）車輛3：0—9—19—7—18—13—0

描述如下：車輛3由公司駐地（調(diào)配中心）出發(fā)依次到達(dá)9號(hào)站點(diǎn)取走1類設(shè)備2臺(tái)，然后到19號(hào)站點(diǎn)卸載并安裝1類設(shè)備1臺(tái)，再到7號(hào)站點(diǎn)取走4類設(shè)備2臺(tái)和3類設(shè)備1臺(tái)并卸載并安裝1類設(shè)備1臺(tái)，到18號(hào)站點(diǎn)卸載并安裝4類設(shè)備2臺(tái)，再到13號(hào)站點(diǎn)卸載并安裝3類設(shè)備1臺(tái)，然后空載回到公司駐地（調(diào)配中心），用時(shí)390 min，滿足約束條件。

通過(guò)運(yùn)行20站點(diǎn)算例數(shù)據(jù)，目標(biāo)函數(shù)及程序迭代次數(shù)圖如圖4所示，收斂明顯。通信設(shè)備具體調(diào)度路線如圖5所示，其中黑色代表取設(shè)備，灰色代表配送需求，虛線代表返回公司駐地（配送中心）。通過(guò)對(duì)復(fù)雜的不同運(yùn)行中的通信設(shè)備進(jìn)行合理調(diào)度，其成本呈現(xiàn)下降趨勢(shì)，需求車輛數(shù)為3輛，其調(diào)度總成本為742.6元。

圖4 迭代圖

圖5 配送調(diào)度圖

5.2 結(jié)果分析

通過(guò)對(duì)實(shí)地施工人員的調(diào)研，其調(diào)度采用先由近及遠(yuǎn)取設(shè)備再返回配送中心，再安排車輛進(jìn)行通信設(shè)備的調(diào)度。由于需要取回設(shè)備17臺(tái)超出車輛最大載量限制，選配2輛車進(jìn)行取貨操作，然后再安排車輛進(jìn)行配送。

結(jié)合調(diào)度問(wèn)題，通過(guò)實(shí)地調(diào)研及實(shí)際駕駛距離，某M市施工人員施工安排調(diào)度配送如下：

取設(shè)備車輛：

車輛1：0—2—7—14—20—10—3—0

車輛2：0—1—15—4—9—6—0

配送設(shè)備車輛：

車輛3：0—11—7—18—14—16—12—3—13—5—0

車輛4：0—8—10—17—19—0

根據(jù)調(diào)研數(shù)據(jù)及獲取道路實(shí)際駕車距離，計(jì)算所花費(fèi)時(shí)間及實(shí)際費(fèi)用如下：

車輛1花費(fèi)時(shí)間及費(fèi)用：

車輛2花費(fèi)時(shí)間及費(fèi)用：

車輛3花費(fèi)時(shí)間及費(fèi)用：

車輛4花費(fèi)時(shí)間及費(fèi)用：

與模型算例總成本742.6元相比，調(diào)度成本節(jié)約148.3元。對(duì)于現(xiàn)階段施工先取后送會(huì)增加調(diào)配中心的處理成本，造成資源的浪費(fèi)和效率的降低。應(yīng)用該模型及算法進(jìn)行尋優(yōu)操作，不僅不需要配送中心的處理成本，而且對(duì)各站點(diǎn)配送方案進(jìn)行優(yōu)化，現(xiàn)取現(xiàn)送，也很大程度上減少了設(shè)備型號(hào)配送錯(cuò)誤導(dǎo)致的返工。對(duì)資產(chǎn)管理系統(tǒng)中資產(chǎn)的調(diào)配在施工之前就能夠確定，減少了后期調(diào)整變更的工作量。因此，該模型可為通信運(yùn)營(yíng)設(shè)備調(diào)度提供理論指導(dǎo)，提高管理效率。

6 結(jié) 語(yǔ)

本文通過(guò)對(duì)當(dāng)前通信發(fā)展的趨勢(shì)分析，多網(wǎng)融合發(fā)展作為今后的發(fā)展趨勢(shì)，初步分析了通信設(shè)備能耗的占比，從而引出通信運(yùn)營(yíng)設(shè)備調(diào)度管理的研究問(wèn)題。多網(wǎng)融合共存的情況下，多類型通信運(yùn)營(yíng)設(shè)備的調(diào)度處理成為了今后管理研究的主要方向。結(jié)合通信設(shè)備的特點(diǎn)及調(diào)研數(shù)據(jù)進(jìn)行分析，建立了通信運(yùn)營(yíng)設(shè)備的調(diào)度模型，并運(yùn)用計(jì)算機(jī)技術(shù)進(jìn)行算例的模擬求解。通過(guò)模型求解與現(xiàn)階段施工人員所調(diào)度的方案進(jìn)行對(duì)比分析，證明了模型的有效性。不僅節(jié)約了成本，也優(yōu)化了資產(chǎn)調(diào)整的工作量。運(yùn)用該模型用定量分析法輸出調(diào)度路徑，同時(shí)結(jié)合施工人員的施工經(jīng)驗(yàn)確定路徑，能夠更好地為通信運(yùn)營(yíng)設(shè)備的調(diào)度進(jìn)行指導(dǎo)。對(duì)現(xiàn)網(wǎng)運(yùn)行設(shè)備能夠充分利用，降低耗能，同時(shí)也減少了新設(shè)備的采購(gòu)成本，實(shí)現(xiàn)降本增效的目的。由于通信運(yùn)營(yíng)設(shè)備調(diào)度，涉及到取送結(jié)合，復(fù)雜度較高。今后研究可以將其他因素考慮進(jìn)來(lái)，如可以加入考慮路徑擁堵時(shí)間窗的研究等。