1.目的及意义

1.1选题的背景及研究意义

20世纪70年代以来，世界产业结构调整，发达国家纷纷从高度集中的制造业模式向高度集中的生产性服务业模式转变，物流作为服务性行业也从中受益并得到发展。随着经济全球化步伐的加快，科学技术尤其是信息技术、通讯技术的发展，电子商务快速兴起，带动着现代物流业进入蓬勃发展的新时期。

目前，我国物流企业的发展依然处于起步阶段，特别是一些大中型企业的内部物流在从传统储运向现代化物流转变的过程中进展缓慢，不能很好的适应现代化的物流信息网络，与发达国家相比都还存在着较大的差距。大多数企业尚未发展自身的企业物流，第三方物流市场竞争激烈，如何整合资源、提高物流效率成为我国现阶段物流发展的重要课题之一。

本课题研究目的是对我国中小型物流企业的物流配送路径进行优化，以扬州正帆货物代理有限公司的物流配送线路为例，通过分析该企业物流业务情况，对配送线路的可能存在的不足之处进行合理优化并给出改善建议。

本课题的研究意义在于通过对现有路径优化算法进行择优比较，选择合适的算法应用在我国中小型物流企业的物流配送线路优化问题之中，满足企业经济利益的同时提高企业市场竞争力。与此同时，新设计的配送线路相较于旧线路，总体运输耗能更少，在一定程度上可以实现节能减排，这对近年来我国所提倡的绿色物流的发展也具有一定的现实意义。

1.2研究综述

1.2.1路径优化模型的提出与主流优化算法的研究

新时期的物流业有着诸多标志性的特点。学者Alexander T.Richter等[16]这样概括道：物流业是一个拥有着庞大且发展迅速的路线网络，并对费用十分敏感的行业。一家生产企业如果需要从不同的供应商将商品运至工厂加工，决策者往往会选择市场上运输费用较小的物流公司托运。对于物流公司而言，面对数量较多的客户需求，在路网中选择最优的配送路径可以使运输成本最低化，从而提高自身的市场竞争力。这便折射出现代物流学中的一个问题，即共同配送模式下的路径优化。此外，费用发生极小的改变，也与物流线路规划高度相关，因此优化模型中需要包含准确的费用函数。

学者崔少飞[3]在研究物流线路优化时提出将运筹学中的0-1规划应用到启发式算法中，建立了某主机厂汽车货运的规划模型。学者张倩等[12]在研究电商冷链物流路径优化问题也建立了关包含客户需求、成本、配车等要素在内的0-1规划模型，由此可见整数规划是构建优化模型的思路之一。此外，对于配送路线较少、产品时效性要求不高的路径优化问题，李秀邦[2]和贾冰新[8]以节约里程法为基础，综合车辆调度情况，把问题转化为VRP或VRPTW问题，并利用已有的数学模型进行求解，具有一定的参考价值。

路径优化模型的求解算法也是本文的关键问题之一。现有的主流优化算法分为五大类：系统仿真法（Simulation）、人机互动法、精确解算法（Exact Procedures）、启发式算法（Heuristics Algorithm）、智能算法（现代启发式算法）。其中，启发式算法和智能算法因可操作性和实用性强而得到广泛认可。智能算法与启发式算法的原理相同，但所采用的模型建立方法更加新颖、科技含量更高。智能算法往往会与计算机技术、人工智能技术相结合，计算的精度得到专家们的认可，在解决复杂问题时也会受到大多数专家的青睐。智能算法涵盖模拟退火算法、进化算法、人工神经网络等多种算法，为解决不同实际情况下的路径优化问题提供了选择的空间。

1.2.2现代智能算法在解决路径优化问题上的应用

蚁群算法(Ant Colony Optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。国内外学者对ACO在物流领域的应用都有研究前例可循。学者邓必年[6]采用蚁群优化算法对区间重构法进行物流配送路径寻优收敛性不好的情况提出了改善建议。在使用基于ACO的路径模型解决电子物流问题时， Eric Hsueh-Chan Lu[14]提出，除实际物流需求约束外，取货交货的约束条件也应考虑在内，从而对算法进行部分优化，也得到了相对可行的结果。

模拟退火算法来源于固体退火原理，是一种基于概率的算法，通过对单个个体进行优化，以较优解代替当前解，在解决局部的旅行商问题（TSP）和车辆路线问题（VRP）时能得到较为精确的结果。但是由于退火算法对新解的验收标准是随机的，因此存在一定程度上接受恶化解的情况。

遗传算法是一种通过全局随机搜索的方式，按照自然选择机理，从调度开始，逐代产生一组优化方案，并择优繁殖下一代的智能算法。相较于模拟退火算法，遗传算法的全局性更佳，但求解速度慢、进化速度不理想等弊端限制了其对实际问题求解的效率。

李秀邦[2]在研究农产品物流配送问题时提出将模拟退火算法和传统遗传算法相结合的模拟退火遗传算法，以退火原理优化遗传算法，十分具有借鉴意义。此外，对于进化算法的优化完善，近年来也有诸多研究，例如V.N.S.A.Kumar[15]采用人工免疫(Artificial Immune System, AIS)算法和粒子群(Particle Swarm Optimization, PSO)算法对双向物流多周期模型进行求解。AIS算法和PSO算法均属于进化算法，也是从随机解出发，通过迭代寻找最优解。但比遗传算法规则更为简单的是，PSO算法可以追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高的特点在解决实际问题中展示了其优越性。

课题研究内容是通过对扬州正帆货物代理有限公司的物流配送现状进行分析，提出现有配送路线的存在的问题，建立路径优化模型，并选择合适的算法求解模型，得出优化的路径方案及解决现有问题的措施和建议。

具体技术方案路线图见附件。

[1] 马明. 国大36524连锁便利店城市物流配送模式与线路优化研究[D]．河北：河北科技大学，2015．

[2] 李秀邦. 青海省海东市农副产品物流配送线路优化研究[D]. 陕西：长安大学，2015.

[3] 崔少飞，邓露珊，孙延. 物流线路优化——启发式算法与0-1规划[J]. 管理世界, 2013(11).

[4] 孟升. 基于灰色运输模型的体育物流线路优化方法[J]. 技术与方法, 2013(9).

[5] 章惠民. 烟草商业系统物流线路优化研究与应用[J]．中国烟草学报，2018,24(3).

[6] 邓必年. 基于蚁群优化算法的物流配送路径研究[J]. 现代电子技术， 2017,40(15).

[7] 杨超杰，裴以建，刘朋. 改进粒子群算法的三维空间路径规划研究[J/OL]. 计算机工程与应用, 2018.

[8] 贾冰新. 电子商务下物流公司配送系统优化问题研究[D]. 河南：郑州大学, 2018.

[9] 贺翔. 面向服务的物流线路优化系统的研究与开发[D]. 陕西：西安电子科技大学, 2018.

[10] 汪越，王向前，刘敏. 一种基于蚁群算法的带时间窗物流运输车辆路径优化方法[J]. 宿州学院学报, 2018,33(10).

[11] 陈成. 基于改进遗传算法的物流车辆路径问题优化[J]. 信息技术与信息化, 2018(9).

[12] 张倩，张悟移. 电商环境冷链物流路径优化研究[J].特区经济, 2018.

[13] Helena M. Stellingwerf, Argyris Kanellopoulos, Jacqueline M. Bloemhof et al. Quantifying the environmental and economic benefits of cooperation: A case study in temperature-controlled food logistics[J]. Transportation Research Part D, 65(2018) :178-193.

[14] Eric Hsu-Chan Lu, Ya Wen-Yang, Zeal Li-Tse Su. Ant Colony Optimization Solutions for Logistic Route Planning with Pick-up and Delivery[J]. IEEE SMC，2016..

[15] V.N.S.A. Kumar, V. Kumar, M. Brady et al. Resolving Forward-reverse logistics multi-period model using evolutionary algorithms [J]. Int. J. Production Economics 183(2017) :458-469.

[16]Alexander T. Richter, Sebastian Stiller. Robust Strategic Route Planning in Logistics[J]. Transportation Science, 2018, 52(1) :35-38.

[17] Jianquan Guo, Xinyue Wang, Siyuan Fan et al. Forward and reverse logistics network and route planning under the environment of low-carbon emissions: A case study of Shanghai fresh food E-commerce enterprises[J]. Computers＆Industrial Engineering, 106(2017) :351-360.