物流配送规划范文篇1

生鲜商品按其秤重包装属性可分为：定量商品、秤重商品以及散装商品，按物流类型分：贮存型、中转型、加工型以及直送型；按贮存运输属性分：常温品、低温品以及冷冻品；按商品的用处可分为：原料、辅料、半成品、产成品以及通常商品。生鲜商品大部份需要冷藏，所以其物流流转周期必需很短，节俭本钱；生鲜商品保值期很短，客户对于其色泽等请求很高，所以在物流进程中需要快速流转。两个评判标准在生鲜配送中心通俗的归结起来就是“快”以及“准确”，本文下面分别从几个方面来讲明1下联华生鲜配送中心是如何做的。

定单管理

门店的要货定单通过联华数据通信平台，实时的传输到生鲜配送中心，在定单上制订各商品的数量以及相应的到货日期。生鲜配送中心接遭到门店的要货数据后，当即生成到系统中生成门店要货定单，按不同的商品物流类型进行不同的处理：

一、贮存型的商品：系统计算当前的有效库存，比对于门店的要货需求和日均配货量以及相应的供应商送货周期自动生成各贮存型商品的建议补货定单，采购人员依据此定单再依据实际的情况作1些修改便可构成正式的供应商定单。

二、中转型商品：此种商品没有库存，直进直出，系统依据门店的需求汇总按到货日期直接生成供应商的定单。

三、直送型商品：依据到货日期，分配各门店直送经营的供应商，直接生成供应商直送定单，并通过EDI系统直接发送到供应商。

四、加工型商品：系统按日期汇总门店要货，依据各产成品/半成品的BOM表计算物料耗用，比对于当前有效的库存，系统生成加工原料的建议定单，出产规划员依据实际需求做调剂，发送采购部生成供应商原料定单。

各种不同的定单在生成完成/或者手工创立后，通过系统中的供应商服务系统自动发送给各供应商，时间间隔在一0分钟内。

物流规划

在患上到门店的定单并汇总后，物流规划部依据次日的收货、配送以及出产任务制定物流规划。

一、路线规划：依据各路线上门店的定货数量以及品种，做路线的调剂，保证运输效力。

二、批次规划：依据总量以及车辆人员情况设定加工以及配送的批次，实现循环使用资源，提高效力；在批次规划中，将各路线分别分配到各批次中。

三、出产规划：依据批次规划，制订出产规划，将量大的商品分批投料加工，设定各路线的加工顺序，保证以及配送运输调和。

四、配货规划：依据批次规划，结合场地及物流装备的情况，做配货的支配。

贮存型物流运作

商品进货时先要接受定单的品种以及数量的预检，预检通过方可验货，验货时需进行不同请求的品质检修，终端系统检修商品条码以及记录数量。在商品进货数量上，定量的商品的进货数量不允许大于定单的数量，不定量的商品提供1个超值规模。对于于需要重量计量的进货，系统以及电子秤系统连接，自动去皮取值。

捡货采取播种方式，依据汇总取货，汇总单标识从各个仓位取货的数量，取货数量为本批配货的总量，取货完成后系统预扣库存，被取商品从仓库仓间拉到待发区。在待发区配货分配人员依据各线路各门店配货数量对于各门店进行播种配货，并检查总量是不是正确，如不正确向上校核，如果商品的数量不足或者其他缘由造成门店的实配量小于应配量，配货人员通过手持终端调剂实发数量，配货检修无误后使用手持终端确认配货数据。

在配货时，冷藏以及常温商品被分置在不同的待发区。

中转型物流运作

供应商送货同贮存型物流先预检，预检通过后方可进行验货配货；供应商把中转商品卸货到中转配货区，中转商品配货员使用中转配货系统按商品再线路再门店的顺序分配商品，数量依据系统配货指令的指定执行，贴物流标签。将配完的商品采取播种的方式放到指定的线路门店位置上，配货完成统计单个商品的总数量/总重量，依据配货的总数量生成进货单。

中转商品以发定进，没有库存，过剩的部份由供应商带回，如果不足在门店间进行调整。

3种不同类型的中转商品的物流处理方式：

*不定量需秤重的商品

设定包装物皮重；

由供应商将单件商品上秤，配货人员负责系统分配及其他节制性的操作；

电子秤秤重，每一箱商品上贴物流标签。

*定量的大件商品

设定门店配货的总件数，汇总打印1张标签，贴于其中1件商品上。

*定量的小件商品（通常需要冷藏）

在供应商送货以前先进行虚拟配货，将标签贴于周转箱上；

供应商送货时，取自己的周转箱，按箱标签上的数量装入相应的商品；

如果产生缺货，将未配到的门店（标签）作废。

加工型物流运作

生鲜的加工按原料以及成品的对于应瓜葛可分为两种类型：组合以及分割，两种类型在BOM设置以及原料计算和本钱核算方面都存在很大的差异。在BOM中每一个产品设定1个加工车间，只属于惟1的车间，在产品上区别终究产品、半成品以及配送产品，商品的包装分为定量以及不定量的加工，对于于秤重的产品/半成品需要设定加工产品的换算率（单位产品的标准重量），原料的类型区别为终究原料以及中间原料，设定各原料相对于于单位成品的耗用量。

出产规划/任务中需要对于多级产品链计算嵌套的出产规划/任务，并生成各种包装出产装备的加工指令。对于于出产管理，在规划完成后，系统按规划内容出标准领料清单，指点出产人员从仓库领取原料和出产时的投料。在出产规划中斟酌产品链中前道与后道的衔接，各种加工指令、商品资料、门店资料、成份资料等下发到各出产自动化装备。

加工车间人员依据加工批次加工调度，调和不同量商品间的加工瓜葛，知足配送请求。

配送运作

商品分捡完成后，都堆放在待发库区，按正常的配送规划，这些商品在晚上送到各门店，门店次日早上将新鲜的商品上架。在装车时按规划依线路门店顺序进行，同时抽样检查准确性。在货物装车的同时，系统能够自动算出包装物（笼车、周转箱）的各门店使用清单，装货人员也据此来核查差异。在发车以前，系统依据各车的配载情况出各运输的车辆随车商品清单，各门店的交接签收单以及发货单。

物流配送规划范文篇2

关键词：冷链物流；蜂群算法；路径优化；腐败成本；有效性

中图分类号：TP301.6文献标识码：A文章编号：0439-8114（2016）22-5958-04

DOI：10.14088/ki.issn0439-8114.2016.22.057

ApplicationofColonyAlgorithminVehicleRoutingPlaningofCold-chainLogistics

BAITao，LIMing，YANLiang-tao

（SchoolofMechanical&ElectricalEngineering，NanchangUniversity，Nanchang330031，China）

Abstract：Vehicleroutingplaningisthekeystepofcold-chainlogistics，however，perishableagriculturalproductswillbebadandaffectitsusevaluewiththetransporttime.Basedonthebasicprincipleofcolonyalgorithmwithhoneybehaviorandalgorithmofprocess，thenthemodelwasestablishandpreliminarygiventhecostofcorruptionbasedondistributioncenterwiththeneedsofcustomersandvariousaspectsofconstraintconditionintheprocessoftransportation.Finalanalysisanddesignanalgorithmbasedonartificialcolonyofcold-chainlogisticsdistributionvehicleroutingoptimizationmethod，thenthroughsoftwaresimulationofalgorithmtowakethevalidationandproveitsvalidity.

Keywords：cold-chainlogistics；colonyalgorithm；routingplaning；costofcorruption；validity

随着中国经济的发展，生活水平不断提高，为保证冷冻食品的质量，冷链物流快速发展。有效的配送却成了冷链物流的关键环节，因为农产品受自然条件的影响较大，容易腐坏，所以要求配送车辆效率的提升，实现资源的优化配置，减少农产品的损失。本研究设计实现了一种基于人工蜂群算法的冷链物流配送车辆路径优化算法，蜂群具有劳动分工和协作机制，蜜蜂按照劳动分工采用不同的搜索策略或模式，并且可以互相共同完成寻优工作，且全局寻优能力强[1]。基于采蜜行为的蜂群算法能利用蜜蜂之间寻优的正反馈机制，有效加快了全局寻优的过程，同时发现蜂群算法在搜索过程中能自组织进行角色变换，具有很强的自组织、自适应以及鲁棒性强等特点。基于蜂群采蜜行为算法对冷链物流配送车辆路径规划实现了智能化，使物流配送服务的质量，提高了物流配送的合理性和高效性、提高了服务资源利用率、降低了物流服务成本，最终保证了冷冻食品的质量与安全。

1人工蜂群算法

1.1蜜蜂采蜜行为生物学机理

蜂群算法是一种群智能优化算法，是通过对自然界中蜜蜂采蜜的行为进行的模拟算法。蜜蜂能在苛刻和复杂的环境中进行高收益率的采蜜，并且能够自发进行角色互换，随着环境的改变而变换自己的采蜜方式最终快速地找到优质的蜜源。Karaboga等[2，3]通过对蜜蜂采食行为的研究给出了人工蜂算法模型，模型由3个基本要素组成：蜜源、雇佣蜂、非雇佣蜂。

蜜源：蜜蜂的搜索目标，离蜂巢的距离远近、花蜜的丰富程度、获取花粉的难易程度等由多方面因素评价其质量，蜜源的质量与收益度成正比。

雇佣蜂：也被称为引领蜂，其数量与蜜源的数量相对应，自身还储存蜜源的相关信息。回到蜂巢中时会通过摇摆舞的形式按一定的概率与其他蜜蜂分享自身携带食物源的信息。

非雇佣蜂：非雇佣蜂有两种，分别是跟随蜂与侦察蜂。主要目的是开采蜜源和发掘新的蜜源，跟随蜂按一定的概率从引领蜂那获取蜜源的信息。

刚开始，所有蜜蜂都可以看做是侦察蜂，然后根据以往的经验决定其搜索方式。经过一系列搜索后，如果侦察蜂找到某个蜜源，侦察蜂就开始进行采集花蜜利用自身的储存功能标记食物源的信息。同时，侦察蜂将成为雇佣蜂（引领蜂）。蜜蜂采完蜜后将蜂蜜放在蜂巢然后将有以下几种选择。

1）如果蜜源收益度低，放弃蜜源再次成檎觳榉浠蛘吒随蜂。

2）如果蜜源收益度仍然很好，引领蜂通过跳摇摆舞招募更多的蜜蜂采集蜜源，接着继续去蜜源采蜜。

3）如果蜜源收益度一般，继续在之前侦查蜜源采蜜并且不进行招募活动。

1.2ABC算法简介

ABC算法是一个迭代寻优算法，初始时随机生成N个蜜源（问题的可行解）{X1，X2，X3…XN}是一个D维向量，一个采蜜蜂对应一个蜜源。

采蜜阶段，每只雇佣蜂在每一个蜜源的领域内生成一个新的蜜源，并且评估两者的花蜜数量（适应度），保留适应度高的蜜源，蜜源的更新公式为：

vij=xij+rand（xij-xkj）（1）

其中，k∈{1，2，…N}，j∈{1，2，…D}；rand是0到1之间的一个随机数，控制一个蜜源的领域生成范围。

跟随阶段，当所有的雇佣蜂完成这个过程后，它们与跟随蜂共享蜜源的信息。每跟随蜂按照一定的概率选择一个蜜源。

引领蜂招募跟随蜂概率为：

Pi=fi/■fi（2）

式中，fi是第i个解的适应度，适应度越高的蜜源被选择的概率越大。

若食物源经过若干次搜索后，没有得要最优解，那么认为这个解陷入僵局放弃此解，该食物源将被引领蜂放弃，自己的角色将转化成侦察蜂。然后随机产生一个新的解代替淘汰解，这样算法能够跳出局部最优解，加快算法的收敛速度。

xji=xjmin+rand（0，1）（xjmax-xjmin）（3）

其中，k∈{1，2，…N}，j∈{1，2，…D}，xmax、xmin为个体的最大最小值。

为了更好理解该算法，现将蜜蜂采蜜行为与算法的对应关系如表1所示。

2蜂群算法在路径优化上的应用

2.1数学模型

随着时间的推移，农产品容易腐烂变质，农产品冷链物流的配送，除了要满足客户对于货物送达的基本要求，还应当尽量满足客户对于配送时间的要求，从而对农产品的新鲜度有一定的保障[4]。因此，本研究选取了更为接近实际情况的车辆路径问题（VehicleRoutingProblem，VRP）进行研究。

VRP模型是物流配送优化中的关键问题[5]。冷链物流配送问题可以描述为，在约束条件下，设计从一个配送中心出发，到多个已知客户位置的多条最优送货路径回路，即要设计多条总体配送成本（车辆管理费用+运输成本+运输中产品产生的腐败成本）最小的路线且满足：

1）每个城市或者客户只被一辆车访问一次[6]；

2）所有车辆从起点出发最终回到起点；

3）满足一些约束条件。

通常的约束包括：每辆车的载重量限制、到达客户的时间限制（具体表现在农产品的腐败成本上与时间有关，耽搁时间越长农产品价值越低，成本越高），这里假定所有车辆都一样且有相同的载重量。

其基本模型如图1所示，实线代表载货运输，虚线代表空车行驶，圆圈代表各个客户[7]。

记G=（V，E）为赋权图，V={1，2，3……，n}为顶点集，代表所有的客户位置及配送中心；E为边集，代表各个顶点的距离为lij（lij>0，lii=0；i，j∈V），每一辆车的载重量为M，各个客户需求量为mi（i∈V），并且定义变量如下：

yki1，客户i的需求由车辆k完成0，其他（4）

xijk1，车辆k从i点行驶到j点0，其他（5）

约束条件为：

■yki=1，i∈V（6）

式6保证每一个客户只被访问一次

■xijk=ykj，i∈V，？坌k■xijk=yki，i∈V，？坌k■■xijk≤|S|-1，S？哿V（7）

其中，xijk，yki≤（0，1）；i，j∈V，？坌k，|S|为集合S中所含图G的顶点个数。

式7保证车辆能够回到起点形成回路，且路径连接条数必小于等于顶点数减一。

腐败成本P（t）的计算。由于不考虑农产品在配送中心的腐败损失，以出发时完好的物品量Wi（0）为计算腐败成本的标准量，由于腐败速率恒定，有腐败微分方程[8]：

■=-？兹Wi（t）（8）

其中，Wi（t）为运往客户i的路途中t时刻完好的产品量，？兹为腐败速率系数，不考虑其他因素，恒定不变。

假设ti为配送中心到达客户i所需要的时间，a为运输速度的倒数，li为配送中心到客户i的距离，di为客户i的需求量，则有：

ti=ali；Wi（t）=di（9）

将上式带入微分方程得：

Wi（0）=dieti？兹（10）

则产品运输到客户i后的腐败量为

Wi（0）-Wi（t）=di（eti？兹-1）（11）

易腐农产品的单价为c，则产品运到客户i的腐败成本为

P（t）=c*di（eti？兹-1）（12）

则目标函数如下：MinU=A*（maxk）+P（t）+h*（■■■1ijxijk）（13）

A*（maxk）表示车辆的管理费用，A表示每一辆车的管理费用。

P（t）表示产品的腐败成本，与时间有关系。

h*（■■■1ijxijk）表示运输费用，h表示单位长度路程费用。

2.2路径优化算法设计与实现

首先对食物源（客户）采取实数编码，可以用自然数I∈{1，2，…N}表示客户，0代表物流配送中心，路径的表示方法则更为简单，例如0-1-2-3-0，表示车辆从配送中心出发，经过客户1、客户2、客户3，最终回到配送中心。然而有时候车辆较多无法区分时，则用负数表示物流车辆，k∈{-1，-2，…-M}，则路径（-1）-1-2-3-（-2）-3-4-（-2），表示第一辆车从配送中心出发，经过客户1、客户2、客户3，最终回到配送中心；第2辆车经过客户3、客户4回到配送中心，表示两个车辆的回路。初始解的生成将车辆序号插入到客户编号序列里面，生成初始解。主要步骤描述如下。

①对算法中需要的参数设定。算法中主要的参数：种群大小NP，雇佣蜂数En，跟随蜂数On，侦察蜂数Sn，局部最大搜索次数Limit，迭代次数Cycle，解的D（维度），客户数（N）、车辆数（K），其中，D=N+K[9]。

②初始化蜂群数量。随机生成N个预行驶路线（即客户车辆的编号序列），构成预行驶路线的方法为：随机选择一辆车，将其编号插入到序列的第一位，从这一位开始向后逐一判断车辆的载重是否能够满足后面客户的需求，直到不能满足时再从剩下的车辆中随机选择一辆车，将其编号插入到该位置。

③根据车辆的载重量客户的时间限制及一些约束条件，确定生成的解是否满足条件，当生成的解不满足约束时重新生成新的解，并根设计的目标函数MinU对各解的适应度值进行计算，然后存储这些信息。

④开始算法的迭代过程，重复执行步骤⑤～步骤⑧。

⑤遍历所有的解，在解的邻域内寻找新解，保留原解和新解中适应度值更高的解。

⑥根据所有解的适应度值来计算各个解被选择的概率值。

⑦当达到局部最大次数时，解没有被更新，则将该解丢弃，重新生成一个解来代替且记录目前为止的最优解。

⑧判断是否已经达到全局最大循环次数，到达则算法结束，否则转到步骤⑦中记录的解即为全局最优解。

算法流程图如图2所示。

3实例求解与分析

一个配送中心，配送物流车总数为2，客户数为8，车辆的载重为8t。客户与配送中心的距离及客户与客户之间的距离且各个客户的需求量如表2所示。假设车辆的行驶速度一定，交通状况良好，运输时间与运输路程当然也就成正比关系，腐败成本与时间成正相关，即车辆行驶总路程与腐败成本成正相关关系。参数设置种群规模为60，迭代次数为50（与文献[10-12]的设置相同）。经过10次运算，得到的计算结果见表3。从表3中可以看出，10次运行得到的结果在第4次得到了最优解101.25km，其对应配送路径为04160；0728530。结果表明，ABC算法有较好的优化能力，适合解决VRP问题，可以方便有效地求得问题的最优解或近似最优解[13-20]。

4小结

利用蜂群算法，以物流成本为最终目标，对车辆路径进行了优化，在冷链物流配送系统中，实现了资源的优化配置，农产品的保鲜度得到了保障，提高了经济效益。通过仿真表明，用该算法解决车辆路径问题是有效可行的。

参考文献：

[1]张超群，郑建国，王祥.蜂群算法研究综述[J].计算机应用研究，2011，28（9）：3201-3204.

[2]KARABOGAD.Anideabasedonhoneybeeswarmfornumericaloptimization[R].Kayseri：ErciyesUniversity，2005.

[3]KARABOGAD，BASTURKB.Apowerfulandefficientalgorithmfornumericalfunctionoptimization：Artificialbeecolony（ABC）algorithm[J].JournalofGlobalOptimization，2007，39（3）：459-471.

[4]李明泽.蜂群算法研究综述.城市农产品冷链物流配送路径优化研究[D].辽宁大连：大连海事大学，2013.

[5]崔雪丽，马良，范炳全.车辆路径问题（VRP）的蚂蚁搜索算法[J].系统工程学报，2004，19（4）：418-422.

[6]杨进，马良.蜂群优化算法在车辆路径问题中的应用[J].计算机工程与应用，2010，46（5）：214-216.

[7]李芳，罗清明，叶春明.JIT方式在冷链物流配送中的应用研究[J].工业技术经济，2007，26（1）：99-101.

[8]李磊，张彦玲.易腐农产品配送中心选址问题[J].江南大学学报，2013，12（6）：732-738.

[9]张英伟.基于人工蜂群算法的城市物流配送服务车辆调度问题研究[D].哈尔滨：哈尔滨工业大学，2014.

[10]赵燕伟，吴斌，蒋丽，等.车辆路径问题的双种群遗传算法求解方法[J].计算机集成制造系统，2004，10（3）：303-306.

[11]姜昌华，戴树贵，胡幼华.求解车辆路径问题的混合遗传算法[J].计算机集成制造系统，2007，13（10）：2047-2052.

[12]肖健梅，李军军，王锡淮.求解车辆路径问题的改进微粒群优化算法[J].计算机集成制造系统，2005，11（4）：557-581.

[13]陈阿慧，李艳娟，郭继峰.人工蜂群算法综述[J].智能计算机与应用，2014，4（6）：20-24.

[14]杨进，马良.蜂群优化算法在带软时间的车辆路径问题中的应用[J].预测，2010，29：85-86.

[15]王连稳，蔡延光.基于蜂群算法的随机需求车辆路径优化问题研究[J].科研发展，2013（6）：85-87.

[16]王志刚，夏慧明.求解车辆路径问题的人工蜂群算法[J].计算机工程与科学，2014，36（6）：1088-1093.

[17]张丽萍，柴跃廷.车辆路径问题的改进遗传算法[J].计算机集成制造系统，2002，8（6）：451-454.

[18]王晓博，李一军.多车场多车型装卸混合车辆路径问题研究[J].控制与决策，2009，24（12）：1769-1774.

物流配送规划范文篇3

关键词：线性规划；单纯形解法

中图分类号：G712文献标识码：B文章编号：1002-7661（2015）03-037-02

随着社会的发展，网购及物资流通等越来越频繁，物流配送越来越跟我们的生活息息相关，物流公司也如雨后春笋般越来越多。

在所有的经济活动中，我们始终追求的是在国家政策法规和产品质量标准的范围内达到利润的最大化，物流公司也不例外。利润的最大化可以通过降低成本或增加净利润值达到。

在物流配送中，运输成本占到了总成本的三分之一到三分之二还多，所以，如何充分利用运输设备和人员，最大限度的提高运输运作效率是运输管理中最需要关注的问题。

运输管理中最常见的决策问题是选择出运输工具在公路网、铁路网、水运航线或航空线路运行中的最佳路线，以便尽可能缩短运输时间或距离，达到降低成本和改善服务的目的。

优化运输线路的常用方法有图上作业法与表上作业法，实质就是用矩阵的方式写出供需平衡问题，利用线性规划找出初始方案，检查是否为最优方案，逐渐调整，得出最优方案。下面我们给出一个实例来说明规划在物流线路规划中的应用问题：

例如：JC啤酒厂目前在C地区内有A1、A2两个配送点分别存有啤酒21箱，29箱。需要送往3个连锁超市B1、B2、B3。三个连锁超市的需求量分别为20箱，18箱，12箱。而且已知各配送点和超市的地理位置及它们之间的道路通阻情况，请以线路最短为准对该次运输任务进行优化。

下面先给出该次运输的运距运量交通示意图：

考虑运距最短，这样需要的运输成本低。从图中我们希望找到A1、A2分别到B1、B2、B3的最短运距。可以看出最短运距如下表：

设A1运往B1、B2、B3的啤酒量分别为箱、箱、箱，A2运往B1、B2、B3的啤酒量分别为箱，箱，箱。考虑到配送点运出啤酒的数量与各自的储量平衡，有

考虑到超市运进啤酒的数量与各自的需量平衡，有

上面得到的五个线性方程式中有一个线性方程是多余的，不妨去掉第一个线性方程式。当然对决策变量皆有非负约束，有

总运费为（元）

于是得到这个线性规划问题的数学模型为

应用单纯形解法求解时，该数学模型必须是标准形式。引进新的目标函数：

所得线性规划问题化为标准形式

所求最小值

得到单纯形矩阵

我们发现该单纯形矩阵没有现成的初始可行基，因此要找初始可行基，具体变化如下：

于是得到有四个基变量，，，构成的初始可行基。

由于所有检验数皆非负，且非基变量，对应的检验数皆为正，所以基本可行解为唯一最优解。令非基变量，，得到基变量，，，，于是得到这个线性规划问题的唯一最优解：

最优值等于检验行常数项的相反数，即

所以应从A1调出9箱啤酒运往B2，12箱啤酒运往B3，从A2调出20箱啤酒运往B1、9箱啤酒运往B2，才能使得总运费最省，最省运费值是381元。

如果运距运量图更复杂，或者其他条件发生变化，我们还可以用数学软件来处理。在线性规划中，我们经常用到的软件是LINGO，在LINGO中输入程序如下：

执行得：

从上图中可以看出结论跟我们上面计算的结果是一样的。

以上的这种方法我们称为线性规划问题的单纯形解法，如果较简单，可以手动计算，如果稍微复杂，可以用数学软件来求解。

在线性规划中，比较常用的软件是LINGO。这种方法可以用于物资调运方案的制定，运输线路的开发等。

参考文献：

[1]黄红选运筹学：数学规划.北京：清华大学出版社，2011.