无时限配送车辆调度策略研究
汤海林
（广东白云学院大数据与计算机学院，广东 广州510450）
摘 要： 科学的配送车辆调度是降低物流成本，提供客户更优服务的保障。文中分析了无时限配送车辆调度的影响因素，从车辆、客户、配送中心等方面进行了阐述，设计以配送总里程最短为目标的调度策略模型。根据调度模型函数，分析了基于无时限配送车辆调度的遗传算法的功能架构、算法因子及函数，并编程实现该算法，从数据结果分析，基于遗传算法的配送车辆调度策略在大规模数据量的应用中可达到较优的性能。
关键词： 配送；无时限；遗传算法；策略
配送是物流服务系统中针对客户最后一公里服务的重要环节，它由物流企业根据客户需求，统筹完成分货、配送工作，并在约定时间、地点将货物送达收货人。我国物流产业的总产值占全国生产总值20%左右，因实际环境因素影响，商品从生产到交付到消费者，在物流的流通、存储、运输等环节的费用甚至占到整个商品的50%左右，而对于具有较强时效性的商品，其流通费用更高。基于物流配送车辆的调度研究是有效降低物流流通成本的方法，通过实施科学的物流车辆管理，可提高物流配送效率、降低物流流通成本。
峰值荷载后在CD段卸载时，以K56为卸载刚度，沿56进行卸载，若卸载后反向加载未过峰值点，则沿路径6C′D′进行加载，若反向加载超过峰值点，则沿路径65′D′进行加载；在C′D′段的卸载情况与CD段相似。
1 无时限配送车辆问题
配送车辆调度问题是一个供求关系系统，它是车辆、配送中心和客户的综合系统，研究的是货物、客户、车辆分配、约束条件和目标函数等因素的复合性问题。对配送车辆调度研究是在给定约束条件下[1]，根据客户需求，将货物配送到客户手中，或将客户配送的货物取回到配送中心，并能实现目标函数的优化性能。无时限配送车辆调度是在指定配送路线时，客户对货物送到时间约束不作强要求的车辆调度问题，它是根据货物配送需求，物流配送中心调度多车辆向多客户配送的服务，对于客户的位置和需求量、配送车辆的载重量，一次配送的行驶距离等约束条件固定，实现合理安排车辆配送路线，使目标函数得到最优化。
2 配送车辆调度模型设计
配送车辆调度是将客户、货物、配送车辆、配送中心、交通网络、约束条件和目标函数各因素进行归结，根据配送的客户货物数量约束、供应时间约束、配送车辆最大距离约束等约束条件，实现对目标函数优化[2]，以实现车辆配送里程最短、时间最少、人员最少、费用最低、负载率最高等，实现客户服务最优和企业资源使用最低。实现目标函数最优的限定条件如下：（1）每条配送路径上车辆的载重量满足客户需求量之和；（2）车辆配送的最大行驶距离满足配送路径的长度；（3）客户与配送车辆的一对一关系。基于目标函数的限定条件，依据系统测算设计需求，各式符号解释如表1 所示。
表1 模型设计的符号解释
以配送车辆的总里程最短为目标函数，建立无时限单向配送车辆优化调度的数学模型如下：
根据配送车辆调度算法策略，设计系统功能模块结构如图1 所示。
该模型设计目标函数和约束条件能较好的符合物流车辆配送的实际情况，决策变量、目标函数和约束条件的设计与实现较好，便于设计求解算法和编程实现[3]。
3 遗传算法设计
3.1 算法策略
初始化模块实现输入问题的已知条件及相应的运行参数，并产生初始群体。录入初始模块用于输入客户总数、、客户的货物需求量、配送车辆总台数、配送中心和客户之间距离等已知条件和群体规模、交叉概率、配送路径的惩罚权重等运行参数[5]。群体初始化模块按客户直接排列的编码方法产生初始群体，计算个体的适应度。
群体更新模块根据算法设计的选择参数、交叉因子、变异因子、解码因子和适应度模块实现群体的更新。
3.2 模块结构设计
Variations of typhoon frequency and landfall position in East China Sea from 1951 to 2015
图1 遗传算法模块结构图
遗传算法是一种基于生物特征的迭代搜索算法，包括编码、适应度评估、选择、交叉、变异基本要素[4]。无时限的配送车辆调度算法策略如下：（1）编码：采用客户直接排列的编码方法；（2）适应度评估函数：
)；（3）选择：采用最佳个体保留，采用赌轮选择策略，按由大到小顺序将每代群体中的N 个个体按适应度排列，首位个体性能最优；（4）交叉算子：采用类OX 交叉方法，以概率Pc发生的；（5）变异：采用多次对换变异技术。
在进修医师刚入科对功能神经外科疾病尚不熟悉的情况下，安排书写病历是快速进入状态的好途径。对常见的十几种疾病都做好文本模板，特别是首次病程记录，做到宁繁勿简。在现病史中对症状的描述尽可能详尽，归纳可能的合并症状，提供必要的阴性症状，完善的既往治疗措施；查体需包括可能的阳性体征和必要的阴性体征；诊断依据条理性强，有分析过程，同时提供3～4条鉴别诊断；诊疗措施规范合理；术前小结模板对手术适应症、可能的合并症及术后注意事项记录清楚。在进修医师病历书写过程中，通过对详尽的模板进行改动，增加患者个体化信息的过程中也获得了对疾病认识的提高。
3.3 算法实现
基于无时限配送车辆调度算法模型和遗传算法策略设计，利用程序实现算法对配送车辆优化的测试，根据不同的参数，生成算法计算结果[6]。以群体规模30，交叉概率0.8，变异概率0.8，变异基因换位次数取6，惩罚权重100km，进化代数60，计算结果如表2 所示。
表2 遗传算法计算结果
从表2 的数据看出，基于遗传算法的配送车辆调度的实现，对于数据规模较小的应用，其性能可能未必最优。
4 结论
物流车辆配送是物流企业直接面向客户服务的最后环节，基于城市环境、交通、企业人力、客户需求等多方面因素影响，一直是物流企业高成本的环节。配送车辆调度策略研究充分考虑企业资源、客户需求及交通状况等因素，文中设计以最短配送总里程的函数模型，实现了无时限的遗传算法策略函数，能实现对车辆配送的优化设计，提高企业资源利用率和客户服务需求。配送车辆调度策略的性能优化还需在企业应用中进一步检测，并通过大规模数据的测试，以达到最优性能。
随着现代社会的发展和时代的进步，基层党建工作常态化在高校大学生思想政治教育中发挥着越来越重要的作用，是实现大学生全面发展的必然途径，然而现阶段我国基层党建工作发展并不理想，工作思想落后、工作方法单一、工作积极性不高，都是其存在的主要问题，严重阻碍高校基层党建工作的发展，为此要创新和改革高校基层党建工作常态化构建模式，树立服务型工作理念，推动学习型基层党建组织的发展，实现基层党建工作常态化的完善和进步。
参考文献
[1]曹剑东,郑四必,李兵.动态车辆调试系统设计与开发[J].计算机工程,2008(5):822-826.
[2]罗凌.基于.NET 组件的车辆调试系统[J].计算机工程,2008(11):275-277.
[3]梁亮亮.基于云计算的智能车辆高度系统的研究[J].中国市场,2014(43):175-177.
[4]汤岩,贾红雨,廖洁君.混合遗传算法在装箱问题中的应用研究[J].计算机与现代化,2014（11）：13-14.
[5]郎茂祥.物流配送车辆调度问题的模型和算法研究[D].北京：北京交通大学,2002.
[6]曾羽琚,陈明辉.基于改进遗传算法的车辆高度模型[J].计算机工程与应用,2015,51(6):240-243
中图分类号： TP306.1
文献标识码： A
文章编号： 2096-4390（2019）34-0061-02
基金项目： 2018 年度广东省普通高校特色创新类项目（No：2018KTSCX256）。
作者简介： 汤海林（1980-），男，江西九江人，硕士，讲师，研究方向：图像处理与识别。
标签：配送论文; 无时限论文; 遗传算法论文; 策略论文; 广东白云学院大数据与计算机学院论文;