● 摘要
物流被誉为“第三利润源泉”，也被称为“节约费用的最后边界”，但是人们对物流的认识还仅是“冰山的一角”，物流领域正如一个“充满宝藏的黑暗大陆”，因此对物流必须做进一步的探索，对物流相关技术做更深入的研究。研究物流的核心是对物流过程的管理，这个过程包括包装、搬运、保管、库存、运输、配送、流通加工等环节，这些环节互相配合、协调一致形成统一有机的整体，称之为物流系统。通常将现代物流系统视为一个动态的网络系统，即物流配送网络，一般包括物流节点、运输线路以及运输工具。对物流配送网络的优化管理，可以为企业增加利润，提高企业的竞争力，进而为整体国民经济带来巨大的经济效益。本文首先介绍物流配送的概念和类型，以及一般的操作流程和意义，然后从两个层面对物流配送网络进行优化，一是对配送网络架构的优化，另一个是对配送网络内部各种“流”的优化，以实现在经济合理区域范围内，根据用户的要求，把物品按时送达指定的地点。物流配送网络架构的优化是一个战略决策问题，因为一个网络架构的建立需要考虑许多因素，而一旦形成了架构本身，则在短期内不会随意进行大的变更。因此，这种架构到底需要囊括哪些部分，涉及哪些因素，大体上存在哪些架构类型，如何对不同的架构进行比较选择便成了这部分研究的重点。配送网络架构一般分为两层、三层、四层形式，并且现实中物流系统多数抽象为三层结构。因此，对配送架构的优化转化为对每层包括的设施进行选址，以及在选址固定后采取何种分配模式。本部分首先建立了带有公共交货期的多目标物流配送优化模型，考虑了三层配送网络中的分拣中心设施选址、物品分配策略和运输模式的选择，并对迟到完成任务给予惩罚，所优化的目标为总费用最小化和分拣中心负载的平衡。建立了一种遗传算法求解过程，对染色体采用了两部分编码，并采用了可变的交叉和变异概率，以防止求解陷入局部最优。最后通过数值仿真实验表明了多目标问题求解的有效性。物流配送网络内部的优化是一个策略决策问题，在企业选择了一定的网络架构后，如何在各个节点具有各种限制约束下，通过具有各种约束限制的连接工具，在一定目标下来完成产品分配，即车辆调度排序问题，便是本部分的研究重点。文中首先给出了配送业务的车辆调度排序的问题描述，然后基于通用的车辆调度排序模型，提出了单车型模型和多车型模型，并在分析实际问题后，对模型进行了演变。由于车辆调度排序属于NP-Hard问题，而前文已经验证了遗传算法是解决组合优化问题的优秀算法，因此，本部分采用染色体 表示一个操作计划，利用 个变量表达了问题涉及到的所有决策变量。其后的实证分析验证了所设计算法的有效性。由于车辆旅行时间的不确定性，在借鉴了带有硬时间窗和软时间窗约束的车辆调度排序问题的基础上，提出了模糊时间窗的概念，阐述了模糊时间窗的意义，并采用梯形分布的形式给出了时间窗的表达形式。然后，基于隶属度的概念，文中提出了含有模糊时间窗的配送模型，并将模拟退火算法与遗传算法结合，基于上部分染色体设计，采用 表示一个配送计划，兼顾了遗传算法的全局性和并行性以及模拟退火算法的局部搜索能力。在其后的数值仿真实验中，变动时间窗的截集 ，给出了一组寻优结果，显示了模糊时间窗宽度与配送费用间的关系，对于实际配送方案的决策，具有一定的借鉴意义。