考慮配送主體感知的救援車輛調度研究

曹慶奎+邵松娟+任向陽

摘 要：針對物流配送過程中的車輛故障問題，提出了臨近救援策略和優化方案。在車輛調度、干擾管理和行為運籌理論的基礎上，在對故障車輛進行救援的過程中對配送主體的感知因素進行提取和度量，并構建考慮配送主體感知的救援車輛調度模型。然后設計了遺傳算法和2-opt算法的混合遺傳算法，并對模型進行優化求解，最后通過仿真對比分析，驗證了模型和算法的有效性。

關鍵詞：配送主體感知；車輛故障；救援車輛調度；混合遺傳算法

中圖分類號：F253 文獻標識碼：A

Abstract： Aiming at the problem of vehicle breakdowns in the process of logistics distribution， adjoin rescue strategy and optimization scheme are put forward. The study is based on the vehicle scheduling， the theory of disruption management and the theory of behavioral operation. In the rescue process of breakdown vehicles， the perception factors on distribution entities are extracted and measured. And a rescue vehicle scheduling model is built considering the perception of the distribution subject. A hybrid genetic algorithm is designed which combines the genetic algorithm with the 2-opt algorithm for the model. Finally， the effectiveness of the model and algorithm is verified by simulation analysis.

Key words： distribution subject perception； vehicle breakdown； rescue vehicle scheduling； hybrid genetic algorithm

0 引 言

新型電子商務下的物流配送系統，由于各類干擾事件的出現使得配送活動受到了嚴重的影響，因此進行物流配送干擾管理對提高配送效率，提升物流企業的市場競爭力有十分重要的意義。

Victor，Ta？鬤等[1-2]分別針對不同的車輛調度問題進行了研究，并且提出了不同的算法解決了相應的問題。Mu和Eglese等[3]考慮了在配送車輛出發前，有些車輛被延遲出發的情況，構建了以最小化延遲時間、最小化顧客服務延遲時間以及費用為目標的目標函數。王旭坪、蔣麗等[4-5]針對物流配送過程中的車輛故障導致運力受擾的情況，根據干擾管理思想，分別給出了不同的救援策略，并且就相應的救援策略建立了模型進行了求解。

以上文獻對車輛調度以及干擾管理做了深入的研究，但是卻很少考慮物流配送活動中各參與主體的行為感知因素。李浩

淼[6]研究了當發生干擾事件時，在考慮顧客感知，保持顧客滿意度，維持顧客忠誠度的前提下，建立了相應的干擾管理模型，使系統的擾動達到最小。丁秋雷、胡祥培等[7]將行為科學中的前景理論應用到物流配送干擾管理當中，結合行為科學中對人的感知的研究方法與運籌學中定量的研究手段，提出基于前景理論的擾動度量方法，并建立了相應的數學模型和求解方法。

本文主要針對物流配送活動中車輛故障這一干擾事件，根據干擾管理思想，綜合考慮各配送主體的行為感知因素，建立考慮配送主體感知因素的救援車輛調度模型，并進行求解。

1 救援車輛調度模型

1.1 問題說明

在某項配送任務中，配送中心所有車輛全部執行配送任務，在配送過程中某一輛車出現故障，并且不能繼續執行配送任務，其他在途車輛要對故障車輛進行救援，不考慮增派策略以及取消策略。在配送過程中所有車輛的行駛和位置等信息都能夠實時得到，以干擾發生時的狀態為基態設計救援車輛的調度方案。

1.3 擾動的度量

（1）顧客的不滿意度

影響顧客不滿意度的感知因素主要有其接受服務的時間、貨物的完好性、接受服務的次數等，本文主要考慮顧客接受服務的時間，具體可表示如下：

（6）式表示在原計劃中出發時車輛非滿載；（7）式表示在原計劃配送車輛中，其中任意k-1輛車在出發時的剩余裝載量之和要大于第k輛車的實際載貨量；（8）式表示所有車輛最終都回到配送中心；（9）式表示每輛車服務客戶的需求量總和不能超過車輛的實際裝載量；（10）式表示除受擾點之外，每個客戶必須接受服務，且只能被服務一次；（11）式表示受擾點至少被訪問一次；（12）式表示為未受擾車輛服務的顧客仍有原車服務；（13）式表示救援車輛要先到故障車輛處取貨，然后再服務受擾客戶；（14）式表示受擾車輛的貨物全部被取走；（15）式表示路徑限制，車輛不會從起點直接回到配送中心；（16）式表示救援車輛從故障車輛處所取貨物等于救援車輛所服務的故障車輛的顧客需求量；（17）式表示每輛救援車輛去且只去一次受擾車輛處取貨；（18）式為顧客接受服務的時間窗要求。

2 算法設計

本文選擇用遺傳算法和2-opt算法相結合的混合遺傳算法對模型進行求解。利用2-opt算法較強的局部搜索能力來彌補遺傳算法局部搜索能力的不足，進而提高遺傳算法的搜索能力。初始種群在經過了重復的復制、交叉和變異操作之后，基本上找到了5組近似最優方案，為了使每輛車的配送任務盡量均衡，設計2-opt算法：在單車路徑中存在i→i+1， j→j+1，利用i→j， iendprint

+1→j+1來代替原路徑，經過交換之后如果目標函數得到進一步優化，說明可以改進路徑解，那么選擇改變后的路徑來代替原路徑。利用2-opt算法需要設置停機條件，設定循環次數為50次。

3 算例仿真分析

本文在文獻[4]數據的基礎上進行了改進，加入了時間窗參數，客戶點坐標和需求量信息如表1所示，配送中心位于點50，00，配送中心共有4輛配送車輛，每輛車的行駛速度為1，每輛車的載重量為10。

干擾發生前以車輛行駛總路程最短為目標的最優調度方案為：（1）0-12-5-14-11-0；（2）0-17-4-13-15-18-0；（3）0-7-16-1-9-0；（4）0-6-8-3-10-2-0。此時最優路線總長度為588.28。本文選取車輛2在運行到時間t=6.4時發生故障，故障車輛坐標為43，62，車輛1的坐標為19，45，車輛3的坐標為65，47，車輛4的坐標為95，20。

設置遺傳算法中交叉概率pc=0.75，變異概率pm=0.0005，得到最優救援方案μ1-b1-4-11-18-0，μ3-b3-13-1-9-0，μ4-b4-15-10-2-0，此時顧客、服務商和配送員工的不滿意度分別是0.375、508.6、25.44。

4 結 論

本文針對物流配送活動中常見的車輛故障情況，運用干擾管理的思想，對配送主體的感知因素進行了提取和度量，構建了考慮配送主體感知的救援車輛調度模型。并且把遺傳算法和2-opt算法相結合，構建了混合遺傳算法對模型進行求解，結果證明本文算法能夠在綜合考慮配送主體感知的情況下，快速地對車輛故障這一干擾事件做出救援方案，該方案能夠使各配送主體的滿意度達到最大，這是對配送領域故障車輛救援管理的有益探索。

參考文獻：

[1] Victor Pillac， Michel Gendreau， Christelle Gueret. A review of dynamic vehicle routing problems[J]. European Journal of Operational Research， 2013，225（1）：1-11.

[2] Ta D， Jabali O， Van Woensel T. A vehicle routing problem with flexible time windows[J]. Computers & Operations Research， 2014，52：39-54.

[3] Mu Q， Eglese R W. Disrupted capacitated vehicle routing problem with order release delay[J]. Annals of Operations Research， 2013，207（1）：201-216.

[4] 蔣麗，丁斌，臧曉寧. 基于干擾管理的車輛故障救援模型[J]. 系統工程，2010，28（6）：111-116.

[5] 王旭坪，吳緒，王征. 運力受擾下車輛調度干擾管理問題研究[J]. 計算機工程，2011，37（8）：256-259.

[6] 李浩淼. 基于顧客感知的物流干擾管理研究[J]. 金融經濟：下半月，2013（11）：128-130.

[7] 丁秋雷，胡祥培，姜洋. 基于前景理論的物流配送干擾管理模型研究[J]. 管理科學學報， 2014（11）：1-9.endprint