食品供应链关键点风险预警——一种基于蚁群算法的分析

刘 薇

(湖南财政经济学院 基础课部,长沙 410205)



食品供应链关键点风险预警
——一种基于蚁群算法的分析

刘 薇

(湖南财政经济学院 基础课部,长沙 410205)

摘 要:将蚁群算法数学模型应用于食品供应链关键点的风险预警分析,融合了蚁群算法的寻优能力与食品供应链的拓扑结构特征.仿真结果表明: 蚁群算法模型的风险预警方法能更好地凸显食品供应链的拓扑结构特点,较好地从食品供应链结构的规律中揭示风险存在的方式以及危害程度.

关键词:蚁群算法; 食品供应链; 关键点风险; 风险预警

引言

最近十几年来,随着经济的快速发展,人民生活水平不断提高,人们越来越注重食品的营养和安全.食品安全是一个世界性的课题,它关系到人类的健康、社会的稳定和经济的发展.国外学者Leon G.M[1]认为食品的安全主要是靠食品供应链的有效管理来实现的.无论是发达国家还是发展中国家,食品安全问题层出不穷,禽流感、毒牛奶、疯牛病的爆发使人们认识到食品质量安全的跟踪离不开食品供应链管理[2].由于食品供应链上的关键点涉及的风险因素过多,多层次结构和外部环境因素使得食品供应链关键点风险预警的复杂程度越来越高,如何快速准确地对食品供应链关键点风险进行预警是当前迫切需要解决的问题.国内学者邹毅峰[3]将食品冷链物流安全可靠度引入车辆路径优化问题,建立模型并利用最大最小蚁群算法进行了求解.顾小林[4]针对食品安全问题建立了基于关联规则挖掘的食品安全信息预警模型,从数据挖掘视角,分析导致食品安全问题的因素并进行诊断和预警.

蚁群算法是20世纪90年代产生的一种模拟蚂蚁群体智能行为的仿真优化算法,具有正反馈、分布式计算以及贪婪的启发式搜索等特点,已经成功应用于解决TSP(旅行商)组合优化问题、分布控制问题以及聚类分析问题[5].本文尝试将其用于进行食品供应链关键点风险预警分析,将蚁群算法的寻优能力和食品供应链的拓扑结构有机地结合起来.仿真结果表明: 蚁群算法模型的风险预警方法能更好地凸显食品供应链拓扑结构特点,从食品供应链结构的规律中揭示风险存在的方式以及危害程度.

1　模型构建

1.1 预警指标及量化处理

食品供应链是由农业、食品加工业、零售企业和物流配送企业等相关企业构成的食品生产和供应网络.食品供应链关键环节主要有: 食品原材料生产、食品加工、食品物流、食品销售以及安全信息环节[6].

图1 食品供应链关键点风险预警逻辑关系图

由食品行业分析报告和食品安全标准,给出食品供应链关键点的风险预警指标.

一是食品供应链采购风险预警指标(01): 食品原料检验能力(0101); 供应商能力(0102); 采购管理能力(0103);

二是食品供应链运输风险预警指标(02): 食品的承运要求(0201); 食品的运输贮藏要求(0202);

三是食品供应链加工环节风险预警指标(03): 技术创新能力(0301); 产品质量检验(0302); 生产管理(0303); 市场开发(0304);

四是食品供应链销售环节风险预警指标(04): 终端市场准入(0401); 终端市场食品质量管理(0402); 终端市场食品卫生管理(0403); 终端市场食品质量追究(0404);

五是食品供应链信息风险预警指标(05): 信息采集能力(0501); 风险分析能力(0502); 风险信息共享率(0503); 信息内容和范围(0504).

为了提高计算精度,有必要将输入数据进行归一化处理,将数据转化为闭区间[0,1]上的无量纲性指标值.具体处理方法如下[8]:

(3)定性指标的处理: 可根据各节点的实际情况由专家打分,在[0,1]区间上取值.

1.2 蚁群算法模型

将食品供应链各节点看成是n个目标点,让多个包含目标节点风险信息素的蚂蚁从某一个或多个初始节点出发,检查目标节点的风险状态,要求寻找出问题节点.

为了避免残留信息素过多引起残留信息淹没启发信息,在每只蚂蚁走完一步,或者完成对所有n个节点的遍历(也即一个循环结束)后,需对残留信息进行更新处理.t+ n时刻路径(i ,j)上的信息量可按如下规则进行调整:

1.3 算法设计

假定我们的算法中有m只蚂蚁,q0为蚂蚁所在节点或链路上风险的相关性强弱,0≤q0≤ 1.为了提高算法的搜寻速度和能力,确立食品供应链关键点风险预警信息素采用了全局和局部更新规则.

在式(1)的基础上引入式(4).令q≤q0,有

其中Qi(r ,s)为节点r的第i只蚂蚁选择下一节点s的概率,P(i ,r ,s)为第i只蚂蚁施放在节点r和s间的链路上的信息素总量,ji(r)为与节点r相邻且未被该蚂蚁此次路由过程所经过的节点集合.蚂蚁状态的转移可保证寻找食品供应链风险预警优化路径时避免遗漏有风险隐患的节点,陷入局部优化[10].

为避免后来的蚂蚁只在当前所走过的食品供应链关键节点附近寻路,需进行信息素局部更新和全局更新.

① 信息素的局部更新规则[11]

对第i只蚂蚁,如果节点r,s是它选择的路径上的两个相邻节点,则信息素P(i ,r ,s)用式(5)来调节;否则,不调节.

其中0＜α0＜ 1,c是常数.

② 信息素的全局更新规则

为搜寻全局最优解,对第i只蚂蚁,如果节点r和s是它选择的路径上的两个相邻节点,则信息素P(i ,r ,s)按式(6)来调节; 否则,按公式(7)来调节.

其中0＜α0＜ 1.

2　算例分析

本文仅做一个模拟算例分析,由MATLAB6.5程序实现.为了取得较好的结果,选取蚁群算法的参数: M =10(蚂蚁数目),α0=0.069 ,α1=0.079 ,c =0.32 ,q0=0.91 ,各边信息素初始值为8.0[13],从某家食品企业年度考核中选取数据进行分析.

表1 样本食品企业风险预警指标原始数据以及归一化数据

数据来源: 2012～2013年食品行业分析及投资咨询报告,中国投资咨询网; 食品安全标准,食品安全标准网.

表2 食品供应链关键点风险预警风险区间划分

其中,绿色预警是指预计将要发生一般(Ⅳ级以上)突发食品安全事件,事件即将临近,事态可能会扩大;蓝色预警是指预计将要发生较大(Ⅲ级以上)突发食品安全事件,事件已经临近,事态有扩大的趋势; 橙色预警是指预计将要发生重大(Ⅱ级以上)突发食品安全事件,事件即将发生,事态正在逐步扩大; 红色预警是指预计将要发生特别重大(Ⅰ级以上)突发食品安全事件,事件会随时发生,事态正在不断蔓延[14].

上述算例分析只列出路由请求,即对不同的节点上的风险因素进行检测.在实际操作过程中往往要释放多个蚂蚁(数据包)去搜寻目标节点,通过整理前面所释放蚂蚁反馈的信息来更新后面要释放的蚂蚁的信息素,然后释放蚂蚁再去检验目标节点,重复多次,则被蚂蚁选中次数最多的那个节点即为问题节点,并依次给予风险评级.

表3 蚁群路由算法计算结果

(010302)　1000 　1000 　0100 　0100(020101)　0010 　0010 　1000 　1000(0200102)　1000 　1000 　0001 　0001(020201)　0010 　0010 　0100 　0100(020202)　1000 　1000 　1000 　1000(020301)　0100 　0100 　0100 　0100(030101)　0010 　0010 　0100 　0100(030102)　1000 　1000 　0001 　0001(030201)　0100 　0100 　1000 　1000(030202)　0010 　0010 　0100 　0100(030301)　0010 　0010 　0010 　0010(030302)　0100 　0100 　0001 　0001(030401)　1000 　1000 　0010 　0010(030402)　0100 　0100 　0100 　0100(040101)　1000 　1000 　1000 　1000(040102)　0100 　0100 　0100 　0100(040201)　0010 　0010 　0010 　0010(040202)　0100 　0100 　1000 　1000(040203)　1000 　1000 　0100 　0100(040301)　0100 　0100 　0001 　0001

由表3可知,该模型的期望输出值与实际输出值基本一致,说明通过多次迭代,在风险信息不断更新的条件下,食品供应链关键点风险预警的准确率也随之提高.

3　结论

本文建立了食品供应链关键点风险预警指标,将蚁群算法理论融入到食品供应链风险预警中,建立了食品供应链风险预警模型,提高了食品供应链风险预警模型的先进性、可靠性以及可操作性.该模型有两个显著特点:(1)只要将主要的风险信息素赋予释放的蚂蚁,在样本节点给定范围内,该模型能够在短时间内锁定问题节点;(2)与一般的风险预警方法比较,基于蚁群算法模型的风险预警方法具有明显的优势,即能更好凸显食品供应链拓扑结构特点,从食品供应链结构的规律揭示风险存在的方式以及危害程度.该模型还有以下优点: 从关键点角度出发,从局部到整体的风险预警,建立了食品供应链关键点风险预警网络; 建立了食品供应链关键点风险预警模型,解决了食品供应链风险指标非常复杂以及有些风险指标无法量化的问题; 以食品供应链风险指标作为输入,使得食品供应链风险识别有了可靠的依据.

参考文献

[1] Leon G.M.Gorris.Food safely objective: An integral part of food chain management [J].Food Control,2005(16): 801～809

[2] 李 树.技术性贸易壁垒下我国政府的行为选择[J].经济问题探索,2004,8(2): 10～11

[3] 邹毅峰.食品冷链物流的安全可靠度研究[D].长沙: 中南大学博士学位论文,2009

[4] 顾小林.基于关联规则挖掘的食品安全信息预警模型[J].软科学,2011(11)

[5] Dorigo M,Gambardella LM.Ant colony system: a cooperative learning approach to the traveling salesman problem[J].IEEE Transactions on Evolutionary Computation,1997,1(1): 53～56

[6] 李 旭.我国食品供应链的现状及管理对策[J].中国物流与采购,2004,(11): 8～10

[7] E.Rosen,A.Viswanathan,R.Canon.Multiprotocol Label Switching Architecture [C].IETFR FC3031,2001

[8] R.Yavatkay,D.Hoffman,Y.Bernet,F.Baker,M.Speer.SBM(Subnet Bandwidth Manager).A Protocol for RSVP-based Admission Control over IEEE 802-style networks [C].IETFR FC2814,2000

[9] P.Newman.IP Switching and Gigabit Routers[J].IEEE Communications Magazine,1997,35(1): 68～81

[10] 张 品,李乐民.运用模翔数解决非确定环境下的路由问题[J].电子学报,2003,31(12): 1861～1865

[11] 陈国良,王煦法.遗传算法及其应用[M].北京: 人民邮电出版社,1996

[12] 刑文训,谢金星.现代优化计算方法[M].北京: 清华大学出版社,1999

[13] 高 坚.基于自适应蚁群算法的多受限网络QoS 路由优化[J].计算机工程,2003,29(19): 40～64

[14] 盛昭翰.一种基于神经网络的欺诈风险分析方法[J].应用科学学报,2006,(6): 209～213

[15] 臧玉卫.贝叶斯网络在股指期货风险预警中的应用[J].科学学与科学技术管理,2003,(10): 22～25

Research on the Risk Early-warning for Critical Point of Food Supply Chains Based on Ant Colony Algorithm

LIU Wei
(Department of Basic Courses,Hunan University of Finance and Economics,Changsha 410205,China)

Abstract:Appling the ant colony algorithm mathematical model to the risk early-warning for critical point of food supply chains,fusion optimization ability for ant colony algorithm and topology characteristic for the food supply chains,the simulation results show that the risk early-warning of ant colony algorithm mathematical methods can better highlights food supply chain topology structure characteristics,reveal risks and ways of harm degree from food supply chain structure rule.

Key words:ant colony algorithm,food supply chain,key point risk,risk early warning mode

作者简介:刘 薇(1983−),女,湖南岳阳人,硕士,湖南财政经济学院基础课部讲师.主要研究方向: 数理金融

基金项目:湖南省教育厅科学研究项目(12C0565); 湖南省软科学项目(2014ZK3052); 湖南财政经济学院青年教师科研项目(Q201401)

收稿日期:2015-10-15

中图分类号:F224

文献标识码:A

文章编号:1672-5298(2016)01-0021-06