基于遗传算法的虚拟应急物流联盟成员选择研究

张　巍，杨西龙，王锐淇，李绍斌

(后勤工程学院 后勤信息与军事物流工程系，重庆　401311)



基于遗传算法的虚拟应急物流联盟成员选择研究

张巍，杨西龙，王锐淇，李绍斌

(后勤工程学院 后勤信息与军事物流工程系，重庆401311)

摘要：以虚拟应急物流联盟成员选择方法为研究主线，将成员核心能力、应急任务需求、成员间协同效应作为成员选择的指导性指标进行概念分析，构建了成员核心能力矩阵、任务需求矩阵和成员间协同效应矩阵，建立了基于遗传算法的虚拟应急物流联盟成员选择数学模型，并运用仿真算例对模型进行了验证。

关键词：核心能力；任务需求；协同效应；遗产算法

本文引用格式：张巍，杨西龙，王锐淇，等.基于遗传算法的虚拟应急物流联盟成员选择研究[J].兵器装备工程学报，2016(7):78-84.

Citation format:ZHANG Wei, YANG Xi-long, WANG Rui-qi, et al.Study on Selecting Members of Virtual Emergency Logistics Alliance Based on Genetic Algorithm[J].Journal of Ordnance Equipment Engineering,2016(7):78-84.

1问题提出

虚拟应急物流[1]是在组织形态上对分散的国家力量和社会资源进行虚拟化整合，以在运行实施时发挥其协同的优势，迅速、高效、有序地完成应急救援任务，而这种组织形态就是虚拟应急物流联盟。从组成成员的类型来看，虚拟应急物流联盟是以任务需求和协同运行为牵引，将各类组织、资源进行整合，从而形成物流合力，因此组成虚拟应急物流联盟的成员既包括国家应急管理部门，又包括地方优秀的物流企业。从构建流程来看，虚拟应急物流联盟是根据具体的应急物流保障任务，在虚拟应急物流组织(这个组织吸纳了所有优秀的地方物流企业，以契约为联结，平时各自经营互不影响，突发事件发生时能够积极响应应急管理部门的安排参与应急物流活动)内部抽选符合条件的成员组成一条保障链，当任务完成时各成员的紧密协作关系随即解体，恢复至组织中的相对松耦合关系。由于虚拟应急物流联盟组成成员和构建流程的特殊性，在成员选择上与常态物流联盟存在较大的区别：虚拟应急物流联盟中的成员作为应急物流活动的业务执行层，必须满足救援任务中诸如仓储、装卸搬运、运输等特殊需求；同时，应急物流活动相比平时物流活动，有较高的时间窗口要求，而且突发事件还存在不确定性因素多、容错性低、合作风险大等情况，因此应急物流活动高度依赖成员之间的高效协同、紧密合作和优势互补。如何在以上特殊情况下，综合考虑各方面因素，形成合理有效的虚拟应急物流联盟成员选择方法，是虚拟应急物流联盟后续真正能够为突发事件提供保障的关键问题。

目前，有关物流联盟成员选择问题的研究主要涉及供应链[2]、虚拟企业[3-4]、战略联盟[5-6]、创新合作与团队[7-8]、产学研联盟[9-10]等方面，这些研究概括起来大致可以分为两类：一类是从定性的角度，采用经验决策和综合评价的方法；另一类是从量化的角度，通过建立数理模型、设置求解条件进行求解。有关应急联盟成员选择问题的研究中，多以时间、成本等为主要考量指标[11]。它们都较少考虑成员之间的协同合作，或者说是较少将成员间的协同合作作为量化模型的一部分进行考虑。基于此，本文重点考虑成员之间的协同效应问题，构建符合实际需求的虚拟应急物流联盟成员选择模型，并运用遗传算法对该模型进行求解，为虚拟应急物流协同运行的顺利实施提供保障。

2概念描述

应急物流联盟主要由有资质的地方物流企业组成，而企业具有天然的逐利性，因此虚拟应急物流联盟存在利益驱动行为的客观存在。但本文认为，在实际应急物流联盟成员选择过程中，由于应急活动的自身特点，企业的利益驱动问题可暂时不纳入考虑范畴。一方面，从我国实际来看，应急活动通常由政府牵头实施，政治导向型强，政府信用导致符合资质的企业不会由于利益模糊或滞后与政府进行利益谈判，利益分配一般是在活动结束后进行，因此对应急物流活动的实施影响较小。另一方面，即使考虑部分利益驱动，企业的利益驱动行为受诸多变量影响，其中不乏如政府参与程度、合同履行能力、企业风险厌恶程度等定性指标，且部分指标的可获得性还需进一步论证。因此，可将企业的利益驱动行为暂时归于隐形指标，其不可把控性和变化性较强，同时在实际操作过程中也暂时缺乏有效的定量指标对其进行考量。本文在目标矩阵构建中暂不对其进行考虑，主要从核心能力、任务需求和协同效应等3个可获性较强或较容易量化的显性指标进行考虑，但应急物流联盟利益驱动问题可作为以后的研究方向进一步深入研究。

1) 核心能力。从经济学角度讲，核心能力的本质可以看作是企业达到或无限逼近其资源最优化配置的能力，这种经过优化整合的能力具有独具性和不可替代性。因此，虚拟应急物流组织成员的核心能力就是指成员在物流领域具有的其他物流企业很难达到或者无法具备的一种物流实力，这种物流实力既可以是具体的某一项物流服务能力，如生产、储备、配送某些物资的服务能力，也可以是以一定方式组合在一起的相互协同的技术能力群体，如同时拥有生产加工与配送能力。

2) 任务需求。虚拟应急物流任务需求是指突发事件发生后，受灾地区及受灾群众的正常生活受到严重破坏，亟需对其进行应急保障，由此产生的对各种物资、人员等的需要。当突发事件发生时，管理层迅速组成虚拟应急物流联盟对受灾区域进行保障，在选择成员时需考虑突发事件的严重程度和影响范围，因为若突发事件破坏性较低，而组建虚拟应急物流联盟选择的成员过多、资源占用率过高，容易造成资源浪费、救援成本高昂；若突发事件破坏性高，而组建虚拟应急物流联盟选择的成员数量较少、可提供的能力资源不足，容易造成救援不及时、进一步加剧受灾程度。因此，为了保证任务需求与资源供应相匹配，虚拟应急物流联盟在选择成员时需受到任务需求的制约。

3) 协同效应。虚拟应急物流组织成员间的协同效应是指形成合作关系的虚拟应急物流联盟成员之间，由于存在以往的合作经历，平时沟通交流契合度高，或者企业文化、核心能力交互延伸等，而可能产生的增效作用，这种增效作用是一种整体效应，即“1+1>2”的效应。由于虚拟应急物流联盟是一种基于任务导向的间续式结盟模式，成员之间由各自独立转向相互合作需要基础，而基础即为可能产生的协同效应。可能产生的协同效应越强，在实际运行时成员之间的合作越密切，完成应急物流活动的效率就会越高。

3模型构建

3.1核心能力矩阵

按照应急物流活动所需要的物流实力，将核心能力体系划分为应急物资储备能力、应急物资生产加工能力、应急物资运输能力、应急物资装卸搬运能力、应急物资包装能力、应急配套装备能力这6项一级指标。需要特别说明的是，为了简化体系构成，本文将诸如心理师、医生、装备修理人员等应急物流活动中可能需要的职业人员也作为应急装备的一些类别。

为了量化描述所有成员的应急物流核心能力，将所有一级指标量化成相应的二级指标：设核心能力指标体系为C={C1,C2,…,C6}，其中Ca(a=1,2,…,6)是按照应急物流活动所需要的物流实力划分的第a项一级指标。对于C1(应急物资储备能力)，按照应急物资种类划分为m1项二级指标(C11,C12,…,C1m1)，其中C1b(b=1,2,…,m1)表示第i种物资的数量；对于C2(应急物资生产加工能力)，按照应急物资种类划分为m2项二级指标(C21,C22,…,C2m2)，C2b(b=1,2,…,m2)表示第i种可生产物资的生产加工速度；对于C3(应急物资运输能力)，按照保障区域划分为m3项二级指标(C31,C32,…,C3m3)，C3b(b=1,2,…,m3)表示单位时间内可运送到第i个保障区域内的应急物资数量期望值；对于C4(应急物资装卸搬运能力)，按照物资种类划分为m4项二级指标(C41,C42,…,C4m4)，C4b(b=1,2,…,m4)表示第i种物资的装卸搬运速度；对于C5(应急物资包装能力)，按照物资种类划分为m5项二级指标(C51,C52,…,C5m5)，C5b(b=1,2,…,m5)表示第i种物资的包装速度；对于C6(应急配套装备能力)，按照应急物流活动所需装备种类划分为m6项二级指标(C61,C62,…,C6m6)，C6b(b=1,2,…,m6)表示第i种配套装备的数量。

设候选成员集为P={P1,P2,…,Pn}，可以用如下成员核心能力信息矩阵S描述所有成员的核心能力信息：

(1)

其中，si,ab(i=1,2,…,n;a=1,2,…,5;b=1,2,…,ma)表示成员Pk在所有二级量化指标Cab下的数值信息。

3.2任务需求矩阵

本文借助突发公共事件划分方法，按照任务需求紧急程度由高到低划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个基础等级。不同等级下，对每一二级量化指标要求的标准不同。考虑划分等级的模糊性，不同等级下二级量化指标的标准通常取一个范围值。

设任务需求矩阵T为：

(2)

3.3协同效应矩阵

由于成员间可能产生的协同效应由多种因素决定，同时难以精确定量分析，通过构建评价协同效应的指标集对两两成员间可能产生的协同效应进行量化分析。

1) 确定评价指标集。根据前文对协同效应的定义，从信息交流、合作经历、能力与任务关联度、业务实施协调能力等四个维度对协同效应进行评价，选取信息沟通、数据共享、历史救援合作、其他项目合作、与政府合作、核心能力关联度、任务单元关联度、企业文化契合度、冲突协调能力以及规划与实施能力这10种指标。其中，历史救援合作、其他项目合作、与政府合作属于合作经历维度的指标，通常过去合作的项目数量越多、合作的经历时间越长、合作时冲突协调的频率越高，再次合作时可能产生的协同效应就越强，因此可以用过去合作的项目数量、合作的经历时间和合作时冲突协调的频率的乘积代表这3个指标的数值；其他指标都是从定性角度对协同效应进行评价，通常由国家应急管理部门[12](如国务院应急办)根据具体情况对成员之间的这些指标进行打分评定。具体如表1所示。

表1　评价指标集

2) 确定协同效应各指标量化数值。对两两成员间可能产生的协同效应指标进行量化，定性指标由国家应急管理部门进行打分评定，(分值设置在0～100之间)；“历史救援合作”指标用过去救援合作的项目数量、合作经历时间和合作时冲突协调频率的乘积表示，“其他项目合作”指标用过去研发等非应急合作的项目数量、合作经历时间和合作时冲突协调的频率的乘积表示，“与政府合作”指标用过去有参与政府的合作项目数量、合作经历时间和合作时冲突协调的频率的乘积表示。

设协同效应评价指标集为D={D1,D2,…,D10}，其中Dr(r=1,2,…,10)表示第r个指标。可以得到在指标Dr下，成员之间的协同效应矩阵Qr如下：

(3)

(4)

根据各指标级协同效应矩阵Qr和权重向量W，可以计算出综合协同效应矩阵Q=[qij]n×n。

(5)

3.4目标函数和约束条件的设定

3.4.1目标函数

定义成员选择决策向量为U=(u1,u2,…,un)T，其中

(6)

根据前文分析，虚拟应急物流联盟成员选择模型的目标是在满足应急救援任务要求的前提下，选择能发挥最大协同效应的成员伙伴，因此建立目标函数Z：

(7)

3.4.2约束条件

定义指标选用向量为V=(v11,v12,…,v1m1,v21,…,v6m6)T，其中

(8)

根据实际情况各指标需满足以下约束条件：

(9)

其中，λab是二级量化指标Cab的标准取值范围的修正因子。由于每一等级的任务需求包含了所有类型突发事件对指标要求的标准，这个标准要求能够满足所有类型突发事件的需求，这样势必会造成对应的每个指标取值范围很宽泛，但是发生在不同地域、不同时段、不同类型的突发事件对物资需求有所差异，因此需要修正因子λab对标准进行修正。

4遗传算法求解

虚拟应急物流联盟的成员选择过程实际上是通过把不适合的企业淘汰出去，把适合的企业保留下来，最后获得最优化的成员组合，这与遗传算法中的“自然选择”过程非常相似。算法设计如下：

1) 编码。本文采用二进制编码方式，每一位代码代表候选成员的状态，1表示被选中，0表示未被选中。

2) 适应度函数。首先对各目标参数进行无量纲的修正，得到修正后的目标函数：

(10)

本文建立的模型中带有约束条件，故采用罚函数法对约束条件进行处理，罚函数为

(11)

其中，

引入罚函数后的适应度函数为

(14)

其中，ω(m)为惩罚系数。由于静态罚函数法易导致算法早熟或收敛缓慢，本文借鉴Hadj提出的动态罚函数法[13]，即把搜索过程中获得的信息作为反馈，以此来调整惩罚系数，其表达式为

(15)

其中，ω1>ω2>1，情况(1)表示过去m代中最好个体的可行解数量比例超过80%，情况(2)表示表示过去m代中最好个体的不可行解数量比例超过80%。这种方法的意义在于，当过去最好个体中可行解的数量较多时，说明惩罚系数足够大，可适当减小惩罚力度；当过去最好个体中不可行解的数量较多时，说明惩罚系数太小，需适当增加以减少不可行解数量。

3) 选择。本文采用赌盘轮选择方法，其计算公式为

(16)

其中，Ps为个体被选择的概率，Zmax为上边界估计值，popsize为种群规模。由于本文解决的是最小化目标约束问题，该选择操作表明个体适应度值越低，其被选择的概率越大。

4) 交叉。传统遗传算法中，采用固定的交叉和变异概率，容易造成早熟和局部收敛的现象，因此本文采用自适应调整策略对交叉和变异概率进行控制。

交叉概率计算公式为

(17)

5) 变异。自适应变异概率计算公式为

(18)

其中，Pm1、Pm2为小于1且大于0的控制参数，F为变异个体的适应度值。

6) 终止。本文根据循环是否达到最大迭代次数或者种群平均适应度变化幅度是否达到给定精度范围(≤0.000 001)两个指标作为算法是否终止的条件，满足其一即终止操作，作为最终结果供决策者选择。

5仿真算例

为了验证所提算法的有效性，本文设计了某次突发事件发生时，需要从虚拟应急物流组织中的20个符合物流企业成员条件的成员迅速组成虚拟应急物流联盟对受灾地区进行保障。限于篇幅，本算例只选取了3种一级指标共12个二级指标进行讨论，包括“仓储”“生产”“运输”三个一级指标，各指标按照物资分类共有12个二级指标。20个物流企业成员的核心能力如表2所示，表中各指标数据已经进行了标准化处理；它们之间的协同效应如表3所示，任务需求如表4所示。

表2　物流企业成员核心能力

表3　物流企业成员之间协同效应信息表

表4　任务需求表

以Ⅲ级任务需求为例，分别采用上述自适应遗传算法和标准遗传算法进行物流企业成员的选择。本算例在仿真软件Matlab上进行编译，算法的相关参数设置：

1) 自适应遗传算法。种群初始规模为60，最大迭代次数为200，惩罚因子初始值为0.1，ω1和ω2分别取5和2，修正因子都取1.0。

2) 标准遗传算法。种群初始规模为60，最大迭代次数为200，采用两点交叉和基本位变异，交叉概率取值0.6，变异概率取值0.01。

经过计算，采用自适应遗传算法后，经过157代运算，最小适应度值稳定在最佳适应度，最佳适应度值为0.067 5，平均适应度值为0.176 862，成员选择决策向量U=(u1,u2,…,u20)T的最优解为U=[1,1,0,1,0,0,0,0,1,0,0,1,0,0,1,0,0,0,0,1]，即对应此次保障任务选择企业1、2、4、9、12、15、20作为虚拟应急物流联盟的组成成员。采用标准遗传算法后，经过187代运算，最小适应度值稳定在最佳适应度，最佳适应度值为0.042 8，平均适应度值为0.103 863，成员选择决策向量U=(u1,u2,…,u20)T的最优解为U=[1,1,0,1,0,0,0,0,1,1,0,1,1,0,1,0,0,1,1,1]，即对应此次保障任务选择企业1、2、4、9、10、12、13、15、18、19、20作为虚拟应急物流联盟的组成成员。

对比分析可知，本文采用的自适应遗传算法较标准遗传算法具有优越性，算法效率更高。

6结束语

关于虚拟应急物流联盟成员选择是一个重要的决策过程，科学合理地选出成员关系到虚拟应急物流联盟协同运行的效率。为此，本文着重考虑成员能力与需求的匹配、以及成员之间的协同效应，建立了虚拟应急物流联盟成员选择模型。采用遗传算法，针对模型中的约束条件，设计罚函数对搜索过程进行约束优化，并设计自适应交叉、变异概率，克服搜索过程中早熟和局部收敛的现象，实验结果证明了该算法对虚拟应急物流联盟成员选择具有很好的效果。本文研究的是基于较稳定任务需求下的联盟成员选择问题，对于在成员选择后实施过程中由于任务需求变化导致的不确定性和动态调整问题将是下一步研究的重点。

参考文献：

[1]张巍,杨西龙,汪贻生,等.论虚拟应急物流研究及其发展[J].物流技术,2015(17):46-50.

[2]姚建明.第四方物流模式下供应链资源整合中的成员选择决策[J].商业经济与管理,2013,1(2):5-14.

[3]黄彬,高诚辉,陈亮.模糊完工时间和模糊交货期下的虚拟企业伙伴选择[J].系统工程理论与实践,2010,30(6):1085-1091.

[4]贾瑞玉,潘雯雯,刘范范.粗糙集与遗传算法的虚拟企业伙伴选择[J].哈尔滨工程大学学报,2012,33(6):730-734.

[5]梁家强,韩学功.基于证据理论的战略联盟合作伙伴选择研究[J].华东经济管理,2010,24(12):97-100.

[6]胡跃蓝.博弈视角下企业战略联盟合作伙伴选择与内部管理研究[D].武汉：武汉理工大学,2010.

[7]冯博,樊治平.基于协同效应的知识创新团队伙伴选择方法[J].管理学报,2012,09(2):258-261.

[8]孙笑明,崔文田,董劲威.创新合作伙伴选择与创新绩效之间的关系[J].科学学与科学技术管理,2011,32(11):173-179.

[9]王进富,魏珍,刘江南,等.以企业为主体的产学研战略联盟研发伙伴选择影响因素研究——基于3C理论视角[J].预测,2013(4):70-74.

[10]曹霞,刘国巍,付向梅.基于偏好和动态直觉的产学研合作伙伴选择群决策分析[J].运筹与管理,2013(4):33-41.

[11]胡敏.基于遗传算法的应急动态联盟伙伴选择建模研究[J].产业与科技论坛,2014(17):74-79.

[12]邱霈恩.构建科学的应急管理体系[J].行政管理改革,2011(6):51-54.

[13]HADJ-ALOUANEAB.Ageneticalgorithmforthemultiple-choiceintegerprogram[J].OperationsResearch,1992,45(1):92-101.

[14]李剑,景博,牛少彰,等.基于自适应遗传算法的企业动态联盟伙伴选择模型[J].通信学报,2009,30(8):78-83.

[15]BALAMURUGANR,RAMAKRISHNANCV,SINGHN.Performanceevaluationofatwostageadaptivegeneticalgorithm(TSAGA)instructuraltopologyoptimization[J].AppliedSoftComputing,2008,8(4):1607-1624.

(责任编辑唐定国)

收稿日期：2016-01-25；修回日期：2016-02-25

作者简介：张巍(1992—)，男，硕士研究生，主要从事物流管理理论研究。

doi:10.11809/scbgxb2016.07.018

中图分类号：TP301.6

文献标识码：A

文章编号：2096-2304(2016)07-0078-07

Study on Selecting Members of Virtual Emergency Logistics Alliance Based on Genetic Algorithm

ZHANG Wei, YANG Xi-long, WANG Rui-qi, LI Shao-bin

(Department of Logistics Information & Logistics Engineering,Logistic Engineering University, Chongqing 401311, China)

Abstract:As the main line for virtual emergency logistics alliance member selection method,this paper analyzes basic meanings of core competence,security requirements and synergistic effect,which guide to determine the method. Core competence matrix,mission requirement matrix and synergistic effect matrix between members are designed.Last,the alliance member selection model on genetic algorithm is established,and a simulation example is made to verify the model.

Key words:core competence; security requirements; synergistic effect; genetic algorithm

【后勤保障与装备管理】