某酒品公司的配送线路优化问题探讨

2017-06-15 17:04杨贵红杨奎
商情 2017年15期
关键词:蚁群算法物流配送

杨贵红+杨奎

【摘要】本文对某酒品公司的配送线路优化问题及其方法进行了探讨,并引用蚁群算法对其配送线路优化问题进行解决。

【关键词】物流配送;某酒品公司;蚁群算法

一、某酒品公司现有配送点及其配送路线存在的问题

某酒品公司的主要配送地区在于云南,而云南地处高原,地势较为复杂,其地区配送就像图1所示地区比较分散,且需求量不规律,加大了配送难度,所以对配送线路规划有较高的技术难度,对企业执行配送也有较高的要求。在此过程中,企业的配送成本得不到降低,对于某酒品公司这样的中小企业而言快速找出配送线路存在的问题,并且及时找到解决办法是势在必行的。就目前而言其配送线路存在以下问题。

(一)从地理位置看来企业地处高原,向个零售商配送货物线路较多,就目前而言某酒品公司没有明确的配送线路,配送线路比较凌乱。

(二)面临季节差、节假日时,某酒品公司的配送线路没有具体规划,没有准确处理时间窗问题,造成期间成本较高。

(三)在配送前没有对车辆的配送线路以及对车辆装载量进行分析和规划,随机发车,大多采用直达式送货,没有对需求点进行分析,造成车辆的重复运输,空车几率大,企业配送成本高等问题。

(四)运输不合理,运输决策不科学。运输过程中,运输线路的选这基本就运输者依靠自身经验、感觉决定,经常出现对流运输、迂回运输现象。对运输线路不够重视,从而造成运输到货时间偏差较大。

二、基于蚁群算法对某酒品公司的配送线路优化

(一)蚁群算法的模型简介

给定n个城市和两个城市之间的距离,要求确定一条经过各个城市当且仅有一次路过该地方的最短线路。

第一步:初始化。将m只蚂蚁随机放到n个城市,每只蚂蚁的禁忌表现为蚂蚁当前所在城市,信息初始化为c。禁忌表体现了人工蚁群的记忆性,使得蚂蚁不会走重复道路,提高配送效率,在初始化时,各条线路上的信息素为0。

(二)蚁群算法在某酒品公司配送线路问题中的应用

以图1中的9个零售商需求点为例,带入上述流程,计算最优线路。以某酒品公司为配送中心,派出3辆汽车对某酒品公司周边9个客户配送货物。假设每辆汽车的载重量为3T,并且每辆汽车每次配送的最大行驶距离为100km。某酒品公司配送中心与客户点用坐标系数表示的位置如表1和表2(0表示物流配送中心A-I表示9个客户ID)。

经过计算,得到的方案如下:

0→D→C→0; 0→E→I→F→0;

0→A→B→H→G→0,得出计算结果约为:160。

以上就是某酒品公司为配送中心,向9个零售商配货所进行的计算,通过对某酒品公司实际线路调查,对运力、车载量、路况、耗油量还有最重要的是客户需求等的了解,带到蚁群算法中计算而得鹤庆乾酒在向9个零售商配送过程中运力一定,在一定配送线路要求的情况下的四条最优配送线路。按照蚁群算法得出的最佳线路进行货物配送,能够实现企业配送线路达到最優,配送成本最低,公司物力及人力运用达到最高效率,达到公司经济效益最大化,加强企业竞争实力。

由上可得以某酒品公司为配送中心的9个零售商的最优配送路线如下图所示。

三、蚁群算法在某酒品公司配送线路优化问题中的应用评价

通过对蚁群算法的运用,可以清晰的看出,某酒品公司配送线路有了很大的变化。(1)就配送线路而言,配送线路变得明了清晰,不在是之前的杂乱无章,经过计算后的出最佳配送线路,节约了某酒品公司的配送成本。(2)就配送过程中的运力车辆装载等做了计算,达到在配送过程中运力、车辆装载等的合理运用,使得配送过程科学化,也大大节约了人力和资金。(3)在配送过程中还存在时间窗问题,通过蚁群算法的科学合理运算,有效规避时间窗带来的资源配置不合理问题,有效出来了淡旺季的配送线路问题。(4)经过蚁群算法的科学运算,得出最佳配送路线而不是像以前那样的人为确定配送线路。有效避免人为配送因素带来的资源浪费、配送线路不合理等问题。

参考文献:

[1]于锐,曹介南.车辆运输路径规划问题研究[J].计算机技术与发展,2011(01):94-106

[2]米宏军.Floyd最短路径算法在汝阳露天矿场选址中的应用[J].选煤技术,2012(03):86-89

猜你喜欢
蚁群算法物流配送
物流配送车辆路径的免疫遗传算法探讨
CVRP物流配送路径优化及应用研究
云计算中虚拟机放置多目标优化
基于蚁群算法的一种无人机二维航迹规划方法研究
汽车配件流通系统优化研究
农产品电子商务中的物流配送问题及对策分析
一种多项目调度的改进蚁群算法研究
浅析超市电商的现状及发展策略
中小企业发展电子商务存在的问题及对策研究
基于混合算法的双向物流路径优化问题的研究