战时军事物流调运网络选址配置与物资分配

张巍 姜大立 苏秋月

1．陆军勤务学院重庆401311

战时条件下的军事物流系统决策是作战保障的核心内容,对作战成败起着重要作用,其中调运网络补给点选址配置与物资分配优化是整个军事物流系统决策的重要内容.补给点的选址配置问题作为军事物流调运网络规划的组成部分,要考虑全局利益和作战长远变化,属于宏观(战略层)决策;资源的调运分配问题包括物资的调配和运输,是具体运作计划的组成部分,属于微观(业务层)决策.即将面对的信息化局部战争将是一场高技术支撑、大数据驱动、智能化参与的战争,无论是宏观决策还是微观决策,传统战争中能够进行一切决策行为的人,面对现代战争体现的大数据特征都是无能为力的[1].因此,研究总结出适应于我军、符合战时环境新特点的军事物流调运网络选址与分配问题的新方法新理论,具有重要的理论和实践意义.

1 研究内涵

在军事物流网络系统中,调运网络是其最重要的一个子网络,它既包括补给点(后勤基地、物资补给基地、保障基地、后方基地[2]等大中型基地级补给储备节点,以及前进基地、后方仓库、野战仓库[2]等中小型仓库级补给转运节点) 作为其网络中的实体节点,还包括物资、运输装备(车辆、飞机、船只等)作为其实体资源.《中国人民解放军军语》中“军事物流”的定义是“军用物资从供应地到部队用户所在地的流动转移,包括筹措、运输、储存、配送等环节”,对于战时军事物流,运输、储存、配送是战中后勤保障最重要的几个环节,它们都实施于其调运网络中,其中运输与配送是调运网络节点与节点之间发生的“动态联系方式”,储存是节点与节点之间发生的“静态联系方式”.因此,调运网络是关系战时保障效率的关键要素.信息化局部战争中,物资需求补给点多、线长、面广,要求相应的军事物流体系扁平高效,以实现“适地、适时、适量”[3]的最终目标.其中,“适地” 是指在科学合理地布局物流网络的前提下,按照物资需求将精确配置物资;“适量”是指运送的物资不能过多或过少,过多则会增加运输负担、引起物资冗余,过少则会影响作战进程、降低战斗力;“适时” 是指需求的物资须在要求时间内运送到位.可以看出,实现“三适”目标主要需解决两个方面的问题:一是补给点的选址布局问题,二是资源的分配运输问题.

目前,战时后勤保障模式仍处在转型变革过程,信息化战争条件下的后勤保障理论仍有待完善.从实际出发,在战时军事物流调运网络选址配置方面仍存在着网络配置与作战网络形成不匹配、补给点选址与需求点位置不适应、物资分配供应量与实际需求量不吻合、运输资源分配与物资数量分配不协调等突出问题,究其原因,是因为战时军事物流调运网络补给点配置与物资分配优化相关决策实践水平的不足与信息化局部战争对后勤保障不断增长的需求之间产生了巨大的矛盾.针对以上问题和矛盾,深入研究调运网络补给点配置与物资分配优化问题,以更精确高效的模型化、定量化方法,将人脑从战场繁芜丛杂的数据海洋中解放出来,是解决现有问题和矛盾的有效途径[4],也是提高战时军事物流调运网络补给点选址配置与物资分配优化相关决策实践水平的必由之路.

2 研究重难点

2.1 选址配置方面

战时军事物流系统面临着由战争带来的各种不确定性因素,包括具体需求的不确定性、敌军打击毁损的不确定性、运送服务可靠度的不确定性等,这都给科学合理地为补给点进行选址增加了难度.基于战时环境的不确定性,对军事物流调运网络的节点进行选址配置时,主要考虑两种形式:

1) 针对偏防御型或战略后方较为稳固的情形,配置的保障节点通常具有较长的时效性,在为这类节点进行选址时,不需考虑其短期内的移变,即在选址布局上表现为“静态”的特点.为这类保障节点进行选址配置时,需要科学合理地设定诸如需求、敌方打击等不确定参数的取值分布情况,以保障效率最大化为目标设计选址的方法.这是一种随机优化的不确定性研究方法,通常用于长期的平均水平最优化,符合这种情形的选址特点.

2) 针对偏进攻型或战略后方不稳定的情形,由于补给点受打击毁损的概率较大或需要根据战线推进而向前方跟进,补给点可能需要变换位置,即在选址布局上表现为“动态”的特点.与1)中情形不同的是,偏进攻型或战略后方不稳定的情形中更不易确定不确定参数的概率分布,也不易在长期水平上进行优化,因而需采用鲁棒优化的研究方法,即不确定参数的概率分布是未知的,假定不确定参数可能出现的情景或不确定参数取值于连续区间上.

基于这两种情形的选址配置问题,后文将对一般选址、随机选址、鲁棒选址以及军事设施选址4 个方面进行选址配置问题研究现状的综述.

2.2 物资分配方面

传统资源分配问题中只是将资源进行分配,不涉及具体的运输或调运方面,但战时条件下军事物流调运网络中的物资分配优化不仅需考虑将战时军事物流系统中的物资进行分配,还要考虑具体的调运分配过程.战时环境为军事物流系统中资源的分配和调运提出了更高的要求,既要体现业务过程上的协同,又要体现调运分配的动态敏捷性,但不同情形对各方面要求会有所偏向:

1) 针对短战线或节奏较缓的战事,物资调运分配通常采取少频次多批量的方式,对于这种情形,联合指挥相关业务人员会通盘考虑全局需求,每隔一定周期进行计划分配,即单周期物资分配计划.物资分配的过程实际是物资“调”与“运”的过程,即物资由后方供应点向战场补给点调配、再由战场补给点向前方需求点运送的过程.单周期物资分配计划最重要的考量就是形成“调”与“运”的协同,以尽量减少物资的非必要周转时间成本、提高战时军事物流系统的保障效率.

2) 针对长战线或节奏较快的战事,物资调运分配通常采取多频次少批量的方式,对于这种情形,计划分配周期不是固定的,而且由于需求具有很强的不确定性,导致在物资调运分配过程中不能仅考虑一个周期内的计划,否则很可能出现物资过量或缺量供应保障,为了尽量避免这种情况的发生,在计划调运分配时需考虑多周期的物资需求.多周期物资分配是建立在1)中单周期物资分配基础上的,其不仅要考虑分配中“调”与“运”的协同[5],更重要的是需考虑多周期物资需求的动态运送问题,因为物资由补给点向需求点运送的过程中,若需求发生变化(需求点需求突增、需求点位置变化、需求点数量增加等),或者需求点的优先级发生变化,再或者道路发生损毁,则需对运送计划进行动态调整,保证全局需求点的保障效率.

基于这两种情形的选址配置问题,考虑到物资分配问题的研究方法主要是以构建模型和算法为主,因此,后文将从模型建立和算法求解两个方面进行物资分配问题研究现状的综述.

3 研究现状

3.1 选址配置问题研究现状

选址配置问题是军事物流调运网络研究中的重要课题.理论上,选址配置研究如何选择一个或多个设施的位置来优化某些既定目标[6].选址配置与一般布局问题之间的区别在于选址配置问题中的设施与它们所处的地理空间相比较小,设施之间的相互作用未知; 在布局问题中,选址的地理空间较大,而且设施之间存在必然的相互作用[7].选址配置问题一般受实际应用背景条件的约束,涉及到需求点和服务点设施[8−9].

3.1.1 一般选址问题

对现代选址的研究始于1909年,阿尔弗雷德·韦伯在欧氏空间的基础上提出了p-中值问题,即著名的韦伯问题.韦伯问题在敌方企业选址中较常见,如工厂和仓库等选址.公共设施的选址问题也可以通过建模的方式解决,例如学校、图书馆、邮局等.韦伯问题本身看上去很简单: 给定n个坐标为(ai,bi)的点,每个点的权重ωi已知,需要找到这样一个点(x∗,y∗),要求从该点到上述n个点的加权距离之和最小.若为仓库选址,它将为n个客户提供服务,其中ωi是坐标为(ai,bi) 的客户送货的单位成本,则(x∗,y∗) 就是最小化运输成本的仓库坐标.(x∗,y∗) 可以被认为是n个加权数的简单(一维)重心数的二维扩展,因此(x∗,y∗) 被称为是“空间重心点”.除了上述基于欧氏距离的韦伯问题,还有基于其他距离如曼哈顿距离、欧氏距离、lp范数距离等的韦伯问题.Ortega 等[10]提出了一种解决lp范数(1

在进入多元化时代之后,学者专家们从更广阔的视角研究选址相关问题,促进了一般设施选址理论的系统综合化发展[13].Hakimi[14−15]率先对网络上的设施选址进行研究,随后广泛应用于便利店、车站、配送中心等设施选址中.研究人员根据具体情况提出了不同模型,如P- 中心、P- 中值和覆盖问题等.P- 中心又被称为Minmax 问题,是指以设施到最近需求点的最大距离最小为目标,从备选点中寻找P个最佳位置.此问题是由Hakimi[15]最早提出,Megiddo 等[16]证明了其NP-Complete 性.P- 中值问题由Hakimi[14]提出,具体是指如何在数目固定下选择P个设施的最佳位置.Chen 等[17]提出了PQ-中值(即条件中值)问题,具体是指如何在Q个设施已建立的前提下选择建立P个同类设施的位置.Hakimi 提出分析了P- 中值问题具有Hakimi 特征,Garey 等[18]证明了此问题的NP-Hard 性.Brimberga等[19]设计了一种新局部搜索算法,用于解决P-中值在连续平面上的问题.Drezner[20]研究了动态P- 中值问题.

这里重点对覆盖问题进行概述.由于其在现实世界的广泛应用,覆盖问题是选址问题中关注度最高的子问题之一.在一些覆盖问题中,需求点至少由一个满足距离约束条件的设施来服务.大多数覆盖问题中,需求点接收的服务质量取决于距离关系.通常预先设定阈值,在这个距离阈值内需求点可以获得服务,此阈值被称为覆盖距离或覆盖半径[21].许多问题可以模拟为覆盖问题,例如确定诸如学校、银行、图书馆、医院、公园、购物中心以及垃圾转运站等公共设施的数量和位置.Berman 等[22]简要介绍了逐渐覆盖、可变半径覆盖和共同覆盖模型.Farahani等[23]详细阐述了覆盖问题.在完全覆盖问题中,一方面路程对需求点的影响不同,这就产生了混合距离极小极大值问题.另一方面,如果距离呈现非线性特征,则产生了推广的极小极大值问题.完全覆盖问题中也可以包括限制区域,这种情况下,考虑到目标函数具有伪凸性特征,若禁止无约束最优解,仅需要搜索连通区域部分的边界.若这个边界是多边形的边界,那么每个边上只须最小化一维伪凸函数,再使用非线性规划解决此问题就较容易了.对于一般边界,可以通过参数表示来最小化一维函数[24].Canbolat等[25]研究了选址问题的一种特例—区域内存在阻隔,这种阻隔导致区域被划分为几个部分,各部分只能通过某些点进行联系.Salman 等[26]研究的背景是受灾时预置的服务点能够为需求点提供最短备用救援通道,以此确保物资的及时运送,建立了基于随机网络毁损条件下、以覆盖距离最大为目标的应急设施期望需求覆盖模型.Bhattacharya 等[27]将最大覆盖问题扩展到了多设施选址.朱建明[28]基于及时性、平衡性以及鲁棒性3 个指标,以总救援时间表示及时性程度、以最大覆盖半径表示平衡性程度、以设施损坏情形下救援延长时间表示鲁棒性程度,构建了应急设施多目标优化选址模型.叶庆等[29]以机动作战交通网络的覆盖率最大化为目标,建立了一种抢修分队选址的双重覆盖标准模型.张宗祥[30]建立了基于公平性与服务效率的联合覆盖模型,此模型是在服务水平达到一定最小值的背景下以服务质量或覆盖率最高为目标.翁克瑞等[31]按照最小化成本或最大化收益的标准,建立了成本与覆盖半径的优化模型.钟慧玲等[32]基于场景识别法,建立了针对危险品运输的目标分层α 鲁棒的弧段覆盖模型.针对大规模生化恐怖袭击的威胁,Murali 等[33]分析了大城市中医疗救护点的覆盖范围与距离的关系以及需求的不确定性,建立了容量约束条件下的医疗救护设施选址问题.

3.1.2 随机选址问题

Rosenhead 等[34]将决策问题按照环境条件分为确定型、风险型和不确定型: 确定型表示已知各种参数,风险型表示已知不确定参数的概率分布,不确定型表示未知各项参数.风险型决策问题即随机优化问题,通常优化目标是函数的期望值.不确定型决策即鲁棒优化问题,通常优化目标是优化最坏情形.两种优化问题的共同点是寻找一种适用于任何不确定参数实现时都能维持系统稳定运行的解决方案.系统运行的效果取决于实际情况,选择合适的评估规则是构建模型的重要环节.随机变量可以是连续的或者离散的,若已知其概率分布,则其概率分布的连续或离散性也可以确定;若未知其概率分布,则通常由有界区间表示该参数.由于环境变化越来越复杂,需要考虑的参数受到的不确定性影响越来越多.然而,多数关于选址的研究集中在确定型决策,随机性研究较少.

随机选址研究一般以绩效期望值最优为目标.Bertazzi 等[35]研究分析了存在容量约束的随机旅行商选址问题,该问题中多个位置不确定的旅行商可以同时提供服务,旅行商所能服务的需求点数量作为其容量约束,此问题的目标是确定设施的服务区域以最小化旅行路线的最大预期成本,服务区域的中心设置为设施所在地.Bhattacharya[36]设计了两种方法,可以解决最小化最大值和最小化求和值问题以及这两个问题相结合的双目标选址问题,这两种方法中均采用矩形距离.Cooper[37]率先考虑了韦伯问题中需求点具有随机性的情形,其目标是最小化选择设施距各需求点的加权欧氏距离和.¨ozkısacık等[38]构建了求解多设施韦伯问题的矢量量化方法,并设计了启发式算法.Liste 等[39]将随机选址应用于逆向物流网络,以荷兰拆迁地区沙子的回收物流作为案例.陶莎等[40]研究了应急救援选址的问题,在集合覆盖的基础上,利用随机模拟和期望值法衡量选址规划中的随机性因素,以成本的最小作为目标,构建了其随机规划模型,并在实际案例中应用获得了应急配送中心设置的最佳解决方案.Snyder 等[41]构建了随机情况下的联合选址-库存模型.

在对随机选址问题的研究中,除了以上期望值模型是以期望值或方差为其目标函数,另外有一些模型是以系统运行成效概率的最优化为目标,这类模型被称为概率模型[42].概率选址模型一般预先设定一个界值,用系统指标不超过界值的概率表示系统运行成效概率.Drezner 等[43]针对权重成均匀分布的情形,提出了一种解决平面韦伯问题的最大概率法.Bashiri 等[44]首先研究了随机需求独立网络分布的中心及重心点概率选址问题,最大概率重心点是指加权距离和不超过阈值的概率的最大的点,最大概率中心点是指最大的加权距离不超过阈值的概率的最大的点,然后他将问题扩展到需求呈联合正态分布规律的情况.Fang 等[45]针对随机需求权重呈一般概率分布的情况,以未覆盖的需求点的加权距离超过某一设定值的概率最小化、覆盖的需求点的加权距离不超过某一设定值的概率最大化为双目标,提出了基于给定开支的概率选址模型.Berman 等[46]针对需求呈均匀分布规律网络,提出了一种寻找最大重心概率点和最大反重心概率点的方法.Berman等[47]以加权覆盖率不低于某设定值的概率最大为目标,提出了一种基于需求权重呈离散随机分布的随机选址模型.

3.1.3 鲁棒选址问题

随机选址是针对参数的概率分布已知的情形,针对不确定参数的概率分布未知的情形,一些学者提出了鲁棒优化的方法,通常采用最小化最大成本和最小化最大遗憾值的方式.鲁棒优化中不确定参数可连续可离散,离散型的参数通常用情景发生概率表示,连续型的参数通常用某区间表示[42].

Ghaderi 等[48]研究了鲁棒选址的阶段性问题,构建了在选址数量不确定的情况下的不确定模型(Number of Facilities Uncertain,NOFUN),并探讨了最小化最大遗憾值和最大化最小期望值.Dong 等[49]针对需求不确定的P-中心问题,以最小化最大遗憾值为目标,采用求解(n+1)个确定的P-中心问题来获得最优结果,前n个问题以原网络为背景,后1 个问题以增广网络为背景.Serra 等[50]针对基于需求场景的情况,分别提出了最小化最大成本和最小化最大遗憾值的P-中值模型.Averbakh[51]将这一概念扩展到更一般的鲁棒组合优化问题上,诸如鲁棒选址及其他组合问题已经含有最小化最大值的问题.

有些模型不是采用最小化最大遗憾值的方式,而是以最大遗憾值为约束条件,Altmann 等[52]率先运用这一方法,它是指在任何情景下相对遗憾不超过p,其中p是外生变量,也即任何场景实现成本都不会超过该场景最低成本的100(1+p)%.Daskin等[53]称将此特性为p-鲁棒性,满足这种特性的解被定义为p-鲁棒解,这种求解方法与其他方法不同的是增加了一个鲁棒可行性约束条件,但p-鲁棒解在具体的问题中不一定存在.田俊峰等[54]在供应链网络规划中使用了求p-鲁棒解的方法,构建了一种以遗憾值作为约束条件之一的鲁棒供应链网络规划模型,并设计了禁忌搜索算法,以一个数值算例证明了使用p-鲁棒优化模型规划供应链网络可以有效降低投资风险.Cox[55]在国际采购中使用了求p-鲁棒解的方法,此问题和方法研究如何选择全球供应商以摆脱汇率和当地价格变化带来的影响.钟慧玲等[56]针对随机响应覆盖半径,构建了一种p-鲁棒可行性约束条件下的弧段覆盖模型.Altmann 等[52]在布局选址问题中应用鲁棒选址方法,从而获得了一些p-鲁棒解.胡丹丹等[57]在截流选址模型中采用求p-鲁棒解的方法,即在p-鲁棒可行性约束的条件下,以最大化截流期望值为目标.

3.1.4 军事设施选址问题

科学对军事设施进行选址决策选址,既可能对经济效益产生影响,也对将来可能发生的战争发挥一定程度的作用.在20世纪60、70年代时期,我军大多采用分散的开山、打洞等方式设置一些军事设施,这样带来的后果就是导致现如今的一些库房、医院等设施的位置非常不便利,可持续发展性不强,交通运输环境整体偏差,也带来了巨大的成本浪费;20世纪80、90年代时期,国家和军队为了满足经济发展需要,对一些老旧远的设施进行整体搬迁,造成了人力物力和财力的巨大浪费,这些都是由于当初不科学的战略布局不能满足未来高科技局部战争的需要所带来的不利影响.

关于军事设施的选址问题,其发源于如军事港口、机场、医院等设施规划建造的实际问题[58].自20世纪60年代以来,军内外学者已经开始研究此类问题,并取得了一些有价值的成果.雒战波[59]在求解模糊效益矩阵的基础上,将多目标分配转化为单目标分配指派,构建了模糊多目标分配指派的改进解法,并将此方法运用到军事领域.郭超[60]构建了海军物流配送中心选址评估指标体系,分析了影响改革时期海军物流中心选址的因素,构建了递阶层次结构选址模型,采用改进的AHP 方法和模糊评价法确定了最优的物流中心备建位置.翁东风等[61]探讨了未来高科技战争条件下对军事设施进行选址的特征,构建了多目标军事设施选址决策模型.任保权[58]探讨了野战指挥所选址的特征和原则,分别构建了战斗准备和战斗进行阶段的选址模型.毕思飞等[62]针对单设施选址问题,构建了地域选址模型,设计了以GIS 和遗传算法为基础的求解算法.张衡等[63]研究了机动保障分队选址问题,构建了相关模型,设计了求解算法.吴国玺[64]根据不同维稳阶段进行保障的要求不同,构建了不同选址模型,分别是基于时效性最高、费用最低和同时满足多目标条件约束.熊敏等[65]构建了指挥所选址模型,运用协同遗传算法模拟仿真了一个实际案例.陶羿等[66]在二维地理坐标平面的基础上,构建了军事物流中心选址模型,设立了一种改进遗传算法,实现了选址和服务需求分配的全局优化.

3.2 战时物资分配问题研究现状

3.2.1 模型建立方面

针对战时物资调运分配模型建立方面的研究,多数研究都是针对战时物资调运的时效性、经济性、安全性等多目标进行建模.具体建模过程中,有作者将多目标模型转换成单目标模型,也有作者将多目标模型转换成分层多目标模型,具体研究成果如下:

杨英杰等[67]研究了军事运输中的多式联运问题,构建了基于时效性、经济性、路径及节点风险性的广义单目标多式联运优化模型,设计了蚁群求解算法.许国银等[68]研究了作战油料保障的运输路径规划问题,将影响运输过程的因素作为其评价指标,构建了多指标双层运输路径优化模型,设计了结合模拟退火算法和遗传算法的求解算法.尹福文等[69]研究了军事运输路径优化问题,建立了基于费用、时间和安全性的多双层目标运输路径优化模型.漆磊[3]研究了多级网络物资配送问题,分析了供应点和预置点协同补给物资的过程,设计由后方物资、预置物资、作战部队组成的三级预置协同补给网络,考虑硬时间窗,建立基于最小运输风险的双层指标物资配送补给优化模型.刘丽波等[70]研究了作战油料配送路径规划中的VRP 问题,在分析配送路径多属性的基础上将配送过程中的影响因素作为其评价指标,构建了多指标分层的作战油料配送路径VRP 优化模型.张亮等[71]同样是在考虑时效性和安全性的基础上,构建了多目标战时装备运输优化模型,采用多目标转化单目标的方法,设计了结合模糊规划算法和表上作业法的求解算法.韩震等[72]研究了战场弹药运输路径规划问题,将运输时间、损失风险、运力数量作为其目标,构建了多目标战场弹药运输优化模型.童忠海等[73]率先在战时运输路径优化中采用路阻函数,分析了时间、费用、安全阻抗,构建了多目标多约束战时运输路网优化模型,设计了改进的Dijkstra 求解算法.

在模型建立方面,还有一类是针对战时物资调运网络进行建模.大多数研究是针对战时物资调运网络的路网转换、单点对多点配送、多点对多点配送等问题.于沛等[74]研究了战时物资补给网络的转换问题,分别分析了单补给方式、多补给方式以及有破坏点的补给方式的相应补给网络之间的相互转化,它为实际决策者解决存在某些必经点或特殊点的配送网络中的相关问题提供一种参考方法.杨春周等[75]研究了舰载物资配送两级网络下的多点对多点配送问题,基于动态规划和图论等理论,构建了具有多个参数、多个需求点和供应点的舰载物资配送优化模型,并运用MATLAB 和LINGO 软件对模型进行求解实现.卢昱等[76]研究了网络化混合调度问题,将运输时间成本、经济成本、路径安全度作为其评价指标,构建了多目标网络化分时混合调度模型,设计了遗传算法和模拟退火算法结合的求解算法.

3.2.2 算法求解方面

针对战时物资调运分配问题所建立的模型,在求解算法方面,首先研究的是规划算法,例如整数规划、线性规划、混合整数规划、随机非线性规划等,以上算法是用于解决运输、路径规划问题的传统算法,随着物资调运问题和路径规划问题规模的递增,模型往往呈现出NP-Hard 属性,单纯地运用如线性规划、整数规划等传统算法在短时间内解决此类问题是相当不容易的.故现有大多数研究成果都转向了运用元启发式算法对这类问题进行求解.具体研究成果如下:

李国妍[77]将NSGA-II 算法,即带精英策略筛选的遗传算法引入军事物流,并通过问题验证,证明了该方法的可用性及稳定性.雷敉等[78]研究了作战弹药补给调运问题,构建了基于时间约束的弹药补给调运多目标多任务优化模型,由于禁忌搜索算法和遗传算法对此模型的适用性,设计了双层搜索结构的遗传禁忌算法.最后通过实例进行验证,结果表明设计的算法相比于基本遗传算法的性能表现得到了提高.赵文飞等[79]同样是运用NSGA-II 算法研究了战场物资调运问题,在设计的算法中引入了剩余网络概念,并采用了精英保留策略和增加小生境密度方法,最后结果表明设计的算法能够较好地避免算法运行过程中只能得到局部最优解的问题,从而获得了较为理想的全局最优解.王路路等[80]研究了作战装备备件调运问题,构建了基于硬时间窗的备件调运路径的多目标优化模型,设计了改进的蚁群求解算法对所建模进行求解,结合案例验证了算法用于解决模型问题的合理性.张斯嘉等[81]则运用蝙蝠算法对物资调运问题进行研究,同样获得了较好的效果.

4 结论

总体来说,国内外学者已经在战时军事物流调运网络选址和调运分配方面做了大量研究工作,但研究还有待进一步拓展和丰富,具体体现在: 1)对于选址配置问题,针对战时军事物流系统设施选址问题随机模型的研究较少,而且未充分考虑不同路径的情形.在模型涉及的距离函数的选取方面,大部分模型选用具有良好性质的距离函数,如曼哈顿距离、欧氏距离等,但是在选址配置模型的研究成果中较少使用一般凸距离函数.现有关于军事设施选址模型的研究多数以确定型和静态为主,较少考虑到现实中需要对设施位置和数量根据战时情况及时调整.2)对于战时物资分配问题,首先,通常采用定性化主观分析物资运输安全性指标的方法,考虑实际作战情况、需求等安全性影响因素较少; 其次,大部分模型都是研究“多点到单点”、“多点到多点” 的两级网络,研究三级以上多级网络的成果较少,缺乏系统而全面地研究作战环境中协同调运补给、多式联运以及多节点预置转运等问题;再次,模型较少结合战场预置物资协同补给形式进行研究.求解算法方面的不足主要体现在: 现有研究主要集中于规划算法和元启发式算法,但随着物资调运问题的规模、维度等大幅增加,针对这些高维化、规模化的组合优化问题,结合规划算法和元启发式算法的求解算法的研究还较少.

适应和满足使命要求,加强战时军事物流系统建设,是确保部队快速机动、速战速决的关键因素,也是我军战时后勤保障能力建设的重难点.我军现在正处于改革的关键时期,现有和在建的军事物流系统能力与保障要求、保障目标、保障任务还需磨合统一.因此,针对信息化局部战争体现出的高技术支撑、大数据驱动、智能化决策的特征,研究相匹配、相适应、相吻合的定量化、模型化、智能化的军事物流系统决策方法,是加强战时军事物流系统建设亟待解决的问题.军事物流系统决策涉及的方面很多,但调运网络补给点配置与物资分配优化是其中非常关键的一个,无论从横向决策的时间跨度还是纵向实施的覆盖层次,配置与优化都贯穿整个战时军事物流系统,针对军事物流调运网络配置优化的模型化、定量化研究能够有效加强战时军事物流系统建设.