零售企业物流配送路径优化问题实证研究

吴竞鸿

零售企业物流配送路径优化问题实证研究

吴竞鸿

（安徽商贸职业技术学院 工商管理系, 安徽 芜湖 241002）

合理的配送路径选择规划是提升零售企业的配送作业效益与服务水平的关键因素，对物流配送路径优化问题的研究具有现实意义。选择某连锁超市上海区域为研究对象，首先对零售企业车辆路径优化问题进行了研究综述，其次通过实地调研及网络资料总结了连锁超市上海区域的配送业务基本情况，分析了配送中存在的配送路线设计不合理、配送成本过高等问题。再次从实际约束条件出发，就现状与问题建立了VRP模型，提出了蚁群优化算法优化迭代次数。最后借助MATLAB软件以及真实数据对模型进行了求解，提出配送路径优化方案，并对比分析了优化后的方案可提高配送效益，论证了构建模型及其算法的可行性。

零售企业；配送路径优化；VRP模型；蚁群优化算法

一、零售企业配送路径优化问题研究综述

（一）配送路径优化问题研究现状

运输作业是物流的主要作业内容，车辆路径优化问题一直是物流领域的重要研究内容。当前，车辆路径优化研究主要集中在车辆路径规划与选择问题。依据运输配送路线不同，车辆路径规划与选择问题包括以下三种类型。

第一类是单一不同起讫点的车辆路径规划问题。如郑文青等考虑物流配送中心需要将货物从一个初始位置运送到一个目的地的情况，将整个城市交通网络视为平面图，利用最短路径法（Dijkstra算法）求解初始位置O到目的地D之间的最短路径。[1]

第二类是多个起讫点的车辆路径规划问题。如李越颖针对多个供应点与多个需求点的运输网络分配问题，采用线性规划方法建立数学模型，并考虑运输线路的权重情况求解最佳路径。[2]

第三类为单一相同起讫点的车辆路径规划问题，典型代表就是VRP问题。即一些客户具有不同的货物需求规模，配送中心向客户配送货物后再返回，在满足所有客户需求的前提下，选择合适的行车路径。并力求在特定的约束条件下实现行驶里程最短、总成本最小等目标。零售企业的配送网络结构一般是由区域配送中心统一安排车辆并按照一定方式和要求为区域内各个门店提供配送服务。因而零售企业配送路径优化问题属于VRP问题。

目前对于VRP问题求解一般采用精确算法或启发式算法。如曹平方等对于典型VRP问题中的车或线路未进行编号，而以累计配送量是否接近车辆载重量作为构建新路径的条件。并利用分枝界定法求解车辆调度问题。[3]基于运筹学的精确算法的计算量在路径数量增多时呈指数增长趋势，使其较难应付大规模网络车辆路径选择问题。因此大多数时候利用启发式算法进行求解。启发式算法包括遗传算法、蚁群算法等。如李佳儒针对生鲜品的VRP问题，考虑了软时间窗因素设定了惩罚函数，运用遗传算法优化案例中的生鲜食品超市物流配送路线[4]；郑琰等以020电商企业为案例，基于总配送路径最小化为目标，利用蚁群算法提出企业配送区域划分及较优配送路径[5]；周显春等考虑了道路限行、道路施工等城市道路情况构建VRP模型，同时考虑蚂蚁当前时刻的位置与历史位置以及未来遍历位置之间的距离关系，使得改进蚁群算法可实现整体路径较优。[6]启发式算法降低了求解结果的精确性，简化了求解过程，在实际应用中能在较短时间内逼近最优解。

（二）零售企业配送路径优化问题研究现状

在新零售时代下，零售企业管理者对车辆运输管理提出了更高要求，对送达及时率与准确率产生了更高期望。配送路径的优化不仅可以缩短配送时间和行驶里程，降低配送成本，还可以使商品更便捷地送达门店，提升客户满意度。为了控制诸多零售门店的配送成本，配送过程中的路径优化策略一直是零售企业的关注点，大多数以零售企业配送为研究对象的文献也是以配送路径优化问题为主要研究内容。如王钰祥等（2016）总结连锁超市在生鲜品配送中的问题，提出可构建VRP模型，并依据特定案例利用扫描算法给出配送路径的优化方案；王海燕等（2017）以武汉中百超市部分门店的配送路径优化问题为研究对象，在分析其配送存在问题的基础上，采用节约里程法和最远插入法对其配送路径进行优化，并对比分析了优化前后的成本变化情况；卢茗轩等（2018）以衡阳香江百货连锁超市的生鲜农产品配送问题为研究对象，借助重心法给出新配送中心选址位置，利用节约里程法优化配送路径，并基于企业业务数据的变化情况对节点选址模型及路径优化算法进行论证。

总而言之，通过对车辆路径优化问题的研究综述，本文首先认为当前学者们对于车辆路径问题的研究比较多，但对于零售企业配送路径研究关注度不高，求解算法以精确算法为主，可以考虑以启发式算法为主的方式求解问题；其次针对零售企业车辆路径问题的研究，已有很多文献以案例形式对构建的模型算法进行验证，但大都是基于虚拟企业及模拟数据，没有以实际零售企业为对象，业务数据缺乏可靠性。针对上述情况，本文认为可以特定零售企业为研究对象，探讨其在一定区域网络条件下的车辆配送路径优化问题，构建VRP模型并采用启发式算法求解。

二、配送路径优化的VRP模型

（一）问题描述

1．问题假设

本文对零售企业物流配送路径优化问题的研究目标可以描述为：为拥有不同货运需求的多个门店提供配送服务。配送中心通过对一辆或多辆车行驶路线进行合理规划满足门店的需求并在一定的约束条件下，实现总成本最低、总里程最短的目标。基于构建数学模型的方便性考虑，本文对零售企业物流配送路径优化问题进行简化处理，设定如下假设前提：

（1）车辆的装载量大于每个配送门店的需求量，且配送车辆的装载量大于每条配送路线上的需求量；

（2）每个配送门店的需求量都可以满足客户的需求，配送路线的总需求量小于配送车辆的装载量；

（3）配送中心的可调配车辆为四辆，每辆车从配送中心出发，对规划好的配送门店逐一配送，然后再返回配送中心；

（4）每家门店仅有一个车辆配送且车辆对配送门店每天的配送次数为一次；

（5）不考虑配送道路中车辆流量及路况的限制。即各配送门店之间的配送路线均畅通无阻。

2．目标函数及约束条件

本文以配送总成本最小化为目标对配送路径进行优化，安排合理的配送路线，制定高效的配送计划。配送总成本包括车辆出车成本（固定成本项）以及车辆运输成本（可变成本项）。

相关符号变量说明：

V——车辆的行驶速度；

构建的目标函数如下:

约束条件：

（4）

式（1）为目标函数，表示配送总成本最小化。其中配送总成本由车辆出车成本和单位里程成本构成。配送中心及配送门店的编号分别为0，1，2……i，r……m；

式（2）表示配送车辆的载重量不能超过车辆的最大荷载量；

式（3）表示车辆行驶的总里程不能达到车辆的最大行驶里程；

式（4）表示车辆从配送中心出发，最后依次返回配送中心；

式（5）和式（6）保证每家门店有且仅有一辆车辆配送。[7-8]

（二）模型求解的蚁群优化算法

蚁群算法是一种在路线中寻找优化路径的模拟进化算法。考虑到迭代过程的无效性，对算法的优化机制进行修正，以克服蚁群算法计算时间长、易出现停滞的缺陷。本文通过设定车辆荷载量及最少完成车辆优化迭代次数，其算法计算步骤如下：

第一步：根据各门店的坐标与需求量构造一个一维矩阵；

第二步：设定蚂蚁数量即配送车辆的数量；

第三步：选取决定tao和miu重要性的参数；

第四步：计算衰减系数和概率；

第五步：信息素初始化，并设定循环一周，蚂蚁所释放的信息素；

第六步：加入车辆容量与最少完成车辆的考量；

第七步：开始迭代并计算两点间的距离；

第八步：在满足容量的点中计算概率，选择概率更大的一个继续；

第九步：记录所有满足容量和概率的点；

第十步：每次循环，对应路径下所花费的最少费用都会进行一次更新；

第十一步：经过多次迭代后，就能算出最少费用与最短路径。[9-10]

本文将借助MATLAB软件实现上述过程。

三、基于VRP模型的企业案例分析

（一）企业案例背景

1．某连锁超市在上海地区的基本情况

图1 某连锁超市上海配送中心和七家门店的位置

表1 某连锁超市上海配送中心及门店的编号与位置

表2 某连锁超市上海配送中心及门店的经纬度

本文以某连锁超市在上海地区的门店配送网络作为研究对象，选取了上海市某连锁超市七家门店作为物流配送的配送站点，并由上海市配送中心对其进行物流配送。研究方向是优化该物流配送中心配送路径问题，降低物流配送成本并使之最小化。设其配送中心编号为0，各个门店编号为1-7。配送中心及各超市门店的地理分布如图1所示，具体地址信息如表1，经纬度如表2所示。

依据网络数据的检索以及百度地图的测距，得出上海市某连锁超市配送中心与7家门店之间的距离数据。配送中心与门店以及各门店之间的最短距离如表3所示：

表3 某连锁超市上海配送中心与七家门店之间的最短距离（km）

2．某连锁超市上海地区配送路线运作现状

本文选择 2019年某连锁超市上海地区七家门店的平均日需求量作为分析基础。依据网络调查研究，目前某连锁超市配送中心一般调用四辆车完成每日的物流配送任务。关于车辆方面的数据，物流配送车辆的核定装载量为5.5吨，行驶里程为150公里，车辆的出车成本为200元/次，运输费用为10元/km。当前，某连锁超市上海配送中心的配送线路有4条，各门店需求量如表4所示：

表4 七家门店配送需求量

图2显示的是某连锁超市在上海区域的配送网络，四辆配送车辆分别完成四个区域的循环配送路线。

第一条路线的配送过程：上海共发物流园-杨浦区中原路102号中原店-嘉定区博乐路99号嘉定店-上海共发物流园，配送总距离是102.9千米，货物装载量是3.4吨，装载效率是62%；（0-4-1-0）

第二条路线的配送过程：上海共发物流园-闵行区东川路2092号闵行店-浦东新区金科路3057号B1层金科路店-上海共发物流园，配送总距离是67.9千米，货物装载量是3.2吨，装载效率是58%；（0-3-7-0）

图2 某连锁超市的配送网络示意图

第三条路线的配送过程：上海共发物流园-金山区蒙山北路399号金山店-浦东新区人民西路955号南汇店-上海共发物流园，配送总距离是121.7千米，货物装载量是3.6吨，装载效率是65%；（0-6-5-0）

第四条路线的配送过程：上海共发物流园-杨浦区长阳路1750号长阳店-上海共发物流园，配送总距离是65.2千米，货物装载量是2.8吨，装载效率是51%；（0-2-0）。

表5 某连锁超市的配送网络计划表

（二）某连锁超市在上海地区配送作业中存在的突出问题

依据调研数据及相关网络资料，当前某连锁超市上海区域的物流配送管理缺乏系统性。配送管理人员往往只是以按时按量配送作为作业目标，并未考虑配送网络优化问题。典型问题总结如下：

1．配送成本过高

由于某连锁超市的门店较多，配送时间未经过系统的计算和统一的安排，司机往往只会按照原本的经验进行配送，没有具体的配送时间和配送路线。这导致公司物流配送线路复杂、线路交叉重复等现象，加重了公司的运营成本，造成极大的浪费。

2．配送装载率低

由表5可知，某连锁超市四条配送路线上的装载率分别为62%、58%、65%、51%，没有合理考虑配送路径上的货物配载率问题，浪费了一定的车厢体积，降低了货物的周转率，增加了配送成本。

3．配送路线设计不合理

当前某连锁超市的配送作业主要关注及时因素，使得一些小批量货物在运输的时候受到时效限制而不能合理规划配送路线，产生了多条不合理的配送路线，造成了车辆行驶距离不合理、运输空载率增高，形成物流配送环节的浪费。

四、基于蚁群优化算法的模型求解结果分析

（一）模型求解结果

本文将某连锁超市现有的配送作业相关数据导入MATLAB软件中，求解配送路线的最优方案。其中，单位运输成本包括每公里车辆油耗费用、每公里的商品损耗费用和未能送达的机会费用。具体模型参数取值如表6所示：

经过MATLAB软件运行优化后，某连锁超市配送优化网络如图3所示：

如上所示，某连锁超市上海区域配送网络经过VRP模型优化及蚁群算法求解后，将现有的四条路线优化成三条路线。如表7所示：

（二）优化结果对比分析

本文在对某连锁超市上海地区配送作业调研分析的基础上总结出该连锁超市存在配送路线设计不合理、配送成本过高等问题，进而从实际约束条件出发，采用VRP方法构建了优化模型，并采用蚁群优化算法求解模型。最后对优化前后的相关数据进行对比分析，如表8所示：

表6 模型参数取值

图3 某连锁超市配送优化网络图

表7 某连锁超市上海地区优化后的配送网络

表8 优化前后的相关数据对比分析

1．行驶总距离缩短

某连锁超市配送路径优化前的行驶总里程是357.7km，优化后的行驶总里程是306km，减少了51.4km。可见，优化后的配送路线可以解决优化前行驶里程多的问题，提高了配送效率。

2．装载率大幅提高

某连锁超市的配送车辆核定装载量为5.5吨。经过优化后，其配送路线的装载率分别为85%、85%、65%，平均装载率为78%，比优化前高19%。可知优化后的配送网络可解决优化前装载率低的问题，提高了配送质量和配送效率。

3．减少配送车辆数量，降低配送成本

某连锁超市配送网络在优化后，配送线路由原来的四条变成了三条，减少了一辆车的出车成本、车辆的维护费用以及司机工资等可变成本。同时车辆规模减小还使得配送效率提高，行驶路程缩短，配送成本从4377元降低为3660元，配送总成本显著降低。

综合而言，本文得出的优化结果为某连锁超市上海地区的配送网络优化设计、降低运输成本、提高营业利润提供了参考路径。

[1]郑文青，吕丹阳.Dijkstra算法优化物流系统的探讨[J].计算机产品与流通，2018（5）：158-159；

[2]李越颖.线性规划模型在物流管理中的应用[J].计算机光盘软件与应用，2014（5）：50-51；

[3]曹平方，李灵，李诗珍.基于分枝界定的VRP模型精确算法研究及应用[J].包装工程，2014（17）：97-101；

[4]吴胜昔,刘威,卢文建,顾幸生.一类面向仓库车辆路径优化的改进禁忌搜索算法及其应用[J].华东理工大学学报，2018（4）：581-587；

[5]李佳儒，王玉珍.新零售背景下生鲜食品超市配送路径优化研究[J].邵阳学院学报，2019（3）：27-35；

[6]郑琰，孟晓露，伍佩琪，何雨飞.电子商务企业物流配送路径优化研究[J].物流工程与管理，2018（6）：111-113；

[7]周显春，杨婷婷，刘小飞，潘玉霞.基于改进蚁群算法的智能物流配送路径优化方法[J].内蒙古师范大学，2017（11）：888-891；

[8]王钰祥,孙琪.基于扫描法的连锁超市生鲜配送路径优化[J].中国商论，2016（7）：1-2；

[9]王海燕，王晓莉.基于节约里程法的中百超市配送路径优化[J].物流技术,2017（3）：84-87；

[10]卢茗轩，谢如鹤，陈培荣.连锁超市生鲜农产品配送路径优化的实证分析[J].物流工程与管理，2018（7）：111-115.

Empirical Study on the Optimization of Logistics Distribution Path for Retail Enterprises

WU Jing-hong

Reasonable distribution path selection planning is a key factor to improve the distribution operation efficiency and service level of retail enterprises, so the research on the optimization of logistics distribution path is of practical significance. Selecting the Shanghai area of a supermarket chain as the research object, the author first studies and expounds the optimization of the vehicle routing of retail enterprises, and then summarizes the distribution business of the Shanghai area of the supermarket chain via field research and internet data, analyzing the problems in the distribution such as unreasonable distribution route design and high distribution cost, etc. Then the author considers the actual constraints in the distribution, builds up a VRP model based on the present situation and the problems, and proposes the ant colony optimization to optimize the iterations. Finally, with the help of the MATLAB software as well as the authentic data, the author resolves the model, proposes an optimization scheme for distribution path, proves that the optimized scheme can improve distribution efficiency through comparative analysis, thus concludes that it is feasible to build the model and use the algorithm to solve the model.

retail enterprises; optimization of the distribution path; VRP model; ant colony optimization

2019-10-18

安徽省高校人文社科研究重点项目（SK2019A0866）；安徽商贸职业技术学院科研项目（2018KYR01）

吴竞鸿（1987—），男，安徽安庆人，安徽商贸职业技术学院工商管理系讲师，硕士。

10.13685/j.cnki.abc. 000457

2019-12-16 14:46:39

F724.6；F259.2

A

1671-9255（2019）04-0020-06