基于免疫算法的物流配送路径优化研究

李赵兴

(榆林学院 信息工程学院，陕西 榆林719000)

电子商务的出现在一定程度上是对传统商业模式的颠覆，电子商务依赖于移动互联网作为载体。消费者通过这一载体挑选自己喜爱商品，最终商品则通过物流配送服务送达至消费者手中。一次完美的购物体验务必需要良好的物流配送服务，而在物流配送服务中，配送速度又显得尤为重要[1]。物流配送是电子商务与现代物流相结合的产物，电子商务的发展受到物流配送速度和质量的制约。

我国物流总体水平还不够高，信息化程度较低，导致配送成本高，配送速度在一定程度上面临着挑战。低效率的物流和快速发展的电子商务是中国目前电商发展的主要矛盾之一，这个矛盾是中国要提高电子商务发展速度必须解决的问题。物流配送是电子商务线上销售后的最终环节，它面向着消费者，配送服务直接影响着消费者的购物体验，间接影响着消费者对网络购物的体验[2]。

1 物流末端配送网络结构分析

1.1取货网点

取货网点是客户和电商物流配送末端[3]的接口，可直接与顾客联系和沟通，目前我国的取货网点主要有两种，分别是第三方取货点和自助提货柜。一般情况下，取送点都分布在末端配送的业务覆盖范围之内，配送员根据客户的需求进行相关的配送工作。自提柜则是一种无人交接的方式这是一种比较快速的送递方式，可以进行24小时的连续服务，很大程度上减少了快递员的工作，自提柜一般会设置在小区。

1.2 枢纽中心

枢纽中心也被称为中转场，对货物进行转运和集散。货物需要转运的情况有：业务量较大，机械化程度高。由于货物转运必然存在着较多车辆的来往，并且枢纽中心的面积比较大而且位置大多数都设立在城市郊区，所以也被称为集散点或者是集散中心。从网络的角度来看，它也是一个网络节点，基本功能是分发和办理快递，实现快递在全网中从分散→集中→分散的过程。

与取货网点相比，枢纽中心的数量较少。枢纽中心的数量决定了货物的中转次数，如果枢纽中心的数量多就代表着货物的中转次数增多，增加了和货物在运输中的时间，降低了效率。枢纽中心的数量和规模影响物流网络的稳定性，具有特殊的地位[5]。

1.3配送中心

配送中心将处理的订单生成顾客所需要的商品，通过它的配送车辆将商品集中配送到送货站点。配送中心不是意义上的仓库，它是配送网络的干线节点，建设地址通常是交通便捷的城郊，具有一定的规模，它所在的城市和周边都能被覆盖到。配送中心要负责将货送到顾客手中。从物流供应链的角度来看，它也是一个物流节点。依靠设施设备和物流信息系统平台对商品进行分类、加工、运输、配送等，为客户提供配送服务。配送需要考虑节约运输成本和提高顾客的满意度。

1.4 配送路线

配送路线大致来说主要经过配送中心、枢纽中心、取货点和消费者。电商物流配送网络覆盖范围相对来说较小，多数情况下用电动车、三轮车等来进行配送，配送员根据既定的路线行驶，保持固定的往返频率。配送员的路线是提前规定好的，货物的流向是单向的，即从配送中心到顾客。物流配送网络[4]中的各个节点通过配送路线相互连接起来，实现节点之间的实物交换，形成配送网络。在这个过程中，将货物进行了转移。

2 物流配送中心规划与设计

一级中心 覆盖身份

图1 京东商城一级物流仓储中心布局

合理的布局物流仓储中心对物流配送环节来说有着重大的战略意义，合理有效的物流中心布局可以增加企业的收益，同时降低企在配送方面的成本，还可以提高配送的时效性，使顾客的购物体验得到提升，使物流形成一个良性循环。通过分析京东的配送模式[5]，可以看到京东在布局全国仓储网络方面投资巨大，京东依靠强大的物流网络中心的建立成为了行业的标杆。图1为京东仓储中心的一级布局。

应该以“以点带面”的结构来布局物流配送中心[6]，然后将配送站点和自提点建立在物流配送中心[6]的辐射范围之内。选取物流配送中心的原则之一就是覆盖范围要尽可能地广。可以采用中心地理论来布局物流中心，在一个大的区域范围内有很多衷心地，每一个中心地都有一个圆形的服务范围腹地，区域内每个消费者都会选择到最近的地方来购买服务。

3 基于自适应免疫算法的物流中心选址

物流配送中心选址问题：首先有一定数量的给定需求点坐标，然后再从这些需求点中选取一定数量作为配送中心，达到配送费用最低。

3.1 物流配送中心选址模型

假设：①建立的配送中心库存足够。②该配送中心可以满足多个配送点。③需求点的需求量已经知道。④建设费用已知。

设A是所有需求点的集合；Ba是到需求点a的距离小于x的备选配送中心集合；qa是需求点的需求量；dab是a到b的距离；rab为0-1变量，表示用户和物流中心需求关系，值是0即表示需求点a的需求量由配送中b供应；hb是0-1变量，当值是1的时候表示b被选做配送中心；D是需求点和配送中心最大的距离。

(1)

约束条件:

(2)

rab≤hj，i∈N,b∈Ba

(3)

(4)

rab，hb∈{0，1}，a∈A，b∈Ba

(5)

dab≤D

3.2 基本免疫算法[7]

步骤1：把目标函数和约束条件作为抗原。

步骤2：随机产生N+m个抗体。

步骤3：评价抗体。(抗原抗体的亲和度Av=1/Fv，Fv表示目标函数；抗体与抗体之间的亲和度Cv；抗体期望繁殖率P=,是多样性评价参数)。

(6)

步骤4：形成父代群体(对P进行降序排序，取前N个作为父代群体；取前m个体存入记忆库)。

步骤5：免疫操作(选择预先设定的选择概率；交叉预先设定的交叉概率；将预先设定的变异概率进行变异。)

步骤6：步骤五后又重新产生了N个抗体，加上之前记忆库中的m个抗体，形成N+m个抗体。

步骤7：判断目标函数是否达到最优值或算法是否运行到迭代次数，若满则结束，反之返回第三步。

3.3实验与结果分析

以一个中等规模的物流需求点为例，假设有50个城市作为货物需求点，各货物需求点的需求位置坐标和需求量如表1所示：

表1 各需求点坐标及需求量

变异的终止条件是当给定最大的迭代次数，最大迭代次数为100，初始种群规模是40，变异率是0.15，物流配送速度中心是6，寻优过程如图2所示，实线代表最优亲和度，点划线代表平均亲和度。从图2可以看出，进化到50代时，最优亲和度不再变化。表1列出了配送中心与需求点之间的关系，此时最小目标函数值为710。从图1和表2可以看出，免疫算法可以快速地收敛到最优解，能有效解决物流配送中心选址优化问题。

图2 寻优过程

表2 配送中心和需求点的关系

通过免疫算法的计算最终得到最优的一个选址中心，同时采用免疫算法从抗体结构和适应度两个方面对抗体浓度进行计算，更加稳定，对配送中心选址的具体问题有很不错的优化作用。相比较用重心法寻求选址的方法，实验证明本算法具有较好的结果，可以在现实环境中实现。

4 结论

本文主要研究的是物流配送速度的关键影响因素，通过查阅文献以及借鉴其他作者对此方面的研究，对电商物流末端配送网络的深入分析研究，得出制约物流配送速度的关键因素，通过对物流配送网络的整体进行分析，得出物流配送速度的关键影响因素，建立电商物流配送网络，采用免疫算法对物流配送路径进行优化，能有效解决物流配送中心选址优化问题，提高电子商务物流配送速度。