《系统建模与仿真》-第五章课件

1第五章

物流运输与配送系统建模与优化

物流作业系统包括运输、储存、包装、装卸搬运、配送和流通加工等。其中，运输子系统在物流过程中具有非常重要的地位。根据相关资料显示，物流运输与配送在整个物流系统中所占的本钱比例最高。随着对提供高频度、少数量、及时运输等更高的物流需求的开展，优化物流运输与配送子系统也已成为物流领域的一个主要课题。本章将探讨利用模型化技术和仿真技术进行物流运输与配送系统优化的方法。5.1物流运输与配送规划问题概述5.1.1物流运输合理化分析

物流的目标在于以最小的费用满足消费者的物流需求。而在整个供给链中，更多的物流本钱是消耗在仓储和运输中。2003年，全国社会物流总本钱为24974亿元，其中运输本钱为14028亿元，占56.17%。末端运输是目前运能、运力使用不合理，浪费较大的领域，因而人们寄希望于配送来解决这个问题。一、不合理运输的表现形式不合理运输是在现有条件下可以到达的运输水平而末到达，从而造成了运力浪费、运输时间增加、运费超支等问题的运输形式。目前，我国存在主要不合理运输形式有:(1)返程或起程空驶，空车无货载行驶(2)对流运输(3)迂回运输(4)重复运输(5)倒流运输(6)过远运输(7)运力选择不当(8)托运方式选择不当

上述的各种不合理运输形式都是在特定条件下表现出来，在进行判断时必须注意其不合理的前提条件，否那么就容易出现判断的失误。再者，以上对不合理运输的描述，主要从微观观察得出的结论。在实践中，必须将其放在物流系统中做综合判断，在不做系统分析和综合判断时，很可能出现“效益背反〞现象。单从一种情况来看，防止了不合理，做到了合理，但它的合理却使其他局部出现不合理。只有从系统角度，综合进行判断才能有效防止“效益背反〞现象，从而优化全系统。二、运输合理化的影响因素

由于运输是物流中最重要的功能要素之一，物流合理化在很大程度上依赖于运输合理化。运输合理化的影响因素很多，起决定性作用的有5方面的因素，称做合理运输的五要素:(1)运输距离(2)运输工具(3)运输环节三、运输合理化的有效措施结合物流企业在实践中的经验与交通运输的开展，运输合理化的有效措施如下:(1)开展社会化的运输体系(2)选择合理运输路线，尽量开展直达运输(3)提高运输工具实载率(4)采取减少动力投入，增加运输能力的有效措施求得合理化(5)开展中短距离铁路公路分流，“以公代铁〞的运输(6)配载运输(7)开展特殊运输技术和运输工具(8)通过流通加工，使运输合理化交通的问题不是仅靠修路就能解决的，交通研究领域有一个著名的“当斯定律〞(DownsLaw)，就是说一般人认为修路会缓解交通拥堵，但当斯研究后发现，这只是问题的一个方面，另外一种可能是道路畅通后，交通流将重新安排，其他地方的交通会被吸引过来，从而造成新的交通量而产生新的拥堵。交通问题是最能表达管理能力的，通过管理的改善可以提高30%的交通通行量。研究运输优化路径、提高物流运输效率，是有效提高物流企业经济效益与社会整体效益的一个途径，本章将研究物流运输网络中路径的优化问题。5.1.2物流配送的有关概念

一、物流配送的概念物流是指方案、执行与控制原材料或最终产品从产地到使用地点的实际流程，物流效劳具体包括定单管理、运输、仓储、装卸、送递、报关、退货处理、信息效劳及增值业务。物流配送那么是指配送中心在收到客户的订单以后，按照客户订单所需商品及数量，在规定的时间内准时送达客户指定交货地点的这个过程。这里的“客户〞是广义的，可以是下位配送中心，也可以是零售店、连锁店、专卖店、超市等，还可以是最终用户。二、配送的工作程序(1)制定配送方案(2)下达配送方案(3)按配送方案确定物资需要量(4)配送点下达配送任务(5)配货发运(6)送达三、确定配送路线。

传统的物流配送中心对于货车路线的规划是采取人工分配的方式，但面对需配送的众多需求点，人工分配的方式实在很难在短时间内完成理想的路线规划，因此在物流配送作业中，依据配送需求点的实际位置来提供最正确实际配送路线，将车辆有效的使用并决定其最经济的行驶路线图，使得商品能在最短的时间内送到各需求点等物流配送路线确定问题是一个在研究与实践中的一个中心问题。〔1〕路线确实定原那么目标的选择根据配送的具体要求、配送中心的水平、实力及客观条件而定，可以有以下多种选择：①效益最高。②本钱最低。③路程最短。④吨公里最小。⑤准时性最高。⑥运力利用最合理。⑦劳动消耗最低。〔2〕确定配送路线的约束条件

以上目标在实现时都受到许多条件的约束，必须在满足这些约束条件的前提下取得本钱最低或吨公里最小的结果。一般的配送，约束条件有以下几项：①满足所有收货人对货物品种、规格、数量的要求。②满足收货人对货物发到时间范围的要求。③在允许通行的时间中进行配送。④各配送路线的货物量不得超过车辆容积及载重量的限制。⑤在配送中心现有运力允许的范围之中。〔3〕确定配送路线的方案评价当对配送路线的影响因素较多，难以用某种确定的数学关系式表达时，或难以以某种单项依据评定时，可以采取对配送路线方案进行综合评定的方法。综合评定以确定最优方案的步骤如下：①拟定配送路线方案：首先以某一项较为突出和明确的要求作为依据，例如以某几个点的配送准时性，或司机习惯行驶路线等拟定出几个不同方案，方案要求提出路线发、经地点，车型等具体参数。②对各方案引发的数据进行计算，如配送距离、配送本钱、配送行车时间等数据进行计算，并作为评价依据。③确定评价工程：决定从哪几方面对各方案进行评价，如动用车辆数、司机数、油耗、总本钱、行车难易、准时性、装卸车难易等方面，都可作评价依据。④对方案进行综合评价。5.2物流运输决策问题建模

设有同一种货物从m个供给地1，2，…，m运往n个需求地1，2，…，n。第I个供给地的供给量〔Supply〕为si〔si≥0〕，第j个需求地的需求量〔Demand〕为dj〔dj≥0〕。每单位货物从供给地I运到需求地j的运价为cij。求一个使总运费最小的运输方案。如果从任一供给地到任一需求地都有道路通行，这样的运输问题称为完全的运输问题；如果总供给量等于总需求量，这样的运输问题称为供求平衡的运输问题。im1jn1c11c1jc1nnci1cijcincm1cmjcmn图5.1运输问题的网络表示形式s1sismd1djdn········〔2〕运输问题的其他形式①供求不平衡的运输问题供给大于需求的情况，即②运输路线不完全的问题设从供给地i到需求地j不允许通过，可虚设一条从供给地i到需求地j的运输线路，并设这条运输线路上的运费cij=M，M为足够大的正数，这样优化的结果是在〔i，j〕上不会安排运量。〔1〕根本问题设：F为每天固定费用；V：每天变动本钱；H：每天每辆车租金；Y：一年工作天数；P：额外租用其他车辆工作的天数。那么运输车辆的决策模型为：年增加的车辆总费用=FY＋PV，当FY+PV<PH〔PH为年增加租车总费用〕，就可以买一辆车。〔2〕根本问题的扩展目标函数是使变动、固定费用及额外租车费用最小。s．t．xjk＋hjk≥djkxjk，hjk≥0且为整数，式中：xjk是第j天需要第k类车的数量；hjk是第j天需要租用第k类车的数量；djk是货物的需求量；Fk是每天所需的第k类车固定费用；Vk是每天所需的第k类车变动费用；Hk是每天所需的第k类车的租金。车辆分派模型目标函数是使分派车辆完成任务的总费用最小，即

Xjk∈

｛1，0｝〔1〕运输整合运输整合就是整合使用运输时间、库存、空间或设备以到达减少运输本钱的目的，包括基于时间的集装、存货的整合和设备整合等。〔2〕三种启发式策略三种常用启发式策略有：最近中转站线路、最小距离线路、最小费用路线最近中转站线路最小距离线路最小费用路线〔3〕考虑的因素

①运输费用；②转运费用；③效劳水平和商品类型；④单一和多个运输路径；⑤运输分担；⑥线性和非线性运输费用；⑦多目标；⑧模糊或不精确的信息特性；〔4〕模型构建如下目标函数是使运输费用和转运费用取值最小

从i市到i＋l市采用运输方式k的运输费用，

为在i市从k方式转换为l方式的转运费用。决策变量如下：5.3.1问题描述与模型一、简介本节以多供给点、多产品、多需求点单时段的供给链协作供给问题为研究对象，以供需产品的类型差异来驱动多个优化目标间的平衡，并设计以改进的遗传算法来求解这个复杂的组合优化问题。二、问题描述和模型〔1〕问题描述考虑在供给链的某结点处，有M个工厂组成的集合Mi={M1，M2，……,Mm},和N个分销中心集合Dj={D1，D2，……,Dn},假设每个制造商位于不同的地理区域,且都有能力生产相同品质的一组产品Pk={P1，P2,…,Pp},分销中心可以从任一家工厂获取一些需求产品。这里所谓的协作供给方案即是确定参与的供给点以及各自提供的产品数量，其优化目标是：在考虑供给能力和需求数量相等的约束下，优化该方案的由货物采购和运输等构成的总本钱至尽可能少。同时，考虑供给链的运行时间和客户响应时间应该尽可能短，本文假设各供给点在某时段库存总量满足各需求点的需求总量，客户响应时间和供给链运行时间主要由运输提前期〔DeliveryLead-Time〕构成。另外，考虑系统可靠性或费用出发〔如供给点的设置费用〕，希望参与供给的供给点数量尽可能少。因此，该问题是一个多目标的集成优化问题。〔2〕模型①模型参数如下Cik——供给点Mi供给产品Pk的最大供给量；Djk——需求点Dj需求产品Pk的数量；Iik——供给点Mi供给产品Pk的价格；Lijk——从供给点Mi到需求点Dj运输产品Pk的本钱，这里假设Lijk是一个介于〔0，1〕间的数，表示运输本钱相对于货物本钱的系数；Tijk——供给点Mi供给产品k至需求点Dj的运输提前期；②决策变量：λijk——供给点Mi是否参与供给产品k给需求点Dj,λijk为0-1变量;Xijk——分销中心Dj从工厂Mi采购产品Pk的数量；③优化目标1：总本钱〔TC〕=货物本钱＋运输本钱,即这里约束条件1表示各工厂库存产品供给量的约束，约束条件2是各需求点对产品的需求都得到了满足，约束条件3表示0-1整数变量λijk与供给数量间的约束关系。一、遗传算法编码〔1〕编码结构遗传算法适合求解多参数、多变量和多目标的复杂组合优化问题。为了在较短的时间里获得较优解，需要针对具体问题设计算法。〔2〕编码结构优点分析由于采用这种编码结构，不难证明对于供给点来说，供给能力的利用率可以到达较好的程度，从而影响到整个协同供给方案，使得参与供给的供给点数量比较少，在遗传算法的优化过程中，可以提高算法效率，减少运行时间。同时，由于需求分割和供给点供给量相对应，可以很好的满足了约束条件2，即每个订单〔需求点对产品的需求〕得到满足。同时，约束3也自然的通过这种编码得到表达。二、层次分析法的应用适应度函数的选取是整个问题求解的一个关键，本文引入AHP〔层次分析法〕的一些根本思想来进行。层次分析法是Saaty提出的，是解决多属性决策的一种优秀的方法，特别是针对那些具有高度相关性的决策因素的负责决策问题。该方法有助于对一些可能方案的比较遴选，这使得AHP方法可很好地用于计算遗传算法的适应值一般地，AHP方法可分为两局部：组织决策因子；分配相应权重。AHP可帮助建立一个复杂决策的层次网络，如图

本节采用AHP思想来分析多目标优化问题。这里，方案层主要是遗传进化过程中各代染色体种群，通过多个优化目标的选取〔对应于AHP的准那么层〕，实现对优化目标〔实际应用问题〕的解决。AHP方法还表达在可将定性和定量的决策因素都能综合进行考虑上，比方文献将供给量运作参考模型〔SCOR〕的4类共12个绩效评价指标〔包含定性和定量决策因子〕引入AHP准那么层，并优化企业供给链配置问题。为简化问题，本节主要采用前文表达的3个优化目标作为决策问题的准那么层，同时在准那么层权重分配上采用根据不同产品类型来驱动决策的方法，当然，也可以融合AHP方法或专家分析法等其他方法。AHP方法的另一个决策问题的思想在于方案之间的配比照较，然后建立判断矩阵，通过求解特征向量和特征值来对方案层排序，鉴于本文的三个准那么都是定量的，采用简化的相对值的方法来进行染色体比较，即染色体适应值的计算，包括染色体的相对本钱〔RC,RelativeCost〕，相对提前期〔RT,RelativeLead-Time〕，相对供给商数〔RN,RelativeSupplier–Number〕等。其中W1,W2,W3表示相对本钱，相对提前期，相对供给商数三个优化目标间的权重分配。三、遗传算子(1)选择操作通过对染色体适应值的放大性修正，促进适应值大的“强壮〞个体的成熟，加速适应值小的“劣〞的染色体的淘汰过程，修改后的个体适应值函数为：其中，AvgFval定义为种群的评价适应值。(2)交叉操作根据本文的染色体编码结构，采用对染色体基因的根本段〔即供给点的一个排列〕两点交叉，同时根据根本段对需求订单重新分割，产生新的附加段〔F，R，E〕，而类型段不变。(3)变异操作变异操作是为了获得种群的多样新，扩大搜索范围。本文采用单点变异。即对