中山市大参林连锁药店的配送路径优化.docx

中山市大参林连锁药店的配送路径优化【摘要】本文以中山市大参林连锁药店为研究对象，在实习期间向公司获得具体的配送数据，包括仓库资料、配送规划、配送时间、配送量等，根据它目前的配送现状发现中间可能存在的问题。为了避免模型数据在求解过程中对结果产生影响，将配送门店的平均需求进行比例放大得到虚拟需求，使其与对比项在总配送量上达到一致。以得到最短的配送路径为优化目标，出于对问题的特点以及算法的寻优效率考虑，选择单目标遗传算法的思路建立模型，并利用MATLAB7.0软件进行优化求解，最终得到一个在配送总路程以及配送车辆数量上比现实方案更优的配送方案，这个优化结果在理论上能更好地提高配送效率以及降低物流配送成本。【关键词】医药物流；连锁药店；路径优化；遗传算2注：本论文（设计）题目来源于教师的国家级（或省部级、厅级、市级、校级、企业）科研项目，项目编号为：。DistributionpathoptimizationofZhongshandashenlinchaindrugstoreAbstractThisdissertationtakesDaShenLinchaindrugstoreinZhongshanastheresearchobject.Duringtheinternshipinthecompany,obtainspecificdistributiondata,includingwarehousedata,distributionplanning,distributiontime,distributionvolume,etc.Accordingtoitscurrentdistributionstatus,themiddlemayexistproblems.Inordertoavoidtheinfluenceofmodeldataontheresultsinthesolvingprocess,theaveragedemandofdistributionstoresisscaleduptoobtainthevirtualdemand,whichisconsistentwiththecomparisontermsinthetotaldistribution.Withtheoptimizationtarget,inordertogettheshortestdeliveryrouteforthecharacteristicsoftheproblemandalgorithmoptimizationefficiencyconsideration,choosethesingleobjectivegeneticalgorithmmodel,anduseMATLAB7.0softwareoptimizationsolution,endupwithatotaljourneyindistributionanddeliveryvehiclesquantityprojectschemeisbetterthanthephysicaldistribution,theoptimizationresultsintheorytobetterimprovethedistributionefficiencyandreducelogisticscosts.KeywordsPharmaceuticalIogisticsPharmacyChainPathOptimizationGeneticAlgorithm目录1前言11.1 研究背景I1.2 文献综述11.2.1 国外研究现状21.2.2 国内研究现状21.3 研究方法31.3.1 文献研究法31.3.2 实地调研法31.3.3 数学建模法31.3.4 案例分析法31.4 研究意义42中山市大参林连锁药店配送现状分析52.1 公司简介52.2 配送现状52.2.1 配送情况52.2.2 周三配送的门店分布情况62.2.3 配送流程82.3 配送问题和分析92.3.1 配送问题92.3.2 问题分析103遗传算法模型123.1 模型的相关理论123.2 模型选择的原因143.3 模型的不足144配送路径优化问题建模154.1 问题描述154.2 目标描述164.3 提出假设164.4 模型求解174.4.1 符号含义174.4.2 建立模型184.4.3 模型求解184.5 结果分析204.6 转换数据224.7 数据对比235总结与展望255.1 总结255.2 展望25参考文献27致谢29附录A遗传算法的代码30附件B门店地理经纬度表错误!未定义书签。1前言1.1 研究背景药品，是一种特殊的商品，它保证人们能从不可避免的疾病中能得到治愈，而随着经济的发展以及全面建成小康社会的推进，国家对药品的方方面面都做出了重大的改革，药品的集中采购、处方外流、“4+7”政策在医药零售市场中，截止2018年年底，医药及医疗器材专门零售企业约23万个，年均增速20.3%,资产总计5668.8亿元，营业收入7259.3亿元。据中信证券统计，从2019年初至三季度，全国药房整体数量共降低了18917家，但是同期上市公司药房数则增加了3330家12),可见国内的医药零售市场开始进行优胜劣汰，各大医药企业唯有不断压缩成本，提供更优质和价廉的商品才能牢牢抓住市场份额，而作为“第三利润源泉”的物流，也将成为优化整合的重中之重。1.2 文献综述物流配送路径优化，又称VRP问题(VehicleRoutingProblem),出于对VRP问题在实际运用中具有的广泛性和高价值等性质的利用，不少学者研究出各种应用于VRP问题求解的方法和模型，目前，主流的求解VRP问题的方向主要是精确算法和启发式算法。精确算法主要是应用数学上的方法来达到解决具体的数学模型的目的，但由于VRP问题是NP问题(NOiI-DeterministicPolynomialProblems),它没有办法直接求到唯一的最优解，而通过牺牲时间和空间复杂度来换取问题精确解的精确算法仅适用于研究范围较小的问题。启发式算法是一种仿生型的算法，它根据直观感觉或者是自然界的一些原理的启发，将问题的求解在大范围内缩小至可接受范围，从而得到相对较优解。由于启发式算法在求解范围较大的VRP问题中的优势，近些年越来越多学者不断发掘启发式算法的潜力，如粒子算法、模拟退火、蚁群算法、遗传算法、禁忌搜索，甚至是将几种各具优点的算法混合在一起，形成混合算法进行研究，但是由于这种算法的研究起步晚，缺乏有力支撑的理论证明，所以还处于研究的初级阶段。1.2.1 国外研究现状VRP问题的相关理论最早是20世纪50年代在国外提出的，Dantzing等人在研究如何使运油卡车在油库和加油站之间缩短行驶路径时，使用线性规划的方法得到了一个较优解3,这就打开了路径规划研究新世界的大门。1970年，Orlicky提出物料需求计划(MRP),然后Wight将之改善，并提出来制造资源计划(MRPII),与此同时，Wight和Clarke根据DamZing提出的方法改进并提出一种新的计算方法，那就是著名的节约算法4,这些算法提出后，越来越多学者把关注点放在了路径规划上，他们运用运筹学、数学、网络空间分析、计算机等，不断尝试着找出更优秀的模型方案。S.Shahnejat-Bushehri等人(2019)运用元启发式算法，研究带时间窗的路径优化问题来达到最大程度减少看护人运输和空闲时间成本。FdbioNeves-Moreira等人(2020)在研究路径优化问题时考虑车辆加油的情况，运用分支切线和数学算法去降低车辆的配送路程6。MahdiAbbasi(2020)等人利用计算机系统，在智能交通系统中优化路径问题求解的算法，最后证实提出的方法能在多核以及多核系统上并行化遗传算法的效率7。1.2.2 国内研究现状相对于国外，我国在VRP问题研究的起步上要比国外晚，在90年代才逐渐兴起，但由于我国经济发展较快，而且国内的产业链完整多样，这给VRP问题的研究提供了很大的研究素材和研究机会。1989年，西南交通大学的郭耀煌教授带领他的学生在多车型、多车场等类型的VRP问题上进行深入研究，并出版了国内有关于VRP问题研究领域的第一本著作车辆优化调度80近些年，国内学者也开始紧跟国际VRP问题研究的潮流，并在此基础上增加国内经济的特色，对模型进行改良优化。谭颖(2010)将药品需求的预测和确定的职能转移，采用延迟分货式配货的方法，有效地降低了物流的成本0。郑国华(2011)考虑消费药品的随时性和不确定性，对医药物流配送添加了带时间窗的研究，并用遗传算法得到有效求解10。黄惠春等(2015)以排队理论为核心，以广州某大型国企医药配送中心为研究对象，将其配送系统分解成两个接点的马尔可夫排队网络，并利用运筹管理软件分析数据得出优化方向11。王宇宁(2018)在“两票制”的制度下，利用公司的库存数据，针对KH医药经营公司在三级配送系统的问题作出分析研究，采用聚类分析和遗传算法求解最优配送方案并提出库存策略，丰富了库存-路径管理研究领域12。宋晓昭(2018)研究我国农资物流配送，以H企业的配送为例子，使用MATLAB对遗传算法模型进行求解，成功地得到有效的优化方案13。罗威等人(2019)改进DijkStra算法，利用MATLAB软件解决算法时间复杂度的问题，从计算方法和搜索效率上求解多节点的最短配送路径13研究方法1.1 .1文献研究法为了能够对配送路径优化有个更全面的认识和了解，在知网、维普、万方等网站上阅读相关的文献，学习和总结其他学者在这方面的研究方法和优化思路，针对研究对象的特点寻找相似的文献进行解读。同时，出于使研究更贴近现实，浏览各大政府网站和医药相关公告，搜集相关的数据作为理论支撑，了解医药连锁行业在政策改变下的发展。1.2 .2实地调研法本文是以中山市大参林连锁药店为实例分析的研究，在研究过程中，曾到负责中山市门店配送的江门仓进行参观，并在企业微信上就相关问题进行咨询得到解答。同时，在门店实习了6个月，对仓库的配送情况以及流程有一定程度的了解，并参加过如何优化公司物流配送端的讨论。1.3 .3数学建模法公司对实体门店在配送方面分为一周一配、一周两配、一周三配，而在范围方面划分为15大片区，本文将根据收集到的数据，包括门店在一段时间内的平均需求量、配送车辆的配送路径、配送耗用的时间等进行分析，选择合适的数学模型进行配送路径规划，利用MATLAB得出结果后再与原配送路径和配送成本进行对比。13.4案例分析法大参林医药集团有限公司主要以连锁药店为发展之本，旗下门店数量众多,分布广泛，在医药零售行业中具有很好的代表意义。本文以大参林连锁药店为研究对象，了解到其在中山一共有113间门店，其中数量还在逐年增长，供应商有580多个，服务于中山和珠海区域的江门仓月吞吐量约为5000万件。本文将根据收集的数据进行配送路径的规划优化并和传统的配送路径进行对比分析，为公司乃至其他医药零售端在医药配送方面提供参考意义。1.4 研究意义医药商品的正常流通是人民健康的基本需求，它不仅能满足人们的用药需求,还关乎人们的用药安全，流畅的药品流通能大大减少门店的药品效期管理，从而避免顾客买到近效期甚至是过期的药品，影响顾客的用药体验和身体健康。大参林医药集团股份有限公司在我国药品零售行业中排名第三，其门店数量截止到2019年上半年已有4153家，与去年同期相比，门店总数量增加了1640家115,门店数量的增长一方面能服务更多的群众，另一方面则会加大了物流配送的压力。医药物流配送是门店能拥有充足医药商品补充的有利保证，如果物流配送的能力无法与激增的门店数量相匹配，企业的发展就会因此受到约束，所以，针对线下药品零售门店的增长，对药品的物流配送路径优化具有一定的理论研究意义。2中山市大参林连锁药店配送现状分析2.1公司简介大参林医药集团股份有限公司是由一开始的广东省茂名市参茸大药房经过柯云峰董事长等人的不懈的努力而发展过来的一家同时涉及医药制造、零售、批发的集团化企业，同时，在2017年7月31日在上海证券交易所主板正式上市，股票代码603233。发展药店连锁是公司的立业之本，在扩张战略的带动下，公司广开门店，遍布广东、广西、河南等国内多个省份。公司公布的2019年半年报中，实现营业收入52.52亿元，同比增长28.65%1002020年1月9日，在胡润研究院发布2019胡润中国500强民营企业中，大参林医药集团市值270亿元，排列在第269位17。2.2配送现状221配送情况中山区域大参林门店共有157间，其中包括中山市113间，珠海市44间，数量还在增长，其门店药品需求均由江门仓统一配送供应，配送频次标准依据门店的月均销售额而设定，月均销售额少于15万元，配送频次为一周一配（如该店3公里内有月均销售额15万元以上的门店，可申请一周两配），15万元至100万元，配送频次为一周两配，100万元以上，配送频次为一周两配或三配，而且每一家门店的配送时间是固定的。配送方式主要以定时定线为主，配送波次划分以地区片区为单位，配送路径是调度员根据门店位置以及门店请货数量进行线路规划，配送车辆从江门仓出发,平均配送6到7家门店（活动期除外），而配送车辆的平均满载率大概在85%。江门分仓只负责江门、中山、珠海三个营运区需求的配送，而且具体的配送时间自门店开业或者提交增加配送次数后就会固定。每次到货时间上下波动不超过1个小时，到货时间的影响因素主要包括配送路径是否改变、需求是否包括冷链以及实际路况。车辆配送到门店后需要门店人员进行卸货、点货、验收和退货，这些操作所消耗的时间都会在一定程度上影响下一个门店的到货时间，具体的区域配送安排如表2T所示。表2-1江门仓配送安排表星期上午下午星期一待定中山（52间）星期二江门（43间）江门(40fa)星期三中山（42间）珠海（33间）中山（7间）江门（5间）星期四江门（46间）中山（55间）星期五江门（42间）江门（45间）星期六中山（43间）珠海（40间）中山（6间）江门（6间）配送时间平均在3到4个小时，但是配送中心对司机的配送时间没有设置限制，司机的薪酬属于多劳多得，完成一条路线回来后就能接着配送下一条线路，也就是说，配送中心在配送端没有设置时间窗，而且配送的在途的信息配送中心很难进行全面的掌握。表2-2是中山市大参林连锁门店在星期三的常规配送线路，表中包含江门仓对42个位于中山市的门店进行配送的情况，一共派出7辆车进行同时配送，表中的需求、耗时、里程、过路费是2019年12月份统计数据的平均值。表2-2配送路径表配送路线需求耗时里程上栅；南岐中；花城；东镇；康怡；港城；濠头174件4.Ih181km商业街；岐关西；库充；竹苑；富豪；起湾184件3.7h135km沙朗；奥园；华庭；翠景；天悦城；富,洲；湖滨174件3.5h170km泰安路；民生；石歧；孙文东；光明165件3.2h113km大街；莲兴；东盛；美景；翠港；翠园；兴港172件3.Ih114km东升；葵兴；龙昌；海洲；海兴；曹步134件2.8h84km长尾涌；冈南；冈东；南兴120件2.Oh45km2.2.2周三配送的门店分布情况江门分仓的配送任务主要面对江门、中山以及珠海三个营运大区，而在地理位置上来看，江门市、中山市和珠海市呈一个等腰三角形，如图2-1,江门由于位于这个等腰三角形的底角而不是出于顶角，因此在制定配送计划时会选择一个固定的时间单独完成一个营运区的配送任务，而不是同时配送两个甚至是三个营运区。图2-1江门仓配送区域图周三配送的门店在地理位置上也呈现了局部聚集的规律，门店分布的走向自东北向西北，中间多，两端少，如图2-2所示，主要分布在城镇里，工业区内或者是工业区边缘也很少有分布，而且门店附近两公里内绝对会有其他的分店，门店与门店之间的距离受门店所在地方经济发展情况的影响，经济越发达的地方门店之间的距离就越近，聚集度也就相应更高。门店的高聚集有利于满足门店间频繁的商品调拨，当门店缺货时，可以根据系统库存的指示，到库存高的门店进行调拨，以减少门店缺货对总体销售的影响。由于药品是特殊的商品，根据GSP的相关规定，药品的零售端的药品都需要有明确的来货记录，但是门店间的商品调拨的数据仅仅是在线上的系统完成，因此，江门仓库在对门店进行商品配送时，还会根据门店之间的调拨记录而制作调拨清单，从而保证药店的经营合理合法，有据可依。图2-2中山市大参林连锁药店地理分布图门店之间的医药商品调拨是即时性的，是一种门店对紧缺药品的应急处理方法，它不归江门仓库负责，由门店之间自行沟通协调，然后表达需求的门店安排同事进行取货，供应需求的门店根据调拨药品的数量、种类以及批号制单发给需求门店，需求门店拿到所需药品后对药品进行查验并接收调拨单据，整个调拨流程就算结束。当需求门店与供应门店距离相差太远时，门店一般会叫司机负责调货，或者直接通过第三方物流公司，一般是顺丰，以货到付款的方式进行配送。门店之间的调拨属于商品配送的范畴，这种调拨配送是为了解决燃眉之急，但如果出现大规模的紧急补货，江门仓库将会根据需求情况，将地区内的总需求配送到合适的门店，再由需求门店进行自提。2.2.3配送流程中山市大参林连锁药店的配送中心位于江门市蓬江区荷塘镇同裕路580号1、2幢一层自编101房、二、三、四、五层，总面积约L2万平方米，配有常温库、阴凉库和冷库。门店根据其配送次数，在配送到店前两天的下午2点前提交请货计划，当江门仓库制单组的制单员收到门店的计划单就会将其分拆，并按照拣货规则创建拣货波次，波次划分会以地区片区为单位，再结合配送中心的集货平台去划分。保管员用平板电脑、拣货小车按照波次进行拣货和补货，补货要求在当天的下午5点30分完成，第二天，由于不同类型的药品存放在不同的楼层，因此需要根据前一天的拣货波次进行发货，货物运至复核台进行商品种类和数量的复核，同时还要检查药品的质量，如果发现外包装损坏、内容物变质等问题就要重新补货，复核通过后由一楼的理货组根据每个门店的计划单进行分拣装箱，贴上标识，封箱打包，最后由配送组的车队运送到各个门店，在到达门店后，需要回收上一次送货的胶箱以及门店需要退货的药品，门店负责人签字确认收齐货物后才继续完成配送或者返回配送中心。图2-3配送流程图2. 3配送问题和分析2.1 .1配送问题(1)药品的配送时间不确定，门店被动接货影响大大参林连锁药店的药品配送都是由江门仓安排处理的，由于公司配送系统功能的限制，配送车辆的实时在途信息无法提供给门店，因此，门店无法掌握配送车辆的到达时间，只能根据经验预计配送车辆大概是在哪个时间段到，但由于门店对车辆到达的时间是人工估计的，所以一旦配送达到时间存在较大的上下波动，将会严重影响门店的运作计划°配送的当天基本上都是门店缺货率最高的一天，配送车辆的及时到达很大程度上能减少门店因为缺货而导致的销售下降。公司为了保证能给到顾客最大最全面的用药需求，实行了药品的预约取货措施，具体操作是销售员根据顾客的用药需求查找公司仓库库存，对不在店内但仓库有库存的药品提交需求计划，并于下一个配送周期交付给顾客，但如果配送车辆无法准时到达，对于那些对缺货药品有需求的顾客，门店将无法及时为顾客提供所需药品，也无法告知顾客具体的到货时间，从而使顾客无意义地往返药店，购药需求无法得到满足，影响当天的营业额，也对门店的形象造成很大的负面影响。同时，由于配送车辆到达门店的卸货工作也是由门店的员工负责的，当配送车辆到达门店时，如果门店刚好客流较大，将会给销售和配送端都会带来很大的耽误。门店无瑕进行卸货，配送车辆急着往下一个门店进行配送，两者并不是容易解决的问题，而解决着这两个问题最好的方法就是避免它们发生，如果能确定的配送到达时间，就能给门店做好充足的准备，保证销售和配送收货两不误。(2)配送路径规划采用经验法，存在重复配送问题配送中心的配送路径规划是由调度员根据门店位置、相应路线以及门店的请货数量来制定的，主要由工作人员根据经验而制定的，缺乏数据理论的支撑，从而无法保证最优配送方案的有效执行。从统计的数据来看，平均每个月都会出现一到两次的重复配送，这种重复运输主要出现在活动期，配送车辆会将额外需求的物资集中卸货在某一家门店，然后由有需求的门店自行前往运输。配送中心的人员专业比例中，医药专业、物流专业和其他专业的比例大概为8:1:60,物流专业人才相对缺乏，在制定物流配送路径规划时缺乏专业的研究和分析，同时，采用经验式的物流配送方案不利于实现降低物流成本、提高物流配送效率的目标。公司规模发展迅速，单纯采用经验法来支撑的配送体系将无法满足不断增加的门店数量，最终会成为制约公司发展的一大阻力。2.2 .2问题分析(1)配送路径规划不合理，配送车辆的监控不足医药物流环节多，但在物流成本中，配送成本占物流总成本一半以上，其中运输成本又在配送成本中占主要份额，可见配送路径优化对降低物流成本的重要作用。配送路径无法得到相对最优的线路标准，配送到门店的时间就无法得到有效的控制。因此，要加强公司物流功能系统的建设，对配送车辆进行严格的监控，收集车辆在配送时的相关数据，整理研究最优的配送路径，实现物流配送端的数据化，提高配送效率。(2)专业人才缺乏，物流系统功能不足国内医药物流的信息化程度低，标准化操作普遍落后18,大部分的医药连锁经营都存在着相关专业严重缺乏的问题，他们把更多的关注点放在医药相关专业的人才上，却忽视了药店的经营并非全是依靠医药专业人才，不同的岗位应该匹配对应专业的人才。大参林医药集团股份有限公司掌握着自己的物流体系，但由于现在公司的发展更多的关注点是在如何开设、并购更多的门店去占领市场份额，导致对物流体系的建设不够重视，但随着门店数量的高速增长，公司的物流配送体系将无法满足门店的需求。公司高层应该及早着手物流的建设，升级物流端的系统，保证门店数与配送能力齐头并进。(3)满载率虚高根据在门店实习的观察，在清点药品摆上货架的时候发现一个问题，公司对车辆的满载率是根据车的实际装胶箱和纸箱的数量除以最大的装箱数而得出来的，但是问题在于胶箱并不是装满的，而且有些胶箱只是寥寥放了几瓶药品，然后就装箱上车，这样计算下来的满载率完全没有参考的意义，而且还会隐瞒车辆实载率不高的弊端，从而导致物流成本无法很好地得到控制和改善。3遗传算法模型遗传算法是一种根据物竞天择，适者生存的规则演变而来的进化算法，美国的JHolland教授首先在1975年将这个算法提出，由于这种算法具有很好的寻优能力，在搜索空间和搜索方向上也有很高的自主性和自适应性，因此，这种算法被人们广泛地研究并运用在组合优化、机器学习等领域，也是现代研究智能技术的一种不可或缺的算法模型。2.3 模型的相关理论遗传使得自然界的物种保持稳定，变异却丰富了物种的种类，推动了生物的进化和发展，遗传算法既然由这种理论演变而来，其自身就具备了选择、交叉、变异的特性。选择是指从子后代中选择优势个体保存下去，交叉是指基因的组合形成新的个体，变异则是为了适应环境而创造出新的优势个体，因此，选择、交叉、变异也就成了遗传算法的三大基础原理。遗传算法的计算步骤上大致可以分为编码、生成初始种群、适应度函数设计、遗传操作、控制参数设定，具体流程如图3-1所示。编码，是指将问题的可行解从其解空间转化为遗传算法中容易搜索的空间19,常用的编码方法有二进制编码、浮点数编码、符号编码，三种编码方法都有不同的优势，其中二进制编码使用频率更高，因为它更容易进行遗传操作。初始种群，其实就是可行解的集合，他们可能不是最优解，但初始种群的规模决定了遗传算法在算法效能和结果上的优良度，初始种群太低容易导致过早出现局部最优，而种群过大又会增大寻优的时间，使得算法寻优的效率下降。适应性函数，一般由目标函数按一定的规则进行转化而来，适应性函数的值称为适应度，其值必须为正数或者是零，不能为负数，适应性度决定了每一个个体遗传到下一代的概率，适应度越高，证明其性能越优，遗传到下一代的可能性就越高。遗传操作中的选择、交叉和变异是遗传算法的主要操作，选择是通过适应度选择出优势个体，交叉是通过一定的规则在优势个体中产生更多的个体，而变异则通过一定的变异规则为种群提供新的个体，经过预定的迭代次数来选出最优个体。图37遗传算法求解流程图控制参数设定包括变异概率、交叉概率、迭代次数等，这些参数对遗传算法的运行性能影响很大，交叉概率一般在0.40.9之间，变异概率一般取0.00010.1,迭代次数一般在IoOTOOO代，这些参数的选择主要根据经验而定，至今还没有学者总结出一套可行的标准20。2.4 模型选择的原因(1)高智能性和强自组织性。遗传算法的搜索是有方向的，它根据适应度函数所得到的适应度去选择性状优的个体，它的优化目标很明确，借助适应度不断向最优个体的组合逼近，然后不断进行选择、交叉和变异，不需要有其他过多的指令便能找寻最优方案。(2)搜寻速度快，搜索能力强。在种群中取优时，由于适应度函数的存在，使得出现较优个体的发掘很快，而且在适应度的指示下，种群的优化方向会尤其明显，这比其他优化方法更快、更好。而且隐含并行性，可以结合其他计算技术如云计算和大数据等进行并行性搜索，从而增强对最优个体的搜索能力。3. 3模型的不足(1)参数的选择没有形成标准，而且对算法的效率有较大的影响。遗传算法的核心参数：种群大小、变异概率、交叉概率、迭代次数，这儿个参数的选择是很容易影响算法的效率的，但是这几个参数也只能通过经验去选择，无法确定最优参数。(2)局部搜索能力差。遗传算法的较优方案都是从大范围中根据适应度函数筛选出来的，从大面积中缩小较优个体的所在位置，对于存在明显的局部优解，容易忽视其他范围的最优解，搜素效率会因此下降。4配送路径优化问题建模在研究开始前，收集和整理到如下数据：门店的平均需求、配送路线、配送耗时，准备选取一条常用的配送路线作为对比项，为了保证优化项在总需求上与对比项保持一致，将门店的平均需求按比例放大，作为优化项的假想需求，然后根据实际情况构造目标函数，并列出约束。MATLAB需要补充好所需的代码，设置好相应的参数后进行多次运行，选出相对最优解。3.1 问题描述江门仓按照约定时间向中山市42家门店进行配送，门店的需求如表4T所示。表4-1门店需求表门店需求箱数门店需求箱数门店需求箱数上栅14奥园27美景28南岐中53华庭23翠港48花城25翠景12翠园14东镇17天悦城24兴港15康怡21富洲37东升20港城18湖滨24葵兴17濠头17泰安路37龙昌22商业街21民生24海洲22岐关西30石歧40海兴23库充40孙文东22曹步31竹苑50光明44长尾涌30富豪13大街21冈南28起湾32莲兴32冈东22沙朗29东盛16南兴40在约定的配送时间，江门仓的配送车辆会装载既定配送路线的门店的总需求量，配送车辆为同一规格，由于司机只有8位，因此配送车辆最多能调动8辆车，所有配送车辆几乎同时从配送中心出发开往配送路线上的第一个门店。每辆车最大的胶箱装载量为168个，但是由于门店的需求的装载器具分为胶箱和纸箱，因此，每辆车的最大装载量取估计值，设为200个。配送车辆在途的行驶速度根据路况以及道路限速而定，没有平均值参考，而且由于配送车辆从配送中心出发到驶回配送中心的耗时包括车辆在门店的卸货时间，所以无法得出有效的配送速度。另外，为了避免线路总需求对路径的影响，根据控制变量的原则，本文根据仓库提供的各门店的平均需求，按比例增加或减少，从而达到提高结果的真实性和有效性的目标。4. 2目标描述本文要解决的配送路径优化的目标如下：(1)降低物流配送的运输成本配送成本二运输成本+固定成本，根据江门仓库配送组的数据，单位距离配送成本大概1元/公里，换言之，配送车辆每少走1公里就能降低1元的配送成本，因此，通过科学合理地进行路径规划优化，减少车辆的运输路程，可以有效地实现降低物流配送运输的成本。(2)提高配送的效率和质量配送时间=配送路程/配送速度，由于配送速度在实际生活中可以看成常量，因此，配送时间和配送路程是呈正比的关系，也就是缩短配送路程可以有效地降低配送所需要的时间，从而提高配送效率。配送效率和质量的提高有利于减少缺货率对门店销售的影响，更能满足的顾客的用药需求，减少客源的流失，提高门店的销售额。根据利润二销售-成本的公式，销售增加，成本下降，公司的盈利也能得到有效的提高。5. 3提出假设由于配送路径的优化在实际生活上具有较多的影响因素，而这些因素会在一定程度上对理论的较优配送路径造成影响，因此，为了减少外部因素对模型建立求解的影响，本文对配送路径优化问题提出以下假设：(1)配送车辆为同一种类，在配送过程中，门店的总需求不超出车辆的最大装载量；(2)仓库的医药商品的库存为无穷大，即可以满足所有门店的请货需求；(3)配送车辆都从配送中心出发，最后配送完成回到配送中心；(4)配送车辆对预定配送路径上的门店进行逐一按顺序进行配送；(5)每次配送的量都能满足门店的需求，不需要进行二次配送；(6)配送路径上交通畅通，车辆的行驶速度保持不变，不超过被允许的最大速度；(7)服务门店的时间一致，除卸货外不作任何停留。4.4模型求解4.4.1符号含义(1)上下标含义：I：门店编号，i£lJ：门店编号，jJK:车辆编号，kK(2)参数含义：M0:配送中心M;:门店编号集合，i=l,2,，nbj:门店i到j的距离K:配送车辆集合D:门店i的需求量Lk:车辆k的最大载箱数Vik:车辆k配送第i门店Toi:配送中心到门店i的装载量Nk:车辆K配送门店个数，当Nk=O是表示不配送Xjk:当Xik=L车辆k由i到j配送，否则为0Yk:当Yik=1,门店I由车辆k配送，否则为04.4.2建立模型(1)目标函数与约束条件min2Y=0ZY=0ZK=lby(4-l)S.TZI=lYx*D1<Lk(4-2)ZY=12Y=1Xijk=LkK(4-3)ZI=OXijk=YjkjJ,kK(4-4)ZY=IXoik=ZZ=IXojk,kK(4-5)Zk=1N4=n(4-6)(2)公式含义公式(4-1)表示配送中心安排K辆车对需求点进行配送，K辆车完成所有需求点配送任务的最短路程：公式(4-2)表示每辆车对门店i需求的配送量不超出车辆的最大装载量；公式(4-3)表示需求点i到需求点j是由车辆k完成的，且车辆k只配送一次；公式(4-4)表示所有车辆都由同一个配送中心出发；公式(4-5)表示所有配送车辆最终均回到配送中心；公式(4-6)表示所有的需求点均完成配送，而且每个门店只进行一次配送，不进行重复配送或二次配送。4.4.3模型求解根据遗传算法的运算流程对问题进行求解(1)编码采用符号编码法，对各个需求点以及配送中心进行编码，其中Mo为配送中心，M1,M2,-,Mn代表需求点，染色体G长度为n+2,按先后顺序进行排列，直至接近MaXLk,例如，如果染色体为05864310,那么就代表配送路线为O-58643l0o(2)生成初始种群随机生成初始种群，每个种群的个体数设为100,初始种群由于没有经历过遗传操作，因此，其个体之间的差异性较大，一般通过随机数产生器产生n个个体，种群内的这n个体组成一个染色体，首位基因和末位基因均为0,一次选择一个需求点的编号，若SUn)Toi+DWLk.则继续选择，进行路线规划，直至sumTo】+D>Lx.,重复以上过程，直至所有的Mi都被选择完成。(3)适应度函数适应度函数的确定一般是由目标函数经过某种规则进行变型得出，比如本文讨论的问题，由于目标函数求的是最小值，一方面可以以目标函数的倒数为适应度函数，适应度越大，证明路程越短，另一方面也可以直接用目标函数作为适应度函数，但是由于目标函数求解最小值，因此，适应度的值越小，适应度就越高，而本文的研究采用的方式是后者。(4)选择算子选择算子的选择就使用适应值比例法，又称轮盘赌选择法，具体流程如下：计算每条染色体的适应度群体所有染色体适应度为ZMlfi©(壬意一条染色体被选中的概率qi=在0,1区间内产生n个随机数(n二种群规模)，并对其由小到大进行排歹U,如果qi大于随机数，则选择这个个体进入子代种群。(5)交叉算子交叉操作采用的方法是单点交叉，首先在0,1能产生一个随机数，如果这个随机数比交叉概率小，则把染色体的基因倒置作为新个体。如果这个随机数比交叉概率大，则在1,种群规模中产生一个随机数，表示与这个随机数代表的个体进行交叉，再从1,染色体长度中产生一个随机数，表示两个染色体的第随机数号基因进行交叉，交叉后的个体作为新个体进入种群中。(6)变异算子变异操作可以使得种群出现更多性状不一样的个体，这样有利于提高种群个体的多样性，促进更多优秀个体的产生。这里变异的方法采用基本变异算子，就是在l,n中随机生成两个整数i和j,第i个基因和第j个基因进行交换，形成新的个体。(7)终止条件终止条件的设定一般都是到达设定的迭代次数和解的结果没有显著变化就结束算法运算，输出优秀个体。迭代次数越多，算法运算的时间就越长，但能发现的相对最优解的几率越高。(8)遗传算法的具体参数设置如表4-2所示。表4-2遗传算法参数表参数值种群规模100迭代次数2000交叉概率0.6变异概率0.024.5结果分析根据上述所描述的模型以及相关参数，用MATLAB7.0版本进行运算，由于路径规划问题属于NP问题，因此，启发式算法中的遗传算法在这次的求解上无法得到固定的最优解，但是经过多次的运行后，仍然还是能得到相对最优的解。图4T是MATLAB运行结束后的适应度随着迭代次数增加而变化的统计表，由于问题的求解目标为路程最小值，而且适应度函数设置为与目标函数一样，因此下图适应度值越小，代表解越优。由图可以看到，MATLAB的运行结果一开始种群个体差异大，而且很不平稳，当迭代次数在800左右开始趋于平稳，在迭代1600次左右最优解出现。由图可以看出，遗传算法在求解路径规划问题的时候有明确的目标，而且搜索的效率很高。种群进化曲线由波动起伏变成后面的平稳，可见遗传算法求解路径规划问题是可行的，同时也表明了中山市大参林连锁药店的配送路径存在着优化的可能性，并且优化方案具有较高的可行性。图4-2路径规划图图中