企业物流 ｄｏｉ：ｌＯ．３９６９￣．ｉｓｓｎ．１００５－１５２Ｘ，２０１３．０９．１１９ 物流技术２０１３年第３２卷第９期（总第２８８期） 一种动态循环取货的入厂物流策略及 其线路规划研究 韩敏 ，刘旭’，潘振２ （１．西南交通大学ＣＡＤ工程中心，四川成都６１００３１； ２．成都市人民侦查指挥中心，四川成都６１００４１） 【摘要】为满足汽车制造厂多车型辊装柔性生产需求，零部件采购多批次、小批量、准时配送的要求，以及提高物流配送的载 货率，降低物流成本的目标，提出动态循环取货入厂物流策略，建立了具有最大载货量、运输时间和距离等多重约束的车辆调度 优化模型，设计了用于求解该模型的改进蚁群算法，最后通过算例验证了模型及算法的有效性。 【关键词】人厂物流；动态循环取货；线路规划；蚁群算法 【中图分类号１ｖ２５２．２１ ［文献标识￣－ｑｌＡ ［文章编号１１００５—１５２Ｘ（２０１３）０９—０３９０—０５ Ｒｏｕｔｅ Ｐｌａｎｎｉｎｇ ｏｆＡｎ Ｉｎｂｏｕｎｄ Ｌｏｇｉｓｔｉｃｓ Ｓｔｒａｔｅｇｙ ｆｏｒ Ｄｙｎａｍｉｃ Ｍｉｌｋ－ｒｕｎ Ｏｐｅｒａｔｉｏｎｓ Ｈａｎ Ｍｉｎ ，Ｌｉｕ Ｘｕ’，Ｐａｎ Ｚｈｅｎ （１．ＣＡＤＥｎｇｉｎｅｅｒｉｎｇＣｅｎｔｅｒ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００３１； ２．Ｉｎｖｅｓｔｉｇａｔｉｏｎ＆Ｃｏｍｍａｎｄ Ｃｅｎｔｅｒ，Ｃｈｅｎｇｄｕ Ｍｕｎｉｃｉｐａｌ Ｐｅｏｐｌｅ’ｓ Ｐｒｏｃｕｒａｔｏｒａｔｅ，Ｃｈｅｎｇｄｕ ６１００４１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ｉｎｖｉｅｗ ｏｆｔｈｅｒｅｑｕｉｒｅｍｅｎｔ ｏｆｓｐａｒｅｐａｒｔｓｐｕｒｃｈａｓｉｎｇ ａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｉｎｔｈｅｆｌｅｘｉｂｌｅｐｒｏｄｕｃｔｉｏｎｏｆａｕｔｏｍｏｂｉｌｅｓａｎｄ ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｉｃｉｆｅｎｃｙ ｏｆ ｃａｒｇｏ ｌｏａｄｉｎｇ ｉｎ ｔｈｅ ｌｏｇｉｓｔｉｃｓ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ ｔｏ ｒｅｄｕｃｅ ｌｏｇｉｓｔｉｃｓ ｃｏｓｔ，ｗｅ ｐｒｏｐｏｓｅｄ ｔｈｅ ｉｎｂｏｕｎｄ ｌｏｇｉｓｔｉｃｓ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ ｄｙｎａｍｉｃ ｍｉｌｋ—ｒｕｎ，ｅｓｔａｂｌｉｓｈｅｄ ｔｈｅ ｏｐｔｉｍｉｚｅｄ ｖｅｈｉｃｌｅ ｄｉｓｐａｔｃｈｉｎｇ ｍｏｄｅｌ ｗｉｔｈ ｍｕｌｔｉｐｌｅ ｃｏｎｓｔｒａｉｎｔｓ，ｄｅｓｉｇｎｅｄ ａｎ ｉｍｐｒｏｖｅｄ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｔｓ ｓｏｌｕｔｉｏｎ，ａｎｄ ａｔ ｔｈｅ ｅｎｄ ｔｈｒｏｕｇｈ ａ ｎｕｍｅｒｉｃａｌ ｅｘａｍｐｌｅ ｔｅｓｔｅｄ ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆｔｈｅ ｍｏｄｅｌ ａｎｄ ｌｇｏｒａｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ｉｎｂｏｕｎｄ ｌｏｇｉｓｔｉｃｓ；ｄｙｎａｍｉｃ ｍｉｌｋ－ｒｕｎ；ｒｏｕｔｅ ｐｌａｎｎｉｎｇ；ａｎｔ ｃｏｌｏｎｙ ｌｇｏｒａｉｔｈｍ 均衡生产、库存、运输效率等各方面因素后，循环取货 １ 引言 从２０世纪８０年代，丰田公司提出汽车精益化生产【１＿起， （Ｍｉｌｋ—ｒｕｎ）的入厂物流策略应运而生。国内外关于Ｍｉｌｋ—ｒｕｎ的 研究中，大多集中在定时、定线、多频次、小批量、闭环运输的 基础上，如文献【２］研究了基于不同Ｍｉｌｋ—Ｆｕｎ情景的实时车辆 配送系统的参数设置，最终确定当初始配送模块采用最佳适 应算法、内部路线改善模块采用２－Ｅｘｃｈａｎｇｅ算法时，系统的效 果最佳。文献【３—４］针对汽车零部件入厂物流中循环取货路径 规划，建立数学模型并进行求解。而针对制造厂的实时生产计 划，动态进行循环取货线路规划，将物料直接送上工位的研究 还未见报道。 越来越多的汽车制造企业为了提高自身的市场竞争力，适应 客户对汽车的品种多样化、缩短定单交付时间的要求，开始采 用ＪＩＴ（Ｊｕｓｔ Ｉｎ Ｔｉｍｅ，准时化）生产模式。零部件供应商为顺应 整车厂“小批量、多频次”的物料配送要求，纷纷在整车厂附近 自建或租用仓库，甚至建立生产制造厂，以保证ＪＩＴ供应。从 而，在我国每一个大型汽车生产企业周围，都有数目庞大的零 配件生产、供应企业群所构成的配套体系，形成汽车产业园 区。 本文以某汽车厂实施的基于３ＰＬ循环取货的供应商自主 管理库存系统昀为原型，针对其周边ｌＯＯｋｍ区域内的９３家零 部件供应商，提出ＤＭＲ（Ｄｙｎａｍｉｃ Ｍｉｌｋ—Ｒｕｎ，动态循环取货）人 园区内的供应商根据整车制造厂的物料拉动单送货，在 ［收稿日期］２０１３－０３－２７ 【基金项目】国家科技支撑计划项目（２０１１ＢＡＨ２１Ｂ０２，２０１２ＢＡＨ２０Ｆ０１）；四川省科技计划项目（２０１２ＧＺ００６３）；制造业产业链协同与信息化支 撑技术四川省重点实验室开放课题（２０１３—００１） 【作者简介】韩敏（１９７０－－），重庆人，副研究员，博士，主要研究方向：现代物流、ＳａａＳ平台研发、企业群协同、系统集成等；刘旭（１９８９－－），男，硕士． 主要研究方向：现代物流、ＳａａＳ平台研发；潘振（１９８７－－），男，硕士，主要研究方向：现代物流、ＳａａＳ平台研发。 ＿３９０－ 韩敏，等：一种动态循环取货的入厂物流策略及其线路规划研究 企业物流 厂物流策略，根据每天的生产情况，动态计算出相应的供应商 （３）第三方物流商根据当天确认的直上工位看板，规划出 及配送量，形成直上工位的配送看板，建立线路优化模型，并 循环取货的线路，完成物料直达生产线工位的配送，并在此过 用改进的蚁群算法求解物流配送路径，合理调度车辆，不仅能 程中返回空器具。 提高运输车辆的装载率，减少空驶率和库房面积占用，而且通 过直上工位的配送看板实时协同，保证了该厂多品种小批量 ３ ＤＭＲ入厂物流的线路优化 生产线的辊装生产，提高了物流协同效率，降低了物流总成 本，值得同类企业借鉴。 ３．１ 问题描述及假设 ＤＭＲ人厂物流涉及的物流配送过程，是一个复杂的有约 ２ ＤＭＲ入厂物流策略及运作流程 束条件的ＶＲＰ问题（Ｖｅｈｉｃｌｅ Ｒｏｕｔｉｎｇ ａｎｄ Ｓｃｈｅｄｕｌｉｎｇ Ｐｒｏｂｌｅｍ， 车辆调度问题），可以描述为：从某物流集货中心发出多台配 ＤＭＲ人厂物流策略是根据汽车制造厂每天的生产计划和 送车辆，按照指定线路，分别到多个供应商处取物料，然后送 车辆上线顺序，经与供应商实时沟通后，计算出每天需取货的 达生产线相应工位，同时，在此过程中返回空器具。 供应商、物料、配送量以及要求准时送达时间，生成实时的直 假定，只有一个集货中心，所有车辆的载货量均一致，单 上工位看板。相关供应商根据看板提前备料，然后，由第三方 位时间的运输成本也相同，车辆的配送路线均为从集货中心 物流商按系统计算的循环取货路线，直接取货配送到生产线 出发，经过一系列供应商，再返回集货中心。每个供应商的位 指定工位，保证ＪＩＴ生产。其运作流程如图１所示。 置一定，其发送量不超过配送车辆的载货量（包括重量和体 供应商 汽车制造厂 第三方物流商 积），且只能由一台配送车辆送货。不考虑集货 中心与供应商之间以及每两个供应商之间的单 Ｉ 行道问题，要求合理安排车辆配送路线，使目标 函数得到优化，并满足以下约束条件： 接收直上工位看板 看板供货确认 【采购看板 （１）每条配送路径上，各供应商的发送量之 ｝生成与发布 和不超过配送车辆的载货量； Ｔ 规划循环取货线路形成 一舌蔷讣首批 商Ｌ 路线、零件及空器具清单 （２）配送车辆在每条配送路径花费的总时 Ｉ ◆ 间不超过配送车辆要求的有效配送时间； （３）配送车辆在每条配送路径行驶的总里 ０ 取、放货时间通知供应商 ＇ Ｉ直上工位看板９程不超过车辆一次加油后行驶的最大里程。 生成与发布 —一 ＿。 通常情况下，增加车辆必将增加司机，因此 知率料篇 葬特揩 。 到供应商处取、放货 其代价要比不增加车辆前提下，进行路径优化 榆杳物料 向牯ｌ 定货物 Ｉ ｒ 确认接收 所产生的代价高得多。因此，问题所追求的目标 支＼ 是在保证满足配送需求的前提下，最小化运输 ／车辆数目，进而最小化运输车辆总的运输成本， 在不考虑过路费、堵车等特殊情况时，目标即是 上 制定并执行修正措施 求解最小化车辆数量情况下，总运输距离的最 检查、收货 ………～一 通知线路中 …一…～… 小值。 ，，上、 其他供应商 ３－２ 数学模型及分析 （ 竺 兰——一 ＞“ 假定供应商以Ｖｉ｛ｉ＝ｌ，２…３．．，ｎ１来表示，其中 Ｖ。代表集货中心，集货中心有车辆ｍ辆，所有 车辆的行驶速度一致，车辆的最大载货量为 Ｑ一，车辆允许行驶的最长时间为Ｔ ，允许的最 图１ ＤＭＲ入厂物流的运作流程 长行驶距离为Ｉ ，车辆行驶的速度为Ｖ，供应 （１）依据整车厂第二天的生产计划、生产ＢＯＭ（Ｂｉｌｌ ｏｆ 商Ｖ。与供应商Ｖｊ之间的距离为ｄ ，供应商Ｖｉ到供应商Ｖｉ需 Ｍａｔｅｒｉａｌ，物料清单）和供应商配额，计算出所需物料对应的供 花费的运输时间为ｄｉ／Ｖ，在供应商Ｖ。处的集货时间为ｔ【＝ｉ，发送 应商及其配送量，形成采购看板，发布给对应供应商。 量为ｑ；。 （２）供应商根据采购看板检查物料生产及库存情况，确认 舣 车辆枞供应 驰 应商 可提供的物料数量。同时，整车厂可根据实际情况调整供应 ， 商，并根据车辆上线顺序，对采购看板进行确认和分解，形成 ｆ １供应商 由车辆ｋ进行循环取货 确认的直上工位看板（包括物料、供应商、数量、摆放顺序、要 １０ 否则 求上线时间等信息）。 综上，本文所研究问题的数学模型表示为式（１）的目标函 ＿３９１— 企业物流 数，并满足式（２）一（８）的条件。 物流技术２０１３年第３２卷第９期（总第２８８期） 运动过程中，根据每条路径上的信息素浓度决定需要转移的 方向，同时用禁忌表ｔａｂｕ （ｋ＝１，２，…，ｍ）来记录蚂蚁ｋ当前已走 （１） （２） （３） （４） Ｄ：ｍｉｎ（；∑∑ ２０ Ｊ＝０ ｋ＝１ ｋ＝ｌ ） 过的点。在ｔ时刻，蚂蚁ｋ由点ｉ转移到点ｊ的状态转移该概率 ∑ ＝１ ｉ＝ｌ…２． ∑Ｅ ＝１ ．，＝０…１， ０ ｋ １ ｐｉｉｋ（【）的值为： （ｔ）＝ ，ｊｅａｌｌｏｗｅ ㈩ ∑∑Ｘ班＝１ ｆ－０…１．， ｎ 册 月 ０，否则 式（９）中，ａｌｌｏｗｅｄｋ＝Ｈ—ｔａｂｕｋ表示蚂蚁ｋ下一步允许选择的 ∑∑ 。 ＝∑∑Ｘｊｏ， ｉ＝１ ｋ＝ｌ 』＝１ ｋ＝ｌ （５） 目的地集合； 为信息启发因子，表示轨迹的重要性；Ｂ为期 望启发因子，表示能见度的重要性，％（ｆ） ７－，是启发函数，表 ∑Ｙｉ，ｑ Ｑ… ｋ＝１…２．．，ｍ ｌ （６） （７） 示由点ｉ转移到点ｊ的启发程度或能见度。 当全部蚂蚁完成一次循环，应更新每条路径上信息素量， ∑∑Ｘ啦ｄ ≤Ｌ…ｋ＝ｌ…２， ∑∑ （。 ＋ ）－－－ｒｍ ｋ＝ｌ…２ ｉ＝０ ｊ＝ｌ 更新原则如式（１Ｏ）所示： （８） Ｏ＋１）＝（１一Ｐ）。 （ｒ）＋ △ｆ ｋ（，，ｔ＋１） ＝（１０） ｌ 式中，Ａｒ； ，ｔ＋１）为蚂蚁ｋ在本次循环中留在路径（ｉ，ｊ）之 间的信息素量，其值的大小由蚂蚁ｋ所表现的优劣程度决定。 ｐ为信息素的挥发系数，为了避免路径上轨迹量无限增加，通 常设置系数１３∈（０，１）。 式（２）、（３）和（４）保证了每个供应商有且仅有一台配送车 辆负责配送，式（５）保证了所有的配送车辆均从物流集货中心 出发，完成循环取货后返回物流集货中心，式（６）保证了配送 车辆在一次循环取货过程中不允许超载，式（７）了配送车 辆在一次循环取货过程中行驶距离不超过其允许的最长行驶 路程，式（８）保证车辆一次循环取货行驶的时间不能超过其行 驶的最长允许时间。 ４．２面向ＤＭＲ入厂物流的蚁群算法改进设计 基于ＤＭＲ动态循环取货的配送优化模型问题的求解不 仅牵涉到最短路径问题，还受到超载、满油行驶最长距离 、时间窗等多方面的因素影响，因此，不能简单利用 基本蚁群算法的状态转移规则来进行该模型路径的构造，那 样，不仅会使大量有用启发式信息浪费，也会造成求解效率的 降低以及求解成本的增加。所以，为了使蚂蚁能更准确、更客 观、更现实地选择路径，本文引入载重率函数和路长比率函 数，构造的状态转移概率如式（１１）所示： Ｊ∈ａｌｌｏｗｅｄ， ４基于蚁群算法的循环取货ＶＲＰ问题求解 ４．１基本蚁群算法原理及数学模型 蚁群算法是意大利学者Ｍａｒｃｏ Ｄｏｒｉｇｏ１６１等人受到自然界 中蚁群觅食集体行为的启发，于１９９２年首先提出的，是一种 在图中寻找优化路径的机率型算法。蚂蚁通过相互之间的协 ，作智能地发现觅食的最短路径，其原理为蚂蚁第一次经过一 个还没有走过路径的分岔口时，会随机地挑选其中一条路径 前进，并分泌出与路径信息相关的信息素，当后来的蚂蚁再次 经过该分岔口时就会通过感知已经经过该路径的蚂蚁遗留的 （ｆ）＝ ０，否则 其中： （ｆ）＝（Ｑ＋ｇ，）／ 表示物料已载货量与最大载货 量之间的比率，Ｑ；为车辆在供应商Ｖ。处当前的载货量，ｑＪ为下 一信息素，并通过选择信息素浓度大的路径来完成寻觅工作。这 种蚁群的正反馈机制能有效地引导蚂蚁找到最优路径，因为 家供应商的发货量，由车辆在一次循环取货过程中不允许 最优路径上经过的蚂蚁会越来越多，信息量就越来越大。同 时，由于非最优路径上的信息量会随着时间的流逝逐渐减少 直至消失，这种蚁群信息素挥发机制能有效指引蚁群在找出 最优路径时，避免在算法求解过程中过早收敛于局部最优解。 而且，蚁群还能够适应不同环境变化的影响，在运动的过程中 突然出现障碍物时，它们也能够很快地重新选择并找出最优 路径。 超载的条件可以得出：Ｈ ） １， （ｆ）的值越大，配送车辆的 载重率就越高，相应地选择 点的可能性就越大；ｃｏ￣（ｔ）＝厶 ／ （ ＋ｄ ＋ｄｊ。）为配送车辆允许行驶的最大距离与其所行驶的 路径距离之间的比率，Ｌ｛表示当前已经行驶的距离，由于配送 车辆在整个循环取货过程中，会因为车辆行驶距离、车辆载货 量等条件的而返回集货中心，所以，ｄｉｉ＋ 值的大小直接 影响到路径最优解的形成。由约束条件可知％（ｆ） １； ， 为 权重系数，分别表示汽车载货量和行驶距离在路径选择过程 中的重要程度。 根据以上特点，通过抽象模拟实现蚁群行为，可得到基本 蚁群算法的数学模型。设有ｎ个点组成的集合Ｈ，ｍ只蚂蚁， 用ｄ￣ｊ（ｉ，ｊ＝ｌ，２，…，ｎ）表示点ｉ与点Ｊ之间的距离。ｆ （ｆ）表示ｔ时 刻，点ｉ与点ｊ路径上残留的信息素浓度。蚂蚁ｋ（ｋ＝ｌ ２一，ｍ）在 －３９２＿ 该改进算法是在尽可能保证车辆满载的同时，保证车辆 韩敏，等：一种动态循环取货的人厂物流策略及其线路规划研究 最长行驶时间和距离满足约束，使得车辆有时必须为满足单 企业物流 次时间约束而放弃满载，这就避免了有些算法中，为了实现满 载而导致整个供应链延迟的情况。算法伪代码如下： Ｂｅｇｉｎ ５算例分析 为了验证模型和算法的有效性，本文以某汽车制造企业 参数初始化：最大循环次数为ＮＣｍａｘ、初始化各边的信息 周边１００ｋｍ区域内的１０家零部件供应商为例，选择拖挂长度 量 （Ｏ）＝ｃｏｎｓｔ、在初始时刻△ （０）＝Ｏ； ｆｏｒ（ＮＣ＝ｌ；ＮＣ＜＝ＮＣ＿ｍａｘ；ＮＣ＝ＮＣ＋１） 初始化蚂蚁的禁忌表ｔａｂｕ（６０，１１）； Ｔａｂｕ（：，１）＝ｒａｎｄｉｎｔ（ｍ，１’［１，１】）；／／保证蚂蚁均从配送中心出 发 ｆｏｒｅａｃｈ（蚁群中的蚂蚁） ｌｏａｄ Ｑ＝０；／／车辆载货量 ｌｏａｄ＿Ｔ＝０；／／运输时间 ｌｏａｄ Ｄ＝０；／／行驶距离 ｖｉｓｉｔｅｄ＝Ｔａｂｕ（ｉ，：）；／／设置蚂蚁已访问供应商 ｖｉｓｉｔｅｄ＝ｖｉｓｉｔｅｄ（ｖｉｓｉｔｅｄ＞０）； ｔｏ＿ｖｉｓｉｔ＝ｓｅｔｄｉｆ（１：ｎ，ｖｉｓｉｔｅｄ）；／／设置蚂蚁待访问供应商 ｆ０ ＝ｌ；ｊ＜：ｎ ＋＋；）／／每只蚂蚁均要访问到所有的供应商 ｉｆ（ｔｏ＿ｖｉｓｉｔ表不为空） 按转移概率公式（１１）或轮盘原理计算出供应商，设为 Ｓｅｌｅｃｔ； ｉｆ（供应商Ｓｅｌｅｃｔ满足Ｑ一１ 、Ｌ一约束条件） ｔａｂｕ（ｉ。ｌｅｎｇｔｈ（ｖｉｓｉｔｅｄ）＋１）＝ｔｏ＿ｖｉｓｉｔ（Ｓｅｌｅｃｔ）；／／访问此供应商 ｌｏａｄ—Ｑ＝ｌｏａｄ—Ｑ＋Ｖ（ｔｏ＿ｖｉｓｉｔ（Ｓｅｌｅｃｔ））； ｌｏａｄ＿Ｔ＝ｌｏａｄ＿Ｔ＋Ｔ ｍｏｖｅ（ｖｉｓｉｔｅｄ（ｅｎｄ），ｔｏ—ｖｉｓｉｔ（ｋ））＋Ｔ＿ｓｔｏｐ （ｔｏ＿ｖｉｓｉｔ（Ｓｅｌｅｃｔ））； ｌｏａｄ Ｄ＝ｌｏａｄ＿Ｄ＋Ｄ（ｖｉｓｉｔｅｄ（ｅｎｄ），ｔｏ＿ｖｉｓｉｔ（ｋ））； ｅｌｓｅ Ｓｅｌｅｃｔ＝ｌ；／／返回配送中心 Ｔａｂｕ（ｉ，ｌｅｎｇｔｈ（ｖｉｓｉｔｅｄ）＋１）＝Ｓｅｌｅｃｔ； ｊ＿ｊ一１； ｌｏａｄ—Ｑ＝Ｏ； ｌｏａｄ—Ｔ＝Ｏ； ｌ０ａｄ—Ｄ＝０； ｅｎｄ ｅｎｄ／／在此次路径中没有供应商满足条件了 ｉｆ（ｖｉｓｉｔｅｄ（ｅｎｄ）！＝１）／／将终点设为配送中心 ｔａｂｕ（ｉ，ｌ：（１ｅｎｇｔｈ（ｖｉｓｉｔｅｄ）＋１））＝［ｖｉｓｉｔｅｄ，１】； ｅｎｄ ｅｎｄ／／蚂蚁已走遍所有的供应商 更新已访问、待访问供应商即ｖｉｓｉｔｅｄ，ｔｏ＿ｖｉｓｉｔ； 对可行解进行局部优化； 记录循环取货的路线； ｅｎｄ／／一代循环完成 计算本次迭代最佳路线，记录车辆数和最短路径； 按公式（１０）对本次迭代最佳路线进行全局信息素更新； ｅｎｄ 最后输出最优解，绘制循环取货配送图 ｅｎｄ 为８ｍ的开启式箱式车提货，车辆载货量为４１ｍ （由于供 应商往往已采用物流器具载货，占地较大，因此只考虑物料体 积，而不考虑重量），每辆车一次往返最多７ｈ，一次行 驶距离最大为２００ｋｍ。车辆按照平均４０ｋｍ／ｈ的速度行驶，配 送中心（Ｖ。）及供应商（Ｖ。一ｖ ）两两间的距离，车辆到每个供应 商的载货量和停留时间见表１。 采用本文提出的改进蚁群算法进行了６０只蚂蚁的５０次 表１ 供应商与配送中心之间的距离及配送情况表 供应商 Ｖ０ Ｖ１ Ｖ２ Ｖ３ Ｖ４ Ｖ ５ Ｖ６ Ｖ Ｖ８ Ｖ９ Ｖ１０ 载货量 集货 时间 Ｖｏ Ｏ ２８ ４１ ２０ ４１ ３０ ２２ ５０ ２２ ２８ ３１ ０ Ｏ Ｖ１ ２８ ０ ２２ ４４ 印 ２２ ４１ ６０ ３０ ４０ ５８ １５ ０ ６ Ｖｚ ４１ ２２ Ｏ ５０ ５８ １４ ６０ ８２ ５０ ３６ ６４ ９ ０ ４ Ｖ３ ２０ ４４ ５０ ０ ２２ ３６ ３６ ６４ ４ｌ ２０ １４ １２ ０５ Ｖｄ ４１ ６Ｏ ５８ ２２ Ｏ ４４ ５８ ８６ ６３ ２２ ２２ １４ ０ ６ Ｖｓ ３Ｏ ２２ １ ４ ３６ ４４ Ｏ ５Ｏ ７６ ４４ ２２ ５０ １６ Ｏ６ Ｖ６ ２２ ４１ ６Ｏ ３６ ５８ ５０ ０ ２８ １４ ５０ ４１ ８ ０ ３ Ｖ ５０ ６Ｏ ８２ ６４ ８６ ７６ ２８ Ｏ ３１ ７８ ６７ １３ Ｏ５ Ｖ８ ２２ ３０ ５０ ４１ ６３ ４４ １４ ３１ ０ ５０ ５０ ｌ５ ０６ Ｖ９ ２８ ４０ ３６ ２Ｏ ２２ ２２ ５０ ７８ ５Ｏ ０ ３１ ７ ０ ３ Ｖ１０ ３１ ５８ ６４ １４ ２２ ５０ ４１ ６７ ５０ ３ｌ Ｏ ８ ０３ 迭代计算，相关参数选择为：信息素权重因子 ＝ｌ，可见性权 重因子ｐ＝２，信息素挥发因子Ｐ＝Ｏ．１５，初始信息素Ｔ；；（０）＝ｌｓ， ＝Ｏ．４， ＝０．６，算法使用ｍａｔｌａｂ编程，运行程序结果形成如图 ２所示的循环取货配送线路，共需要３辆车完成运输，各条线 路的具体情况见表２。经计算，行驶总里程为３０３ｋｍ，平均载货 率为９２．１２％，最长线路的行驶距离为１０６ｋｍ，车辆耗时４．３５ｈ。 图２改进蚁群算法求解的循环取货配送线路 表２改进蚁群算法车辆载货分析表 生 辆 线 路 载货率 耗时 距离 １ 一昭一 Ｄ一 一 一 １Ｏ０％ ４．３５ １０６ ２ 一 一 一 ８７．８％ ３．９８ １０３ ３ 一 一 一 一 ９７．５ｅ％ ３．９５ ９４ 该厂未采用本系统前按贪心算法计算循环取货配送线 ９３－ 企业物流 路，上述算例的计算结果形成如图３所示的配送线路，共需要 ４辆车完成运输，各条线路的具体情况见表３。经计算，行驶总 里程为５３３ｋｍ，平均载货率为７１．１８％，最长线路的行驶距离为 ２０５ｋｍ，车辆耗时６．５３ｈ。 物流技术２０１３年第３２卷第９期（总第２８８期） 的增加，在平衡载货量、运输时间和距离的情况下，改进 蚁群算法将更加合理。 ６结束语 本文提出的ＤＭＲ入厂物流策略，改善了零部件采购配送 的物流模式，克服了传统循环取货固定线路定时定量的局限 性。实践表明，通过本文设计的物流线路优化模型和改进蚁群 算法求解，较传统的贪心算法更能有效提高车辆的满载率和 行驶效率，减少车辆行驶距离，有效地降低了物流成本，提高 了经济效益。进一步可以拓展研究按区域设立集货中心，结合 供应商的库存管理，实现面向多集货中心的全域入厂物流优 化。 【参考文献】 【１］ＬｉｊｉｍａＭ，ＳｕｇａｗａｒａＳ．ＬｏｇｉｓｔｉｃｓＩｎｎｏｖａｔｉｏｎｆｏｒＴｏｙｏｔａ’ｓｗｏｒｌｄＣａｒｓｔｒａｔｅｇｙ［Ｊ］． 图３贪心算法求解的循环取货配送线路 表３贪心算法车辆载货分析表 车辆 １ ２ ３ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｓｕｐｐｌｙ Ｍａｎａｇｅｍｅｎｔ，２００５，１（４１：４７８— ５８９． 线路 载货率 耗时 距离 ７５．６％ ３．２ ８０ １２６ ２０５ ］２］Ｏｕ Ｌ Ｗａｎｇ Ｆ Ｋ，Ｌｕ Ｐ Ｙ．Ａ Ｒｅ￣－ｔｉｍｅ Ｖｅｈｉｃｌｅ－ｄｉｓｐａｔｃｈｉｎｇ Ｓ￣ｔｅｍ ｆｏｒ ＣｏｎｓｏｌｉｄａｔｉｎｇＭｉｌｋ Ｒｕｎｓ［Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｒｅｓｅａｒｃｈ Ｐａｒｔ Ｅ：Ｌｏｇｉｓｔｉｃｓ ａｎｄ 一蟮一 一 一 一 一 一 一 一 ７Ｏ．１％ ４．３５ ８２．９％ ６．５３ ＴｒａｎｓｐｏｒｔａｔｉｏｎＲｅｖｉｅｗ，２００７，４３（５）：５６５—５７７． 【３】王旭，陈栋，王振锋．汽车零部件Ｍｉｌｋ－ｒｕｎ车辆调度优化模型和算法 ４ 一 一 ｎ一 一 ５６．１％ ３．９５ １２２ ［Ｊ】．计算机应用，２０１１，３１（４）：１ １２５—１ １３２． ［４１￣Ｅ金莲，蒋祖华．汽车制造厂零部件人厂物流的循环取货路径规划 ［Ｊ］．上海交通大学学报，２００９，４３（１ １）：１ ７０３—１ ７０９． 两种算法结果相比，可分析出，改进蚁群算法相比贪心算 法要节约一辆车，具有绝对的优越性。具体而言，改进蚁群算 法共减少行驶距离２３０ｋｍ，配送总时间节约５．７５ｈ，车辆平均 载货率提高２３．９４％，车辆使用效率明显提升。随着供应商数量 （上接第３４１页）接投资。经济越发达，对物流业发展要求就越 高，也越有可能为物流业发展提供比较坚实的经济基础和物 质技术条件，越能提供国外直接投资所必备的交通、通讯、仓 储等硬件条件和人才管理文化等软件条件。 ［５】潘振．基于３ＰＬ循环取货的供应商自主管理库存系统研发【Ｄ］．成都： 西南交通大学，２０１ １． 【］Ｍａｒｃｏ Ｄｏｒｉｇｏ，Ｔｈｏｍａｓ Ｓｔｕｔｚｌｅ．Ａｎｔ ｃｏｌｏｎｙ ｏｐｔｉｍｉｚａｔｉｏｎ ｆＭ】．Ｃａｍｂｒｉｄｇｅ： ＭａｓｓａｃｈｕｓｅｔｔｓＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＰｒｅｓｓ，２００４． 理和技术的创新以及合法模仿，提高物流业技术水平。而为了 实现上述目的，最有效的途径就是加大中西部地区ＦＤＩ的数 量。ＦＤＩ的进入不仅带来资金和配套服务的增加，还会通过关 联效应、外溢效应、示范效应和竞争效应带动本地企业技术升 级，进而增强原有物流产业规模，最终促进物流产业的快速发 展。 【参考文献】 【１】徐寿波．大物流论［Ｊ］．中国流通经济，２００５，（５）：４—７． ６结论 效率对于物流业应对竞争挑战、抵御外部风险、实现最大 利益，具有重要意义。对于中国物流业而言，如何提高经营效 率并在危机之后的新一轮竞争中胜出，找到适合自己的发展 模式应该是一个丞待解决的问题。本文利用 Ｍａｌｍｑｕｉｓｔ—Ｂｏｏｔｓｔｒａｐ模型分别测算了中国２００５—２００９年２８个 地区的物流业动态效率及其分解，实证研究发现： （１）２００５—２００９年间，中国物流业全要素生产率动态增长 率为９．９％，而且各地区增长率差异化的主要影响因素是物流 业技术进步水平。 【２］徐宏毅，詹永雄，杨沛．我国物流业生产率实证研究【Ｊ】．中国集体经济， ２００９，（１ ｏ）：ｌ １７一ｌ１９． ［３］ＷｏｒｌｄＢａｎｋ．Ｃｏｎｎｅｃｔｉｎｇｔｏｃｏｍｐｅｔｅ：ｔｒａｄｅｌｏｇｉｓｆｉｅｓｉｎｔｈｅｇｌｏｂａｌｅｃｏｎｏｍｙ［Ｒ］． ＮＹ，２００７． ［４】庄玉良，吴会娟，贺超．我国物流业效率动态变化的Ｍａｌｍｑｕｉｓｔ指数研 究叨－统计与决策，２００９，（５）：２１—２３ 【５］许啥．我国物流业全要素生产率的动态演化一基于ＤＥＡ的Ｍａｌｍｑｕｉｓｔ 指数的实证分析 物流技术，２０１２，（５）：１４３—１４５ ［６】杨杰，宋马林．中国物流业静态效率测算与ＴＦＰ动态变化研究［Ｊ］．广 西财经学院学报，２０１ １，（６）：３２—３９ 【７］谢长伟，张冬平．ＦＤＩ对物流业技术溢出效应的实证研究一以河南省 为例［Ｊ】．昆明理工大学学报（理工版），２０１０，（４）：１ １０—１ １６． 【８】姜海燕，侯淑霞．中国物流业吸引ＦＤＩ影响因素的实证分析—基于 １９９７—２００９年时间序列数据的计量检验分析【Ｊ】．科学与管理，２０１２， （１）：５７－６１ （２）Ｇｒａｎｇｅｒ因果检验结果表明，省级物流业与区域ＦＤＩ 之间存在双向影响作用机制。ＦＤＩ能加大物流产业的技术进 步，而物流业增长也促进了区域ＦＤＩ的增加。 本文研究结果的含义是非常明显的。既然技术进步 是造成省际物流业区域发展失衡的重要因素，那么，为缩小省 际物流企业的区域发展差距，应注重改善中西部地区基础设 施以及制度建设，提升劳动力素质，激励物流企业主体进行管 ［９】王铮．基于Ｍａｌｍｑｕｉｓｔ生产率指数方法的教育投入绩效测度【Ｊ１．统计 与决策，２０１ １，（１４）：９３—９６．
