CN101673382A - 一种农资连锁经营物流配送配载组合优化方法 - Google Patents

Abstract

一种农资连锁经营物流配送配载组合优化方法属于物流配送配载组合优化技术领域。技术方案具体包括：提出农资连锁经营物流配送配载组合优化模型，并转化为单配送中心、单品种、非满载配送配载组合优化问题；基于遗传算法原理设计农资连锁经营物流配送配载组合优化模型的求解算法进行求解；根据优化算法和GIS开发平台，开发可视化的车辆配送配载调度管理***。提出的模型能够真实反映农资连锁经营物流配送企业运作过程中，农资装载与农资配送过程中的相互联系，体现出农资装载方案在一定程度上决定着农资配送路径的选择。综合考虑农资装载与农资配送对农资连锁经营物流配送企业成本的影响，有效降低农资物流配送企业装载配送成本和运作成本。

Description

一种农资连锁经营物流配送配载组合优化方法

技术领域

本发明属于物流配送配载组合优化技术领域，特别涉及一种农资连锁经营物流物流配送配载组合优化方法。

背景技术

连锁经营是指经营同类商品、使用统一商号的若干门店，在同一总部的管理下，采取统一采购或授予经营权等方式，实现规模经济效益的一种现代商品流通方式。农资连锁经营就是在农资流通中引入这一先进的经营方式，在村镇采用加盟和培训的方式物色农资连锁经营者，由连锁公司总部配送各种品牌的农药、化肥、种子等农业生产资料，然后由农资超市分散经营，由总公司统一管理。

连锁经营形式在城市地区已经有了较成功的发展，关于城市连锁经营物流配送理论和技术的研究也取得了较多的成果。据不完全统计，中国目前开展农资连锁的企业近千家，连锁门店3万多个，农资连锁经营正在我国各地从无到有、从少到多地迅速兴起。但是目前针对农资连锁经营物流配送理论的研究却十分落后于快速发展的实践需要。

本发明的研究主要界定为农资连锁经营物流配送与配载理论和技术的研究。农资物流配载与配送组合优化问题实际上是车辆路径优化问题(VRP，VehicleRouting Problem)的子问题，包括集货线路优化、货物配装及送货线路优化，以及集货、货物配装和送货一体化优化。

集货、送货配送路径优化要解决的问题是车辆路径优化问题，即车辆从配送中心出发去完成一些配送任务，为了提高车辆的利用率，可安排一辆车执行几项运输任务。即在特定交通条件和状况下，如何安排车辆的路线，使得既满足各个任务的需求，而又使总成本最小。

货物配装问题可以描述为：有多个客户，其货品体积和质量均小于单车装额定载重量和装载容积。为提高车辆装载效率、降低运输成本，采用何种拼装形式将多个客户的货品装在同一配送车辆上，由一辆车按某指定的路径依次将货品送达客户，同时使得装载货品的车辆数尽可能少，车辆的利用率最大，或者使得车辆的送货所得收益最大。

就研究现状而言，国内外研究往往将车辆路径优化问题和货物配装问题割裂分析。在分析车辆路径优化问题时，较少考虑车辆装载利用率的优化，亦或者在分析车辆货物装载优化时，忽略车辆配送的最优路径。即便同时考虑货物装载和车辆路径优化时，也往往是分主次考虑，先配载再配送或者先配送再配载。

存在的主要缺陷：先优化装载模型，后优化车辆路径时，当车辆装载的货物确定后，配送车辆需要访问的客户就已经同时确定下来。在物流配载最优方案已经确定的前提下，很可能导致车辆走行最短路径或解的空间范围不一定是配送的最优方案，造成运输成本的增加和资源的浪费。当先优化车辆配送路径，后确定车辆装载方案时，物流配送的最优方案确定后，配送车辆需要访问的客户就已同时确定下来，相应的哪些货物由哪台车辆装载也就确定下来。在物流配送最优方案已经确定的前提下，很可能导致物流的配载方案不一定是配载的最优方案，造成物流运力的浪费。

在传统的车辆路径优化方案的指导下，物流企业如果按照只追求配送路线最短，最合理的货物装载配送方案进行企业运作，会由于配送距离的减少，降低了油耗、车辆的维护费用，可能会节约一部分运营成本。同时也忽略了最大限度的利用车辆的额定载重量和容积，这可能导致浪费了很多车辆的载重能力和载货空间，带来的直接的问题就是配送车辆增多，物流企业配送成本增加，间接造成了道路上车流量的增加，增加了道路的拥堵，加重了尾气排放对环境的影响。反之，物流企业如果按照只追求车辆载货利用率最大的货物装载配送方案进行企业运作，会增加车辆利用率，但可能会导致车辆在配送过程中走重复、繁冗的路线，增加油耗和运营成本。间接地，也会造成道路拥堵、尾气排放加重的影响。

发明内容

本发明针对农资连锁经营物流配送中心运营过程中，车辆调度时，不能割裂车辆货物装载和车辆配送路径优化选择的问题，为克服当前物流配载与配送组合优化问题中先配载再配送或者先配送再配载得分主次考虑二者的缺陷，本发明提出一种农资连锁经营物流配送配载组合优化方法，其特征在于，包括以下步骤：

(1)提出农资连锁经营物流配送配载组合优化模型的目标函数：根据农资连锁经营配送特点，确定农资连锁经营配送配载组合优化问题的目标；认为配送配载组合优化方案的目标函数是多元的，将路径问题最小化和配载方案合理化融入总成本最小化目标模型中，以配送成本和配载成本作为优化目标函数；

(2)提出物流配送配载组合优化作业流程，根据货物配载费用调整配送路径的选择从而优化总成本；

(3)提出农资连锁经营物流配送配载组合优化模型：分析认为配送配载组合优化问题可以转化为单配送中心、单品种、非满载配送配载组合优化问题，以此提出配送配载组合优化模型如下：

$\min z=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\{k\·{\mathrm{FC}}_k\}+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\{d_{\mathrm{ij}}\×x_{\mathrm{ijk}}\×{\mathrm{VC}}_k\}$

s.t.

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{y}_{\mathrm{ik}}=1,i=1,\·\·\·,n$

$\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{j0k}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{0\mathrm{jk}}=1,k\∈K$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i\×y_{\mathrm{ik}}\≤G_k,k\∈K$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{v}_i\×y_{\mathrm{ik}}\≤V_k,k\∈K$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},j=\mathrm{0,1},\·\·\·,n;k\∈K$

$\underset{j=0}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},i=\mathrm{0,1},\·\·\·,n;k\∈K$

参数说明：Z为总成本；K为可使用的配送车辆集合；N为需要提供配送服务的门店数；FC_k为第k辆车的固定成本；d_ij为配送车辆从门店i到门店j的实际距离；VC_k为第k辆车的单位公里成本；g_i为门店i的需求货物的重量；G_k为第k辆车的载重量；v_i为门店i的需求货物的容积；V_k为第k辆车的容积；

变量说明：x_ijk＝1表示第k辆车从门店i直接驶向门店j，否则x_ijk＝0；y_ik＝1表示门店i由第k辆车配送，否则y_ik＝0；

(4)利用遗传算法具有全局优化能力强、鲁棒性强、通用性强、高效的优化性能，基于遗传算法原理设计农资连锁经营物流配送配载组合优化模型的求解算法，所述算法包括以下步骤：

(41)编码：构造满足约束条件的染色体；

(42)随机产生初始群体：初始群体是搜索开始时的一组染色体；

(43)计算每个染色体的适应度：适应度是反映染色体优劣的唯一指标，遗传算法要寻得适应度最大的染色体；

(44)使用选择、交叉和变异算子产生子群体；

(45)终止循环条件：若满足收敛条件或固定迭代次数则终止，若不满足条件则转(43)重新进行进化过程，每一次进化过程就产生新一代的群体，群体内个体所表示的解通过进化最终达到最优解；

(5)设计基于优化算法的车辆调度管理***：

以GIS开发软件MapInfo为开发平台，在此基础上充分利用其所带的开发工具MapBasic和C#等面向对象的编程语言，结合组合优化模型算法进行应用软件开发，得到用于农资连锁经营配送配载组合优化管理的农资连锁经营配送配载组合优化机遇GIS可视化管理***。

所述步骤(1)中的农资连锁经营配送配载组合优化问题的多元目标包括：配送效益最高或配送成本最低、配送里程最短、准时性最高、综合费用最低、配送劳动的消耗最小。

所述农资连锁经营配送配载组合优化机遇GIS可视化管理***由信息管理、优化算法、地图管理3个部分组成：信息管理实现了对信息的导入、录入、查询、修改及删除功能；优化算法实现基于遗传算法的配送路径计算；地图管理包括电子地图的浏览及运算结果的路径显示。

所述农资连锁经营配送配载组合优化机遇GIS可视化管理***的数据库的设计分为两部分：地图数据库的设计和配送中心车辆信息和门店需求信息数据库设计，其中，地图数据库是地图显示模块的基础数据，地图数据库与配送中心车辆信息和门店需求信息数据库是优化算法的基础数据。

所述地图数据库包含配送中心的位置和门店的位置两部分；配送中心信息包括：配送中心编号、配送中心名称、车辆类型以及各类型的自有车辆数、载重；门店需求信息包括：门店编号、门店名称和需求量。

本发明的有益效果为：提出的模型能够真实反映农资连锁经营物流配送企业运作过程中，农资装载与农资配送过程中的相互联系，体现出农资装载方案在一定程度上决定着农资配送路径的选择。综合考虑农资装载与农资配送对农资连锁经营物流配送企业成本的影响，克服只单一考虑某一方面的优化和规划而带来的资源和资金的浪费，有效降低农资物流配送企业装载配送成本；克服农资物流配送企业运营过程中，凭借经验运营管理的问题，有效降低物流配送企业运作成本。

附图说明

图1为物流配送配载组合优化作业流程图；

图2为遗传算法流程图。

具体实施方式

本发明提供了一种农资连锁经营配送配载组合优化方法，下面通过附图说明和具体实施方式对本发明做进一步说明。

图1为物流配送配载组合优化作业流程图。农资连锁经营物流配送配载组合优化模型基于以下假设：

(1)车辆的车辆数都是有限的，但总的车辆数能够保证完成所有的业务。

(2)单一配送中心，且已知各个门店的位置以及所需物品的需求量。

(3)所有需求点只能被一辆车服务一次，服务结束后车辆要返回配送中心。

模型的目标函数包括配载方案的固定成本和配送方案所用车辆的距离可变成本。其中配载方案所用车辆的固定成本为所用参与配送的车辆与该种车辆的固定成本之积的总和，其表达式为：

其中FC_k根据第k辆车的车型而定，所用的车辆数k也为变量，决定着每一种方案固定成本的变化。由于固定成本在整个成本中所占的比重比较大，因此，优化的目标之一就是尽量的选用合适的配送车辆保证较高的载重率或容积率，相应的降低配载固定成本。

配送方案所用车辆的可变成本为所有配送车辆行驶的距离与每公里的可变成本的乘积的总和，其函数表达式如下：

对于不同的配送方案，VC_k是固定不变的，配送车辆行驶的公里数是变化的，所以要想降低所用车辆的可变成本就是要减少配送车辆行驶的公里数，尽量走最短的路线。如果VC_k都为1，则目标变为行驶的距离。把两个分目标综合在一起即形成总目标函数 $\min z=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\{k\·{\mathrm{FC}}_k\}+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\underset{j=0}{\overset{N}{\mathrm{\Σ}}}\{d_{\mathrm{ij}}\×x_{\mathrm{ijk}}\×{\mathrm{VC}}_k\}.$

约束函数的含义为： $\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{y}_{\mathrm{ik}}=1,i=1,\·\·\·,n$ 表示每个门店有且只能由一辆车进行配送服务； $\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{j0k}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{0\mathrm{jk}}=1,k\∈K$ 表示配送车辆完成任务后将回到配送中心； $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i\×y_{\mathrm{ik}}\≤G_k,k\∈K$ 表示被使用的车辆中装载货物的总重量不超过车辆的有效载重量； $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{v}_i\×y_{\mathrm{ik}}\≤V_k,k\∈K$ 表示被使用的车辆中装载货物的总体积不超过车辆的有效容积； $\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},j=\mathrm{0,1},\·\·\·,n;k\∈K$ 即若门店j由车辆k配送，则该车必须从门店i到达门店j； $\underset{j=0}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},i=\mathrm{0,1},\·\·\·,n;k\∈K$ 表示若门店i由车辆k配送，则该车送完门店i后必须到达下一个门店j。

采用遗传算法求解问题时，需要做如下工作：

1、染色体的结构设计

本发明对染色体采用自然数编码的方法。编成一条长度为N+m-1的染色体(i₁，i₂，…i_s，0，i_j，…，i_k，0，…，0，i_p，…，i_q)，此染色体中有非0自然数N个，0的个数为m-1。其中，自然数i_j表示第j个门店，0表示配送中心。编码中的每一段非0自然数序列表示一辆车提供配送服务的走行路径方案。自然数序列的首尾均为0，表示车辆从配送中心出发，并最后回到配送中心(为简单起见，染色体的首、尾处的0省略)。由此，共有m-1个0将染色体编码分为m段，形成m个子路径，表示由m辆车完成所有运输任务。这样的染色体编码可以解释为：第一辆车从配送中心0出发，经过i₁，i₂，…i_s门店后，回到配送中心，形成子路径1；第2辆车也从配送中心出发，途经i_j，…i_k客户后，回到配送中心，形成子路径2；m辆车依次从配送中心出发，完成所有运输任务，构成m条子路径。

例如：染色体12304506789表示3辆车完成9个门店的运输任务的一个路径安排方案：车辆1的配送方案走行路径为子路径1：配送中心、门店1、门店2、门店3、配送中心；车辆2的配送方案走行路径为子路径2：配送中心、门店4、门店5、配送中心；车辆3的配送方案走行路径为子路径3：配送中心、门店6、门店7、门店8、门店9、配送中心。

为了安排路线，需要对所需使用的车辆数有一个估计，可预先估计一个完成任务所需要的车辆数 $m=[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i/\mathrm{\αG}]+1.$ 其中，[]表示不大于括号内数字的最大整数，g_i表示门店i的货物需求量，α为参数，0＜α＜1，是对装车(或卸车)的复杂性程度及约束多少的估计，一般来讲，装(卸)车越复杂，约束条件越多，α值越小，表示一辆车所能容纳的货物量越少，实际中可通过人机对话来调整α的大小，G表示车辆的最大容量。

2、遗传群体的初始化

为了能使算法收敛到全局最优，同时又能保证计算效率，在本发明的算例中，规定群体规模取值为100。初始种群，采用随机法产生，构成一条满足问题需要的染色体，重复这一过程，直至生成满足群体规模数的染色体。

3、染色体适应度确定

适应度函数由目标函数转化得到。本问题中，容量约束可使用如下的变换将其变为目标函数的一部分： $\min Z=\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\underset{j=0}{\overset{N}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{d}_{\mathrm{ij}}{x}_{\mathrm{ijk}}+M\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\max (\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i{y}_{\mathrm{ik}}-G_k,0),$ 式中的M为惩罚系数，可以使不符合约束条件的染色体的目标函数值很大，由此降低该染色体的适应度，使可行解的适应度远远大于非可行解的适应度，并且随着进化代数的增加而被逐渐排除掉。为了严格满足容量约束，应有M趋于∞。但考虑到计算机处理的不便，M可取适当大的正数。

一般，适应度函数要求非负，所以将目标函数通过变换f_i＝min z/z_i转化为适应度函数。其中：f_i为第i条染色体的适应度，min z为当前群体中最优染色体的目标值，Z_i为第i条染色体的目标值。

4、遗传群体更新过程

遗传群体更新过程就是从当前解群体中选择适应度大的个体，进行交叉、变异，生成新的解群体的过程。具体操作方法如下：

选择：结合随机竞争(Stochastic Tournament)的选择方法，每次随机选取一对个体，然后让其进行竞争，适应度高的被选中，如此反复，直到选满为止。

交叉：采用部分匹配交叉法(Partially Matched Crossover，PMX)。假设有两个父代A、B，交叉位置为“|”，A＝12|4576|389，B＝21|5437|869，

先把A中的4576顺序赋给子代A1的前4个位置，然后用B中的元素21547869逐个与4576相比，若相同则置之不用，若不相同，就依次将其放在子体A1的后续位置。以B中第一个元素为例，2与4567这四个元素都不相同，则将2置于7后，成为子体A₁的第五个元素。据此，从而得到子体A₁为456521389，同样地，将B中的5437顺序赋给子代B₁的前4个位置，然后用A中的元素逐个与5437相比，若相同则置之不用，若不相同，就将其顺序放在子体B₁的后续位置，从而可以得到子体B₁为543712689。本步骤进行交叉的两个个体来自前一步进行选择时产生的两个染色体，依类PMX方法，产生两个新的子代作为下一步进行变异操作的父代。

变异：采用随机多次对换方式，依据一定的变异概率来决定上一步骤产生的两个新染色体是否进行变异操作。例如：有一条染色体F为125473698，随机互换操作产生两个指定的交换位置3和7，则第3个元素5和第7个元素6进行对换，得到新的染色体126473598。

遗传代群间的更新方式：在群体更新的过程中，采用有覆盖的代间更新方式，每进行一代种群更新时，从原始种群中剔除最小适应度的染色体，并代之以适应度更高的染色体。

遗传算法的流程图见附图2。

以简单算例来具体说明，配送点数为8，车辆类型为2，每型号3辆车，1型车容量为7，2型车容量为8。总目标各成本系数为：出车固定成本系数{100，120}；距离成本系数为{0.65，0.95}；超载惩罚系数为10000。

表1配送点门店需求

门店	1	2	3	4	5	6	7	8
									需求量	1	2	1	2	1	4	2	2

表2配送中心及各门店间行驶距离

距离	0	1	2	3	4	5	6	7	8
										0	0	4	6	7.5	9	20	10	16	8
1	4	0	6.5	4	10	5	7.5	11	10
										2	6	6.5	0	7.5	10	10	7.5	7.5	7.5
3	7.5	4	7.5	0	10	5	9	9	15
										4	9	10	10	10	0	10	7.5	7.5	10
5	20	5	10	5	10	0	7	7	7.5
										6	10	7.5	7.5	9	7.5	7	0	7	10
7	16	11	7.5	9	7.5	9	7	0	10
										8	8	10	7.5	15	10	7.5	10	10	0

遗传算法的相关参数为：种群规模100，最大进化次数500，交叉概率0.9，变异概率0.02。车辆数估计计算为：[15/(α·8)]+1，α取0.95，计算得车辆数为2。

进行独立试验10次如表3所示：

表3试验结果

序号	路径方案	总路径	装载[车型安排]	装载率	配送成本和配载成本	总成本
							1	274801356	69	8[2]7[1]	100％	39*0.95+30*0.65+100*1+120*1	276.55

2	164027358	71	7[1]8[2]	100％	28*0.65+43*0.95+120*1+100*1	279.05
							3	135820476	67.5	7[1]8[2]	100％	34*0.65+33.5*0.95+120*1+100*1	273.925
4	847206531	69	8[2]7[1]	100％	39*0.95+30*0.65+100*1+120*1	276.55
							5	357480162	70	8[2]7[1]	100％	45*0.95+25*0.65+120*1+100*1	279.00
6	862047531	70	8[2]7[1]	100％	31.5*0.95+38.5*0.65+120*1+100*1	274.95
							7	135780264	68	7[1]8[2]	100％	38*0.65+30*0.95+120*1+100*1	273.20
8	823510674	70.5	7[1]8[2]	100％	37*0.65+33.5*0.95+120*1+100*1	276.875
							9	674085312	70.5	8[2]7[1]	100％	33.5*0.95+37*0.65+120*1+100*1	276.875
10	136408572	69.5	8[2]7[1]	100％	33.5*0.95+36*0.65+120*1+100*1	276.225

由运算结果可看出：

如果不考虑配载方案对配送总成本的影响，应选取第3次实验的配送路径，其单次配送方案为0-1-3-5-8-2-0，0-4-7-6-0；总成本为273.925。

如果考虑配载方案对配送总成本的影响，应选取第7次实验的配送路径，其单次配送方案为0-1-3-5-7-8-0，0-2-6-4-0；总成本为273.20。

结果显示，配载配送优化模型相较单独考虑配送路径优化是有效可行的。

基于上述理论及模型，以GIS开发软件MapInfo为开发平台，在此基础上充分利用其所带的开发工具MapBasic和C#等面向对象的编程语言，结合组合优化模型算法进行应用软件开发，得到用于农资连锁经营配送配载组合优化管理的农资连锁经营配送配载组合优化机遇GIS可视化管理***。

Claims (5)

1.一种农资连锁经营物流配送配载组合优化方法，其特征在于，包括以下步骤：

(1)提出农资连锁经营物流配送配载组合优化模型的目标函数：根据农资连锁经营配送特点，确定农资连锁经营配送配载组合优化问题的目标；认为配送配载组合优化方案的目标函数是多元的，将路径问题最小化和配载方案合理化融入总成本最小化目标模型中，以配送成本和配载成本作为优化目标函数；

(2)提出物流配送配载组合优化作业流程，根据货物配载费用调整配送路径的选择从而优化总成本；

(3)提出农资连锁经营物流配送配载组合优化模型：分析认为配送配载组合优化问题可以转化为单配送中心、单品种、非满载配送配载组合优化问题，以此提出配送配载组合优化模型如下：

$\min z=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\{k\·{\mathrm{FC}}_k\}+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\underset{j=0}{\overset{N}{\mathrm{\Σ}}}\{d_{\mathrm{ij}}\×x_{\mathrm{ijk}}\×{\mathrm{VC}}_k\}$

s.t.

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{y}_{\mathrm{ik}}=1,i=1,...,n$

$\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{j0k}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{0\mathrm{jk}}=1,k\∈K$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i\×y_{\mathrm{ik}}\≤G_k,k\∈K$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{v}_i\×y_{\mathrm{ik}}\≤V_k,k\∈K$

$\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},j=\mathrm{0,1},...,n;k\∈K$

$\underset{j=0}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ijk}}=y_{\mathrm{ik}},i=\mathrm{0,1},...,n;k\∈K$

参数说明：Z为总成本；K为可使用的配送车辆集合；N为需要提供配送服务的门店数；FC_k为第k辆车的固定成本；d_ij为配送车辆从门店i到门店j的实际距离；VC_k为第k辆车的单位公里成本；g_i为门店i的需求货物的重量；G_k为第k辆车的载重量；v_i为门店i的需求货物的容积；V_k为第k辆车的容积；

变量说明：x_ijk＝1表示第k辆车从门店i直接驶向门店j，否则x_ijk＝0；y_ik＝1表示门店i由第k辆车配送，否则y_ik＝0；

(4)利用遗传算法具有全局优化能力强、鲁棒性强、通用性强、高效的优化性能，基于遗传算法原理设计农资连锁经营物流配送配载组合优化模型的求解算法，所述算法包括以下步骤：

(41)编码：构造满足约束条件的染色体；

(42)随机产生初始群体：初始群体是搜索开始时的一组染色体；

(43)计算每个染色体的适应度：适应度是反映染色体优劣的唯一指标，遗传算法要寻得适应度最大的染色体；

(44)使用选择、交叉和变异算子产生子群体；

(45)终止循环条件：若满足收敛条件或固定迭代次数则终止，若不满足条件则转(43)重新进行进化过程，每一次进化过程就产生新一代的群体，群体内个体所表示的解通过进化最终达到最优解；

(5)设计基于优化算法的车辆调度管理***：

以GIS开发软件MapInfo为开发平台，在此基础上充分利用其所带的开发工具MapBasic和C#等面向对象的编程语言，结合组合优化模型算法进行应用软件开发，得到用于农资连锁经营配送配载组合优化管理的农资连锁经营配送配载组合优化机遇GIS可视化管理***。

2.根据权利要求1所述的一种农资连锁经营物流配送配载组合优化方法，其特征在于，所述步骤(1)中的农资连锁经营配送配载组合优化问题的多元目标包括：配送效益最高或配送成本最低、配送里程最短、准时性最高、综合费用最低、配送劳动的消耗最小。

3.根据权利要求1所述的一种农资连锁经营物流配送配载组合优化方法，其特征在于，所述农资连锁经营配送配载组合优化机遇GIS可视化管理***由信息管理、优化算法、地图管理3个部分组成：信息管理实现了对信息的导入、录入、查询、修改及删除功能；优化算法实现基于遗传算法的配送路径计算；地图管理包括电子地图的浏览及运算结果的路径显示。

4.根据权利要求1所述的一种农资连锁经营物流配送配载组合优化方法，其特征在于，所述农资连锁经营配送配载组合优化机遇GIS可视化管理***的数据库的设计分为两部分：地图数据库的设计和配送中心车辆信息和门店需求信息数据库设计，其中，地图数据库是地图显示模块的基础数据，地图数据库与配送中心车辆信息和门店需求信息数据库是优化算法的基础数据。

5.根据权利要求4所述的一种农资连锁经营物流配送配载组合优化方法，其特征在于，所述地图数据库包含配送中心的位置和门店的位置两部分；配送中心信息包括：配送中心编号、配送中心名称、车辆类型以及各类型的自有车辆数、载重；门店需求信息包括：门店编号、门店名称和需求量。

Images