通过将B2C电子商务企业的实际物流配送网络描述为由配送中心和顾客两类竹点构成的小完个无向图。建立了0-1整数规划的物流配送路径优化模型.该模型属少一类改进的多设施车辆路径优化模型具有NP难性质。为了求解上述模型。肖先利用FLOYD算法求得小完个无向图中各竹点间的最知路径和最知路径长度。然后设计了捕食搜索算法对模型进行求解.通过仿真实例计算。

　　1引言(Introduction)

　　Internet网络基础设施及相关技术(如数字签名、电子加密等)的成熟和电子商务网站的蓬勃兴起，为电子商务中信息流、商流、资金流的电子化实现打下了强有力的基础，然而作为电子商务中最特殊的一个环节一物流，却不能全部实现电子化，除了小部分的商品(如软件、电子读物、音乐等)外，其余大部分商品都需要进行配送，即物流配送，尤其是B2C型电子商务企业，其物流配送费用史是商品成木重要的组成部分，因而如何优化和完善物流配送系统，提高企业市场竞争力，己成为B2C电子商务企业成功的关键之所在。

　　车辆路径问题VRP是一类典型的物流配送优化问题.自Dantzing和Ramser于1959年首次提出该问题以来，一直是运筹学和组合优化领域的研究前沿与热点VRY的一般描述是:为服务于己知的一组顾客的一个车队，设计一组开始和结束于一个中心(设施)出发点的最小费用路径，每个顾客只能被服务一次，而且，一个车辆服务的顾客数不能超过它的能力。根据这一思想，目前己建立的绝大多数VRY模型描述的配送网络是一类完全图，如图1(a)所示，可以看出此类模型有一个前提假设，即顾客(或设施)与顾客之间均有直接最短配送线路日‘每个顾客仅被车辆访问一次。而在现实情况中，B2C电子商务企业物流配送网络的顾客(或配送中心)之间不能都有直接最短配送线路，即便在交通十分发达的大城市中，也无法做到这一点。因而为保证完成对所有顾客的配送任务，一些顾客可能会被多次访问。

　　基于以上因素，本文以实际的物流配送网络为基础，建立B2C电子商务中物流配送路径优化的模,并开发了嵌入FLOYD“一算子的捕食搜索算法”对其进行求解。

　　2问题的描述与模型(Descriptionandmodeloftheproblcin)

　　B2C电子商务中物流配送路径优化模型的基本思想可描述如下:根据B2C电子商务企业在某个时段内顾客的订货情况(如顾客商品需求量和其地理位置)，利用信息，技术(如GIS技术)确定该时段的实际配送网络，通过优化设计一套基于配送网络的车辆路径，同时要满足一系列的约束条件(如商品需求量、配送中心和车辆容量限制等)，使得配送总费用最小。这里总费用包括车辆配送费用和车辆一次性启动费用。为了便于建立模型，利用山配送中心和顾客两类节点构成的不完全无向表示实际物流配送，并作以下几个基本假设:

　　1)配送中心有多个，每个配送中心各类商品量以及配送车辆数一定.每辆车仅隶属于一个配送中心;

　　2)每个顾客仅能山一个配送中心中的一辆车进行一次性商品配送，但可以被多次访问.特殊地，如果顾客需求超出一辆车的容量则选择最近可用的配送中心山多辆车对其进行配送，因而此类情况在通过数据预处理后亦可山模型表示;

　　3)每辆车从各自的配送中心出发，完成配送任务后返回自己所在的配送中心;

　　4)配送商品为多品种商品，配送车辆为中一类型车辆;

　　下面给出B2C电子商务中物流配送路径优化的数学模型。

　　模型中符号有两类，即模型的决策变量和模型参数。

　　1)决策变量：

　　Xij，表示车辆k是否从顾客(或配送中心少i开往J(Jl=不一定给顾客J配送商品少，如果是，其值为上否则为Q，表示顾客J是否山配送中心i负贡配送，如果是，其值为上否则为Q;

　　Zjk，表示顾客J是否山车辆无配送，如果是，其值为上否则为Q;

　　2)模型参数:

　　G一配送中心、顾客两类节点和代表它们之间配送线路的边组成的不完全无向图,

　　K一配送车辆集合，其中，K表示配送中心i车辆的集合,即每辆车仅隶属于一个配送中心;

　　L一配送商品种类集合;

　　Ap一酒己送中心P的可用车辆数;

　　Bk-一车辆无的一次性启动费用(主要考虑车辆的占用和损耗费用，略去停留费用);

　　Cij一车辆无在路线了(力单位路程的运输费用了忽略车辆装载量大小对运输费用的影响);

　　qjl一顾客j对商品l的需求量;

　　dij一顾客(或配送中心少i,j间的距离，即线目标函数(i)两部分组成，第一部分是车辆的配送费用，第一部分是车辆启动的一次性费用，这里是根据使用车辆数进行计算。约束(2)保证从所属配送中心出发的车辆返回到该配送中心;约束(3)表示顾客J如果山车辆无配送商品，则车辆无至少访问顾客J一次;约束(4)表示每个顾客仅山一辆车配送;约束(5)表示每个配送中心可用车辆数限制;约束(6)保证每辆车装载量不超过其容量;约束(为表示每个配送中心各类配送商品的供应量;(9)和(10)分别为对应的0-1决策变量。

　　上述模型为一种改进的多设施VRY模型，其改进之处在于结合了B2C电子商务企业实际配送网络，模型中的决策变量x}A可以直接表示出基于配送网络的车辆路径，因而比通常的多设施VRY模型史贴近现实情况。

　　3模型求解的捕食搜索算法(Predatorysearchalgorithmforsolvingthemodel)

　　由于模型描述的实际配送网络是不完全的无向图，并不是每个节点之间都有直接最短线路(边)，为此，本文对于图中没有直接最短线路的两节点采用FLOYD算法求得其最短路径和费用，这样模型就可以简化成通常的多设施VRY进行求解.目前国内外对VRY求解算法的研究较多，包括精确算法和启发式算法.精确算法主要应用于旱期规模较小的VRP。由于精确算法随着问题的规模增大其计算量成指数增长，在实际应用中有很大的局限性复制www.semboke.com启发式算法早期的代表有Clarke和Wright提出的节约法、Gillett和Miller提出的扫描法，近年来以遗传算法为代表的现代启发式算法备受关注}Hi，也成为了VRY算法的一个新方向.但是，上述方法多是对单设施的VRY模型进行设计求解，而对于多设施的问题涉及不多。针对文中提出的模型，本文尝试一种新的现代启发式算法-一捕食搜索算法，通过嵌入FLOYD算法对模型进行求解。

　　3.1捕食搜索算法简介

　　动物学家在研究动物的捕食行为时发现，尽管由于动物物种的不同而造成的身体结构的千差万别，但它们的捕食行为却惊人地相似.动物捕食时，在没有发现猎物和猎物的迹象时在整个捕食空间沿着一定的方向以很快的速度寻找猎物.一旦发现猎物或者发现有猎物的迹象，它们就放慢步伐复制www.tuan1024.com在发现猎物或者有猎物迹象的附近区域进行集中的区域搜索，以找到史多的猎物.在搜寻一段时间没有找到猎物后，捕食动物将放弃这种集中的区域，而继续在整个捕食空间寻找猎物。

　　模拟动物的这种捕食策略，Alexandre于1998提出了一种新的仿生计算方法，即捕食搜索算法(predatorysearchalgorithm,PSA)。基本思想如下：捕食搜索寻优时，先在整个搜索空间进行全局搜索，直到找到一个较优解;然后在较优解附近的区域(邻域)进行集中搜索，直到搜索很多次也没有找到史优解，从而放弃局域搜索;然后再在整个搜索空间进行全局搜索.如此循环，直到找到最优解(或近似最优解)为止，捕食搜索这种策略很好地协调了局部搜索和全局搜索之间的转换.目前该算法己成功应用于组合优化领域的旅行商问题(travelingsalesmanproblem)和超大规模集成电路设计问题(verylargescaleintegratedlayout)。

　　3.2捕食搜索算法设计

　　(1)解的表达

　　采用顺序编码，将无向图中的，n一1个配送中心和n个顾客一起进行编码.例如，3个配送中心，10个顾客，则编码可为:1一2一3一4一0一5一6一7一0一8一9一10其中0表示配送中心，上述编码表示配送中心1负贡顾客1,2,3,4的配送，配送中心2负贡顾客5,6,7的配送，配送中心3负贡顾客8,9,10的配送.然后对于每个配送中心根据顾客编码中的顺序进行车辆的分配，这里主要考虑车辆的容量约束。依此编码方案，随机产生初始解。

　　(2)邻域定义

　　采用逆转法实现邻域的操作，即随机选择解的两个位置将它们之间的编码进行逆转得到当前解的一个邻域。

　　(3)目标值的确定

　　目标值f(x)编码解码得到，对于没有直接最短线路的顾客间配送费用,FL0YD算法求得.另外对超出配送中心商品数和车辆数的解的目标值给子一定惩罚，惩罚与其超量成比例。

　　(4)算法步骤

　　A算法流程

　　1)随机产生一个初始解X,令至今最好解Xmin=X,限制级别Level=0,循环次数Counter=0。

　　2)如果leveln+m-1，搜索X的邻域S次(S可取问题数的n+m)，并取其最小解Xmin,否则结束。

　　4仿真结果与比较分析(Simulationresultsandcomparisonanalysis)

　　设某B2C电子商务企业在某时段由3个配送中心为17个顾客配送3类商品，配送网络如图2所示。

　　为计算简洁，设各配送中心可用车辆数人Ap=3辆，最大载重量Q=10吨，车辆启动费用Bk=400元，单位距离费用Cij=5元，3类商品的重量系数分别为W1=0.2吨/件，W2=0.4吨/件，W3=0.3吨/件，其他相关参数见表1。

　　捕食搜索算法采用Java语言在Windows平台上(主频Y4N1/2.2G,内存512N)实现。求得最优解值和车辆配送路径如表2所示，可以看出此结果能直接得到基于配送网络的车辆实际配送路径。该类顾客仅在第一次被访问的时候配送服务了表2。

　　配送路径中黑体节点表示车辆配送的顾客和其次序少，这和实际配送情况亦是相符的。为了验证捕食搜索算法的有效性，利用捕食搜索算法与基于类顺序交叉和换位变异算子的遗传算法子编码相同，交叉率为变异率为迭代次数为soot对上述算例各随机计算10次，得到相应的目标值和计算时间如表3所示。

　　由表3中可以看出，YSA求得的目标值全而优于GA,10次计算中9次得到了最优值(或近似最优值)20850元，而GA的最优值仅为21050元，计算平均值，从计算的时间来看，YSA的计算效率高于C从但是YSA的计算时间没有C、稳定，可以从它们计算时间的标准差上看出这一点，这是因为以在算法参数设定后计算时间波动很小(以最大迭代次数为停止准则)，而YSA因为模仿动物捕食的内在特点，除了算法参数外，其初始解亦会影响算法的计算时间。上述两种算法在多个算例上进行了实验，得到了相似的结论。因而，文中设计的YSA作为一类新的优化算法对模型的求解是可行和高效的。

　　5结论(Conclusion)

　　物流配送现己成为制约电子商务发展的瓶颈之一，因而如何优化和完善物流配送系统是电子商务企业瞬需解决的问题。本文以B2C电子商务企业为背景，结合实际的物流配送网络，建立了0-1整数规划的物流配送路径优化模型，并开发了一个嵌入FL0YD算法的捕食搜索算法对模型进行求解。仿真结果表明了模型和算法的可行性和有效性.文中的模型适用于某个时段内企业对顾客进行定点定量的商品配送服务.随着电子商务的进一步推广和普及，企业对顾客实行限时配送将史具实际意义，对于这一问题的研究将在以后的文章中进一步探讨。