基于电子商务供应链的库存路径问题研究

发布时间：2016-08-04 09:48

第1章 绪论 

1.1  选题背景与研究意义
2015 年李克强总理在全国人民代表大会第三次会议的政府工作报告中提出，“制定‘互联网+’行动计划，推动互联网、云计算、物联网等于现在制造业结合，促进电子商务和互联网金融健康发展，引导互联网开拓国际市场。”使互联网的发展与物流配送问题、电子商务问题联系的更加紧密[1]。随着电子商务的飞速发展，消费者需求的不确定性以及配送运输过程的不可控性，使得当前企业间的竞争越来越激烈，已经从产品质量、服务水平等的竞争转变为供应链管理控制之间的竞争，形成电子商务供应链管理(e-Supply Chain Management，e-SCM)[2]。由此可以看出，提高电子商务供应链管理质量已经成为电商企业建立竞争优势的必要手段。 消费者对企业的物流服务质量和服务水平提出了更高的要求，企业也提出“七天无理由退货”、“急速退货”等对策，这就直接导致了逆向物流的大量产生。由于网络购物的特殊性，电子商务比传统商务更容易产生退货，网络销售的退货量有时可高达订单总量的三分之一[3]。物流配送系统作为供应链的核心组成部分之一也成为企业发展的制约因素，引起了电商企业的广泛关注。降低成本、提升效率，对物流系统的配送策略做出相应的调整和创新，成为当前电子商务供应链库存路径亟待解决的问题。电商企业通过提升自建物流服务体系，提高物流服务态度、保障客户满意度，进一步提升市场竞争力。运输路径和库存控制在物流系统优化中，是至关重要的两个因素，对库存路径问题的集成物流系统规划已有不少学者展开了研究，但是将退货渠道和第三方物流与自建物流相结合的配送思想引入集成优化的物流系统中的研究很少。为满足客户对时间的要求有必要将时间窗函数控制加入成本；由于网络客户具有分散性，偏远地区的物流配送费用导致成本增加，有必要将第三方配送引入，完成对偏远地区的配送要求；在退货量较大的情况下，为提高车辆利用率减小配送成本，考虑同时送取货的配送方式。 
..........

1.2  国内外研究现状
从  21  世纪开始，国外很多学者在研究电子商务供应链的优化中已经有了很大进展。早期对电子商务供应链的研究，主要针对物流系统在电子商务供应链中起到的重要作用。通过查找国外主流期刊关于电子商务物流文献中，发现有很多文章跟电子商务物流有密切的联系。2010 年 Ramanathan 在针对电子商务的研究中指出，提升客户的满意度可以通过提高电子商务的物流服务水平实现[5]。2012 年 Xiao 指出物流优化是提升电子商务服务质量的重要因素，选择合适的物流模式对供应链中各部分成员至关重要[6]。Ying 研究了基于电子商务环境下第三方物流完成物流的配送任务、库存管理任务[7]。 相比与国外研究，我国电子商务供应链的发展比国外发达国家起步较晚，进入 21 世纪随着国内经济建设的高速发展，国内学者在研究电子商务方向的课题也掀起了一股热潮。很多专家学者从不同层次和角度对电子商务与物流展开研究，比如电子商务企业自建物流配送模式和第三方外包配送模式，对新时期符合我国电子商务发展的物流配送模式存在的问题做出适当的改进和创新。2012 年王乐鹏在研究电子商务供应链物流运作模式时，考虑配送费用的总成本、企业运作效率和客户服务满意度等因素建立新的运输模式 [8]。同年雨兮基于电子商务环境下对传统物流配送和城市物流配送的关系进行研究，建立完善的库存调度，增加实时监控和实时决策，为物流配送系统提供新的战略[9]。2013 年胡云超等考虑城市货运交通管制的情况，建立了多目标多约束的城市配送优化系统，并分析交通管制不同情况下的城市配送优化结果，证明了考虑交通管制对于缓解城市交通压力提供良好途径，降低了城市配送成本[10]。2014 年刘静等结合电子商务正逆向物流网络，考虑工厂与客户之间的直接配送问题建立闭环供应链网络，设计可行的算法求解模型[11]。2015 年刘静基于电子商务环境下研究库存_路径优化问题，建立基于集中订货策略下的需求确定的多产品库存路径优化模型[12]。 
..........

第2章 相关技术概述 

2.1  遗传算法概述
遗传概念由 Michigan 大学的 Holland 教授于 20 世纪 60 年代末到 70 年代初首先提出，并以达尔文的遗传选择规律、自然淘汰原则、适者生存的生物进化论和孟德尔提出的分离定律、自由组合定律的遗传规律为原型，而形成的 GA理论[49]。 遗传算法是计算机科学中用于解决搜索最优解的算法。它是从生物学理论出发，根据生物界的进化规律，通过自然选择和遗传变异实现优胜劣汰、适者生存，进而计算出最优解来优化搜索问题。遗传算法借鉴自然界物种进行选择与优化观念，是一种模拟生物进化过程，解决要求解问题的智能优化算法[50]。 遗传算法在解决实际问题中应用到了生物进化原理，来搜索最优解，这个最优解在遗传算法中被定义为种群，按照染色体基因位置编码构成的个体解叫做种群的个体。遗传算法通过适用度函数来获取种群中个体适应生存环境的程度，适应度高的优秀个体才是物种进化的发展要求。每个个体解对应一个适应度值，按种群个体适应度值的情况，优先选择较优种群中的个体，子代种群的形成是遗传算法优胜劣汰原则下的选择操作的产物，父代很多优秀的遗传信息都存在新的种群中。 两个父代基因部分结构加以交换，改变了原有的基因序列的操作叫交叉操作；变异操作是群体中的每一个个体，概率性的改变原有基因序列片段。通过这两种操作形成了新的子代种群[51]。子代种群是由于交叉操作、变异操作并且保证新的子代种群个体基因与父代种群个体基因不相同。然后在新的种群中保留优秀的各代基因，适应能力差的染色体基因直接被淘汰，根据种群个体的不断进化，如此迭代下去直到满足终止条件，结束算法退出程序。当前会产生很多新的个体，通过适应度值的大小作为判断指标，适应度值小的个体，被淘汰，适应度值相对最大的个体代表了种群个体最优解。遗传算法的基本流程如图 2-1  所示。 
..........

2.2  模拟退火算法概述
20 世纪 50 年代，N．Metropolis 等首次提出传统的模拟退火算法(Simulated Annealing，SA)[53]。模拟退火算法的思想是基于模拟热力学中的退火现象产生的，因为具有全局优化最优解的特点而被学者深入研究。到 1983 年，S．Kirkpatrick 等人成功地将模拟退火思想逐渐发展成为一种优化算法。SA 的寻优解过程定义为从相对较高的初始温度开始，为了降低温度而设定降温参数，依据概率突跳这一特殊特点，在自动跳出局部最优解的同时  ，通过一定概率找到接近于全局最优解的局部最优解的过程，即在全局过程中寻找目标函数最优解。 模拟退火算法最早起源于固体从高温到低温的退火现象。SA 物理退火过程主要三部分完成： 1．加温过程  先将固体的温度加至最高点，由于固体在加温的过程中，固体物质粒子的热运动愈加剧烈，其内部的粒子会随着温度的升高变得无序，若达到某一程度，粒子便不再与原来的动态平衡点重合；若温度到达最高点时，固体物质会转变为液体物质，将消除原始存在的物质非均匀状态。 2．等温过程  当物质与周围进行热交换时，温度保持不变，系统自由能逐渐减小； 
.........

第 3 章  电子商务供应链库存路径模型 .......... 16 
3.1  同时送取货的 IRP 问题 .... 16 
3.2  联合物流、时间窗的 IRP 问题 ...... 19
3.3  考虑时间窗的同时送取货联合物流 IRP 问题 .......... 22 
3.4  本章小结 ....... 25 
第 4 章  模型求解的算法 ...... 26 
4.1  混合遗传算法的原理及流程 .......... 26 
4.1.1  混合遗传算法原理 ..... 26 
4.1.2  混合遗传算法流程 ..... 27 
4.2  混合遗传算法步骤 ..... 29
4.3  本章小结 ....... 35 
第 5 章  实例验证与对比分析 ..... 36 
5.1  模型优化实例与分析 ........ 37 
5.2  算法有效性验证 ......... 39 
5.3  本章小结 ....... 40 

第5章 实例验证与对比分析 

为验证所提出模型的可行性和混合遗传算法的高效性，采用实际数据进行测试，，用 MATLAB7.0 编写程序进行对比试验。本文在 Prodhon 提出的标杆算例集合中的 20-5-1a  算例基础上进行测试[55]。由 20 个客户和 5 个备选配送中心坐标值，形成编号 1~20、m1~m5 的配送网络，1~15 号客户由自建物流中心负责配送；16~20 号偏远客户由第三方配送中心完成配送任务。将平面坐标的直线距离作为客户间的实际距离；Cij=1，C1=1000，Cm=5000 m3，Q=100，Pm=0.8，Pc=0.06，a=1.5，α=1.1，β=1.2；多样性重组因子中  Nb =20，N/m =5，Pb =30%；在遗传操作的自适应机制中，取 a1 =0.6，a2 =0.9，a3 =0.05，a4 =0.1；本文设种群规模为 50，算法的终止进化代数为 100；模拟退火算法的 λ=0.9；备选配送中心的坐标点和固定建设费用见表 5-1，客户的坐标点、需送取货需求量以及时间窗信息见表 5-2。 本文设计两组对比试验，分别验证所提出配送策略的可行性和改进混合算法的高效性。首先分采用改进混合遗传算法分别对对本文模型和传统模型进行求解；然后，分别采用传统遗传算法和改进混合遗传算法对本文模型进行求解；通过求解结果的对比分析，本文提出的基于自建物流与第三方配送的同时送取货的库存路径模型可以有效地减少配送成本，提高配送效率，改进混合遗传算法收敛速度更快，对于求解的模型具有很好的全局搜索。 

.........

结论

电子商务供应链的库存路径问题，是供应链系统研究的一个重要分支，属于典型的 NP-hard 问题，在当前国内外经济发展的大形势下，线上电子商务的爆发性发展使得电商企业越难越跟得上快速发展的步伐。库存路径问题是电子商务至关重要的环节，如何形成配送服务高效性和总体利润最大化是当前研究的趋势，也是电子商务发展一大障碍。另外，由于电子商务退货的大量产生导致逆向物流产生，针对分散性客户和由于物流配送的不合理性导致交通阻塞、环境污染、噪声污染、能源浪费等问题，对物流配送系统的转型势在必行。基于现实意义的考虑，本论文突破传统物流配送的局限性，引入自建物流与第三方物流共同配送，并增加同时送取货的正逆向物流结合的配送模式，深入研究电子商务环境下库存路径问题。论文研究的主要工作如下所示： 
1．本论文在结合文献研究和实践调研的基础上总结了电子商务供应链与正逆向物流以及库存路径问题的国内外研究成果，分析当前电子商务供应链环境下对于配送时效性、大量退货性、客户分散性等特点提出新型配送模式，建立考虑时间窗的同时送取货联合物流库存路径模型，引入时间窗约束，能够更加贴近现实，符合客户和企业的要求，具有一定的使用价值。 
2．根据提出的问题，深入研究解决相关问题的智能算法基本思想和特征。首先研究遗传算法的基本思想和特征，对遗传算法的求解步骤进行分析，遗传算法对于求解此该类相关的数学优化模型具有一定的优越性。针对遗传算法自身的缺陷，包括迭代速度缓慢，计算工程中容易出现“早熟”等现象，对遗传算法进行改进。采用遗传算法与模拟退火算法相结合，引入模拟退火算法的局部搜索算法，增加邻域搜索结构，引入多样性重组因子、设计自适应的改进混合遗传算法，实现使用改进的混合遗传算法在求解该模型的优势。
3．为了证明所提出配送策略的使用和改进混合算法的高效性，根据模型特点，采用实例数据，进行两组验证分析。首先，采用改进混合遗传算法分别对对本文模型和传统模型进行求解，结果表明本文提出的库存路径模型可以有效地减少配送成本，提高配送效率，更加贴近实际生活；然后，分别采用传统遗传算法和改进混合遗传算法对本文模型进行求解，通过实例验证了改进混合遗传算法收敛速度更快，表明引入局部搜索算法，设计改进混合遗传算法对于求解的模型具有很好的全局搜索能力且收敛性。 
.........
参考文献(略)

本文编号：84434