电子商务企业物流配送路径优化探讨范文

本站小编为你精心准备了电子商务企业物流配送路径优化探讨参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

【摘要】物流配送已经成为制约电子商务企业发展的瓶颈问题，尤其对于生鲜食品的配送，时间的高效性更是电商企业需要达到的首要目标。在物流配送环节中，路径选择直接影响着配送的时间成本和运输成本，如何确定配送最佳路径已经成为电商企业管理者需要解决的重要问题之一。基于arcgis和蚁群算法，以无锡市O2O电子商务企业壹家美食荟为具体案例，运用MATLAB软件对其物流中心以及四个区域中41个社区微站进行路径优化分析。实验结果表明，运用蚁群算法解决电商企业路径优化问题具有实际意义。

【关键词】电商企业;物流配送;蚁群算法;路径优化

1引言

二十一世纪以来，我国居民对物质文化生活的需求日益增长，同时，互联网、计算机、移动互联等技术迅速发展，就在这个时期，电子商务应运而生，且已渗透到我国居民生活的方方面面。电子商务从技术层面解决了信息流、商流、资金流的传递空间和传递时间问题，而真正影响或阻止其发展的关键因素集中到了物流这一难题［1］。现阶段各大电子商务企业线上促销、线下推广竞争局面激烈，从电子商务企业的爆炸式崛起，经营不善的电商企业纷纷关停、合并，直到如今的阿里、京东、当当等大型电子商务企业多足鼎立。作为电子商务得以实现的重要因素—物流配送，已经成为电子商务运行过程中的重要支点，物流问题也已成为电子商务发展的瓶颈问题。在物流配送中，路径选择的优劣直接决定了电商企业的配送效率和运输成本，从而影响顾客满意度。尤其对一些生鲜易腐食品的配送，其首要目标则是在尽量短的时间内完成配送任务。本文主要针对电子商务物流配送中的路径优化问题进行研究，通过利用人工智能算法—蚁群算法来优化配送路径。

2问题描述路径优化

问题是组合优化问题中的经典问题之一，其本质是旅行商问题，即给定一系列需要访问的地点，且已知每两个地点之间的距离，求解目标是寻找一条最短访问路线使得每个被访问地点只被访问一次，并最终返回到起始地点。旅行商问题属于NP难题，其解空间的大小随着被访问地点数量的增加成指数倍增长，因此，通过运用精确方法很难求出满足所有约束条件的最优解。物流配送中路径优化问题作为电商企业物流系统需要解决的中心问题，可以转化成带有一定约束条件的旅行商问题，根据实际问题特点，增加诸如时间窗、车辆容量等约束条件，其目标函数可以为配送时间最短或配送路径最短，也可以是两者兼顾的多目标函数。在本文的物流配送路径优化问题中，以配送路径最短为目标函数。

3研究方法

3．1算法简介

蚁群算法是一种用来寻找最短路径的模拟进化算法，1995年MarcoDorigo［2］首次提出蚁群算法—蚂蚁系统，这种算法来源于蚁群寻找食物时对路径选择的一种生物学行为。第一只发现食物蚂蚁会向周围环境释放出一种信息素，这种信息素具有挥发性，随着时间的推移会慢慢挥发直至消失。当接收到这种物质的信息，越来越多的蚂蚁就会从出发点赶来，在这个过程中，有一些蚂蚁并不会重复之前蚂蚁的轨迹，而是另外开辟新的路径到达食物所在地，如果新开发的路径比原先的路径更短，那么就会有更多的蚂蚁遵循着这条更短的路径。在一段时间以后，就会出现一条路径被绝大多数蚂蚁所选择，被选择出的这条路径就是从出发点去往食物的最短路径。通过仿真模拟实际蚂蚁的觅食行为而提出的蚁群算法在许多组合优化问题的求解中体现了强大的寻优能力，其优化思想为:分派若干个蚂蚁共同出去觅食，通过各蚂蚁在其答案路径上遗留信息素从而提高寻找食物的效率，进而实现寻找到该食物路径最佳路线的目的。蚁群算法已经被成功应用于很多领域，例如，旅行商最短路径问题，机器调度问题，设施选址问题，车辆路径优化问题等［3－4］。蚁群算法可以与其他智能算法相结合，提高算法性能的同时，使其具有更大的实际应用价值。从蚁群算法的提出至今，无论是在理论还是在实践方面都取得了可观的科研进展。根据蚁群算法原理，本文在MATLAB软件中按照以下步骤编写蚁群算法运行程序:①变量初始化;②将m只蚂蚁放到n个配送站点上;③m只蚂蚁按概率函数选择下一个配送站点，完成各自的周游;④记录本次迭代最佳路线;⑤更新信息素;⑥禁忌表清零;⑦输出结果。

3．2蚁群算法公式及参数解释

3．2．1解的构建蚂蚁在构建路径的初始阶段，各条路径上的信息素相等，各蚂蚁按照一定概率来决策下一步将要怎么走。依据此规则，蚂蚁k从当前位置到下一个位置的概率如公式(1)所示:ρkij=ταij•ηβij/∑s∈Nkiταis，j∈Nki0，{否则(1)其中，τij为连接路径(i，j)上的信息素强度;ηij为连接路径(i，j)上的能见度，取值为1/dij，代表路径上的启发式信息，dij为路径(i，j)的实际长度;α反映蚂蚁在运动过程中所积累的信息素在蚂蚁选择路径中的相对重要性参数;β反映蚂蚁在运动过程中启发式信息在蚂蚁选择路径中的相对重要性参数;N为蚂蚁k从当前位置i可以直接到达的相邻位置的集合。

3．2．2信息素更新当所有蚂蚁构建完整解后，路径上每两点之间距离的信息素根据公式(2)进行更新。

4案例分析—“壹家美食荟”物流配送路径优化

“壹家美食荟”于2013年7月在无锡成立，是一家以社区饮食为主要营业范围的O2O模式的电子商务公司，公司的发展初衷是发挥互联网方便快捷的优势以整合社区饮食的供应链，致力于将线上全食物链电商平台与线下社区紧密联系起来，一站式地为目标客户解决“吃”的问题。公司总部位于无锡新区，企业服务包括网上生鲜宅配、社区家庭餐桌产品研发、企事业团膳、大宗农产品集团采购等多个领域，孵化出“壹家团膳”、“社区厨房”、“联农优品”等多个成熟的项目。目前，“壹家美食荟”的社区微站共涉及6个区，共计41个“社区微站”。“壹家美食荟”物流配送模式具体由三部分组成:物流配送中心、物流配送车、社区提货站点即“社区微站”。顾客提前一天在APP中下单，第二天清晨送货车根据订单情况向各个“社区微站”进行配送，顾客就可到小区门口或者附近小区的“社区微站”提取食材。

4．1数据获取本文通过公司内部调研以及arcgis获取“壹家美食荟”仓储物流中心以及社区微站的位置坐标，初步根据行政区域对41个社区微站进行了划分，具体划分为四个区域，针对各区域分别确定配送最佳路线方案。将以上四个区域的各社区微站的坐标信息进行汇总得到相应四个坐标矩阵C1、C2、C3、C4，并将其作为已知数据输入到MATLAB执行程序中。

4．2MATLAB运行结果分析本文以路径总长度最短为目标函数，并假设直线距离近似等于配送路程。据以往文献中蚁群算法的运行情况，本文对蚁群算法各参数设定值为:m=10，n=各区域社区微站个数+1，α=1，β=2，ρ=0．1，迭代次数为100。以配送区域Ⅲ为例，在执行程序中代入坐标矩阵C3得到路径优化结果，如图2所示。同理，在执行程序中分别代入坐标矩阵C1、C2、C4得到相应路径优化结果。

5结论

电子商务的发展需要一个完善的物流系统的支撑，两者相辅相成，互为促进。本文利用蚁群算法针对无锡O2O电商企业“壹家美食荟”进行物流配送路径优化分析，将该公司整个配送范围划分为四个区域进行配送，并借助arcgis和MATLAB软件实现了路径优化。实验结果表明，本文所提出的方法可以为电商企业管理者提供决策依据。在以后的研究中，会增加一些其他实际约束，例如，配送时间窗约束等，从而提高算法的应用范围。

［参考文献］

［1］栾洪君．基于电子商务的物流配送研究［J］．管理观察，2017(9):17－19．

［3］段海滨．蚁群算法原理及其应用［M］．北京:科学出版社，2005．

［4］范小宁，徐格宁，杨瑞刚．车辆配送路径优化的新型蚁群算法［J］．计算机工程与应用，2011(26):232－234+245．

作者：郑琰；孟晓露；伍佩琪；何雨飞 单位：南京林业大学