0引言

近些年來(lái)，互聯(lián)網(wǎng)電商在鄉(xiāng)村迅速發(fā)展。根據(jù)統(tǒng)計(jì)，2019年全國(guó)鄉(xiāng)村線上零售額達(dá)1.7萬(wàn)億元，同比增長(zhǎng)19.1%；全國(guó)農(nóng)產(chǎn)品線上零售額達(dá)3 975億元，同比增長(zhǎng)37%[1]。然而，作為鄉(xiāng)村電商支柱的鄉(xiāng)村物流業(yè)，仍然存在著資源配置不平衡、資源稀缺、資源瓶頸等問(wèn)題。盡管基礎(chǔ)路網(wǎng)設(shè)備建設(shè)不足是導(dǎo)致這一結(jié)果的主要原因，但在當(dāng)前條件下，怎樣提升“最后一公里”運(yùn)送車的效率，完善運(yùn)送車網(wǎng)絡(luò)的建設(shè)，解決目前鄉(xiāng)村物流服務(wù)過(guò)高的成本問(wèn)題，是降低鄉(xiāng)村物流成本，響應(yīng)國(guó)家“物流下鄉(xiāng)”計(jì)劃，促進(jìn)各類消費(fèi)品進(jìn)入鄉(xiāng)村，加快鄉(xiāng)村電商物流發(fā)展的核心。鄉(xiāng)村電商物流的重心是在人口密集的中心城區(qū)建立網(wǎng)絡(luò)核心點(diǎn)，再由單一的物流公司完成物流運(yùn)送服務(wù)。在此期間，物流公司能夠獲得一定的利益，但這種運(yùn)營(yíng)辦法只適用于需求平穩(wěn)、單子多、顧客不分散的地區(qū)[2]。我國(guó)鄉(xiāng)村人口生活較為分散，居住人員密集度低于城區(qū)，村與村之間距離較遠(yuǎn)。在此情況下，進(jìn)行物流運(yùn)送服務(wù)將會(huì)造成物流資源配置的不平等、使用率低和運(yùn)送成本過(guò)高。從資源調(diào)配的角度來(lái)看，合作調(diào)配模式是妥善處理以上問(wèn)題的主要辦法。該辦法注重物流資源的共用、共享以及信息統(tǒng)一調(diào)度，以實(shí)現(xiàn)物流效益的最大化。我國(guó)現(xiàn)在有很大一部分鄉(xiāng)村道路網(wǎng)是以地級(jí)市為核心，同一城市的所有交通物流車都將通過(guò)該地區(qū)的主要公路進(jìn)出地級(jí)市。所以，具備與區(qū)域內(nèi)城鄉(xiāng)聯(lián)運(yùn)相協(xié)商調(diào)整的條件。

本文從中國(guó)鄉(xiāng)村電商發(fā)展的實(shí)際問(wèn)題出發(fā)，在前人研究的基礎(chǔ)上，重點(diǎn)研究了共同運(yùn)送模式下鄉(xiāng)村物流車調(diào)度良性發(fā)展的問(wèn)題[3]。根據(jù)鄉(xiāng)村公路網(wǎng)的特點(diǎn)，建立物流車調(diào)度的統(tǒng)一決策模型，并采用遺傳計(jì)算辦法求解，根據(jù)模型的特點(diǎn)，提出了隨機(jī)修理不可行解方法和多種群方法，提升計(jì)算辦法的效率和效果。最后，通過(guò)仿真實(shí)驗(yàn)證實(shí)了該計(jì)算辦法的一般適用性。

1 基于共同運(yùn)送的鄉(xiāng)村電商物流良性發(fā)展模式

目前，鄉(xiāng)村物流大多在人口眾多的區(qū)域性中心城市或鄉(xiāng)鎮(zhèn)設(shè)點(diǎn)，終端運(yùn)送業(yè)務(wù)由單個(gè)物流公司單獨(dú)完成，本文將該模型定義為單獨(dú)運(yùn)送模型(如圖1所示)，其中運(yùn)送人員、車、客戶單子等屬于一個(gè)特定的物流公司。物品到達(dá)該地區(qū)中心城市倉(cāng)庫(kù)后，鄉(xiāng)村地區(qū)貨主委托當(dāng)?shù)氐泥l(xiāng)鎮(zhèn)送達(dá)公司將物品托運(yùn)回來(lái)。鄉(xiāng)鎮(zhèn)送達(dá)公司是終端運(yùn)送業(yè)務(wù)的實(shí)際服務(wù)方。在自主運(yùn)送模式下，物流公司投資大、日常的運(yùn)營(yíng)成本負(fù)擔(dān)重、對(duì)資金流量管理規(guī)定嚴(yán)，鄉(xiāng)鎮(zhèn)送達(dá)公司經(jīng)常出現(xiàn)管理困難，需要大量的資金支持。

因此，針對(duì)目前鄉(xiāng)村物流公司規(guī)模小、客戶點(diǎn)分布密度特別小的現(xiàn)狀，本文綜合考慮了三級(jí)、四級(jí)協(xié)同運(yùn)送模式下的超低密度運(yùn)送區(qū)運(yùn)營(yíng)模式，提出了以整合同區(qū)域鄉(xiāng)鎮(zhèn)送達(dá)公司資源為核心的鄉(xiāng)村物流協(xié)同運(yùn)送模式，并在此基礎(chǔ)上提出了相應(yīng)的對(duì)策建議，如圖2所示。

鄉(xiāng)村物流協(xié)同運(yùn)送模式與以往的單獨(dú)運(yùn)送模式的區(qū)別在于:

送達(dá)資源的集中調(diào)度。為了加強(qiáng)單子資源和需求的信息共享，結(jié)合各城市的送達(dá)資源和力量，建立第三方物流公司，形成集中調(diào)度的決策組織[4]。原有的鄉(xiāng)鎮(zhèn)送達(dá)公司負(fù)責(zé)不同線路的運(yùn)送。新成立的第三方物流公司接受流通渠道上游物流公司的委托，管理和經(jīng)營(yíng)各縣、鄉(xiāng)、鎮(zhèn)一級(jí)的物流業(yè)務(wù)。

網(wǎng)絡(luò)資源整合。在區(qū)域中心城市建立鄉(xiāng)村物流共同運(yùn)送中心，使其成為鄉(xiāng)鎮(zhèn)送達(dá)公司儲(chǔ)存鄉(xiāng)村物資的倉(cāng)庫(kù)，形成統(tǒng)一的倉(cāng)儲(chǔ)基地和共同的網(wǎng)絡(luò)資源。

2 鄉(xiāng)村電商物流車調(diào)度模型構(gòu)建

2.1 問(wèn)題描述

在共同運(yùn)送模式的基礎(chǔ)上，第三方物流公司負(fù)責(zé)鄉(xiāng)村地區(qū)的運(yùn)送。目前，公司擁有數(shù)量有限的n輛汽車和多件物品，其中物品的數(shù)量遠(yuǎn)遠(yuǎn)大于車的容量。特定目的地的物品只能由目的地城市和附近城市的車來(lái)裝載。在成本和容量的規(guī)定條件下，根據(jù)當(dāng)天所有物品的送達(dá)價(jià)格和送達(dá)成本，公司應(yīng)制定合理的運(yùn)送計(jì)劃，使送達(dá)的物品價(jià)值最大化，即當(dāng)天運(yùn)送的總收益最高。

2.2 條件假設(shè)

為了便于建模，提出了以下假設(shè):假設(shè)每個(gè)包裹是兼容的，可以混合，不考慮任何兩個(gè)物品不能放置在同一輛車的特殊狀況；假設(shè)每個(gè)物流包裹是一個(gè)正長(zhǎng)方體，車的有效大小等于車的載重量；不考慮物品在車中的位置，包括裝載順序、水平和堆放方式等；每單位物品的重量不得超過(guò)送達(dá)車的額定負(fù)荷，物品的大小不得超過(guò)送達(dá)車的有效大小。

2.3 車調(diào)度模型構(gòu)建

該良性發(fā)展模型的目標(biāo)是使交貨日的收益最大化，這與送達(dá)單子的總獲得正相關(guān)，與出發(fā)成本負(fù)相關(guān)，如公式(1)所示:

同時(shí)該模型受如下規(guī)定：

在公式(1)～(6)中:xiOU為1，表示單子i物品放置O是由U大貨車送達(dá)，如果單子i物品放置O不是由U大貨車送達(dá)，則xiOU為0;PiO是放置在O位置的單子i物品的收益；b U是1，如果不使用，則bU是0;cU是U的每次旅行的送達(dá)成本；wiO是放置在O位置的單個(gè)i物品重量；wU是放置在O位置的額定負(fù)荷；viO是放置在O位置的單個(gè)i物品大??；VU是U車的有效載重技能，i是鄉(xiāng)鎮(zhèn)公司每天接到的最大單子數(shù)，O是城市總數(shù)，n是車總數(shù)，r U是U車的不可交付集合，集合中的元素O表示著到位的物品O不能用大貨車U送達(dá)，m是無(wú)窮大。公式(2)和公式(3)是重量和大小的規(guī)定，即每輛車的總重量不能超過(guò)車的額定負(fù)荷，總大小不能超過(guò)車的有效大小。公式(4)是一個(gè)單子規(guī)定，即同一單子的物品只能由其中一個(gè)車發(fā)送，并且存在當(dāng)天的單子沒(méi)有交付的狀況。公式(5)是離開規(guī)定。如果該決定是在U車不用于送達(dá)的當(dāng)天作出的，則U車不能交付任何物品。公式(6)是一個(gè)過(guò)程規(guī)定，即不在U班車最短往返行程內(nèi)的城市物品不能由U班車沿途送達(dá)。

3 算法設(shè)計(jì)

3.1 基于隨機(jī)維修方法的混合遺傳算法

上述模型是一個(gè)多背包決策模型，決策變量的個(gè)數(shù)隨著物品數(shù)量的提升而進(jìn)一步提升，已被證實(shí)是一個(gè)Np難問(wèn)題[5]。以往辦法不適用于求解高空間維數(shù)的大規(guī)模良性發(fā)展問(wèn)題。遺傳計(jì)算辦法可用于解決這類受限最佳化問(wèn)題，最近幾年已廣泛應(yīng)用在解決單子分配和調(diào)度問(wèn)題當(dāng)中。遺傳計(jì)算辦法具有較強(qiáng)的全局搜索技能，在求解高空間維數(shù)的良性發(fā)展問(wèn)題時(shí)具有良好的穩(wěn)定性。然而，遺傳計(jì)算法的局部搜索技能較弱，容易得到次優(yōu)解和部分不可行解。為了提升求解的效率和有效性，對(duì)于空間維數(shù)較高的問(wèn)題，應(yīng)盡可能地在可行域內(nèi)對(duì)計(jì)算辦法進(jìn)行良性發(fā)展。因此，在標(biāo)準(zhǔn)遺傳計(jì)算法的基礎(chǔ)上，本文提出了一種隨機(jī)維修的方法來(lái)修正不可行解，并將其應(yīng)用于模型的求解當(dāng)中。

第一步：遺傳計(jì)算辦法中的編碼和原始種群生成。不同的編碼辦法決定了決策變量對(duì)染色體基因的不同映射，從而影響了計(jì)算辦法的效率。由于文中的決策變量都是0-1變量，所以二進(jìn)制編碼是最合適的。群類原始化為每個(gè)基因隨機(jī)賦值0或1。

第二步：適應(yīng)度函數(shù)和適應(yīng)度值的分布。本文將模型的目標(biāo)函數(shù)定義為適應(yīng)度函數(shù)，具體如下：

同時(shí)，根據(jù)排名確定個(gè)體的適應(yīng)度分配值。該辦法是根據(jù)適應(yīng)度函數(shù)值對(duì)個(gè)體進(jìn)行排序，然后根據(jù)線性排序法計(jì)算個(gè)體的選擇概率。

第三步：選擇交叉變異運(yùn)作本文采用輪盤賭的選擇機(jī)制，對(duì)選定的個(gè)體進(jìn)行單點(diǎn)交叉和倒置位置值的變異運(yùn)作。

第四步：不可行解維修在每次交叉遺傳變異之后，新種群中的不可行個(gè)體必須進(jìn)行修正，以確保計(jì)算辦法在可行區(qū)域內(nèi)得到良性發(fā)展。對(duì)于多背包問(wèn)題，如果采用貪婪規(guī)則對(duì)不可行解進(jìn)行修正，可以加快計(jì)算辦法的收斂速度，但在多規(guī)定條件下，這種處理容易生成偏差，降低種群的多樣性，使計(jì)算辦法陷入局部最優(yōu)解，導(dǎo)致早熟現(xiàn)象[6]。因此，本文采用隨機(jī)維修方法對(duì)不可行解進(jìn)行修正，具體的維修步驟如下。步驟1:對(duì)種群中的每個(gè)個(gè)體進(jìn)行規(guī)定核驗(yàn)與檢查，如果某個(gè)個(gè)體違反規(guī)定，找出與規(guī)定相關(guān)的基因序列vO[i]，即找出導(dǎo)致違反規(guī)定的關(guān)聯(lián)決策變量。步驟2:用滿足規(guī)定條件的方向M[i]作為序列改進(jìn)的方向，α作為改進(jìn)的步長(zhǎng)來(lái)修正vO[i]:

其中，改進(jìn)的步長(zhǎng)α值為1。當(dāng)個(gè)體違反規(guī)定時(shí)，相應(yīng)基因序列上位于序列為1的基因?qū)⒈浑S機(jī)改變?yōu)?(如圖3所示)。

步驟3:重新判斷修改后的個(gè)體是否滿足規(guī)定O，如果滿足，則完成維修并執(zhí)行下一個(gè)規(guī)定測(cè)試；否則返回步驟2。

第五步：計(jì)算辦法中止規(guī)則。本文結(jié)合最優(yōu)個(gè)體的記錄，采用最優(yōu)個(gè)體的最小持有代數(shù)作為中止基礎(chǔ)。如果最優(yōu)個(gè)體連續(xù)10代保持不變，則計(jì)算辦法中止[7]。

3.2 多種群機(jī)制的遺傳計(jì)算辦法容易陷入局部最優(yōu)解

隨機(jī)維修方法可以在一定程度上減少偏差的副作用，但不能完全消除偏差，同時(shí)也會(huì)在一定程度上影響計(jì)算辦法本身的效率。因此，本文在上述計(jì)算辦法的基礎(chǔ)之上引入了多種群機(jī)制，利用其優(yōu)異的全局搜索技能和協(xié)同進(jìn)化思想對(duì)計(jì)算辦法進(jìn)行了進(jìn)一步的良性發(fā)展。具體設(shè)計(jì)如下：進(jìn)一步提升種群數(shù)量，突破單種群遺傳設(shè)計(jì)的框架，同時(shí)引入多種群良性發(fā)展搜索；引入移民機(jī)制的種群基因運(yùn)作是單獨(dú)進(jìn)行的，但它們可以通過(guò)移民機(jī)制相互聯(lián)系；文章采用一種閉環(huán)串行遷移機(jī)制，即從第一個(gè)種群開始，將當(dāng)前種群中最差的個(gè)體替換為先前種群中的最優(yōu)個(gè)體，直到引入所有種群為止；每一代進(jìn)化都會(huì)選擇每個(gè)種群歷史上最優(yōu)秀的個(gè)體儲(chǔ)存在精英種群中。為了確保每個(gè)種群的最優(yōu)個(gè)體在進(jìn)化過(guò)程中不會(huì)丟失或遺忘，不會(huì)對(duì)精英進(jìn)行選擇、交叉、突變等遺傳運(yùn)作。

3.3 計(jì)算法流程

計(jì)算辦法流程如圖4所示。

4 算例證實(shí)與結(jié)果分析

本文以廣東省陽(yáng)江市中西部鄉(xiāng)村地區(qū)為研究對(duì)象，利用實(shí)際調(diào)查獲得的樣本數(shù)據(jù)進(jìn)行案例分析，評(píng)價(jià)基于協(xié)同分布的鄉(xiāng)村物流車調(diào)度模型的有效性。同時(shí)設(shè)計(jì)了幾組不同單子大小的仿真實(shí)例，采用標(biāo)準(zhǔn)遺傳計(jì)算辦法和改進(jìn)遺傳計(jì)算辦法進(jìn)行求解。

4.1 實(shí)證分析

實(shí)例描述了U物流公司的運(yùn)送倉(cāng)庫(kù)位于陽(yáng)江市某物流園區(qū)。其西線終點(diǎn)運(yùn)送業(yè)務(wù)主要覆蓋了陽(yáng)江七個(gè)下屬城市，包括珍珠灣、海陵、陽(yáng)西縣、陽(yáng)東區(qū)、陽(yáng)春市、陽(yáng)江高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、海陵島經(jīng)濟(jì)開發(fā)試驗(yàn)區(qū)、江城區(qū)。城市之間的公路網(wǎng)是可以通行的。如圖5所示，有三條省級(jí)公路以及幾條縣級(jí)公路。

由于物流公司一直未能建立完善的運(yùn)送體系，因此要與鄉(xiāng)鎮(zhèn)送達(dá)公司合作。各鄉(xiāng)鎮(zhèn)送達(dá)公司的大貨車司機(jī)只負(fù)責(zé)本鄉(xiāng)鎮(zhèn)的運(yùn)送業(yè)務(wù)。在收益最大化目標(biāo)的指導(dǎo)下，他們可以選擇自己想要送達(dá)的物品。鄉(xiāng)鎮(zhèn)送達(dá)公司的運(yùn)送車主要是中小型貨車，如表1所示。其中，車送達(dá)的固定成本為每次15元，并根據(jù)不同的車型，收取1～3.5元/公里的燃油費(fèi)。由此，可以計(jì)算出每次交貨的成本，如表2所示。在區(qū)域內(nèi)物流單子多中小型、小批量類型，外觀是一個(gè)規(guī)則的長(zhǎng)方形盒子。每個(gè)單子的運(yùn)費(fèi)取決于物品的大小、重量、數(shù)量和距離，每件的價(jià)格在1.5～50元之間。調(diào)查收集了30個(gè)客戶單子的數(shù)據(jù)，數(shù)據(jù)如表3所示。

4.2 模型分析

根據(jù)調(diào)查及相關(guān)數(shù)據(jù)，采用基于公共分配模型的鄉(xiāng)村物流車調(diào)度模型，對(duì)車和物品進(jìn)行匹配，獲得公共分配的解決方案，以實(shí)現(xiàn)當(dāng)日送達(dá)收益的最大化。在聯(lián)合運(yùn)送方案中，使用珠灣、海陵、陽(yáng)西縣、陽(yáng)東區(qū)四鎮(zhèn)的貨運(yùn)網(wǎng)。有的物品由沱氏、陽(yáng)西縣、陽(yáng)東區(qū)鎮(zhèn)、黃灘由珠灣以及陽(yáng)西縣送達(dá)，而陽(yáng)東區(qū)鎮(zhèn)的大貨車除了送達(dá)漁鎮(zhèn)的物品外，還送達(dá)江昌鎮(zhèn)的一些物品。最終獲得3 375.5元，總成本331.7元，凈收益3 053.9元。根據(jù)單子數(shù)據(jù)，鄉(xiāng)鎮(zhèn)送達(dá)公司決定自行安排車運(yùn)送，即只要鄉(xiāng)鎮(zhèn)送達(dá)的獲得大于啟動(dòng)成本，就自行安排車運(yùn)送。。

如表4所示，通過(guò)比較兩種方案，可以發(fā)現(xiàn)基于共同分配模型的良性發(fā)展方案比分散分配方案的收益高35%。此外，前者在減少出行次數(shù)的同時(shí)，總運(yùn)送成本降低了30%左右，更有效地運(yùn)送物品，提升了服務(wù)水平。

4.3 計(jì)算辦法性能分析

為了說(shuō)明計(jì)算辦法性能，本文采用了隨機(jī)模擬的辦法，在調(diào)查單子數(shù)據(jù)的基礎(chǔ)上生成單子數(shù)分別為35,50,75和100的多組模擬實(shí)例。隨機(jī)單子生成過(guò)程如下：從樣本數(shù)據(jù)中隨機(jī)選取一個(gè)客戶i；在客戶i[di-10,di+10]的交貨需求區(qū)間內(nèi)隨機(jī)生成客戶i的單子需求；通過(guò)向客戶隨機(jī)分配一個(gè)交貨目的地來(lái)獲得一個(gè)新的單子數(shù)據(jù)。重復(fù)這3個(gè)步驟，直到單子數(shù)量滿足示例的規(guī)模規(guī)定。針對(duì)每個(gè)仿真實(shí)例，分別采用基于罰函數(shù)法的標(biāo)準(zhǔn)遺傳計(jì)算辦法和本文提出的多種群隨機(jī)維修遺傳計(jì)算辦法，在matlabr3013環(huán)境下，在相同的條件下進(jìn)行10次運(yùn)行實(shí)驗(yàn)。其中，基本參數(shù)設(shè)定為：重復(fù)次數(shù)為3 000次，最佳個(gè)體保持10代以上，雜交率為0.9，突變率為0.005，代溝為0.9?；诹P函數(shù)的遺傳計(jì)算辦法的種群數(shù)為1，種群中的個(gè)體數(shù)為50。具有多種群機(jī)制的遺傳計(jì)算辦法的種群數(shù)為15個(gè)，種群中的個(gè)體數(shù)為50個(gè)。實(shí)驗(yàn)結(jié)果如表5所示。最佳解、最差解、平均解及計(jì)算辦法的平均計(jì)算時(shí)間均顯示出來(lái)。“-”表示缺少數(shù)據(jù)，因?yàn)樵?0次運(yùn)行中無(wú)法找到可行的解決方案。

表5顯示了處理規(guī)定的罰函數(shù)辦法。隨著訂貨量的進(jìn)一步提升，遺傳計(jì)算辦法的結(jié)果越來(lái)越不理想。當(dāng)客戶單子數(shù)達(dá)到100時(shí)，不可能找到一個(gè)不違反模型規(guī)定的可行解?；陔S機(jī)維修方法的多種群遺傳計(jì)算辦法的平均結(jié)果優(yōu)于標(biāo)準(zhǔn)遺傳計(jì)算辦法，其求解時(shí)間遠(yuǎn)小于標(biāo)準(zhǔn)遺傳計(jì)算辦法。隨著訂貨量的進(jìn)一步提升，基于隨機(jī)維修方法的多種群遺傳計(jì)算辦法的性能仍處于較高水平，計(jì)算辦法的穩(wěn)定性和求解時(shí)間都在可接受范圍內(nèi)。

5 結(jié)語(yǔ)

鄉(xiāng)村電商物流是鄉(xiāng)村居民線上購(gòu)物、電商農(nóng)產(chǎn)品進(jìn)城的關(guān)鍵。為了降低鄉(xiāng)村的物流成本，本文全面分析了鄉(xiāng)村物流的特點(diǎn)，介紹了一種常用的物流運(yùn)送模型，并針對(duì)鄉(xiāng)村物流運(yùn)送的整體運(yùn)營(yíng)收益最大化，構(gòu)建了鄉(xiāng)村物流運(yùn)送車調(diào)度模型。由于鄉(xiāng)村物流車調(diào)度模型是一個(gè)多規(guī)定、多背包問(wèn)題，提出了一種基于標(biāo)準(zhǔn)遺傳計(jì)算辦法的隨機(jī)修理方法的混合遺傳計(jì)算辦法求解該模型，減少了修正量偏差對(duì)不可行解過(guò)程的影響。此外，為了提升計(jì)算辦法的效率，引入了多種群機(jī)制來(lái)進(jìn)一步改進(jìn)計(jì)算辦法。最后，通過(guò)鄉(xiāng)村物流公司的實(shí)例，證實(shí)了鄉(xiāng)村物流車調(diào)度模型在共同運(yùn)送模型下的良好資源分配性能，并與單獨(dú)運(yùn)送模型進(jìn)行了比較，仿真結(jié)果表明，基于隨機(jī)修理方法的多種群遺傳計(jì)算辦法比以往的遺傳計(jì)算辦法具有更好的搜索技能和更快的求解速度。由于鄉(xiāng)村聯(lián)合運(yùn)送體系涉及物流公司、鄉(xiāng)鎮(zhèn)送達(dá)公司等多方參與者，如何在兼顧公平和效率的同時(shí)平衡多方利益，將是維護(hù)物流聯(lián)盟穩(wěn)定，加強(qiáng)合作的重點(diǎn)。然而，本文的模型側(cè)重于效益和成本的良性發(fā)展，對(duì)于效益分配和合作博弈方面的研究還不夠充分。