近些年来，互联网电商在乡村迅速发展。根据统计，2019年全国乡村线上零售额达1.7万亿元，同比增长19.1%；全国农产品线上零售额达3 975亿元，同比增长37%[1]。然而，作为乡村电商支柱的乡村物流业，仍然存在着资源配置不平衡、资源稀缺、资源瓶颈等问题。尽管基础路网设备建设不足是导致这一结果的主要原因，但在当前条件下，怎样提升“最后一公里”运送车的效率，完善运送车网络的建设，解决目前乡村物流服务过高的成本问题，是降低乡村物流成本，响应国家“物流下乡”计划，促进各类消费品进入乡村，加快乡村电商物流发展的核心。乡村电商物流的重心是在人口密集的中心城区建立网络核心点，再由单一的物流公司完成物流运送服务。在此期间，物流公司能够获得一定的利益，但这种运营办法只适用于需求平稳、单子多、顾客不分散的地区[2]。我国乡村人口生活较为分散，居住人员密集度低于城区，村与村之间距离较远。在此情况下，进行物流运送服务将会造成物流资源配置的不平等、使用率低和运送成本过高。从资源调配的角度来看，合作调配模式是妥善处理以上问题的主要办法。该办法注重物流资源的共用、共享以及信息统一调度，以实现物流效益的最大化。我国现在有很大一部分乡村道路网是以地级市为核心，同一城市的所有交通物流车都将通过该地区的主要公路进出地级市。所以，具备与区域内城乡联运相协商调整的条件。
本文从中国乡村电商发展的实际问题出发，在前人研究的基础上，重点研究了共同运送模式下乡村物流车调度良性发展的问题[3]。根据乡村公路网的特点，建立物流车调度的统一决策模型，并采用遗传计算办法求解，根据模型的特点，提出了随机修理不可行解方法和多种群方法，提升计算办法的效率和效果。最后，通过仿真实验证实了该计算办法的一般适用性。
目前，乡村物流大多在人口众多的区域性中心城市或乡镇设点，终端运送业务由单个物流公司单独完成，本文将该模型定义为单独运送模型(如图1所示)，其中运送人员、车、客户单子等属于一个特定的物流公司。物品到达该地区中心城市仓库后，乡村地区货主委托当地的乡镇送达公司将物品托运回来。乡镇送达公司是终端运送业务的实际服务方。在自主运送模式下，物流公司投资大、日常的运营成本负担重、对资金流量管理规定严，乡镇送达公司经常出现管理困难，需要大量的资金支持。
因此，针对目前乡村物流公司规模小、客户点分布密度特别小的现状，本文综合考虑了三级、四级协同运送模式下的超低密度运送区运营模式，提出了以整合同区域乡镇送达公司资源为核心的乡村物流协同运送模式，并在此基础上提出了相应的对策建议，如图2所示。
乡村物流协同运送模式与以往的单独运送模式的区别在于:
送达资源的集中调度。为了加强单子资源和需求的信息共享，结合各城市的送达资源和力量，建立第三方物流公司，形成集中调度的决策组织[4]。原有的乡镇送达公司负责不同线路的运送。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，管理和经营各县、乡、镇一级的物流业务。
网络资源整合。在区域中心城市建立乡村物流共同运送中心，使其成为乡镇送达公司储存乡村物资的仓库，形成统一的仓储基地和共同的网络资源。
在共同运送模式的基础上，第三方物流公司负责乡村地区的运送。目前，公司拥有数量有限的n辆汽车和多件物品，其中物品的数量远远大于车的容量。特定目的地的物品只能由目的地城市和附近城市的车来装载。在成本和容量的规定条件下，根据当天所有物品的送达价格和送达成本，公司应制定合理的运送计划，使送达的物品价值最大化，即当天运送的总收益最高。
为了便于建模，提出了以下假设:假设每个包裹是兼容的，可以混合，不考虑任何两个物品不能放置在同一辆车的特殊状况；假设每个物流包裹是一个正长方体，车的有效大小等于车的载重量；不考虑物品在车中的位置，包括装载顺序、水平和堆放方式等；每单位物品的重量不得超过送达车的额定负荷，物品的大小不得超过送达车的有效大小。
该良性发展模型的目标是使交货日的收益最大化，这与送达单子的总获得正相关，与出发成本负相关，如公式(1)所示:
同时该模型受如下规定：
在公式(1)～(6)中:xiOU为1，表示单子i物品放置O是由U大货车送达，如果单子i物品放置O不是由U大货车送达，则xiOU为0;PiO是放置在O位置的单子i物品的收益；b U是1，如果不使用，则bU是0;cU是U的每次旅行的送达成本；wiO是放置在O位置的单个i物品重量；wU是放置在O位置的额定负荷；viO是放置在O位置的单个i物品大小；VU是U车的有效载重技能，i是乡镇公司每天接到的最大单子数，O是城市总数，n是车总数，r U是U车的不可交付集合，集合中的元素O表示着到位的物品O不能用大货车U送达，m是无穷大。公式(2)和公式(3)是重量和大小的规定，即每辆车的总重量不能超过车的额定负荷，总大小不能超过车的有效大小。公式(4)是一个单子规定，即同一单子的物品只能由其中一个车发送，并且存在当天的单子没有交付的状况。公式(5)是离开规定。如果该决定是在U车不用于送达的当天作出的，则U车不能交付任何物品。公式(6)是一个过程规定，即不在U班车最短往返行程内的城市物品不能由U班车沿途送达。
上述模型是一个多背包决策模型，决策变量的个数随着物品数量的提升而进一步提升，已被证实是一个Np难问题[5]。以往办法不适用于求解高空间维数的大规模良性发展问题。遗传计算办法可用于解决这类受限最佳化问题，最近几年已广泛应用在解决单子分配和调度问题当中。遗传计算办法具有较强的全局搜索技能，在求解高空间维数的良性发展问题时具有良好的稳定性。然而，遗传计算法的局部搜索技能较弱，容易得到次优解和部分不可行解。为了提升求解的效率和有效性，对于空间维数较高的问题，应尽可能地在可行域内对计算办法进行良性发展。因此，在标准遗传计算法的基础上，本文提出了一种随机维修的方法来修正不可行解，并将其应用于模型的求解当中。
第一步：遗传计算办法中的编码和原始种群生成。不同的编码办法决定了决策变量对染色体基因的不同映射，从而影响了计算办法的效率。由于文中的决策变量都是0-1变量，所以二进制编码是最合适的。群类原始化为每个基因随机赋值0或1。
第二步：适应度函数和适应度值的分布。本文将模型的目标函数定义为适应度函数，具体如下：
同时，根据排名确定个体的适应度分配值。该办法是根据适应度函数值对个体进行排序，然后根据线性排序法计算个体的选择概率。
第三步：选择交叉变异运作本文采用轮盘赌的选择机制，对选定的个体进行单点交叉和倒置位置值的变异运作。
第四步：不可行解维修在每次交叉遗传变异之后，新种群中的不可行个体必须进行修正，以确保计算办法在可行区域内得到良性发展。对于多背包问题，如果采用贪婪规则对不可行解进行修正，可以加快计算办法的收敛速度，但在多规定条件下，这种处理容易生成偏差，降低种群的多样性，使计算办法陷入局部最优解，导致早熟现象[6]。因此，本文采用随机维修方法对不可行解进行修正，具体的维修步骤如下。步骤1:对种群中的每个个体进行规定核验与检查，如果某个个体违反规定，找出与规定相关的基因序列vO[i]，即找出导致违反规定的关联决策变量。步骤2:用满足规定条件的方向M[i]作为序列改进的方向，α作为改进的步长来修正vO[i]:
其中，改进的步长α值为1。当个体违反规定时，相应基因序列上位于序列为1的基因将被随机改变为0(如图3所示)。
步骤3:重新判断修改后的个体是否满足规定O，如果满足，则完成维修并执行下一个规定测试；否则返回步骤2。
第五步：计算办法中止规则。本文结合最优个体的记录，采用最优个体的最小持有代数作为中止基础。如果最优个体连续10代保持不变，则计算办法中止[7]。
随机维修方法可以在一定程度上减少偏差的副作用，但不能完全消除偏差，同时也会在一定程度上影响计算办法本身的效率。因此，本文在上述计算办法的基础之上引入了多种群机制，利用其优异的全局搜索技能和协同进化思想对计算办法进行了进一步的良性发展。具体设计如下：进一步提升种群数量，突破单种群遗传设计的框架，同时引入多种群良性发展搜索；引入移民机制的种群基因运作是单独进行的，但它们可以通过移民机制相互联系；文章采用一种闭环串行迁移机制，即从第一个种群开始，将当前种群中最差的个体替换为先前种群中的最优个体，直到引入所有种群为止；每一代进化都会选择每个种群历史上最优秀的个体储存在精英种群中。为了确保每个种群的最优个体在进化过程中不会丢失或遗忘，不会对精英进行选择、交叉、突变等遗传运作。
计算办法流程如图4所示。
本文以广东省阳江市中西部乡村地区为研究对象，利用实际调查获得的样本数据进行案例分析，评价基于协同分布的乡村物流车调度模型的有效性。同时设计了几组不同单子大小的仿真实例，采用标准遗传计算办法和改进遗传计算办法进行求解。
实例描述了U物流公司的运送仓库位于阳江市某物流园区。其西线终点运送业务主要覆盖了阳江七个下属城市，包括珍珠湾、海陵、阳西县、阳东区、阳春市、阳江高新技术产业开发区、海陵岛经济开发试验区、江城区。城市之间的公路网是可以通行的。如图5所示，有三条省级公路以及几条县级公路。
由于物流公司一直未能建立完善的运送体系，因此要与乡镇送达公司合作。各乡镇送达公司的大货车司机只负责本乡镇的运送业务。在收益最大化目标的指导下，他们可以选择自己想要送达的物品。乡镇送达公司的运送车主要是中小型货车，如表1所示。其中，车送达的固定成本为每次15元，并根据不同的车型，收取1～3.5元/公里的燃油费。由此，可以计算出每次交货的成本，如表2所示。在区域内物流单子多中小型、小批量类型，外观是一个规则的长方形盒子。每个单子的运费取决于物品的大小、重量、数量和距离，每件的价格在1.5～50元之间。调查收集了30个客户单子的数据，数据如表3所示。
根据调查及相关数据，采用基于公共分配模型的乡村物流车调度模型，对车和物品进行匹配，获得公共分配的解决方案，以实现当日送达收益的最大化。在联合运送方案中，使用珠湾、海陵、阳西县、阳东区四镇的货运网。有的物品由沱氏、阳西县、阳东区镇、黄滩由珠湾以及阳西县送达，而阳东区镇的大货车除了送达渔镇的物品外，还送达江昌镇的一些物品。最终获得3 375.5元，总成本331.7元，净收益3 053.9元。根据单子数据，乡镇送达公司决定自行安排车运送，即只要乡镇送达的获得大于启动成本，就自行安排车运送。。
如表4所示，通过比较两种方案，可以发现基于共同分配模型的良性发展方案比分散分配方案的收益高35%。此外，前者在减少出行次数的同时，总运送成本降低了30%左右，更有效地运送物品，提升了服务水平。
为了说明计算办法性能，本文采用了随机模拟的办法，在调查单子数据的基础上生成单子数分别为35,50,75和100的多组模拟实例。随机单子生成过程如下：从样本数据中随机选取一个客户i；在客户i[di-10,di+10]的交货需求区间内随机生成客户i的单子需求；通过向客户随机分配一个交货目的地来获得一个新的单子数据。重复这3个步骤，直到单子数量满足示例的规模规定。针对每个仿真实例，分别采用基于罚函数法的标准遗传计算办法和本文提出的多种群随机维修遗传计算办法，在matlabr3013环境下，在相同的条件下进行10次运行实验。其中，基本参数设定为：重复次数为3 000次，最佳个体保持10代以上，杂交率为0.9，突变率为0.005，代沟为0.9。基于罚函数的遗传计算办法的种群数为1，种群中的个体数为50。具有多种群机制的遗传计算办法的种群数为15个，种群中的个体数为50个。实验结果如表5所示。最佳解、最差解、平均解及计算办法的平均计算时间均显示出来。“-”表示缺少数据，因为在10次运行中无法找到可行的解决方案。
表5显示了处理规定的罚函数办法。随着订货量的进一步提升，遗传计算办法的结果越来越不理想。当客户单子数达到100时，不可能找到一个不违反模型规定的可行解。基于随机维修方法的多种群遗传计算办法的平均结果优于标准遗传计算办法，其求解时间远小于标准遗传计算办法。随着订货量的进一步提升，基于随机维修方法的多种群遗传计算办法的性能仍处于较高水平，计算办法的稳定性和求解时间都在可接受范围内。
乡村电商物流是乡村居民线上购物、电商农产品进城的关键。为了降低乡村的物流成本，本文全面分析了乡村物流的特点，介绍了一种常用的物流运送模型，并针对乡村物流运送的整体运营收益最大化，构建了乡村物流运送车调度模型。由于乡村物流车调度模型是一个多规定、多背包问题，提出了一种基于标准遗传计算办法的随机修理方法的混合遗传计算办法求解该模型，减少了修正量偏差对不可行解过程的影响。此外，为了提升计算办法的效率，引入了多种群机制来进一步改进计算办法。最后，通过乡村物流公司的实例，证实了乡村物流车调度模型在共同运送模型下的良好资源分配性能，并与单独运送模型进行了比较，仿真结果表明，基于随机修理方法的多种群遗传计算办法比以往的遗传计算办法具有更好的搜索技能和更快的求解速度。由于乡村联合运送体系涉及物流公司、乡镇送达公司等多方参与者，如何在兼顾公平和效率的同时平衡多方利益，将是维护物流联盟稳定，加强合作的重点。然而，本文的模型侧重于效益和成本的良性发展，对于效益分配和合作博弈方面的研究还不够充分。
沪公网安备 31011202008041号
