1. 基于情景分析的智能计算机物流配送中心模型构建方法

1.1 基于情景分析构建物流配送中心选址模型

情景分析法运用在智能计算机物流配送中心的构建模型的主要思路如下：在发生物流配送突发事件前，可以对该区域内过去的所有突发事件的情况进行全面的分析，对未来发生的可能情况进行预测，预测出未来所需要的物资的种类、数量，并进行必要的储备。在物流配送事件发生异常的时候，根据监测结果，并与以往的经验相结合，对其进行判断，以过去的突发事件的物资需求为基础，对各类物资需求量的范围进行估算。在对该地区物资储备状况有一个全面了解的前提下，对其进行统一调度，努力在最短的时间里，对其进行快速出库、紧急生产和社会动员，避免出现物资延迟和短缺。物流配送中心选址使用情景分析法模型，假设如下：（1）物流需求通常集中于某几个点，每个点都是分布在某一地区的大量客户的需求。（2）单一物流中心园区的选址问题，未考虑到因选址而导致的固定资产建设、人力成本和存货成本等方面的差别。（3）运价线性假定：在实际情况中，大部分的运价费用与运价的距离并非完全线性相关。（4）假定直线运行：假定运输路线在两个点间是一条直线。（5）静态地址选择假定：即在选择时，对将来的收益和费用的变动不作任何考虑。单个物流配送中心的选址目标函数的表达公式如下：

公式中：qi表示需要i的物资需求数量，k代表从物流配送中心至i的单位运距的运输费用，di表示从物流配送中心到的距离。因为每个需求点的坐标为（xi,yi），配送中心的坐标系为（x0,y0），可以求得：

将两个公式对总成本函数进行了偏微分，并对其进行了解算，得到了含有x0以及y0的结果。然后经过多次的迭代，得到了最佳的结果。传统的物流配送中心位置与分配模型的构造思路比较简单，可以满足一般单个物流配送中心选址问题的需要。然而，该模型仅对单一来源的供给进行了分析，并不能很好地满足建设多个配送中心的需求。下图1为大型工程需要的多个物流中心的配送网络图。

由于构建的物流配送中心的地址的选择以及运输过程的模型是以整个输送过程中产生的相关最低成本为目标，固定的成本金额与发生变化的成本金额总和达到最低标准，因此此时模型的目标函数的表达公式如下：minf=o+s+d (3)

因此，运输过程的成本金额由配送中心至需求点之间的运输成本构成，其计算公式如下：

公式中：cki代表物品的供应地点k至物流配送中心的备选地址的运输金额，cij代表物流配送中心i至物品的需求地点j的运输金额，bki为物品供应地k至i的所承载的货物重量，bij为物流配送中心i至j物品需求地点的所承载的货物重量。

由上述公式可以得到，运输金额的计算公式如下：

公式中：vij代表节点i,j两点之间的物品单位距离的运输费用，αij为i,j两点中的距离修正系数，rij代表i、j两点之间的距离长度。在企业经营中，最根本的目标是获取收益，而收益的具体表现就是通常所说的利润，要通过利润的多少来衡量企业效益的好坏。同时，成本会对企业的收益产生最直接的影响。所以本文中，以物流配送中心选址为基础计算出最小成本的配送路线为最终目标，这与利润有直接的联系。根据有关数据，计算出最小的成本或最大的利润，并以此作为优化的目的。

1.2 规划物流配送路径

规划物流配送的路径对于构建智能物流配送中心模型至关重要，关于物流配送路径选择的研究，在进行的过程中，要分析配送路径所涉及的因素，以及选择的目标，要在该研究领域中找到一定的规律才能最终确定。当物流配送的成本与其距离紧密相关，而其他因素又不重要时，对最短配送距离的研究实际上就是对最低成本的研究，所以可以考虑以计算最短配送距离的研究目标，这样就能清楚地反映出最短路径的选择问题。物流配送中心车辆的路径问题设定为：每个门店由一辆车进行配送，由此所有运输任务，由m辆车完成任务，其计算公式如下：

为使分配路线符合目标函数的要求，就必须看运输工具是否符合需求。在制定配送方案时，要保证每个门店都能被配送货物，所以需要对配送车辆的数量进行一定的限制，运输里程数的表达公式如下：

公式中：[]表示≤括号内的所有数的最大整数。

在此基础上，得出了使用车辆所需要的运输里程，并给出了物流过程中各个节点间的最短路程和最大载重等相关数据。按上述方法绘制节电里程图，将节省里程表中计算出的两家店间节省公里数，按递减顺序规划路线。可对所节省里程数对应的配送路径进行最优检测，而对节省里程数较少的路径则可忽略，最终规划出最佳物流配送路径。

2. 实验测试与分析

为证明本文提出的基于情景分析的智能计算机物流配送中心模型构建方法的有效性，现进行实验测试。通过对比本文方法与非智能物流中心模型构造方法1、传统人工计算物流配送方法2的物流配送效果。为验证本文方法的正确性，本章将本文方法运用实验测试中，并对其能否满足规定的配送标准进行检验。在实验测试之前，需要一些准备工作，保证本次实验的准确性。

2.1 实验准备

使用本文方法构造出的智能计算机物流配送中心模型进行配送中心的选址，选定好位置之后，将该位置其他两种方法选定的位置进行三次相同过程的实验测试，测定出三种方法得出的物资配送总量进行对比。测试前，首先使用Matlab软件对本文方法与方法1构造出的模型进行仿真求解的过程，其实就是将所构建的数学模型中的数学语言转换成软件的程序语言，输入到软件中，由软件将程序语言转换成机器语言，再利用计算机来进行计算和求解，最后得到求解的结果。程序在大约3小时10分钟后，得到了最优的结果，并产生了4451行的报告，在求解后，不仅会输出未知变量的数值，还会输出已知量和模型中的过渡变量的数值。其中，输出的数值如下表1所示。

相应于上述表格中所列的意义数据，最佳目标函数值为5455.15万元，选定m=5，表明一共有5个可供选择的地址被确定为物流分配中心点。

2.2 实验结果与分析

将上述数据输入到Matlab软件中，三种方法得出的物资配送总量的实验结果如下表2所示。

由上表数据可以清楚地看出，本文方法所选择的配送物流中心地址所得出的配送量要远远大于其他两种方法所得出的配送量。本文方法超出方法1的最小配送量为20300吨，超出方法2的最小配送费为20044吨，由此可以看出本文选择的基于情景分析构建物流配送中心选址模型方法能够有效地提高配送的效率，为现代物流相关企业提供有效的帮助。

3. 结束语

本文在建模过程中，一般假定运费为距离和交通量的线性函数，但实际情况却是与距离和交通量的分片函数，因此必须将分片函数的分析方法引入到模型中。另外，物流中心的固定费用与其生产能力之间也有一定的关系，并非一成不变的。该模型较为抽象，仅考虑了选址费用、固定费用和变动费用。但是，在实际的物流配送中心选址过程中，要考虑到许多现实的因素，如资金约束，交通约束，周围的人力资源约束等。