本站小編為你精心準備了電子商務企業物流配送路徑優化探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】物流配送已經成為制約電子商務企業發展的瓶頸問題，尤其對于生鮮食品的配送，時間的高效性更是電商企業需要達到的首要目標。在物流配送環節中，路徑選擇直接影響著配送的時間成本和運輸成本，如何確定配送最佳路徑已經成為電商企業管理者需要解決的重要問題之一。基于arcgis和蟻群算法，以無錫市O2O電子商務企業壹家美食薈為具體案例，運用MATLAB軟件對其物流中心以及四個區域中41個社區微站進行路徑優化分析。實驗結果表明，運用蟻群算法解決電商企業路徑優化問題具有實際意義。

【關鍵詞】電商企業;物流配送;蟻群算法;路徑優化

1引言

二十一世紀以來，我國居民對物質文化生活的需求日益增長，同時，互聯網、計算機、移動互聯等技術迅速發展，就在這個時期，電子商務應運而生，且已滲透到我國居民生活的方方面面。電子商務從技術層面解決了信息流、商流、資金流的傳遞空間和傳遞時間問題，而真正影響或阻止其發展的關鍵因素集中到了物流這一難題［1］。現階段各大電子商務企業線上促銷、線下推廣競爭局面激烈，從電子商務企業的爆炸式崛起，經營不善的電商企業紛紛關停、合并，直到如今的阿里、京東、當當等大型電子商務企業多足鼎立。作為電子商務得以實現的重要因素—物流配送，已經成為電子商務運行過程中的重要支點，物流問題也已成為電子商務發展的瓶頸問題。在物流配送中，路徑選擇的優劣直接決定了電商企業的配送效率和運輸成本，從而影響顧客滿意度。尤其對一些生鮮易腐食品的配送，其首要目標則是在盡量短的時間內完成配送任務。本文主要針對電子商務物流配送中的路徑優化問題進行研究，通過利用人工智能算法—蟻群算法來優化配送路徑。

2問題描述路徑優化

問題是組合優化問題中的經典問題之一，其本質是旅行商問題，即給定一系列需要訪問的地點，且已知每兩個地點之間的距離，求解目標是尋找一條最短訪問路線使得每個被訪問地點只被訪問一次，并最終返回到起始地點。旅行商問題屬于NP難題，其解空間的大小隨著被訪問地點數量的增加成指數倍增長，因此，通過運用精確方法很難求出滿足所有約束條件的最優解。物流配送中路徑優化問題作為電商企業物流系統需要解決的中心問題，可以轉化成帶有一定約束條件的旅行商問題，根據實際問題特點，增加諸如時間窗、車輛容量等約束條件，其目標函數可以為配送時間最短或配送路徑最短，也可以是兩者兼顧的多目標函數。在本文的物流配送路徑優化問題中，以配送路徑最短為目標函數。

3研究方法

3．1算法簡介

蟻群算法是一種用來尋找最短路徑的模擬進化算法，1995年MarcoDorigo［2］首次提出蟻群算法—螞蟻系統，這種算法來源于蟻群尋找食物時對路徑選擇的一種生物學行為。第一只發現食物螞蟻會向周圍環境釋放出一種信息素，這種信息素具有揮發性，隨著時間的推移會慢慢揮發直至消失。當接收到這種物質的信息，越來越多的螞蟻就會從出發點趕來，在這個過程中，有一些螞蟻并不會重復之前螞蟻的軌跡，而是另外開辟新的路徑到達食物所在地，如果新開發的路徑比原先的路徑更短，那么就會有更多的螞蟻遵循著這條更短的路徑。在一段時間以后，就會出現一條路徑被絕大多數螞蟻所選擇，被選擇出的這條路徑就是從出發點去往食物的最短路徑。通過仿真模擬實際螞蟻的覓食行為而提出的蟻群算法在許多組合優化問題的求解中體現了強大的尋優能力，其優化思想為:分派若干個螞蟻共同出去覓食，通過各螞蟻在其答案路徑上遺留信息素從而提高尋找食物的效率，進而實現尋找到該食物路徑最佳路線的目的。蟻群算法已經被成功應用于很多領域，例如，旅行商最短路徑問題，機器調度問題，設施選址問題，車輛路徑優化問題等［3－4］。蟻群算法可以與其他智能算法相結合，提高算法性能的同時，使其具有更大的實際應用價值。從蟻群算法的提出至今，無論是在理論還是在實踐方面都取得了可觀的科研進展。根據蟻群算法原理，本文在MATLAB軟件中按照以下步驟編寫蟻群算法運行程序:①變量初始化;②將m只螞蟻放到n個配送站點上;③m只螞蟻按概率函數選擇下一個配送站點，完成各自的周游;④記錄本次迭代最佳路線;⑤更新信息素;⑥禁忌表清零;⑦輸出結果。

3．2蟻群算法公式及參數解釋

3．2．1解的構建螞蟻在構建路徑的初始階段，各條路徑上的信息素相等，各螞蟻按照一定概率來決策下一步將要怎么走。依據此規則，螞蟻k從當前位置到下一個位置的概率如公式(1)所示:ρkij=ταij•ηβij/∑s∈Nkiταis，j∈Nki0，{否則(1)其中，τij為連接路徑(i，j)上的信息素強度;ηij為連接路徑(i，j)上的能見度，取值為1/dij，代表路徑上的啟發式信息，dij為路徑(i，j)的實際長度;α反映螞蟻在運動過程中所積累的信息素在螞蟻選擇路徑中的相對重要性參數;β反映螞蟻在運動過程中啟發式信息在螞蟻選擇路徑中的相對重要性參數;N為螞蟻k從當前位置i可以直接到達的相鄰位置的集合。

3．2．2信息素更新當所有螞蟻構建完整解后，路徑上每兩點之間距離的信息素根據公式(2)進行更新。

4案例分析—“壹家美食薈”物流配送路徑優化

“壹家美食薈”于2013年7月在無錫成立，是一家以社區飲食為主要營業范圍的O2O模式的電子商務公司，公司的發展初衷是發揮互聯網方便快捷的優勢以整合社區飲食的供應鏈，致力于將線上全食物鏈電商平臺與線下社區緊密聯系起來，一站式地為目標客戶解決“吃”的問題。公司總部位于無錫新區，企業服務包括網上生鮮宅配、社區家庭餐桌產品研發、企事業團膳、大宗農產品集團采購等多個領域，孵化出“壹家團膳”、“社區廚房”、“聯農優品”等多個成熟的項目。目前，“壹家美食薈”的社區微站共涉及6個區，共計41個“社區微站”。“壹家美食薈”物流配送模式具體由三部分組成:物流配送中心、物流配送車、社區提貨站點即“社區微站”。顧客提前一天在APP中下單，第二天清晨送貨車根據訂單情況向各個“社區微站”進行配送，顧客就可到小區門口或者附近小區的“社區微站”提取食材。

4．1數據獲取本文通過公司內部調研以及arcgis獲取“壹家美食薈”倉儲物流中心以及社區微站的位置坐標，初步根據行政區域對41個社區微站進行了劃分，具體劃分為四個區域，針對各區域分別確定配送最佳路線方案。將以上四個區域的各社區微站的坐標信息進行匯總得到相應四個坐標矩陣C1、C2、C3、C4，并將其作為已知數據輸入到MATLAB執行程序中。

4．2MATLAB運行結果分析本文以路徑總長度最短為目標函數，并假設直線距離近似等于配送路程。據以往文獻中蟻群算法的運行情況，本文對蟻群算法各參數設定值為:m=10，n=各區域社區微站個數+1，α=1，β=2，ρ=0．1，迭代次數為100。以配送區域Ⅲ為例，在執行程序中代入坐標矩陣C3得到路徑優化結果，如圖2所示。同理，在執行程序中分別代入坐標矩陣C1、C2、C4得到相應路徑優化結果。

5結論

電子商務的發展需要一個完善的物流系統的支撐，兩者相輔相成，互為促進。本文利用蟻群算法針對無錫O2O電商企業“壹家美食薈”進行物流配送路徑優化分析，將該公司整個配送范圍劃分為四個區域進行配送，并借助arcgis和MATLAB軟件實現了路徑優化。實驗結果表明，本文所提出的方法可以為電商企業管理者提供決策依據。在以后的研究中，會增加一些其他實際約束，例如，配送時間窗約束等，從而提高算法的應用范圍。

［參考文獻］

［1］欒洪君．基于電子商務的物流配送研究［J］．管理觀察，2017(9):17－19．

［3］段海濱．蟻群算法原理及其應用［M］．北京:科學出版社，2005．

［4］范小寧，徐格寧，楊瑞剛．車輛配送路徑優化的新型蟻群算法［J］．計算機工程與應用，2011(26):232－234+245．

作者：鄭琰；孟曉露；伍佩琪；何雨飛 單位：南京林業大學