集成物流管理系统中“定位—运输路线安排问题”分析

张子野

摘 要：物流是产业链中的关键节点，物流管理将提高客户满意度、降低物流成本作为核心目标，在物流集成化发展背景下，定位—运输路线安排问题成为企业关注的重点。为此本文分析集成物流管理系统中定位—运输路线安排问题，介绍定位—运输路线安排问题理论基础及模型构建，总结当前有关该问题的研究现状，丰富其理论基础，供相关人员参考借鉴。

关键词：集成物流系统  定位—运输路线安排问题  LRP模型

中图分类号：F252 文献标识码：A 文章编号：2096-0298（2020）05（b）--02

定位—运输路线安排问题由传统物流体系中车辆路线安排问题与定位—配给问题引申而来，指的是在既定客户点位置及需求量、潜在设施点位置及数量、其他约束条件的背景下，明确可用于客户服务设施的位置和数量，并规划潜在设施点与客户间的最佳运输路线，以使物流成本最小化、物流效率最大化。集成物流系统将成为之后一段时间内物流行业发展主流，分析定位—运输路线安排问题意义凸显。

1 集成物流管理系统中定位—运输路线安排问题理论基础

1.1 车辆路线安排问题（VRP）

车辆路线安排问题可解释为，在物流设施位置既定的状态下，设计运输车辆从某一设施点到达一个或多个客户位置的路线方案，以保证运输路线最短或运输总成本最低。在此问题中，需要设计巡回运输路线，提高运输车辆使用效率。但其不考虑设施位置，因此无法将物流系统运作总成本降至最低。

1.2 定位—配给问题（LAP）

定位—配给问题指的是基于客户所在位置及货物配给之间的关系，设计某一区域内物流设施位置分布及数量方案，以达到最小化物流运作成本及运输成本的目的。在定位—配给问题中，车辆运输路线呈发散状分布，到达客户位置后，车辆当即返回，不涉及巡回运输。该状态存在的突出问题是，车辆吞吐能力未得到有效利用，运输工具利用率的降低间接导致运输成本上升。

1.3 定位—运输路线安排问题（LRP）

在集成物流管理系统中，各子系统之间紧密结合，有国外学者提出，将物流设施选址运输路线设计相结合，得到定位运输路线安排问题的概念，该问题指的是在客户位置及需求量已知的前提下，给出潜在设施点位置及数量，依照一定的约束条件，从中找出能服务于用户的设施点位置及数量，进而构建潜在设施点与用户之间的最佳运输路线，以将物流成本控制到最小范围。该问题中物流总成本包括投建成本、运输车辆固定成本及可变成本，约束条件包括配送时间、配送容量、配送路线等。

在实际分析LPR问题时，一般参考以下假设：用户位置及需求已知或可通过计算获得;潜在设施点已知;用户与设施点之间存在单一对应关系。

1.4 VRP、LAP、LRP之间关系

VRP问题仅考虑路线安排问题而忽略设施点位置选择，LAP问题中运输路线呈放射状，忽略路线安排问题。相对而言，LRP问题更为复杂，存在巡回运输需求。LAP不考虑巡回运输，因此平均运输成本较高。VRP问题虽然考虑巡回运输，但不考虑物流设施选址，在实践过程中造成配送环节冗杂，同样无法很好控制物流成本[1]。而LRP问题将设施位置及路线安排一同考虑，同时优化配送点位置及配送路径，定位、路线及分配之间任意两项形成双向互动关系，不同物流要素之间的影响与制约关系被系统化研究，在构建集成化物流系统的同时，也可有效实现成本控制目标。

2 集成物流管理系统中定位—运输路线安排问题模型构建

2.1 LPR模型構建

2.1.1 问题分析

集成物流管理系统中定位—运输路线安排问题依照物流设施数量不同，可分为单个设施问题和多个设施问题。

（1）单个设施问题。单个设施LRP问题在用户位置及物流需求数量既定的基础上，从多个潜在配送点中选取一个作为配送中心，完成物流配送活动。该问题的假设条件包括货物可按照要求进行配送;运输车辆存在容量限制;不同需求点仅有一台运输车辆进行配送;车辆容量与各配送路线上全部配送点的物流需求相对等;不同运输路线起点相同。在假设成立的前提下进行物流车辆路线及数量分配，最小化物流成本。

（2）多个设施问题。多个设施LRP问题在用户位置、需求量、需求点个数既定的基础上，找到最佳配送点数量、位置及配送路线，以满足多个配送点的配送需求。该问题需满足以下假设：货物可按照要求进行配送;运输车辆容量有限;不同需求点存在单一配送车辆;运输车辆容量与配送路线上配送点的配送需求相适应;不同运输线路起点相同。考虑到本文实际意义，对LRP模型的分析基于多个设施问题进行。

2.1.2 模型构建

（1）参数定义。I为潜在设施集合;J为客户点集合;V为运输车辆集合;D为设施与客户点的集合;N为客户点数量。

（2）决策变量定义。Zr：若潜在设施被选中，r=1，否则r=0;Xijk：第k辆车从设施i为客户j提供配送服务取值为1，否则为0;Yij：若客户j由设施i服务，取值为1，否则为0;Wpi：若供应商p为潜在设施送货，取值为1，否则为0。

（3）目标函数。得到如下目标函数：

[2]。

其中，Cij表示客户ij之间的运输成本;Fr表示在i处建设或租用物流设施的成本;Ck表示车辆k固定配送成本;Dpi表示中心仓库到潜在设施的单位运输成本;Ypi表示中心仓库到潜在配送中心的运输量;Qi表示设施i的容量上限;Dj表示客户点j的需求量;Qk表示配送路线上车辆k的额定载重。

2.2 LRP模型分类

国外有关定位—运输路线安排问题的研究起步较早，到目前为止已积累大量理论经验，有关LRP模型的文献积累也非常丰富。Hokey·Min提出的LRP模型分类标准代表性较高，且在物流领域形成有效共识，因此对LRP模型的分类采用Hokey分类准则。

该准则中，分类标准囊括物流方向、需求模型、设施数量、设施容量、车辆数量、装载能力、设施等级、计划期间、时间限制、目标数量及数据来源。以上标准依次按照单向-双向、确定-不确定、单个设施-多个设施、不确定-确定、单辆-多辆、不确定-确定、单级-多级、单期-多期、无-有、单目标-多目标、假设-真实划分为两个级别。

3 集成物流管理系统中定位—运输路线安排问题研究现状

3.1 国外研究现状

3.1.1 有关求解算法的研究

国外有关求解算法的研究主要集中在两阶段紧急搜索算法、SFC算法、模拟退火算法等。其中，两阶段紧急搜索算法的核心原理为将禁忌搜索算法与设施定位及路线安排两个阶段相结合。在定位阶段，增加或交换设施点，以确定最佳位置及数量;在路线安排阶段，通过插入或交换客户点找到成本最低的配送路线。循环计算直至达到成本最低点，得到最优解。相较于其他算法，两阶段禁忌搜索算法更适用于大规模LRP问题。

SFC算法在求解随机性LRP模型时，由于需求无法事先预知，供应商只能对设施点的需求进行预测，以安排货物补给方案，并依照方案进行最佳运输车辆数量及线路安排。该算法的优势在于，可在最短时间内匹配配送需求，降低设施点库存。

模拟退火算法将原模型中部分与实际情况不符的假设条件去除，构建多设施、多车辆类型及各类型车辆有限等情况的LRP模型，将问题分解后分步骤进行求解，解决定位—配给问题后，再对最佳运输路线进行研究。

3.1.2 有关问题模型的研究

有学者对LRP模型进行扩展，使其变为四层，包括供应点、中心存储点、区域存储点及中转点、需求点。其中需求点又分为客户和大客户。该模型除考虑设施位置、运输路线最优设计外，还将设施点仓储纳入其中，以更加贴合当前集成物流管理系统的实际运行情况，成为LRP模型研究的关注重点。

从以上分析可以看出，国外有关LRP问题的研究趋向复杂化和实际化，重在扩大算法的适用范围，并希望对模型进行优化，使其有利于实际问题的解决。

3.2 国内研究现状

国内对LRP问题的研究较国外起步晚，目前依然处于研究初期，现有有关集成物流管理系统中LRP问题的研究文献数量有限。

最早一批学者对国外有关文献进行总结，对LRP问题的内容及特征进行分析，并提出算法分类的概念，成为之后研究的重要指引。后有学者尝试使用遗传算法求解LRP问题，搭建LRP改进遗传算法。研究过程中将LRP当作一个整体，以避免局部最优解现象的出现。另有学者提出多目标的LRP模型，在实现最小化物流成本的基础上，提高企业物流反应能力，更好满足客户提出的不确定性配送要求[3]。该模型的特点在于，提供多种可选运输方式，并将订货成本及分拣成本计入到物流成本中。使用步骤法进行模型求解，将成本最小化目标转化为约束条件，再利用逐步逼近启发式算法及模拟退火算法进行分析。

国内有关LRP问题的研究所集中在算法层面，且多为理论研究，但随着物流产业的迅速发展，有关集成物流管理系统LRP问题的研究将频繁开展，针对具体的物流需求，找到最佳的物流管理模式。

在未来一段时间，我国有关LRP的研究将朝向动态化、多目标化、垂直化发展，以适应物流行业的发展趋势。例如，设施定位及路线安排中间物流活动非常频繁，但可大致分为进库及出库两个模块。当前的研究主要针对出库模块的路线优化进行，未将两个模块结合考虑。未来LRP模型将覆盖更多阶段，对供应链进行集成化控制。

4 结语

定位—运输路线安排问题是集成物流管理系统中的重点，该问题的有效解决能够为物流成本降低及物流效率提升作出巨大贡献。随着物流与社会生产、流通环节关联性的提升，物流方案制定面临更高地要求和考验。相关人员需要对LRP问题算法及模型作进一步探索，构建符合物流行业发展的LRP模型，促进物流产业优化升级。

参考文献

王宏波，蒋淑玲.基于动态二维码的物流管理系统[J].科技创新导报，2019（20）.

陆名录.基于移动GIS物流管理系统的设计与开发[J].中国物流与采购，2019（21）.

楊朔，张民，宋源清，等.基于SSM框架的物流管理系统的设计实现[J].电脑知识与技术，2019，15（29）.