久久精品国产69国产精品亚洲_日韩欧美亚洲一区_免费观看污网站_欧美在线一

云倉儲是一種新型的倉儲模式, 它借助物聯網、虛擬化等技術實現倉儲作業資源的虛擬化和服務化, 利用云計算等信息技術對信息和資源高效整合, 實現物流服務的智能匹配, 以資源協同的方式滿足客戶的個性化需求。

云倉儲系統的參與者有三種:客戶 (倉配服務使用者) 、物流資源提供商和中間商 (倉配云服務整合運營商) , 分布于不同地區的物流資源提供商在平臺發布自己的物流資源和物流能力, 倉儲云服務整合運營商將資源虛擬化、服務化后在平臺集中管理, 建立標準資源庫和標準服務子任務庫?？蛻艨稍谄脚_智能匹配到能滿足需求的物流資源及服務。

在云倉儲模式下, 系統主要由云倉儲服務需求端、云倉儲平臺及云倉儲資源提供端三部分組成。其系統業務流程如圖1所示, 云倉儲資源提供端聚集了分布在不同地區, 擁有不同物流資源及物流資源的主體, 這些主體將倉儲資源、運輸資源、計算資源等物流資源及物流能力向云倉儲平臺發布, 經虛擬化、服務化處理后, 形成一個地理位置分散但邏輯上統一的虛擬資源池。云倉儲服務需求端主要指分布在不同地區的云倉儲服務使用者, 包括個人企業等需要物流服務的群體, 他們向云倉儲平臺提出個性化物流服務需求。云倉儲平臺則是充當前兩者之間的連接橋梁, 將資源池的物流資源及能力處理成一個個的標準化的服務模塊及物流子任務, 通過服務發現、組合、協作等方式, 為云倉儲需求端的物流任務匹配出最優的服務方案, 達到對云倉儲服務需求端的動態化的、智能化的按需服務的效果[1]。

圖1 云倉儲服務的業務流程   下載原圖

在云倉儲模式下, 倉配模式同現有的物流服務模式本質不同, 該模式下更加突出虛擬性、集成性、動態性、高柔性、智能性、協同性等特點, 所以勢必要求物流資源及物流能力在功能、形態和配置上也要有相應的變化, 本文提出了一種新的能夠支持資源集成管理和動態協同分配的選址分配方法, 其設計思路和創新點如下:

傳統的選址-分配模型中都假設各配送中心獨立運營, 配送中心和需求點之間是“一對一”或“一對多”的關系, 這就使得資源統一調度能力較差, 不能滿足云倉儲模式下的動態性和智能性要求。本文設計的云倉儲模式下基于虛擬資源云的協同倉配選址-分配模型如圖2所示, 在這種分配模式下物流資源和物流服務之間的緊密耦合關系被有效解除, 中心倉庫和區域倉庫及區域倉庫和需求點之間形成的服務映射模式是“多對多”的關系。這種模式使得物流資源得到了動態組合, 云倉儲平臺通過各物流資源的協同實現統一調度, 動態、智能化的為云倉儲需求端提供一體化服務[2]。

圖2 云倉儲選址分配模式   下載原圖

覆蓋半徑是指設施服務點以自己為圓心向外輻射服務的最遠距離。覆蓋狀態是指設施服務點有沒有向某個需求點提供服務。

傳統配送中心的覆蓋狀態只有兩種:當需求點在配送中心的服務半徑之內且由該配送中心完全滿足其需求時為覆蓋, 否則為不覆蓋, 即覆蓋狀態只有0和1兩種, 即要么覆蓋, 要么不覆蓋, 這種覆蓋難以與云倉儲模式下實際情況不符, 不利于資源的一體化協同服務, 同時也導致選址方式不靈活, 在云倉儲模式下分布式的資源一體化調度, 智能、動態、協同地完成物流任務, 本文允許某一云倉只覆蓋一個需求點的部分需求, 即覆蓋狀態是[0, 1]上的連續量, 各云倉協同服務于某一需求點, 其示意如圖3, 允許云倉2和3協同滿足需求點4和5的需求, 縮小了整體覆蓋半徑, 提高了系統協同性和靈活性, 降低了物流成本。

圖3 基于幾個覆蓋選址-分配模型覆蓋狀態   下載原圖

本文研究的是由中心倉庫 (CD) -區域倉庫 (RD) -需求點 (R) 構成的三級供應鏈系統中的多云倉及多末端配送中心選址問題。并且每個候選中心倉庫及區域倉庫都因倉儲資源和設備資源等限制而有能力約束。綜合考慮中心倉庫和區域倉庫兩層設施選址, 并確定中心倉庫-區域倉庫, 以及區域倉庫-需求點的分配方案。優化目標是考慮兩層設施選址和兩層級分配的整體最優方案, 包括如下子決策問題:

兩層設施選址決策。在候選的中心倉庫和區域倉庫中選定設施地址。

兩層級分配決策。確定兩個層級之間的需求分配關系, 即決策中心倉庫-區域倉庫, 以及區域倉庫-需求點的分配方案。

參數:

I為候選中心倉庫集合, i= (1, 2, …, I) ;

J為候選區域倉庫集合, j= (1, 2, …, J) ;

K為需求點集合, k= (1, 2, …K) ;

Qk為需求點k對產品的需求量;

Si為中心倉庫i的容量限制;

Sj為末端配送中心j的容量限制;

Ai為中心倉庫i的建站費用;

ai為中心倉庫i的建站及運營成本系數;

Bj為區域倉庫j的建站費用;

bj為區域倉庫j的建站及運營成本系數;

dij為中心倉庫i到區域倉庫j的距離;

djk為區域倉庫j到需求地k的距離;

v為配送過程中車輛平均行駛速度;

c1為中心倉庫到區域倉庫之間的單位運量單位運距的平均運輸成本;

c2為區域倉庫到需求點之間的單位運量單位運距的平均運輸成本;

M為規劃將建設的中心倉庫的數量限制;

N為規劃將建設的區域倉庫的數量限制;

決策變量

xi為0-1變量, 表示是否在中心倉庫i進行建站, 1表示建立, 否則為0;

yj為0-1變量, 表示是否在區域倉庫j進行建站, 1表示建立, 否則為0;

zij為中心倉庫i對區域倉庫j的配送量 (配送比例) ;

wij為區域倉庫j對需求點k的配送量 (配送比例) ;

式 (1) 為總成本目標函數, 依次為中心倉庫集合I的建設和運營成本, 區域倉庫集合J的建設和運營成本, 中心倉庫到區域倉庫的運輸成本, 區域倉庫到需求點的配送成本。式 (2) 表示所有區域倉庫向任意一個需求點提供總需求滿足該需求點的需求, 及區域倉庫協同實現對需求點的完全覆蓋。

式 (3) 表示中心倉庫的配送量與區域倉庫的配送量相等。式 (4) 表示每一個區域倉庫的進出流量相等, 左邊表示中心倉庫的流出量, 右邊表示需求點的流入量。式 (5) 表示中心倉庫建站總數量小于限制最大值M。式 (6) 表示區域倉庫建站總數量小于限制最大值N。式 (7) 表示每一個中心倉庫的儲存量要小于其容量限制。式 (8) 表示每一個區域倉庫的儲存量要小于其容量限制。式 (9) 和式 (10) 是對決策變量的約束, 為0-1變量, 表示是否在i或j處建站。式 (11) 和式 (12) 是對決策變量的約束, 表示配送量非負。

采用二進制編碼, 對存在多態的問題進行量子比特編碼, 如兩態則用一個量子比特進行編碼, 四態則用兩個量子比特進行編碼。針對本文提出了中心倉庫-區域倉庫-需求點的三級選址分配問題, 提出如下編碼方案:[3,4,5,6]

圖4   下載原圖

在本編碼方案中, 設施選址和分配問題整合在一起編碼, 系統編碼可分為三部分:即中心倉庫編碼段、區域倉庫編碼段、需求點編碼段。

采用多量子比特編碼m個參數的基因如下:

其中n表示種群規模, 為qjt染色體, 表示第t代的第j個個體的染色體;m為染色體的基因個數, k為編碼每一個基因的量子比特數。

把單個中心倉庫、區域倉庫及需求點都按一個基因編碼, 在每個編碼段中, 依據上級設施點的基因數量來確定本層每個基因的量子比特數。如上級設施點基因數為x, 本層設施點編碼時, 為同時考慮選址問題和分配問題, 可用y個量子比特位編碼來表示每個設施點, y與x需要滿足條件:

因此, 量子比特數y可計算得:

根據y位量子比特位觀測得到的二進制編碼串對應的十進制, 用取值為零和非零表示設施選址, 即若對應的十進制值為0, 對應的設施點未被選中;若對應的十進制值>0, 則對應的設施點被選中, 且其對應的十進制值還表示和上一級設施點的分配關系。

(1) 確定量子進化算法系統參數, 包括群體大小, 觀測次數、最大運算代數、體制條件等;

(2) 初始化種群, Q (t0) ={q1t, q2t…qjt…, qnt}等概率隨機的生成n個以量子比特位編碼的染色體, 此處t=0;

(3) 對初始種群Q (t0) 中的每個個體進行觀測, 得到二進制解集P (t0) ={x1t, x2t, …xjt, …, xnt}即為第0代個體;

(4) 對P (t) 所對應的方案進行有效性檢驗, 保證其對應的方案的可行性, 同時對各解進行適應度評估;

(5) 記錄P (t0) 中最優個體和其對應的適應度;

(6) 檢查是否滿足結束條件, 若滿足, 則停止運算, 輸出最優個體及相關數據, 否則, 繼續下一步;

(7) 對種群Q (t) 中的每個個體進行觀測, 生成二進制解集P (t) ;

(8) 對P (t) 中各解進行有效性檢驗及適應度評估;

(9) 利用量子旋轉門更新種群, 得到新種群Q (t+1) ;

(10) 記錄P (t) 中最優個體和其對應的適應度;

(11) 迭代次數t加1, 轉向步驟 (6) ;

(12) 結束, 輸出最優個體及其他相關信息。

A公司成立于2004年, 是全球領先的第三方電商物流供應鏈企業, 天貓超市倉儲管理服務的核心提供商。為提升企業競爭力, 擬在浙江省建立至多3個中心倉庫 (CD) 及至多7個區域配送中心 (RD) , 實現物流響應時效性質的提升, 為客戶提供次日達、限時達等服務, 提高客戶滿意度。本文將66個主要縣市區抽象為節點, 如圖5, 以其當地政府所在地位置作為節點位置, 以兩點間的公路距離作為兩點間的距離, 據A公司2017年運營數據, 分析處理得, A公司在浙江省對各個區縣的單日配送量均值為3.05千件, 所以, 每個需求點的需求量按正態分布N (3.05, 0.5) 的密度產生, 經考察調研, 選取1、10、16、27、40號節點為候選中心倉庫, 其相關參數見表1, 選取4、9、24、31、48、55、59號節點為候選區域倉庫, 其相關參數見表2, 選取39個節點為需求點。模型中的其他參數, 參考采用同類文獻和經驗判斷的方式給出:c1=25元, c2=50元。

表1 候選中心倉庫相關參數     下載原表

圖5 節點分布示意圖   下載原圖

表2 候選區域倉庫相關參數     下載原表

以Matlab 2014a為操作平臺, 在Inter (R) , Pentium (R) , Core (TM) i5—3520MCPU, 2.9GHz, 4.00 GB內存, Windows 7操作系統上執行算法。參數設置為:種群大小為5, 即量子進化計算中有兩條量子染色體, 觀測次數設定為10, 即子群體大小為10, 最大進化運算代數為4000。經計算, 最終選取1、16、40號節點作為中心倉庫, 選取4、9、31、55、59作為區域倉庫, 其分配方案如表3和表4所示, 各需求點的需求得到滿足, 每個倉庫的容量未超過容量限制, 總的物流系統成本為4522.4萬元。

表3 中心倉庫選址結果及分配方案     下載原表

表4 區域倉庫選址結果及分配方案     下載原表

本文結合云倉儲模式的特點, 基于集合覆蓋模型, 通過松弛覆蓋半徑和覆蓋狀態, 研究了三級供應鏈系統中的多對多分配關系下的選址分配問題, 設計量子遺傳算法求解, 通過案例分析驗證了其可行性, 對實際決策有一定的指導意義。