摘要：在分析各小區(qū)域潛在顧客群的特點(diǎn)及其構(gòu)成的基礎(chǔ)上，為了以小的費(fèi)用、短的時(shí)間服務(wù)盡可能多的顧客，結(jié)合快遞物流的特點(diǎn)，建立了混合0-1整數(shù)規(guī)劃的快遞服務(wù)網(wǎng)點(diǎn)的選址優(yōu)化模型。該模型是一個(gè)高維、非線性、非凸性的復(fù)雜函數(shù)優(yōu)化問題。為求解此模型，開發(fā)了一種改進(jìn)遺傳算法，實(shí)例表明，該算法能高效求得模型的優(yōu)解，是求解快遞物流服務(wù)網(wǎng)點(diǎn)選址這類復(fù)雜優(yōu)化問題的一個(gè)較好方法。

　　隨著網(wǎng)絡(luò)通信和信息技術(shù)的飛速發(fā)展，Internet在全球迅速普及，電子商務(wù)正逐漸成為經(jīng)濟(jì)增長的新亮點(diǎn)和未來商務(wù)發(fā)展的趨勢。電子商務(wù)的特點(diǎn)是多品種、多批次、小批量、需求個(gè)性化，其中B2C及C2C電子商務(wù)模式中，其服務(wù)的對象不再是零售商，而是直接面對個(gè)體需求量小、品種豐富、位置分散的眾多顧客，他們對物流的配送服務(wù)提出了定量、定點(diǎn)、定時(shí)等高要求。

　　B2C電子商務(wù)中物流模式主要有三種類型：電子商務(wù)網(wǎng)站自己組建物流配送體系模式；第三方物流配送模式；利用我國郵政服務(wù)配送模式。由于B2C及C2C的服務(wù)對象地理位置分散，而成功的電子商務(wù)企業(yè)又必須擁有廣泛的客戶群，這就給B2C及C2C市場的物流帶來了較為嚴(yán)峻的挑戰(zhàn)。雖然目前已經(jīng)有越來越多的電子商務(wù)企業(yè)逐漸意識(shí)到了物流對其生存、發(fā)展的必要性與特殊性，并開始重視物流問題，但電子商務(wù)網(wǎng)站自己組建物流投入較大，利用率低，管理復(fù)雜，以及郵政業(yè)服務(wù)質(zhì)量不高，反應(yīng)遲鈍，周期過長，費(fèi)用過高。而采用第三方物流模式可以節(jié)省大量的人力、物力及時(shí)間，因此也就使B2C企業(yè)有了較多的時(shí)間和精力來改善和提高網(wǎng)站的服務(wù)質(zhì)量，有助于集中力量發(fā)揮其核心競爭力。同時(shí)，第三方物流企業(yè)能更好的根據(jù)市場需要進(jìn)行技術(shù)創(chuàng)新，使之提供的服務(wù)與電子商務(wù)的要求相匹配。后，利用第三方物流企業(yè)的專業(yè)物流技術(shù)，縮短交貨期，從而改進(jìn)電子商務(wù)企業(yè)的企業(yè)形象，贏得更多顧客。因此，第三方物流模式相對來說是的選擇[1-2]。

　　由于電子商務(wù)的不斷普及，B2C及C2C的快遞物流市場在不斷擴(kuò)大，但是現(xiàn)在的快遞企業(yè)在建立營業(yè)網(wǎng)點(diǎn)的時(shí)候，還沒有把主要顧客定義為B2C及C2C的參與者，沒有從B2C及C2C電子商務(wù)的角度優(yōu)化營業(yè)網(wǎng)點(diǎn)的布局，因此為了能夠在更短的時(shí)間內(nèi)響應(yīng)顧客的需求，減少快遞配送費(fèi)用，服務(wù)更多的顧客，建立面向B2C及C2C的快遞物流配送企業(yè)顯得非常必要。

　　為了更好的服務(wù)顧客，方便顧客，提高客戶滿意度，面向B2C及C2C業(yè)務(wù)的快遞物流企業(yè)必須以低成本，高效率，覆蓋大量的潛在客戶群來增加自己的核心競爭力。因此，合理的選擇服務(wù)網(wǎng)點(diǎn)的地址能夠降低運(yùn)營成本，減少貨物的運(yùn)輸費(fèi)用，大限度地離大多數(shù)客戶更近，能夠在短時(shí)間內(nèi)滿足客戶的快遞需求。

　　物流配送中心選址的方法與理論已經(jīng)很多，在已有的物流配送中心選址研究中，大部分文獻(xiàn)是對連鎖零售企業(yè)的配送中心選址研究，或是提供第三方物流服務(wù)的配送中心選址研究。這些文獻(xiàn)中有許多是研究單一配送中心選址方法和多個(gè)配送中心選址方法。文獻(xiàn)[3]利用重心法得到備選地點(diǎn)的基礎(chǔ)上，引用離散模型解決配送中心的佳地點(diǎn)問題。文獻(xiàn)[4]引入二重結(jié)構(gòu)編碼的方法，與運(yùn)輸問題相結(jié)合，提出了一種混合的遺傳算法，有效地解決了約束條件的限制，提高了算法的搜索效率。文獻(xiàn)[5]在考慮商品供應(yīng)成本因素的基礎(chǔ)上，結(jié)合B2C電子商務(wù)企業(yè)物流配送網(wǎng)絡(luò)的特點(diǎn)，建立了混合0-1整數(shù)規(guī)劃的配送中心選址優(yōu)化模型，并開發(fā)了嵌入表上作業(yè)法的遺傳算法進(jìn)行求解。文獻(xiàn)[6]在考慮了產(chǎn)品運(yùn)輸成本和配送中心運(yùn)營可變成本的基礎(chǔ)上，建立了一個(gè)有關(guān)多個(gè)配送中心的選址模型。

　　但是物流配送中心與快遞服務(wù)網(wǎng)點(diǎn)既有相同點(diǎn)，也有不同點(diǎn)。相同點(diǎn)是都要考慮運(yùn)費(fèi)小，即離顧客近；不同點(diǎn)是配送中心具有貨物包裝、加工、倉儲(chǔ)、裝卸等服務(wù)功能，而且商品的供應(yīng)點(diǎn)和顧客的需求點(diǎn)較少但需求量較多，而快遞服務(wù)網(wǎng)點(diǎn)主要為服務(wù)范圍內(nèi)的所有具體的顧客提供上門接送貨服務(wù)，位置分散，所運(yùn)送物品大部分體積小，重量輕，并且強(qiáng)調(diào)及時(shí)迅速的響應(yīng)。因此可以忽略考慮車輛的載重和服務(wù)網(wǎng)點(diǎn)的倉儲(chǔ)能力。本文只考慮在一個(gè)區(qū)域如南京市范圍內(nèi)，建立物流服務(wù)網(wǎng)點(diǎn)，負(fù)責(zé)此區(qū)域內(nèi)的貨物的接收和遞送，區(qū)域與區(qū)域之間的物品如何傳遞暫不考慮�；�于以上考慮，本文建立了面向B2C及C2C業(yè)務(wù)的快遞服務(wù)網(wǎng)點(diǎn)的選址優(yōu)化模型，并利用改進(jìn)遺傳算法對模型進(jìn)行求解�！　�[Page]

　　1、問題描述與模型　　

　　面向B2C及C2C業(yè)務(wù)的快遞服務(wù)網(wǎng)點(diǎn)的選址優(yōu)化模型的基本思想可描述如下：快遞物流企業(yè)根據(jù)某個(gè)區(qū)域(如一個(gè)城市)在一個(gè)計(jì)劃期內(nèi)顧客對電子商務(wù)中各類商品的潛在交易量及其地理位置，設(shè)從M個(gè)備選的服務(wù)網(wǎng)點(diǎn)中地址中選擇N個(gè)建成服務(wù)網(wǎng)點(diǎn)以提供服務(wù)，使得整個(gè)快遞系統(tǒng)的總體成本小，并且覆蓋的潛在客戶數(shù)量盡可能多。這里，總體成本包括服務(wù)網(wǎng)點(diǎn)的固定投資和日常維護(hù)費(fèi)用，商品在服務(wù)網(wǎng)點(diǎn)的流通加工費(fèi)用以及服務(wù)網(wǎng)點(diǎn)到顧客的配送運(yùn)輸費(fèi)用。其中由于服務(wù)網(wǎng)點(diǎn)只負(fù)責(zé)轉(zhuǎn)運(yùn)，不負(fù)責(zé)倉儲(chǔ)，強(qiáng)調(diào)快速地響應(yīng)顧客需求，因此每個(gè)營業(yè)網(wǎng)點(diǎn)的服務(wù)的數(shù)量有一定限制，營業(yè)網(wǎng)點(diǎn)與顧客群之間的距離有一定限制。

　　潛在客戶是指能夠利用電子商務(wù)進(jìn)行交易的客戶群,這里將普通客戶群進(jìn)行模糊處理,在[0,1]區(qū)間內(nèi),不同的類型的客戶隸屬于潛在客戶的隸屬度不同,比如大學(xué)生的隸屬度為0.6,高中生為0.3,白領(lǐng)階層隸屬度為0.8,等等。根據(jù)不同區(qū)域的人員構(gòu)成不同,可以適當(dāng)?shù)姆诸?并利用調(diào)查方式確定其隸屬度。同時(shí),在某固定區(qū)域內(nèi),按照地理位置的不同,將顧客分成不同的小區(qū)域,并計(jì)算此區(qū)域內(nèi)潛在顧客群,同時(shí)計(jì)算此地理位置與備選服務(wù)網(wǎng)點(diǎn)的實(shí)際短距離。

　　為了便于建立模型,作以下幾個(gè)基本假設(shè):

　　假設(shè)1每個(gè)小區(qū)域的顧客群有且僅有一個(gè)服務(wù)網(wǎng)點(diǎn)為之服務(wù);

　　假設(shè)2計(jì)劃期內(nèi)顧客對各類電子商務(wù)網(wǎng)站中的商品購買量可預(yù)測,并設(shè)平均每位潛在客戶這一時(shí)期會(huì)進(jìn)行g(shù)次電子購物,每次購買物品的質(zhì)量和體積在服務(wù)網(wǎng)點(diǎn)的限量范圍內(nèi);

　　假設(shè)3服務(wù)網(wǎng)點(diǎn)到顧客所在地的費(fèi)用與距離成正比,設(shè)每一單位距離運(yùn)費(fèi)為X,只考慮單向;

　　假設(shè)4某個(gè)區(qū)域內(nèi)人員的大致構(gòu)成及其數(shù)量可以測算,其成為服務(wù)網(wǎng)點(diǎn)的服務(wù)對象的概率可以測算,并且此區(qū)域與備選位置之間實(shí)際距離可以測算;

　　假設(shè)5平均每筆快遞費(fèi)用中服務(wù)網(wǎng)點(diǎn)所能分得的費(fèi)用為T元;

　　假設(shè)6此計(jì)劃期為至少五年的一個(gè)長期時(shí)間,在期間內(nèi)某個(gè)小區(qū)域內(nèi)人口數(shù)量及其構(gòu)成沒有太大的變動(dòng)。

　　模型描述的營業(yè)網(wǎng)點(diǎn)服務(wù)體系如圖1所示:

　　下面給出面向B2C及C2C業(yè)務(wù)的快遞服務(wù)網(wǎng)點(diǎn)的選址優(yōu)化模型:　　

　　模型中有兩類符號(hào),即模型的決策變量和模型參數(shù)。

　　目標(biāo)函數(shù)(1)表示整個(gè)快遞營業(yè)系統(tǒng)在一定時(shí)期內(nèi)所收入大�？偸杖胧怯扇粘�營業(yè)收入減去從網(wǎng)點(diǎn)到客戶的運(yùn)費(fèi),減去物品在網(wǎng)點(diǎn)內(nèi)的流通費(fèi)用,減去網(wǎng)點(diǎn)的固定投資和日常管理費(fèi)用。約束條件(2)是每個(gè)顧客群潛在的顧客數(shù)量;式(3)保證每個(gè)營業(yè)網(wǎng)點(diǎn)的服務(wù)顧客數(shù)量小于大數(shù)量;式(4)保證建設(shè)的營業(yè)網(wǎng)點(diǎn)與其服務(wù)顧客群之間的距離小于大限制距離;式(5)是為了保證營業(yè)網(wǎng)點(diǎn)響應(yīng)顧客的效率,縮短響應(yīng)時(shí)間,提高服務(wù)的頻率;式(6)保證每個(gè)顧客有且僅能有一個(gè)營業(yè)網(wǎng)點(diǎn)為之服務(wù);式(7)表示總體的固定投資額小于大投資限額;式(8),(9)為決策變量。

　　2、模型的求解算法　　

　　由于上述模型的變量和約束多,因而模型屬于大規(guī)模的混合0-1整數(shù)規(guī)劃模型,且具有NP難題性質(zhì)。如果利用傳統(tǒng)優(yōu)化方法,很難在合理的時(shí)間內(nèi)求得模型優(yōu)解。為此,依據(jù)模型的特點(diǎn),本文采用改進(jìn)遺傳算法求解上述模型。

　　算法設(shè)計(jì)如下:

　　(1)編碼方法。采用自然數(shù)編碼。例如:設(shè)有5個(gè)待選建的服務(wù)網(wǎng)點(diǎn),8個(gè)顧客群,那么可根據(jù)相應(yīng)約束以及顧客群與配送中心對應(yīng)關(guān)系進(jìn)行編碼,如45233342,則表示顧客群1由服務(wù)網(wǎng)點(diǎn)4服務(wù),顧客群2由服務(wù)網(wǎng)點(diǎn)5服務(wù),顧客3由服務(wù)網(wǎng)點(diǎn)2服務(wù),以此類推;同時(shí),此編碼也表示服務(wù)網(wǎng)點(diǎn)2、3、4、5被選建。

　　(3)確定適應(yīng)度函數(shù)。根據(jù)每個(gè)染色體的編碼,可以確定選建的服務(wù)網(wǎng)點(diǎn)及其負(fù)責(zé)服務(wù)的顧客群;代入式(1),從而得到每個(gè)染色體的目標(biāo)函數(shù)值fx。如果式(1)大于0,則適應(yīng)度函數(shù)Fx=fx;否則Fx?啄,?啄為輸入的一個(gè)極小的正實(shí)數(shù)。另外,對于不滿足約束條件的染色體,采用懲罰策略,其適應(yīng)度函數(shù)為Fx=fx-Z,Z為相應(yīng)的懲罰值;若fx-Z≤0,則Fx=?啄。[Page]

　　(5)交叉算子。本文中采用兩點(diǎn)交叉法進(jìn)行交叉操作,因?yàn)橐稽c(diǎn)交叉操作的信息量較小,而且位串的末尾重要基因總是被交換。

　　(6)變異算子。以一定的變異概率對染色體的每一位進(jìn)行變異,以加大變異對種群多樣性的影響。

　　上述算法采用了佳個(gè)體保留的策略,所以在交叉和變異的過程中不會(huì)破壞好的個(gè)體。同時(shí),根據(jù)大量的實(shí)驗(yàn)測試顯示,該算法能快速收斂至優(yōu)解,是求解此類優(yōu)化問題的比較高效的方法�！　�

　　3、計(jì)算舉例　　

　　設(shè)6個(gè)備選服務(wù)網(wǎng)點(diǎn),10個(gè)顧客群,其他相關(guān)參數(shù)如表1~4所示。算法采用VisualC++6.0在Windows平臺(tái)上(主頻1.8G,內(nèi)存512M)實(shí)現(xiàn)。遺傳算法的種群規(guī)模為200,交叉概率和變異概率分別為0.85和0.10,迭代次數(shù)為200,小正實(shí)數(shù)?啄=0.0001,超過約束的懲罰系數(shù)Z=100。

　　每個(gè)物品在服務(wù)網(wǎng)點(diǎn)流通加工的平均費(fèi)用R=0.1元,在這一時(shí)期會(huì)進(jìn)行g(shù)=60次電子購物,每次購物服務(wù)網(wǎng)點(diǎn)所能分得的快遞費(fèi)用T=2.5元,每千米運(yùn)費(fèi)X=0.2元,大的服務(wù)顧客數(shù)量S=30 000人,營業(yè)網(wǎng)點(diǎn)與顧客群之間的大距離L=15km,總體的固定投資的大限額Q=80萬元。

　　圖1表示的是算法的優(yōu)化過程。圖中上方的虛線為每代群體中的優(yōu)染色體的適應(yīng)度函數(shù)值,即表示所對應(yīng)的選址方案的總收入;實(shí)線表示的是每代群體的平均適應(yīng)度函數(shù)值。從圖中可以看出,每代中的優(yōu)適應(yīng)度函數(shù)值從初始時(shí)的30個(gè)單位左右快速上升到迭代收斂時(shí)的220個(gè)單位左右,說明算法具有良好的尋優(yōu)能力。從虛線的上升速度可以看出,本算法具有很快的尋優(yōu)速度,可以快速的收斂到優(yōu)解附近。實(shí)線的不定性震蕩表明了每代染色體具有多樣性的特點(diǎn),這是保持算法尋優(yōu)能力,避免早熟收斂的關(guān)鍵。

　　求得的優(yōu)目標(biāo)值及其對應(yīng)的優(yōu)決策變量如表5—表6所示。根據(jù)計(jì)算結(jié)果可知:服務(wù)網(wǎng)點(diǎn)2,4,5被選建,且服務(wù)網(wǎng)點(diǎn)2負(fù)責(zé)顧客群1,3,7,10的配送,服務(wù)網(wǎng)點(diǎn)4負(fù)責(zé)顧客群2,4,6,8的配送,服務(wù)網(wǎng)點(diǎn)5負(fù)責(zé)顧客群5,9的配送。目標(biāo)函數(shù)的優(yōu)值為f=227.43萬元�！　�

　　4、結(jié)論　　

　　B2C及C2C電子商務(wù)中快遞物流服務(wù)網(wǎng)點(diǎn)的優(yōu)化選址是一個(gè)復(fù)雜的系統(tǒng)工程。本文在考慮每個(gè)小區(qū)域潛在顧客群構(gòu)成及其特點(diǎn)的同時(shí),結(jié)合快遞物流服務(wù)的特點(diǎn),建立了混合0-1整數(shù)規(guī)劃的服務(wù)網(wǎng)點(diǎn)選址優(yōu)化模型,并開發(fā)了遺傳算法對模型進(jìn)行求解。通過實(shí)例計(jì)算取得了滿意的結(jié)果。文中提出的數(shù)學(xué)模型和優(yōu)化算法為面向B2C及C2C業(yè)務(wù)的快遞服務(wù)網(wǎng)點(diǎn)的優(yōu)化選址提供了一個(gè)可行的方法。