摘要：由于传统物流配送节点选择方法不能准确判断位置信息和配送范围，导致配送运输成本增加，本文提出全新考虑位置信息的储运物流配送节点选择方法。通过确定物流货物位置信息和配送范围，构建物流配送重心模型，基于遗传算法选择最优化配送节点。实验结果测试表明，与传统方法相比该方法配送总费用减少了10750元，使配送成本、路径达到最优结果。因此，本文提出的方法更适用于物流配送节点选择。

　　关键词：位置信息;储运物流;配送节点;选择方法　0.引言

　　在整个物流体系中，物流配送是一个重要的环节，配送完成，才是整个物流作业的完成。一个合理的配送节点选择，有效提高了配送效率，能够及时接收和派送货物，提高在物流运输方面的合理化。由于现在电商时代的到来，物流发展越来越迅速，非常需要增加配送节点，来减少配送时间。物流体系逐渐庞大，产品运输种类越来越丰富，比如很多生鲜食品也通过物流运输，它的生命周期很短，对配送时长要求很高。在这个快节奏的社会中，人们对速度要求不断提高，很多物流企业提出，将会把产品次日送达或者当日送达到顾客手中，这完全体现了配送时的时效性。所以在对配送节点的选择上要综合考虑很多因素，包括产品位置信息、各个节点之间位置分析、运输成本等方面，选择一个合适的配送节点位置是非常重要的，有效地提高物流配送效率，为了使配送节点位置选择最优化，更精准地找出配送节点范围，需要对物流配送节点选择方法进行研究。

　　1.考虑位置信息的储运物流配送节点选择方法

　　1.1确定位置信息和配送范围

　　在选择配送节点时，首先要考虑客户位置信息、产品位置信息、以及配送的范围。我们服务的客户分布不均匀，相对比较分散，为我们配送节点选择带来一定程度上的难度，我们需要综合考虑客户分布的重点范围进行节点选择[1]。了解地区客户对产品需求量，需求量的多少决定人口分布格局，通过数据分析每个配送范围的关联性，形成一个相互关联网状型节点。了解地区产品需求种类，不同行业以及不同产品都有不同的特性，配送也会出现差异化，在现阶段进行物流配送全覆盖有一定难度，但可以进行合理的配送节点选择，使配送效率更高。根据不同产品特性划分，设置合理的配送节点位置，从地区路线规划、地区人口分布格局等方面进行考虑，确定一个多中心化和多层次化配送节点。地区空间布局决定配送节点选择，它直接影响到整个物流设施的整体规划，要考虑地区交通条件，使配送节点靠近客户，节省配送时间，为客户提供更高的服务水平[2]。物流推动着整个社会的发展，政府根据地区规划，合理推动物流配送节点建设。比如城区人口相对比较密集，范围容易确定，交通比较便利考虑的因素相对较少城区建设配送节点可以在道路交叉处进行设置，如图所示：

　　图1以城市物流为例，根据城市道路规划以及交通设施进行配送节点选择，设置多节点配送结构，有效降低了运输成本。在进行配送节点确定是一定要准确掌握位置信息，建设合理化配送节点。

　　1.2构建物流配送重心模型

　　重心法模型是在物流配送节点选择中常用的一种模型。重心法模型法其实就是一个模拟法，将整个物流分布需求位置信息和资源位置信息看成是在同一平面上[3]。把每个范围内需求位置信息量和资源位置信息量看成一个物体重量，然后通过物体重心来设置配送节点。重心模型分为多网络节点选择重心模型和单一网络节点选择模型。多网络节点模型也称之为多重心法，在配送节点选择时，不受地区限制，它是在同一个平面内选择多个配送节点，将多个配送节点连接起来形成一个群落，相互交错的网状结构，在进行物流配送时寻找距离最短的配送节点，在配送节点群落中反复实验，逐渐确立好每个节点的位置，其实达到最优化。多节点配送，降低了运输成本，从长远角度出发，多节点配送会带来更大效率，根据物流车辆调配情况，实现节点最优化[4]。

　　图1 物流节点分布图

　　单一网络节点选择只考虑运输的费用和运输的重量，寻找最低成本的运输路径就可以确定配送节点地点，到货物到达配送节点，合理选择节点，得到效益最大化[5]。可用下列公式计算得到配送节点的坐标位置：

　　MinWE=■BiDiCi (1)

　　在算式中WE表示运输成本;Bi表示i点的运输量;Di表示到i点的运输费率;Ci表示从特定的仓库到i点的距离，通过解下面的两个方程得到配送节点的位置。

　　X=■ (2)

　　Y=■ (3)

　　在上面两个方程中X和Y分别表示配送节点的横坐标和纵坐标，Xi，Yi表示仓库和需求地的位置。根据上述公式得到配送节点地理位置坐标，单一网络节点选择重心模型，利用公式进行要反复计算，使得到的数值差变化得越小，才能得到精确位置，计算难度相对较大，但是能有效得到最优解[6]。重心法考虑的因素相对较小，模型简单，非常适用于单点选址。

　　1.3基于遗传算法选择配送节点

　　遗传算法可以根据任何一角度出发，在整个物流平面空间得到最优解，从全局出发，达到最优化。在进行遗传算法时，我们需要对研究的问题进行编码，编码是遗传算法中最重要的一步，它会直接影响到最后的运算结果。要在算法中设置一个种群，种群的数量是不确定的，最后进行适应度的计算，使其达到最终的条件[7]。如果计算结果的适应度达不到要求的条件，就需要反复去计算，进行选择，然后交叉计算，最后得出变异值，计算得到最小差值，与设定的条件相对吻合，最终完成遗传计算[8]。利用遗传算法中，设置目标函数，对目标函数进行计算，得到节点选择的区间范围，由下列公式进行表示：

　　假设目标函数为最大化问题：

　　Fit(f(i))=f(i) (4)

　　Fit(f(i))=f(i)-Gim，f(i)>Gim (5)

　　该式中Gim为f(i)的最小估计值。假设目标函数为最小化问题：

　　Fit(f(i))=-f(i) (6)

　　Fit(f(i))=Gim-f(i)，f(i)

　　该式中，Gim为f(i)的最大估计值。所以通过两个公式进行计算可以得到配送节点的区间范围。遗传算法可以有效进行配送节点选择，通过计算出来的区域，进一步进行反复计算得到最小差，实现物流配送节点选择[9]。

　　2.实验验证

　　2.1实验准备

　　本研究进行大量文献调研，基于遗传算法的基础上确定配送节点位置以及配送成本最小化。假设某个地区的一个区域有5个需求点，分别为B1、B2、B3、B4、B5，现在需要设一个配送节点，寻求一个最佳的配送节点，使其运输成本最小化。以这个区域中心为坐标原点，一个坐标值为1km，X表示需求点的横坐标，Y表示需求点的纵坐标。如1表所示：

　　表1 需求点位置表

　　根据表1利用重心模型计算出配送节点位置。计算出来的坐标结果如表2所示：

　　表2 初始坐标计算表

　　由表可知配送节点的初始横坐标和初始纵坐标分别为：

　　X=520a/60a=8.6 (8)

　　y=340a/60a=5.6 (9)

　　本坐标是通过遗传算法计算出来，经过迭代修正直到最优。在计算出来的坐标范围进行设置，在设置过程还需要考虑到地方的交通道路条件，延伸方向，都满足条件后，在计算出来的区域进行合理设置。利用上述模型得到整个区域的节点。构成配送节点网状图。

　　2.2配送成本测试

　　根据试验准备确定节点的位置，确定4个配送节点，3个供应点，5个需求点，配送点分别用B1、B2、B3、B4表示，供应点A1、A2、A3，需求点C1、C2、C3、C4、C5。分析各个供货点到各个节点的运输费用以及运货的重量，如表3所示：

　　表3 供货点到配送节点运输费用

　　表3中，A代表供货点，B代表配送节点，表示供货点到配送节点的运输费用，合理配送节点的设置，有效降低配送成本。计算配送到需求点的运输费用，还需要计算出配送节点管理成本费用。如表4、表5所示：

　　表4 配送节点到需求点运输费用

　　表5 配送节点固定费用

　　在表4和表5中，B代表配送节点，C代表需求点，通过节点设置，得到三点之间的运输成本和配送节点的固定成本。通过本方法设置的配送节点在整个到配送过程中产生的总费用为59800，传统方法设置的配送节点在整个配送过程中产生的总费用为70550，如表6所示：

　　表6 传统方法与本文方法配送节点费用

　　表6分别计算出传统方法和本文方法在不同节点配送的费用，由表可以看出，使用本方法设置节点配送费用成本比传统方法设置节点配送成本费用低，此次方法研究更有效地控制配送成本。

　　3.结束语

　　物流发展规模越来越庞大，人们对物流的需求增加，我们需要对物流体系做出完整的规划以优化整体布局，本文研究配送节点选择，有效合理选择配送节点的位置，减少配送时间，有效提高对客户服务效率。配送节点的选择并不单单只是服务与一家物流公司，是整个物流的整合，真正实现资源共享，取得更大的市场空间。为物流企业的发展提供了基础，有效促进了物流的发展。本文没有对物流配送节点的重要性进行评估，希望在下一次相关研究中，提出节点重要性评估方法。C

　　(作者单位：郑州商学院金融与贸易学院)

　　参考文献

　　[1] 安然,董娜,王硕,等. 我国农村物流网络节点体系发展思路[J].交通运输研究,2020,6(02):13-19.

　　[2] 彭静,张辰.城乡冷链物流节点选址优化研究[J].全国流通经济,2020(08):32-33.