物流管理-节约里程法在古贝春酒业物流配送路径优化中的应用

PAGEIPAGE节约里程法在古贝春酒业物流配送路径优化中的应用摘要紧随市场经济的高速发展,以及物流技术方面的专业化水平不断提升，物流配送行业也发生了巨大的发展。可是,因为在物流配送方面具有较高的成本,从而让商品的价格也是居高不下。物流配送属于物流运行及操作过程中的一个极其关键的组成部分，也是各个企业为应对激烈竞争,而实施的一项延伸性的服务。这篇论文首先阐述了与物流配送有关的概念，分析了一些比较多见的配送路线优化算法；接着着重分析了与节约里程法相关的优化理念；在论文的最后针对于古贝春酒业实施了相应的探究，采用节约里程法对于此企业的配送路线实施了相关的优化。关键词：物流配送；配送线路；节约里程法

AbstractFollowingtherapiddevelopmentofmarketeconomyandthecontinuousimprovementoftheprofessionalleveloflogisticstechnology,thelogisticsanddistributionindustryhasalsowitnessedtremendousdevelopment.However,becauseofthehighcostoflogistics,thepriceofgoodsisalsohigh.Logisticsdistributionisanextremelycriticalpartoflogisticsoperationandoperationprocess,anditisalsoanextendedserviceimplementedbyvariousenterprisestocopewithfiercecompetition.Firstly,thispaperexpoundstheconceptsrelatedtologisticsdistributionandanalyzessomecommonoptimizationalgorithmsofdistributionroutes.Secondly,theoptimizationconceptrelatedtomileagesavingmethodisemphaticallyanalyzed.Attheendofthepaper,thecorrespondingresearchiscarriedoutforgubeichunwineindustry,andthedistributionrouteofthisenterpriseisoptimizedbyusingmileagesavingmethod.Keywords:logisticsdistribution;Distributionlines;Mileagesavingmethod

目录 27965摘要 I3301Abstract II27173第一章前言 1187971.1研究背景 18711.2国内外研究现状 1223291.2.1国外研究现状 1314781.2.2国内研究现状 212321.3研究的目的、意义和方法 3204801.3.1研究目的 372761.3.2研究意义 3134781.3.3研究方法 37467第二章车辆路径问题概述 448482.1车辆路径问题定义 468672.2车辆路径问题分类 587032.3车辆路径问题算法 8247512.3.1禁忌搜索算法 9220072.3.2模拟退火算法 1062162.3.3蚁群算法 1021232.3.4遗传算法 11315032.4本文配送路径的优化的方法 12254172.1节约思想 1236372.2节约里程法主要步骤 1213079第三章古贝春酒业配送路线的现状分析 1387573.1古贝春酒业简介 1339643.2古贝春酒业现有配送路线选择的现状及问题 14235343.2.1古贝春酒业现有配送路线选择的现状 14115743.2.2古贝春酒业现有配送路线选择存在的问题 1531541第四章运用节约里程法对古贝春酒业的配送路线进行优化 15232044.1几种配送路线优化方法的分析与对比 15295084.2对古贝春酒业配送线路的相关数据进行收集整理 1628254.3利用节约里程法对配送路径进行优化 17193274.4基于节约里程法对配送路线优化的结果分析 2211453结语 2313143参考文献 2410750致谢 26PAGE1第一章前言1.1研究背景1.2国内外研究现状1.2.1国外研究现状自此问题的提出到现在，已经有很多国际学者在持续的探究，并且在研究的方向及有关解法方面也取得了不少的成就，在许多的行业运行中也具有较多的应用，尤其是在物流配送、交通运输以及快递等行业中的应用。因为问题的求解算法具有十分重要的含义，比如说能够让企业的物流成本有效降低、让企业在物流体系方面的运作效率得以提升等，所以，长期以来都是世界各国学者探究的重点问题。现如今，对于问题的求解算法可以分成精确算法和启发式算法两类。而对于精确算法来讲，又分为动态规划法、分枝定界法以及割平面法三种。对于一些规模比较小的问题，精确算法还是可以很好处理的，可以较快的获得问题最优解。可是，对于问题规模比较大的就不是很满意了，所以说现如今的探究重点就是努力构造启发式的算法。在国际上，很早就开始探究相应的问题了，当此概念被提出以后，马上就被各种相关的研究专家重视了起来。到了上个世纪，Clarke与Wright为求解这一类的问题，就提出了节约算法。现如今已经在VRP算法方面获得了比较大的研究成效，并且依然在持续的探究中。因为VRP问题属于一类NP完全问题，无法运用精确算法去进行高效的解决，所以说，最近这几年经构造精确算法去进行对VRP的求解并无太多的探究，在国际上的各种探究成效多是利用了分枝定界法或者是最短路径算法。以RobertoBaldacci为主的研究人员，采用了精确算法去求解具有容量限制的、并且是带时间窗的车辆路径问题。Azit等研究者，为了对于具有容量限制的车辆路径相关问题进行求解，把全部的可行解都列举出来，采用最短路径法算法去实施了求解、排序以及挑选。Lee等把动态规划的相关理念有效的使用在了车辆路径问题的探究过程中，也是运用了最短路径算法进行求解。经过对比以后得出，采用启发式算法对于车辆路径的相关问题实施求解的探究还是多一些的。比如说具有时间窗的VRP问题等，在探究方面采用的算法也包括了遗传算法、节约里程法以及蚁群算法等很多种。PingChen等对于需要实施周期形式的配送车辆路径问题进行研究的时候，采用了迭代邻域下降算法去进行求解，从而为这一类的问题开辟了一类全新形式的解法。对VRP问题实施求解，并采用启发式算法的研究人员是Nikolakopoulou等，此方式是先把整体网络区分为数个子网络，再对子网络中的车辆配送实施路径方面的策划。Tavakkoli．Moghaddam等研究者，鉴于最近邻域的启发形式搜索算法，然后对所有路径实施了随机的顶点选择测试，并使用容量最大的配送车辆服务于这个路径，再对此顶点的最近邻域实施搜索，并且把它加到这个路径中，一直到相应的容量与时间都无法满足，最后更新被分配车辆的容量。M．Dorigo等研究者是意大利人，他们提出了蚁群算法，此方式是对大自然中的蚂蚁认路行为进行了有效的仿照，从而缔造出了一类仿生进化算法。此方法能够与别的算法轻松联合，然后形成混合算法去对问题进行求解，它的鲁棒性比较好，可是也有其不足之处，比如说在搜索时间方面比较长，并且会出现局部最优解的尴尬现象。而Guenther等研究人员，就提出了采用蚁群算法去对二维装载以及路径规划的统一优化问题进行求解。1.2.2国内研究现状中国对于VRP问题实施的探究相对要晚一些，和一些发达国家相比要滞后大概30年，可是也获得了比较快速的发展，尤其是最近这几年更是突飞猛进。经过对CNKI数据库的相应检索，自2008年开始到2018年的10年中，发表在我国的正式期刊中的相关研究文章就多达172篇。以葛宏义为代表的部分研究者，构建了具有时间窗的用于输送粮食的物流车辆路径问题相关模型，创建了粒子群算法，还把求解算法和遗传算法进行了有效对比，从而也显示出了粒子群算法对于相关问题处理的优势所在。著名学者史玉敏，以多种求解算法为基础，根据其各自的优点和不足，挑选出了节约里程法去对车辆路径优化的相关问题实施求解。此类研究人员的相关研究比较多，比如：胡大伟和朱志强等构建了模拟退火算法、李三彬使用了禁忌搜索算法、吕军采用两种阶段的算法以及宋鸽和郑小雪针对于蚁群算法的应用实施了进一步的优化处理等，并且均在相应的研究范围内获得了相应的成果。另外还有一些研究者，如姚树魁、骆剑平、王书勤以及骆正山等，也采用了自己的方式对于车辆路径等相关问题实施了分析、实验和相关的验证，从而提出了一些自己的新型求解算法，也都存在着自身的优点和相应的不足。虽然说世界各国的许多研究人员已经在相关的研究领域中获得了比较好的成效，可是这些探究所针对的问题却是太单一了，大部分的研究只是针对了确定性的问题，而对于VRP问题（存在时间和容量的限制）的探究却是较为欠缺的，并且即使是有一部分的探究，其相应的成效也是偏重于了理论性，而对于某汽车生产商家或配送企业的相关物流路径策划等实施的针对性研究却是比较少的。1.3研究的目的、意义和方法1.3.1研究目的节约里程法属于一类较为简单和容易实施的方式，不仅能够展现物流配送网络具有的长处，完成企业物流经营的整合，而且在思路方面也是比较简捷的和易于在现实中实施的，另外，它能够展示优化运输的过程，和常见方式相对比，拥有了更短的运输路程，在时间与成本消耗方面均可以有效减少，最终达到了和用户之间实现共赢的有利局势。本文的研究目的在于，通过研究节约里程法在古贝春酒业物流配送路径优化中的应用，讨论和分析此方法在现实应用中采取的方式、成效与理想的优化方向。1.3.2研究意义在物流的运行和操作过程中，配送属于一类非常关键的组成部分，在物流网络中具有着非常大的作用，它全面性的考虑了各条配送线路的车流量、用户分布、车载量和别的部分车辆运行限制等相关的因素，对配送线路实施了合理的策划，对于配送中心在运行方面的成本与效率具有着非常大的影响。所以说，利用节约里程法对于物流配送的相应线路实施优化，从而让企业最大程度的减少物流方面的成本消耗，提升自身的竞争能力。1.3.3研究方法为了更好的研究节约里程法在古贝春酒业物流配送路径优化中的应用，本文运用的研究方法主要有以下几种：（1）文献资料法，即通过图书馆和互联网相关工具，广泛收集阅读相关文献，总结研究趋势和研究成果，为本文研究提供理论支撑。（2）案例分析法：研究的目标是古贝春酒业的物流配送，对于此企业的现实状况和具有的问题实施探讨。（3）科学研究方法：采用科学的研究方法，以实际数据为支撑，通过节约里程法算法思想，对配送路径进行优化，并且对比优化结果，判别优化效果。第二章车辆路径问题概述2.1车辆路径问题定义如果用比较简单的方式去解释车辆路径问题的话，那便是合理的选择运输车辆和行驶路径以及合理的制订运输策划的问题。经由合理的、科学的制订配送策略，让车辆的分配与行驶路线更加优化，最终有效的减少物流方面的成本，提升整体的经济收益。在现实的物流配送过程中，存在着非常多的问题和复杂情况，比如说比较多的货运点、用户、货物、交通路线以及服务区域内的运输网点散布不均等，另外还有一些问题，就是要达到用户提出的相关要求，比如时间窗等。因此说，怎样规划好最优的路线以及怎样让配装与配送路线实现最高效的配合等就成为了物流配送中的难点。对于车辆路径的相关问题实施合理的处理，不但能够让配送的程序更加简化、配送的频次降低以及配送的车辆空载率得以有效降低，进而减少相关成本，提升经济收益，并且能够更快的响应用户的相关需求，让服务水平得到有效提升，提高用户的满意度。所以说，对于物流配送来讲，车辆路径的相关问题就属于非常重要的问题，也属于运筹学和组合优化范围中的重点问题，对现代化的物流运营来讲也是处于核心地位的问题。图2.1车辆路径问题示意图2.2车辆路径问题分类对VRP问题实施的探究便属于物流配送路径策划中的基础性研究部分，在很大程度上影响着物流优化的制定。它是这样一类问题：使用多辆车把相关货物自某个或者是数个仓库输运至数个地理散布的用户手中，怎样规划相应的车辆和这些车辆的行驶路线，尽可能的去降低运输成本。一般而言，可分为下面5种类型：（1）输送的车辆在容量方面存在相应限制的路劲优化CVRP（CapacitatedVRP）；（2）采取一定数量的仓库对客户实施相关服务的路径优化MDVRP（MultipleDepotVRP）；（3）带回程的路径优化VRPPD（VRPwimPick-UPandDelivering）；（4）配送时有时间窗限制的路径优化VRPTW（VRPwimthewindows）；（5）周期性配送的路径优化PVRP（PeriodicVRP）对于车辆路径问题来讲，其主要的构成要素包括：等待运输的车辆、车辆配送中心、输送车辆、用户网点和相应的配送网络。根据VRP问题中要素的不同可做如下分类：（1）依照物流配送体系内车辆配送中心的多少能够分成单配送中心与多配送中心的两类问题；（2）依照配送车辆所具有的任务差异，能够分成单纯形式的送货、单纯形式的取货以及取送货物三类VRP。单纯形式的送货与取货VRP指的是在去程或回程中只有一次是载货状态的，对于取送货物VRP指的是去、回两程均是装载着货物的；（3）依照等待运输的车辆情况能分成单车型与多车型的两种问题，前者在实施货物装载的时候较为简单，但是后者就比较复杂了；（4）依照输送车辆在载货方面的情况差异，能够分成以下几类问题：满载问题、非满载问题以及满载和非满载相互混合的问题。因为在处理VRP问题的时候，一个用户的货物只能装在相同的车辆中，一旦某用户的货物太多，已经超过了输送车辆的载重范围，就要采用多辆车进行运送，输送的车辆也就会满载运行；（5）依照用户与相关网点的差异，能够分成静态与动态两种车辆路径问题。前一类的问题指的是用户的有关信息，包含了用户的地理位置、需求以及道路情况等，这些因素需要在输送前就了解清楚的，而后一类的动态车辆路径问题就是恰恰相反的，用户的全部有关信息均为随机性的；（6）依照用户对于货物提取时间的要求，能够分成有时间窗限制与无时间窗限制的两类问题。前一类问题中的用户会要求货物送达与提取的相应时间，而配送的工作者也应该依照用户的这些要求去取送相关货物，有一部分用户的时间要求方面还比较严格，有些则有一些机动时间，可以提前或者退后一定的时间。而对于后一类问题，用户则没有相应的要求。（7）依照输送车辆的行驶路线具有的差异，能够分成车辆开放问题与车辆封闭问题两类。前者指的是运输车辆在完成一次配送的任务以后能够不用回到出发的地方，而后者指的是运输车辆在完成一次配送的任务以后必须回到出发的地方。而在这篇文章中，重点阐述的是最基本的车辆路径问题，也就是单配送中心、单车型以及并无满载的输送车辆路径问题。图23VRP问题根据要素不同分类2.3车辆路径问题算法VRP问题属于一类典型的组合优化的问题，虽说对它的阐述较为简单，可是因为相关的约束条件比较多，在现实中的求解仍然是不太容易的。现如今常见的求解算法分为精确算法与启发式算法两种，并且启发式算法还能够分成两类:经典启发式与现代启发式。图2.4VRP问题算法精确算法指的是对全部的可行解进行集合，并从其中找寻到最优解。可是，紧随变量的逐渐增多，与车辆配送问题相关的解集合也会出现组合爆炸的尴尬局面，从而也让求解的时间出现了指数函数的增加态势，因此也无法得到有效的可行解，这也成为了此类方式的主要缺陷。比较多见的精确解法还能够分成动态策划法、分支定界法以及割平面法三类。第一类的动态策划法在其本质上指的是分治观念与冗余处理，具体的方式是把待求问题划分成既具有一定的联系，还保持了自身独立性的数个子问题，然后对这些子问题的解进行存储，以防止重复性的去对这些子问题进行计算，最终寻求出最优化的问题求解算法。可是，紧随问题的规模逐渐增大，要区分出来的子问题也会出现数量的持续增多，最终的结果也是让计算过程变得更加繁杂。所以说，动态策划算法仅仅是适合较小规模的问题求解。第二类的分支定界算法，属于在解决问题的解空间树上对最优化问题解进行搜寻的方式。其利用了广度优先或者是耗费最低优先的方式对解空间树进行搜寻，而在此方法中，所有的活结点能变成扩展结点的机会仅有一次。采用分支定界算法实施解空间树搜寻的时候应该遵循的原则是：首先产生当前扩展结点的所有子结点；然后在这些子结点内，除去部分无法形成可行解，也或者是最优解的一些结点，再把适合需求的子结点汇集到活结点表中；最后从这个活结点表内去挑选出下一个活结点去充当新的扩展结点。这样的循环往复，一直到搜寻出问题的最优解，也或者是一直到活结点表为空。对于分支定界法来讲，其实质还属于一类枚举法，再确切的说是隐枚举法。不能算是最佳的算法，对于NPhard的一些问题就无法进行求解了。还有一类割平面法，也是整数策划中比较多见的一类主要方式，它的基本理念和分支定界法是较为类同的。此方法的主要部分是怎样构造切割不等式，从而让增多这个约束以后，可以实现真正的切割，并且不会切割掉其他的整数可行解。通常情况下，精确算法在处理用户容量低于50的VRP问题时，其处理的能力与计算的精度是比较高的，当用户容量过大时就无法进行有效的处理，也或者是处理时间太长而无法被接受。所以说，为了对较大容量的VRP问题进行有效处理，研究人员多采用建立启发式算法去实施相应的求解。与最优化算法相对应的提出了启发式算法。某问题的最优算法可以获得这个问题的所有实例的最优解，比如说精确算法。对于启发式算法来讲，其概念能够如此讲：鉴于直观或者是经验而建立起来的一个算法，以能够接受的花费（这里说的是计算的时间与空间）为前提，获得要处理组合优化问题的所有实例的唯一可行解，这个可行解和最优解两者之间的偏离情况并非能够提前预料的。那么，在对节点数量不同的路径优化问题实施求解的时候，精确求解算法对于节点数量较少的会更佳一些，而在节点数量比较多的时候则可以使用启发式算法。2.3.1禁忌搜索算法禁忌搜索算法也被叫做tabu搜索算法，此算法是自某个初始可行解为起点，挑选相关的特定搜寻方向（也被称为移动）来进行探索，挑选出能够让特定对象函数值改变最大的移动。为防止出现局部性最优解的尴尬局面，在禁忌搜索中利用了一类较为灵便的“记忆”技术，对于已被实施了优化的整个步骤给予记录与挑选，并以此去对搜寻的方向进行深入的指导。为获得全局最优解的话，则不应该太过于重视某个特定的范围。而采用局部搜索方式所具有的缺陷，便是太偏重于对某地区内或者是它的邻域实施搜索，最终致使一叶障目的尴尬局面出现。使用禁忌搜索的方式，便是对于选择的一些局部最优解实施意识性的躲避，并非完全性的隔断，进而获取更加多的搜寻空间。因为局部搜索方式存在是一些弊端，让此方式很容易进入到局部最优的局势中，即便是在通用性方面比较强和便于理解，可是也无法高效的得到全局最优的解。所以说，对禁忌算法进行了进一步的完善，那就是存储构建的灵便性与禁忌规划等理念，进而可以高效的防止迂回搜索的不足。此类理念主要指的是在经过相关藐视准则去防止部分被禁忌的、拥有着较佳状态的禁忌策划，进而可以获得各种搜寻方式、达到全局最优求解和突破局部极小值的方式。2.3.2模拟退火算法自固体退火的相关原理进化出了模拟退火算法，指的是对固体进行加温，一直到足够高的程度，然后让慢慢的冷却，在进行加温的过程中，其内部的粒子就会随着温度的升高而变成无序的状态，内能也会随之加大，当固体开始渐渐冷却的时候，其内部的粒子便会逐渐的趋于次序，当所有温度都实现平衡态，最终会在常温的时侯实现基态，此时的内能也是最小的。由Kirkpatrick等研究人员最先把模拟退火算法使用在了组合优化领域中，也是鉴于MenteCarlo迭代求解策划的一类随机性的最优化寻找算法，它的起始点便是鉴于物理中的固体在退火过程和二般组合优化问题所存在的类似性。此方式是自某个比较高的初温开始，随着温度的持续降低，结合概率的突跳特性也会在解空间内进行随机的目标函数搜寻，实现最终的整体性最优解，也就是跨越了局部最优解能概率性，实现最大程度是全局最优需求。2.3.3蚁群算法蚁群算法（antcolonyoptimization，ACO）也可以叫做蚂蚁算法，属于一类在图中挑选出优化路径的机率型运算方式。在1992年的时候，MarcoDorigo在自己的博士论文中进行了首次阐述，这一方式的来源灵感就是由于蚂蚁在找食物时所选择路径的相关行为。此算法也是一类模拟进化的算法，刚研究时发现此算法的优点比较多，尤其是对于PID控制器参数优化设计方面的问题，把此算法的相应结论和遗传算法的相应结论实施对比，得到的最终结果显示蚁群算法存在着一类新型模拟进化优化方式的高效性与实际使用的意义。这个算法的显著特点就是把优化问题当做蚂蚁挑选最短觅食路线的过程：蚂蚁预先并不清楚在什么地方有食物，而在其中的一只蚂蚁寻找到食物以后，便会自主的向环境中散发出相应的信息素，因为这些信息素便会引来更多的蚂蚁。在这个过程中，也必然会有一些蚂蚁挑选出新的路径，而这些新路径要比别的路径更短的话，也就会让更加多的蚂蚁来到这条路径上来，那么，在不久以后，便会形成一条具有最多的信息素、路程也最短的路线。因此，蚂蚁就可以根据“较浓的信息素和较短的路径”这样的原则找到最佳路线。总体而言，精确算法的构建是以精准数学手段为前提的，如果是在合适的前提下，精确算法能够获得更加便捷和有效的解。可是在现实的使用中，VRP问题通常具有较大的规模，所以说启发式算法便应运而生，其能够在合适的时间内获得满意的解或近似的解，其具有了更多的长处与更佳的实用性。2.3.4遗传算法遗传算法（GeneticAlgorithm）属于一种借鉴了生物世界中所具有的优胜劣汰和适者生存的遗传进化规律而形成的随机化搜寻方式。这一算法的提出美国的JHolland教授，它所具有的特征便是直接对于结构对象实施了相应的运行，并没有求导与函数连续性的相关限制，也拥有着内在的隐并行性与更佳的整体寻优能力；利用概率性的寻优方式，可以自主的获得与指导优化的搜寻区间，自动的调整搜寻的方位，无需制定相应的规则或要求。遗传算法属于一类比较多见的优化方式，采用编码的空间去代替问题的相关参数，其评价的标准是适应度函数，其进化的基础是编码群体，对于群体内的个体位串的遗传运作实施挑选与遗传体制，从而建立的一个迭代过程。而且，此方式中的编码技术与遗传操作均是比较简单的和容易实施的，不被过多的约束，也拥有着内在的隐并行性与更佳的整体寻优能力。遗传算法的整体过程是把问题的求解方式表达成生物染色体的生存过程，然后经染色体种群的一代一代进化（比如挑选、交叉和变异等等），最后得到更加适应环境的个体或者是种群，也就是获得问题最优解或者是满意解。2.4本文配送路径的优化的方法2.1节约思想节约里程法也被叫做C-W算法，在1964年的时候被Clarke与Writ提出。其主要作用是处理输送车辆数量不定情况下的VRP问题，属于比较典型的启发式算法。利用此类方式不但能够让配送距离变短，并且还能够提升车辆的满载率，从而有效减少运输方面的成本消耗。其基本思想：设某配送中心（P）送货至其他的两个配送点（A和B），其各自的配送距离PA与PB是已经清楚的，而两个两配送点之间相距是AB，假如在此情况下进行货物配送，且假设配送路程的往返程距离也是一样的，则其配送总路程为：P1=2（PA+PB），其配送线路如图1（a）所示。（a）（b）图1节约里程法图解鉴于节约成本的理念，不采用分别配送的直接配送形式，而是利用一辆车在达到别的条件限制下，以连续的方式对于A和B两配送点实施货物输送，这种配送的模式在图1（b）中展示。如此便能够仅运用一辆车，并且是行驶总距离为：P2=PA+AB+PB。然后，再通过三角形两边之和要比第三边大的特性能够知道：AB<PA+PB。因此说，如果前提是满足相关约束条件，则上文阐述的第二个配送策略要显著好于第一个方式，并且能够通过数学公式推出节约的里程数量是：ΔP=P1-P2=（PA+PB）-AB。另外还有一点，即同一条配送路径中具有越多的配送点，则其节约里程的数量也会越大。2.2节约里程法主要步骤（1）经相关的调查和分析制定出合理的配送里程表，并清楚的列举出配送中心与其他配送点的距离，还有各配送点相互之间的距离。（2）依照节约里程法的规则，采用相应公式去求得各配送点的相关节约里程数，并制定出详细的节约里程表。（3）把节约里程表内的多种节约里程数实施降序方式的排序，获取相应排序表。（4）对各种约束条件实施明确，较为常见的是车辆的载重与最大行驶里程等的限制。（5）依照节约里程排序表与相应的约束条件实施配送线路的最终优化。（6）绘出最终优化路线图。第三章古贝春酒业配送路线的现状分析3.1古贝春酒业简介在1952年的时候，古贝春集团有限公司开始建立，到1999年的10月进行了体制改革，变成了有限责任公司，属于山东省酿酒行业运行比较早的企业，在纯粮食酒酿造方面属于重点的制造商家。到目前为止，公司具有了比较大的运营规模和较高是资产持有，年生产优质白酒能力12000吨。现如今，这个企业能够生产的优质粮食酒包括了四大香型，如五粮液浓香、古贝春浓香、兼香以及酱香，数十年以来，企业的产品屡屡获得各种评比奖章，在山东省的数类名牌产品中一直是佼佼者，而“古贝春”商标也被评比为“山东省著名商标”，在2002年的时候，还被评选为山东省行业十大品牌的暨创新品牌，还通过了ISO9001：2000质量管理体系认证。最近这几年，随着白酒市场的整体竞争持续的加强，整体市场局势的不断恶化，企业经营者勇于创新，有效实施了内引外联的策略，并且积极和其他白酒制造企业实施技术联合，对于自身产品实施了进一步的开发与拓新，从而有效顺应了山东省的相关市场需求，对于企业自身的产品构架也具有着极其重要的意义，也让企业在不利的市场局势下得到了稳定的发展。现如今，古贝春公司更是联合了四川五粮液酒厂，持续的提升产品的生产质量，运用高科技去进行生产，而且还遵循了一业为主，多元经营的有利发展策略，充分的利用了更多的途径去不断的增加企业收益，提高企业发展的后劲。现如今的古贝春有限公司，在主要收益指标方面稳居德州市同类行业的首位，在全省的同类行业中也是排在前几位。企业每年的销售收益就超过了亿元，创利税超过了4000万元。也逐渐呈现出以山东为根基，进行全国发展的新局面。3.2古贝春酒业现有配送路线选择的现状及问题3.2.1古贝春酒业现有配送路线选择的现状古贝春酒业刚开始的时候，使用的物流配送方式是完全自己运营的，通过相应的现实实践以后，感觉此类方式无法满足其相关的服务需求。所以说，企业就对此类配送方式实施改良，利用自身经营的物流和第三方物流共同实施相关的物流配送，可依然是将自营物流当做主导的，在比例占有方面达到了80%左右，并且在配送时间方面给予了限制，城区在12小时以内，城乡在3天以内。其货物供应的流程在下图3中展示。图3古贝春酒业供货流程图古贝春酒业在仓库运行方面的管理是相对先进一些的，因此也具有更高的效率，在信息处理方面更是利用了计算机模式的整体管理。另外，企业也依照自身的现实状况，利用了先进的物流信息体系对于各种物流行为实施了严格经管，比如说运输、仓储、财务及配送等多种方面的管理。现如今的古贝春酒业所使用的是SAP体系，在利用SAP体系实施管理后，进行配送货物的车辆在反应能力与货物运送的效率等方面均得以大幅度的提升。参考于苏宁物流的现实状况能够得出，苏宁的物流配送能力具有了很大的提升，并且在仓储经管中也具有着极低的出错率。可是，由于古贝春酒业所使用的物流方式，让其随意性比较强，无法对配送的过程及相应线路实施更为具体的、合理的规划。3.2.2古贝春酒业现有配送路线选择存在的问题（1）信息系统不健全，信息传递不畅。虽说企业已利用较先进的SAP体系实施经管，可是因为工作人员的素质、体系的硬件等限制，让企业在信息体系方面依然有所欠缺，综合性的信息化水平还是比较低的。因此，也导致了企业在实施货物配送的时候，无法利用最新的相关信息去对配送的路线、车辆及时间进行高效调整。（2）具有无序的物流配送路线挑选情况。当配送的货物处于旺销时期的时候，配送线路的无序性就会让物流配送变得杂乱起来，往往是以存货告急的网点为首选，也就是被动形式的调配。各种无序的现象也是往往送错货物或者是无法及时送达的本质因素。（3）对配送中心的地址选择不合理，从而影响物流配送路线的科学性挑选。在刚刚起步的时候，企业在配送中心的地址选择方面并没有太多的考虑，从而出现了一些不科学的地址选择，相关的不利因素形成的各种约束也让后期的配送工作增加了不少的麻烦，对于企业也会造成相应的利益损失。（4）在物流车辆的挑选方面也欠缺相应的高效搭配。利用运输车辆的自身差异性去挑选合适的配送路线，从而以搭配最优的车次和车辆运行去降低物流的成本，还能够保证物流配送的效率。第四章运用节约里程法对古贝春酒业的配送路线进行优化4.1几种配送路线优化方法的分析与对比紧随社会的不断发展，大家也愈加的重视物流管理，相应的研究也是愈加的深化，如此情况下，便形成了各种的物流配送路线优化的方式，就比如说禁忌搜索算法、遗传算法以及节约里程法等等。而这篇文章也对于这些方式实施了整体性的对比，在下表4.1中展示。表4.1配送路线优化方法比较从上表得出，节约里程法在四类方式的对比中属于较为简单的和容易实施的，对于相关的限制也无太大的影响，还具有较高的优化效率。所以说，针对于古贝春酒业的现实情况来讲，在这篇文章中就使用了节约里程法来探讨。4.2对古贝春酒业配送线路的相关数据进行收集整理（1）选择无锡的古贝春酒业为例的原因。在对相关的数据实施了汇集的时侯，发现许多区域中的配送中心存在不合理选址的问题，占大多数的配送中心在进行地点选择的时候仅考虑了相关的租金等问题，对于配送中心之间以及和各种门店间的路程问题并未进行科学的安排。而在本文中挑选了无锡地区的古贝春酒业配送中心来进行实例分析。（2）相关数据的收集与整理。因为在无锡区域中的古贝春酒业具有比较多的经营店铺，在工作量方面是比较大的，因此在实施数据汇集的时侯也并未全部包括，仅是挑选了部分店铺与售后服务中心来作为代表，进一步的对它们的相关数据与信息实施了汇集，见表2。表2古贝春酒业配送中心及门店的相关信息序号门店及售后服务站名称地址P古贝春酒业德州地区配送中心德州市德城区A古贝春酒业鑫苑小区店黑马大道鑫苑小区B古贝春酒业夏津县店朝阳西路场C古贝春酒业凯乐店德城区健康路D古贝春酒业雨泽店东方红东路E古贝春酒业大桥店德州市德城区F古贝春酒业旗舰店德城区商贸大道G古贝春酒业售后服务中心德州市康博大道187-195号H古贝春酒业太阳湖店德州市太阳湖路359号-14二楼I古贝春酒业售后服务有限公司德州市德贤大街60号J古贝春酒业广川店德州市广川大道为更加方便的去阐述，在文章中对各个店铺或者是售后服务中心进行的叙述，均采用了A～J的字母序号来代表，而对于配送中心使用P来代表。而对于配送中心P和各个店铺之间的路程，还有各个店铺之间的路程则在下图5中用数字去展示。图5配送网络图每一天的各个店铺在配送数量方面的数据在下表3中展示。表3店铺每天平均配送数量单位：t门店ABCDEFGHIJ配送量0.71.50.60.41.41.50.60.80.50.6当前，在古贝春酒业进行货物配送的车辆情况是：最大装载量分别是2t与4t的两类货车、单次行驶距离不超过45km、2t车辆行驶一次的价位是2.4元/km、4t车辆行驶一次的价位是2.7元/km。4.3利用节约里程法对配送路径进行优化（1）先对于上图5内的有关数据实施整理，获得各个点之间的距离，总结出最短的配送线路距离矩阵，在下图6中展示。图6最短的配送线路矩阵示意图（2）依照上图所示，采用节约里程的运算公式Δlij=coi+coj-cij对各个店铺间的节约行程实施计算。例如，计算A～B的节约行程：P～A的最短距离：a=10（km）；P～B的最短距离：b=15（km）；A～B的最短距离：c=11（km）；A～B的节约行程：a+b-c=14（km）。依照上面叙述的方式去计算出全部的节约行程，如图7所示。图7节约行程矩阵（3）依照大小的次序对节约行程实施相应的排序，见表4。表4配送线路节约行程排序表序号连接点节约行程1A～I16km2A～B14km3I～J14km4A～J13km5D～E12km6E～F12km7H～I12km8B～C10km9B～I10km10B～D9km11C～D9km12F～G8km13B～J7km14B～E5km15C～E5km16D～F4km17A～H4km18G～H3km19G～I3km20H～J2km（4）初始解：从配送中心P向各个门店配送，其线路可以分为5条，运行的总共距离是123km，对2t的车辆需要三辆，4t的车辆是两辆。如图8所示。图8初始解（5）二次解：依照节约行程的相应次序去对A～I、A～B、I～J实施连接，配送的线路共分成7条，车辆运行的总距离是134km，2t的车辆需要6辆，4t的车辆1辆，其中配送线路I的装载量为3.3t，运行距离为44km。如图9所示。图9二次解（6）三次解：依照节约行程的大小次序进行排序，挑选出了A～J，D～E，E～F。因为已经把店铺A和店铺J整合到了配送线路的I中，故无需再连接A与J。将D～E与E～F进行连接，构成路线II，并得出此路线所需的载重总量是3.3t，车辆行驶的距离是32km。这个时候，最终选择的配送线路分为5条，车辆行驶的总距离是110km，所需的车辆是2t的3辆和4t的2辆。在下图10中展示：图10三次解（7）四次解：接下来的顺序是H～I，B～C，B～I，B～D，C～D。H～I，B～C与B～D均为可能会整合至配送线路I中的，可是由于车辆的装载量与单次行驶的距离限制，I线路无法再增多店铺，为此不再连接H～I，B～C和B～D。B～I已经在配送线路I中了，所以B～I也不连接了。将C～D进行连接并且整合在线路II内，而此线路的总装载量是3.9t，车辆行驶的总距离是33km，这个时候便形成了4条配送线路，车辆行驶的总距离是101km，车辆方面的需求为两辆2t的与两辆4t的。如图11所示。图11四次解（8）五次解：接下来的顺序是F～G，B～J，B～E，C～E，D～F，A～H。这里的F～G也是可以整合至配送线路II中的，可是因为被车辆的装载总量及行驶距离等因素的限制，在II线路中无法再增多店铺，故不对F～G进行连接。对于B～J、B～E、C～E、D～F的线路连接也无法再进行变动和整合，而对A～H线路来讲，也能够整合于配送线路I中，可是这样的整合会让配送的总距离超过45km，所以说，配送线路I保持不变，A～H也不进行连接。（9）最终解：接下来的节约行程大小顺序为G～H，G～I，H～J。因为载重总量与行驶总距离的原因，配送线路I中也无法加入新的店铺，对于G～I与H～J也不进行连接。连接G～H，组成新的配送线路III。如图12所示。在上图12中展示的就是最终解，所有的配送路线也都规划好了，分成3条线路，车辆行驶总距离是98km，车辆需求方面是1辆2t的车和两辆4t的车。详细的描述是：I配送线路具有装载总量3.3t，车辆行驶总距离是44km，车辆需求方面是1辆4t的货车；II配送线路具有装载总量3.9t，车辆行驶总距离是33km，车辆需求方面是1辆4t的货车；III配送线路具有装载总量1.4t，车辆行驶总距离是21km，车辆需求方面是1辆2t的货车。4.4基于节约里程法对配送路线优化的结果分析如表5所示，已知2t车运行单价为2.4/km，4t车运行单价为2.7/km。表5未优化的配送线路产生的费用运输线路车型距离单价运费P～B～C～P4t30km2.7元/km81元P～D～P2t16km2.4元/km38.4元P～E～F～P4t28km2.7元/km75.6元P～G～H～P2t21km2.4元/km50.4元P～J～I～A～P2t28km2.4元/km67.2元合计123km312.6元优化后的古贝春酒业配送路线所产生的物流成本见表6。表6优化后的配送线路产生的费用运输线路车型距离单价运费P～J～I～A～B～P4t44km2.7元/km118.8元P～C～D～E～F～P4t33km2.7元/km89.1元P～G～H～P2t21km2.4元/km50.4元合计98km258.3元从上表5与表6能够得出，不进行优化的配送方式在成本耗费方面是312.6元，车辆行驶的总路程是123km，在车辆需求方面是3辆2t的货车和两辆4t的货车。但是，通过优化以后，其配送的成本仅为258.3元，车辆行驶总路程是98km，而在车辆需求方面也仅是两辆4t的与1辆2t的货车。结语这篇文章先是分析了古贝春酒业的原有配送情况，从而发现了此企业在配送路线方面具有着较大的随意性。然后依照着此种情况，总结出此企业需要利用路线优化的方式去尽可能的减少货物配