顺丰快递公司快递公司网点配置与优化.doc

顺丰快递公司网点配置与优化以长沙为例一、项目概述（一）研究背景及意义1、研究背景 随着我国经济发展速度的不断加快和现代信息技术的迅猛发展,物流行业己经成为一个极具发展前景、市场潜力巨大的新兴产业,而快递作为物流产业的一个重要组成部分,正在成为第三方物流的先锋与典范,日益渗透到社会、经济的各个领域。目前我国有8000多家快递企业,从业人员达到90多万,每日的寄件量约在两千万件以上,已经跃居为世界第二大快递国度。据中国物流与采购联合会、中国快递协会数据显示：快递业目前每年以 23%的速度增长，已经 3 倍于 GDP 的增长速度，但仍然赶不上电商每年 50%的增速，物流成为了限制电子商务发展的瓶颈。 从快递市场的特征来看,目前快递行业最大的问题是服务质量,究其根本原因,其实就是快递企业服务网点在整体网络布局中存在的问题。由于不合理的快递网点布局导致服务能力远不能满足市场需求,在一些特别的时间段,例如“双十一”、“双十二”等时下流行的网购高峰期,商家采取降价促销的方式造成急速增长的网购量使得快递公司疲于应付寄件量的增长,在客观上也造成了服务质量的下滑。而在短时期内,快递行业的服务能力也很难提升到完全满足当前市场需求的程度。因此,如何合理设计与规划快递网点的布局问题和有效应对快递网络的优化工作十分重要。 所谓“网点就是快递企业的命脉”,一方面催生了快递企业网点如何合理有效布局规划的难题;另一方面,新型成长的电子商务企业也因为快递企业物流配送这一瓶颈艰难地维持着自身电子商务配送业务,这样既分散了电子商务前进的动力,也无利于快递业的创新和拓展,无疑限制了新型电子商务行业的进一步发展。由此可见,快递企业网点的合理布局与规划问题具有重要的研究价值。2、研究意义 据测算,我国快递市场规模与GDP的增长关系密切,GDP每增长1%,快递市场规模将增长2. 93%,这表明快递业蓬勃的发展趋势将不可逆转,随之而来的是进一步扩大的网点数量规模。服务网点的设立对快递企业网络布局的优化过程提出了更加高的要求。首先,有效的网点覆盖范围可以提高快递企业在相应区域范围内的业务量并增强该品牌的知名度;其次,快递企业服务网点的优化布局可以有效利用现有人力、物力及财力等各种企业现有资源,提高快递企业的经营质量和运营效率;再次,优化网点布局可以使企业资源配置达到一个最优组合状态,在保证运营质量的基础上减少不必要的资源浪费,以期更好地实现快递市场效益最大化;最后,快递企业服务网点合理布局与规划可以引导快递企业的良性发展,使企业在各个方面的经营管理中有条不紊、稳步前进,为企业未来的可持续发展奠定基础。 然而,快递企业既面临难得的发展机遇,同时也面临着激烈的竞争挑战。因此,如何针对快递服务网点来进行布局与规划,是决定企业服务效率以及运营质量的关键,同时也是企业能够持续发展的前提。而网点布局是否合理,不仅会影响企业市场竞争力的提高,还会影响企业的可持续发展。所以本文从改善快递企业服务网点布局优化工作的角度出发,在理论和实践的基础上进行研究,希望能够为我国快递企业在网点布局优化方面存在的问题提供指导性的意见和建议,为未来快递业向更加成熟的产业发展提供方向性支持9可以说,研究快递企业网点布局与优化问题,具有重要的理论意义和实际应用价值。（二）国内外研究现状 目前，物流选址领域的研究大体上可分为定性研究和定量研究这两类。定性研究包括专家打分法，模糊层次评价分析法。定量研究又分为连续型模型选址、离散型模型选址、离散与连续选址相结合的模型和网格选址模型等四类模型。连续型选址方法认为物流配送设施可取直角坐标上的任意点,一般采用的方法是重心法。离散型选址方法是从有限的备选节点中选取其中几个最适合的点，经典的方法有 Kuehn-Hamburger 模型法、CFLP 法和鲍姆尔-沃尔夫法。离散型选址法是近几十年来研究的重点,比较典型的有：Aikensch 提出的九个基本选址模型。Barahonaf 等人在考虑到选址的固定费用、运输费用以及库存费用的基础上,运用混合整数规划建立仓库选址模型。Dantzig-Wolfe分解算法首次得到运用,并通过次梯度优化方法进一步提高算法的收敛速度。成律等通过遗传算法，利用随机规划和模糊理论构建了需求随机情况下的配送中心选址离散模型。Holmbergk 则用分枝定界法对非线性运输费用的选址问题进行求解。杨波给出单配送中心选址问题的一个量化的处理方法。Saaty 等提出层次分析法确定物流配送中心的最优位置。孟祥海提出了将连续与离散相结合的单一物流中心选址方法，将侯选区域划分为多个小区，确定每个小区的中心坐标和需求量，从中选取配送中心为其他小区配送。张建江地理网格引入设施选址，将连续工作区域离散化，将地理网格与 P-中值选址相结合。（三） 项目简介 根据网点布局的相关理论，结合快递业的行业性质，本文设定了快递企业网点布局与优化的基本理论框架，包括快递和快递网点的基本概念，分析了快递网点布局的特点及快递市场的现状。以顺丰快递在长沙市主城区的网点布局为例，分别利用贪婪取走算法和蚁群算法对快递网络的配送路径进行优化，在两者中选出最优结果，确定出重点优化区域，提出相应的网点布局优化方案。并根据分析快递行业不同于一般物流产业的特点，通过AHP层次分析法进行分析，确定了快递企业网点布局优化的影响因素，探讨了网点布局与优化的方法，为实际决策提供了参考依据。在研究过程中，通过实习调研，对顺丰快递实际网点运营效率进行调查，建立现有顺丰快递服务网点评价模型，分析其网点布局基本情况和存在的问题及原因。最后给出优化前后相关数据对比，以此验证网点布局优化方案的有效性。 根据本文思路，设计了快递企业网点布局优化流程图如下所示： （四）项目创新点及特色1、贪婪取走算法 贪婪取走算法在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。在众多算法中，这是最接近人们日常思维的一种算法，在数据规模很大的问题求解中发挥着越来越大的作用。该方法具有模型简单、思维复杂度低、需要进行方案的组合个数少、计算量小、运行效率高、空间复杂度低、易于进行定性分析和定量研究等优点。这种方法具有一定的局限性，它得出的答案很难保证是最优的，一般情况下只能得到满意的近似解。局部贪心的选择是否可以得出全局最优是能否采用贪婪取走算法的关键所在。2、 蚁群算法 蚁群算法是受到人们对自然界中真实蚁群的集体行为的研究成果的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法,由意大利学者M.Dorigo等人首先提出，是群集智能的典型实现。蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。该算法不仅利用了正反馈原理,在一定程度上加快了进化过程,而且是一种本质并行的算法,不同行为体之间不断进行信息交流和传递,从而能够相互协作,有利于发现较优解。蚁群算法可以解释为一种特殊的强化学习算法。3、AHP决策分析层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。二、 项目实现过程（一） 快递企业网点布局与优化的基本理论框架1、 快递和快递网点的基本概念1.1快递的概念快递是以时间、递送质量区别于其它运输方式的一种新型运输方式,它的高效率运转是建立在完善的快递网络基础之上的,且其网络具有很强的整合能力。快递是指快递企业工作人员(取派人员)在收取顾客托运的物品后,通过自身的独立网络,或以联营合作的方式,相互利用各自的网络,在指定的时间内,将客户委托的文件或包裹,快捷而安全地运送到顾客指定的送达地点,并将快件递交给相应的收件人手中的“门到门”的新型运输方式28。快递从内容上主要可以分成文件和包裹两类,其中文件快递以处理文件、资料、图纸等为主,而包裹快递则以处理样品、生活用品以及家用高等级商品等为主。1.2快递网点的概念快递服务网点是快递服务网络中的节点,是快递企业运营的空间“集聚点”,也是构成快递网络的快件营业网点和各级中转场,包括了快递企业为客户提供服务的所有范围。它是指为了突破寄件人和收件人之间空间和时间的阻隔而建立的一种空间服务设施,这种设施可以使得快件在空间上迅速转移且满足快递服务的时效性要求。快递服务网点主要有以下两种:(1)面向客户服务的网点面向客户服务的网点通常称为业务网点,是指在其特定的服务范围内,完成该网点所有客户的收件、派件工作。除此之外,还需按时段将网点所收取的快件送至中转场参加中转,同时将本服务范围内的派件从中转场带回。面向客户服务的快递网点基本处于快递网络运营系统中的最后环节,因此这种业务网点的专业性较强、功能较简单、管理也相对方便一些。此类网点对场地面积的要求并不十分严格,只要求能够方便周转快件即可,但由于它们是经常与客户打交道的快递场所,所以对于快递人员的服务态度意识要求较高。另外值得注意的是,快递企业在对此类网点进行布局选址时应尤其慎重,其所在区域范围内的快件业务量、道路交通运输条件、所处市场区位等等都影响着该类网点的日常经营,可以说较好地选择适合此类业务网点未来发展的有利市场区位和地理位置十分重要。(2)负责快件集散的网点负责快件集散的网点通常称之为中转场,也称集散中心或分拨中心。一个中转场下辖若干个网点,中转场负责区域内全部网点的快件集散工作,也就是将区域内所有网点所收取的快件集中在一起,并按目的地进行分类综合汇总,然后通过某种运输方式转发至其他相应的中转场;同时,其他各地发往本区域的快件,由当地相应的中转场发送至此,再由本中转场按照各个网点分类汇总,继而转发至各个网点。 此类快递网点与上述提及的面向客户服务的网点(业务网点)有所不同,它对经营的场地面积有一定的要求,这类网点经常作为业务网点的上一层级进行快递业务的经营管理工作,除了具有业务网点的所有功能之外,还包括对快件的集中管理工作,所以一般需要具有足够货物集散、中转的场地面积,另外,作为类似于物流仓库功能的快件集散网点,它对地理位置也有一定的要求,一般尽量设置在距离城市中心商业区较远的地带,这类地区地租便宜,场地面积足够,集散分拨作业方便,是与此类网点功能相适应的有利地理位置。总而言之,快递服务网点是快件物品在快递网络中流通的基本条件和核心要素,同时也是快递网络构成的基本组成单位。快递网点的数量和规模既反映了快递企业的服务水平和服务能力,同时也决定了快递企业的生存发展。所以,网点布局与优化对于快递企业的发展举足轻重。2、 快递网点布局的特点 网点布局是以物流系统和社会的经济效益为目标,用系统的理论和系统工程方法,综合考虑物资的供需状况、运输条件以及自然环境等因素,对网点的位置、数量、规模、供货范围、直达供货和中转供货的比例等进行研究和设计,建立一个有效率的网络系统,以达到费用低、服务好、效益高的目的。 快递不同于一般物流产业,在网点布局、网点规模、与经济发展的同步程度等方面都有其自身的特点和规律。在实际决策中,快递企业的网点布局优化也有自己的特点,主要表现在以下方面:(1)网点布局密度由城市中心向边缘地区逐渐减少 快递企业网点布局中最明显 特点便是其密度分布特征,随着由城市中心向边缘地区经济发展水平的逐渐减弱,快递业务量也产生着由多至少的变化,这也就间接决定了快递网点的个数及其作业量。因此,快递网点的布局密度在城市区位分布影响下有着由中心地区向边缘地区逐渐减少的特点。(2)网点规模较小,功能较简单 快递企业服务网点的布局设置最终目的是在达到效益最优的前提下尽量提高其区域覆盖面积,随着近些年来电商经济的蓬勃发展及网购数量的日益增长,网点的数量规模将会有更进一步的提升,数量众多的快递网点决定着每个网点的运营规模将不会很大,而且每个快递服务网点的运营是具体化并专业化的,这样在日常业务处理中将针对其特定区域有着其专有的经营特点。所以说,在快递企业的网点布局中每个网点的运营规模较小、功能较单一。(3)网点建设与经济发展紧密相连 经济的发展水平间接地决定着其网购的普及程度,而网购又进一步影响着快递业务量,所以说快递企业服务网点的建设与当地的经济发展水平有着密不可分的关系,网点的建设拉动了企业效益的同时也促进了经济的发展,而经济发展又反过来促进网点布局的不断优化和完善。二者相互促进、相辅相成。3、 快递市场现状3.1市场格局 我国经济经过三十多年的改改革开放，保持高速有序的发展，特别是第三产业增幅最为明显。经贸往来密集，商品流通快，物流发展也越来越快，经济发展对物流业的依赖程度也越来越高。作为物流产业中发展速度最快、附加值最高的一个类型快递业，在我国的发展可谓如日中天。当前，我国的快递业务量主要分布在东部沿海地区，以长三角、珠三角、环渤海湾最具有代表性。 快递企业的城镇营业网点布局不合理，资源配置不均衡。企业设施、网点、人员等高度集中在交通极为发达的大城市中，网点分布集中，同行竞争激烈，而在集镇地区，快递业的发展比较缓慢，使集镇快递与城市快递在衔接过程中相脱节，造成城镇快递市场呈现出的畸形的局部地域化特征。城镇快递的市场内部衔接不上，集镇快递呈现“散沙一盘”的状态，网点几乎为零，城市快递网点过度集中，同行之间竞争激烈。城镇物流正在朝着一体化的方向发展，城镇快递业可以效仿物流业的做法，实现城市和集镇的快递网点建设、运输、配送、服务体系等等的一体化。因此，快递行业的竞争最终是网点、服务和品牌三个方面的竞争，而且网点与服务是企业提升品牌知名度的优先条件。 快递行业经过多年发展，各个公司在市场定位、优势区域和管理模式等方面存在差异，形成不同的经营特色，主要有三类企业占领市场，分别是外资企业、国有企业、民营企业。外资企业中以 FedEx(联邦快递)、DHL(德国邮政全球网络)、UPS(联合包裹服务公司)、TNT(荷兰邮政集团)占有的市场份额最大，这四家公司历史悠久，实力雄厚，有着覆盖全球的快递网络，占有 80%多的国际快递业务。它们有着优质的快递服务及在线预订和查询服务系统，非常快捷且又准确的把货物送到客户手中。而且，外资企业在我国的快递占有量不断增加，所以，快递企业之间的竞争将更加激烈、更加白热化。 国有企业是以 EMS、中外运、民航快递、中铁快运为代表的传统快递企业，有着服务的运输网络，长期的合作伙伴，忠诚的客户。有的企业盈利，有的企业亏损，但是他们的作用不仅仅是赚取利益，更重要的是符合国家长期宏观规划。比如中国邮政虽然在有些偏远地区、交通不便的地方，效益几乎为零，但是在此类地区设立网点的社会服务价值比利益更为重要，是惠及民生的营业网点。 民营快递企业目前发展比较好的，知名度相对较高的有顺丰速运、申通、宅急送等。其中民营快递业非常值的关注，目前，我国民营快递公司大概有 l 万多家，规模大小不一。近年来，民营快递约占全国 80%的同城快递市场、50%的省际快递市场，当前民营快递的平均增长速度为 35%左右。民营快递企业大踏步的向前发展，最能够说明国内快递量的需求增长速度之快。 3.2 快递量需求及特点 根据国家邮政局网站 2011 年 12 月 31 日公布的快递服务“十二五”规划部分内容：快递业务量到 2015 年将突破 61 亿件，业务收入会是 1430 亿元根据 2012 年中国统计年鉴及 2012 年的快递量，绘出2008 年 1 月至 2013 年 2 月，我国快件量的逐月变化曲线图，如图2.1 所示。分析每个月的快件数量变化，可以看出：每年的 1 月到 2 月，快递需求量是减少的，除过 2012 年和 2009 年，这两年均是 1 月下旬过春节，节前购买力和节后购买力均有增长；2 月至 3 月，快件量都是增加，因为在一些B2C 的商家，会在 3 月 8 日前后促销，吸引顾客，所以造成 3 月份快件需求量猛增；3 月至 10 月，增长缓慢且每月的增长量和减少量基本持平；10 月至 12 月，每年需求量增长速度最快。 3.3消费者投诉情况 强劲的快递需求，让企业看到了希望，所以企业应该在不断发展的同时，关注消费者投诉情况，发现自己的“短板”。 图 2.3 为2009 年至 2012 年的消费者投诉情况表。结合图 2.1，显而易见的是当快递量需求不断增长的时候，消费者投诉量也在不断上涨。所以，当企业不断发展壮大的时候，不仅只是关注利益最大化，而是更多的关注消费者的质量要求，企业才能在众多竞争者中脱颖而出。 （二）数据预处理1、原始数据：边界.shp道路.shp人口.shp顺丰网点.shp2、缩小研究区域 由于蚁群算法的时间复杂度太大，为了实验的方便，决定缩小研究区域。同时要将其他数据的范围缩小。以人口.shp为例对图层进行剪切。 （1）查看人口属性表，选择人口精度较大的区域,即下图绿色区域：（2） 在ArcCatolog中新建面要素clippolygon.shp，用于存储裁剪面。（3） Arcmap中打开编辑，从人口shp中将上述的绿色区域的面要素复制到clippolygon.shp中，编辑菜单栏下选择合并，将分离的面合并成裁剪面。结果如下： （4）选择“ArcToolBoxAnalysis ToolsClip”工具裁剪出区域中的其他要素，用于选址建模。以裁剪人口数据为例，输入人口.shp，裁剪要素为clippolygon.shp，选择输出路径。同理，分别裁剪其余要素。最终结果如下：3、投影转换将球面坐标转化为平面坐标的过程称为投影。投影坐标系的实质是平面坐标系统，地图单位通常为米。投影坐标系在二维平面中进行定义。与地理坐标系不同，在二维空间范围内，投影坐标系的长度、角度和面积恒定。投影坐标系始终基于地理坐标系，即：“投影坐标系=地理坐标系+投影算法函数“。本实验选择的投影坐标系统为：WGS_1984_UTM_Zone_49N。（1）定义投影。查看数据框，原有数据中部分数据为地理坐标系GCS_WGS_1984，部分没有定义投影如消防站点。选择“ArcToolBoxData Management ToolsProjection and TransformationsDefine Projection”工具，将投影定义为地理坐标系GCS_WGS_1984。同理，定义未定义投影的要素。（2）投影转换。为了将不同坐标系统的数据转换到统一坐标系下，方便对数据进行处理与分析，选择“ArcToolboxData management toolsProjections and transfomationsFeatureProject”工具进行投影转换。以道路为例进行投影转换，同理，将其余数据进行投影转换。4、创建栅格图层 将人口的密度数据作为选址模型的服务对象数据，需将人口的面要素转换以人口密度为属性的栅格。修改数据框单位为米，测量展示的人口数据最大长度，为5541米左右。考虑到启发式算法的数据量的复杂性，设置人口栅格的精度为100米，大概3025个栅格。（1）矢量转栅格。选择“ArcToolBoxConversion ToolsTo RasterFeature to Raster”工具转换人口数据。（转换人口数据前需指定投影坐标系上步）输入要素为人口，字段为人口密度density，像元大小为100。输出栅格如下，将栅格另存为人口_栅格.img。（2） 计算人口每个栅格距离道路的欧氏距离。 选择“ArcToolBoxSpatial Analysis ToolsDistanceEuclidean Distance”工具。设置环境，设置处理范围为人口_栅格.img，绑定栅格为人口_栅格.img输入道路要素得出人口距离道路的栅格如下，另存为dis.img（三）确定网点布局优化方案 顺丰快递企业服务网点的选址问题可以用p中值问题来描述，即选定p个设施的位置，使多数或平均性能最优（成本最小，如使总的运输距离最小、总的运输时间最少，或者使总运输费用最小等）。常用算法有近视算法(myopic algorithm) 、交换启发式算法、邻域搜索算法等启发式算法、Lagrangian 松弛算法、禁忌搜索算法、模拟退火算法、遗传算法、神经网络和蚁群算法等现代启发式方法。本文采用贪婪栅格算法和蚁群栅格算法。1、贪婪取走算法选址1.1 算法原理首先介绍贪婪取走选址，贪婪取走算法的原理在于从待定点中每次取走一个点，使目标函数的值增量最小（这个目标函数值就是选址方案的成本）。在贪婪取走式算法中首先要明确求解目标以及制定一个可行的贪婪准则，然后以当前基础为最优选择，而不考虑各种可能的整体情况，从初始状态一步一步往下搜索，直到找到满足该问题的目标值，该方法具有模型简单，需要进行方案的组合个数少，计算量小，节约时间，易于进行定性分析和定量研究等优点。这种方法具有一定的局限性，它得出的答案很难保证是最优的，一般情况下只能得到满意的近似解。1.2 算法描述贪婪取走启发式算法步骤如下：（1）初始化，令当前选中设施点P=M，即将所有个备选设施点都选中；（2）将每个需求点指派给与运输成本最小的一个候选设施点；（3）选择并取走一个设施点，需要满足以下条件：假如将它取走并将它的需求点重新分配后，总平均费用增加量最小；（4）从备选点中删去取走点，令P=P-1，然后转第（3）步；（5）重复步骤（3）（4），直到P=i,其中i为所需选择的配送中心数量。1.3 算法实现与改进贪婪取走算法的实现本身并不难，我们将它实现为一个类（类名PM），并提供了接口。使用它的方法，只包括初始化传入数据，调用选址接口，得到选址结果。以下是使用例子：PM pm = new PM(this.density, this.road);/初始化对象pm.pMedian(targetNum);/选址this.result = pm.getResult();/返回结果但是算法本身的时间复杂度过大。栅格数据的数据量过大将导致运行时间令人难以承受。为了保证算法的可行性，我们从两个方面来改进算法：（一） 减少候选的栅格：选址就是从一个比较大的候选栅格集中选择出很少量的目标栅格，在栅格选址中，候选栅格的数目和需求服务的栅格数目一样多，但是这样是没有必要的。我们假想在一个3X3小区域中存在一个目标栅格，这个栅格在区域中的任意位置，将会带来的误差最多不过1.4个栅格边长大小。（例子：利用日常的生活经验，供应点和它的最佳位置有100米的偏差，在实际中并不会带来成本的较大影响）所以，我们将候选的目标栅格选择为所有8领域的中心。如果数据的范围更大，可以考虑扩大领域的大小，如果栅格的尺度过大，可以考虑缩小领域的大小。（二） 改进算法的实现，利用动态规划，增加空间复杂度来降低时间复杂度：在最初的实现中，没有对代码进行优化，做了很多无谓的操作，导致时间复杂度较大。考虑到空间成本相对于时间成本较低，我们在程序初期预先计算了所有候选供应点和需求点间的目标函数值，并且进行预先排序，得到成本表。这样以后的每次操作，除了，更新成本表的操作都被减少到了O(N)级别，整个程序的时间复杂度为O(N3)而且常系数也很低。2、蚁群选址算法蚁群算法，又称蚂蚁算法，是一种模拟进化算法，由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。该算法是群集智能的典型实现，不仅能够智能搜索、全局优化、而且具有强鲁棒性、正反馈机制等特点，求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。基本思路是：多只蚂蚁利用信息素传递信息，经过多代循环后积累了足够的信息，便可以选择出较优秀的选址方案。2.1基本算法蚁群算法最重要的两步就是信息素的更新和轮盘方法选择最佳位置，前者保证了算法朝更优的方案前进，后者保证了算法具有随机性，否则算法将会快速收敛，得不到优秀的选址方案。轮盘方法的实现：随机产生一个0-1的阈值，将每个目标位置的概率累加，直到某个位置累和超过了阈值，则该位置就是这次选中的位置，可见一个概率越大的位置，在某一次加上它，值超过阈值的概率越大。这就类似于轮盘游戏，一个区域对应的角度越大，选中该区域的概率越大。（初期没有意识到这个随机方法的重要性，导致结果快速收敛）信息素更新： 信息素更新，包括信息素衰减和信息素增加的过程。我们参考了论文采取信息素递减扩散的策略对信息素进行更新 。每只蚂蚁会在经过的边上留下一定量的信息素，作为下一轮蚂蚁求解的依据。为了避免残留信息过多淹没启发信息，在每次迭代完成后对残留信息进行更新处理 。由此第次迭代时在路径的信息量按如下规则进行调整：式中表示信息挥发系数其取值范围为。表示本次迭代中路径 上的信息素增量；表示第只蚂蚁第次迭代在路径 上留下的信息量。其中 按下式进行计算：式中Q表示信息素强度，L表示第r只蚂蚁在本次循环中所走路径的总长度。可通过指定迭代次数或者当迭代所得到的解不再发生变化作为算法停止条件 。2.2算法描述（1）初始化蚂蚁选中的地址列表；（2）初始化禁忌表；（3）处理一只蚂蚁，得到最佳位置；（4）更新禁忌表；（5）执行循环，直至遍历所有路径；（6）新旧方案对比，选出最优；（7）根据选址的结果更新信息素 。2.3算法实现与改进 我们把算法实现为一个类（类名AntPmediate）并提供了几个接口，使用它的方法如下：AntPmediate an = new AntPmediate(density, road);/初始化数据an.initialParameter(informationIndex, inspireIndex, volatilize, antNum, Q, targetNum, cnt);/初始化参数an.getBestPosition();/执行选址this.result = an.returnResult();/得到结果蚁群算法仍然有时间复杂度的问题，我们采用和前一个算法类似的思路来优化它。有所更进的是，我们认识到，研究区域的数据在边缘区域都是无效数据，所以在最初的预处理过程中，通通剔除了，以减少运行的时间。3、 结果分析最优网点选址方案平台：NetBeans IDE 8.0.2语言：Java结果：最优顺丰快递网点选址方案输入数据：populationdestiny.txt、distanceroad.txt输出数据:运行界面：（1）打开人口密度文件和道路文件（2）刷新得到如下的图像（3）执行贪婪取走算法，选址结果如下：（4）执行蚁群算法，选址结果如下：（5）选出最优的选址方案：最下方，显示了每种方案的目标函数值，值越小代表成本越低，是更优的选址方案。可以看出，贪婪取走算法确定的方案的成本最低，为最优方案。对于本次实验，贪婪取走算法相比蚁群选址算法更加优秀。 （四）AHP决策分析确定影响因素权重层次分析法简介层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究根据各个工业部门对国家福利的贡献大小而进行电力分配课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。层次分析法的具体操作，是将一个复杂的多目标决策问题作为一个系统，把目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。及其所对应的特征向量W，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。配送中心选址的影响因素选址决策涉及的影响因素多，不同的文献对此有不同的归纳。主要提出外部因素和内部因素两大类，外部因素中包含宏观政治及经济形势。我们所研究的是精确选址，其前提是基本范围已确定。也就是说，宏观的政治及经济形势在此基本范围内是一致的。一般来说，配送中心的精确选址落实到具体影响因素，主要有以下几种：运输条件：运输费用占配送中心总支出的很大比例，包括：道路交通条件；与主要供应商的距离；与主要配送对象的距离。 用地条件：物流配送中心对土地情况要求高，由于配送中心一般占地面积较大，土地价格的高低也是选址时必须考虑的因素之一，在建设配送中心时也要进行综合考虑。其包括：可提供面积；土质；水文条件；地形；地价。 气候条件：气候条件会影响配送中心内部分食品的保质期，影响露天放置商品的质量变化，影响库存环境条件的改变等。其包括：平均温度；平均降水量；平均风力；其他气候因素（无霜期、冻土深度、年平均蒸发量等）。可持续发展性：配送中心的服务应当适应国民经济一定时期内发展的需要，至少在未来三十年内能得到较大限度的利用。因此，应当做面向长远规划，与城市未来发展的整体规划相协调。还要尽量选取有利于污染物处理或对周边居民造成污染较少的区域。其他因素：在配送中心建设规划中，拥有一定数量和素质的劳动力也是影响中心选址的因素之一。如劳动力、周边公共设施及投资额限额等。 层次分析法确定影响因素权重实现步骤1、建立层次结构模型层次分析法中，层次结构模型包括目标层、准则层、基本层。在此问题中，配送中心选址的影响因素划分成如表 1所示三个层次。三个层次为完全独立结构，即树状结构。2、构建判断矩阵层次分析法中常用1-9标度法建立判断矩阵。如表2所示。 表2 重要程度赋值的判断尺度判断尺度定义1要素i和要素j同样重要3要素i比素j略微重要5要素i比素j重要7要素i比素j明显重要9要素i比素j绝对重要2、4、6、8介于两相临重要程度之间该表反映了具有同一根节点或父节点的两个影响因素相对重要程度的得分。因素 i 相对因素 j 的比较得分为 ，则因素 j 相对 i 的比较得分为 = 。根据专家经验和两两元素比较建立影响因素的判断矩阵：目标层与准则层建立如表 3 的判断矩阵。准则层与基本层也建立相应的判断矩阵。之后需计算特征根和特征向量。用定义精确计算矩阵的特征根和特征向量是比较困难的，也是没有必要的。在实际应用中，采取近似的简化算法中的方根法完全满足解决问题的需要。其计算步骤如下： 构造判断矩阵 A= （1） 对矩阵按行求积并开 n 次方，即= 归一化：= （i=1、2、n） （2）则得特征向量 = 即为各要素的权重。根据公式（2），用方根法计算特征向量 。这样，准则层五个影响因素对整体效益这一目标就得出了分别的权重 。同理，基本层中各个影响因素也对其相应的准则层得出权重。（1）打开yaahp的主页，选择新建一个*.ahpx文件（2） 在绘制页面中输入各影响因子，将工具条的元素拖入下方输入各影响因子（3） 模型构造好之后，选择工具箱的检查模型选项，验证模型的正确性若正确，会弹出如下窗口：（4） 根据专家经验和两两元素比较建立影响因素的判断矩阵，目标层与准则层的判断矩阵建立如下图所示。同时，准则层与基本层也建立相应的判断矩阵3、一致性检验建立判断矩阵后，必须对其进行一致性检验，检验该判断矩阵是否具有满意的一致性。方法如下： 首先对每个成对比较矩阵计算最大特征值的近似值及其对应的特征向量 。近似最大特征值：= （3） （4）只有判断矩阵具有完全一致性时最大特征根 =n，而一致性不完全时n，因而可以按（ n）来衡量一致性程度。有公式 ： （5）计算CR进行一致性检验： （6）式中 n 为判断矩阵的阶数，CI 为一致性指标。CI 越小，则一致性越高。但显然随着 n 的增加，判断矩阵的判断误差就会增加。因此检验一致性时还需将 CI 值与平均随机一致性指标 RI 值相比较，由此得出检验系数 CR。RI是同阶随机判断矩阵的一致性指标的平均值，其引入可在一定程度上克服一致性判断指标随 n 增大而明显增大的弊病。当 CR0.1 时，判断矩阵满足一致性；否则，需要重新调整判断矩阵。对第二层次（准则层）因素进行一致性检验如下各表所示，五个准则层的一致性比例分别为：0.0975、0.0521、0.0925、0.0900、0.0000、0.0713，均小于0.1，此判断矩阵的一致性是可以接受的。 2. 运输条件B1 一致性比例: 0.0521; 对配送中心选址的效益最大化A的权重：0.4388; max: 3.0542运输条件B1道路交通条件C1与主要供应商的距离C2与主要配送对象的距离C3Wi道路交通条件C11.00000.50000.20000.1149与主要供应商的距离C22