一种物资供应模型构建方法与流程

1.本发明涉及一种物资供应模型，具体是一种物资供应模型构建方法。


背景技术：

2.物资是进行野外驻守、训练和演习等重大活动的基础，也是遂行救灾、维稳、反恐等非战争行动的重要保障。物资迅速安全准确及时的配送运输则是物资保障的必要条件，是实现物资保障的有力环节，其目标是为了满足各项行动的装备物资储备的保障需求，以实现在数量上、时间上、空间上的物资的一致，保证供应的连续性。
3.物资供应点的布局，必须满足为提供适时、适地、适量、适用的物资，使物资保障合理化，力争以最经济安全的方式完成物资的保障任务。过去我军物资供应点布局在现在出现供应短板一般是因为过去着眼一时应急、快速供给，导致频繁建点，过度分散等多种原因。随着新时期物资面临诸如作战样式深刻变化、联合保障任务繁重等各种挑战，导致现行的物资供应在机动速度快、火力输出猛、信息收集多的现代化战争条件下突显诸多局限性。现在物资供应布局在联勤体制下暴露出远离交通要道、远离战场一线等问题，难以适应信息化战争高速度、快节奏的要求。所以对物资供应整体布局进行研究显得尤为重要。
4.为了能有效准确经济安全的提供后勤物资保障，物资配送路线和物资储备点的规划是关键技术。在选择运输方案、规划运输路线过程之中，不同的目标对路径规划提出了不同要求。
5.和平时期的日常运输任务要求运输成本最优，而非和平时期则要求物资安全顺利稳定运达。对于一些重要物资，则需要特别规划运输路径降低发生意外的几率。
6.现有的物资供应模型大多针对与和平时期的日常运输任务进行成本最优的计算，缺少应对于非和平时期的物资运送规划，有待进一步的改进。


技术实现要素：

7.本发明的目的在于提供一种物资供应模型构建方法，以解决上述背景技术中提出的问题。
8.为实现上述目的，本发明提供如下技术方案：
9.一种物资供应模型构建方法，包括根据仓储点信息、需求点信息创建信息地图模型，采用福特算法和单纯形算法根据不同的供应目标对路径选择、配送方案进行计算，以用于建立与供应目标相对应的供应模型；
10.所述供应目标包括成本最小化目标、风险最小化目标及重要物资成功配送目标；
11.所述供应模型包括与各个供应目标相对应的成本最小化配送模型、风险最小化配送模型及重要物资配送模型。
12.作为本发明进一步的方案：所述仓储点信息包括该仓储点的名称、地理坐标、库存物资种类及各库存物资的剩余数量。
13.作为本发明进一步的方案：所述需求点信息包括该需求点的名称、地理坐标、所需
物资种类及各所需物资的所需数量。
14.作为本发明进一步的方案：所述成本最小化配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、配送总成本。
15.作为本发明进一步的方案：所述风险最小化配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、配送期望损失量。
16.作为本发明进一步的方案：所述重要物资配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、物资完全成功配送概率。
17.作为本发明进一步的方案：所述物资供应模型构建方法还包括基于混合整数线性规划模型的仓储点布局模型，采用分支定界法进行松弛求解，求得最优的仓储点扩建或新建方案。
18.作为本发明再进一步的方案：采用贪婪算法对所有的现有仓储点及新建仓储点进行权重计算，所计算的输出结果为该仓储点的运输成本及运输风险。
19.与现有技术相比，本发明的有益效果是：
20.本发明通过根据三种不同的供应目标，建立对应的成本最小化配送模型、风险最小化配送模型及重要物资配送模型，能够应对和平时期及非和平时期的物资运输需求，并通过仓储点的扩建或新建进行优化布局，能够以最经济安全的方式完成物资的保障任务。
具体实施方式
21.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.本发明实施例中，一种物资供应模型构建方法，包括根据仓储点信息、需求点信息创建信息地图模型，采用福特算法和单纯形算法根据不同的供应目标对路径选择、配送方案进行计算，以用于建立与供应目标相对应的供应模型；
23.所述供应目标包括成本最小化目标、风险最小化目标及重要物资成功配送目标；
24.所述供应模型包括与各个供应目标相对应的成本最小化配送模型、风险最小化配送模型及重要物资配送模型。
25.所述仓储点信息包括该仓储点的名称、地理坐标、库存物资种类及各库存物资的剩余数量。
26.所述需求点信息包括该需求点的名称、地理坐标、所需物资种类及各所需物资的所需数量。
27.所述成本最小化配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、配送总成本。
28.所述风险最小化配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、配送期望损失量。
29.所述重要物资配送模型的算法输出结果为配送路径和里程数、各供应点配送方案、物资完全成功配送概率。
30.所述物资供应模型构建方法还包括基于混合整数线性规划模型的仓储点布局模
型，采用分支定界法进行松弛求解，求得最优的仓储点扩建或新建方案。
31.和平时期的日常运输任务要求运输成本最优，而非和平时期则要求物资安全顺利稳定运达。对于一些重要物资，则需要特别规划运输路径降低发生意外的几率。因此针对不同优化目标，我们做出不同的问题情况分析。运输时间的长短与运输距离的远近有直接的关系。一般运输距离越短，在其他条件相同的情况下，运输的时间就越少。但从布局的角度出发，运输时间受交通状况的影响和制约，不同的道路情况有各不相同的通行率，同时战时条件下还要考虑遭敌破坏和自然环境约束的影响，运输最短的线路未必是运输时间最短的。因此为了满足物资保障的时效性，供应点的布局必须在满足最远需求点的条件下运输路径选择优化目标下的最短路径进行运输任务，达到即保障时效性又能满足安全性。
32.因此我们通过对现实中物资配送路径规划问题和物资储备供应点布局选址问题按优化目标不同建立模型并采用合适的算法对问题进行求解得到最优物资配送路线和物资储备供应点选址方案。
33.物资供应问题同时适用于在战时与平时两种情形下的物资供应，其中在和平时期我们选用成本最小化模型，目标为最小化供应过程中所有路径的费用之和，这里我们假定每个供应点与需求点之间所选取的路径为可选路径中的最短路径。在战争时期我们选用风险最小化模型，安全顺利的运达是该模型所考虑的主要问题。而重要物资，我们则考虑选择风险最低路线以确保物资全部运达。因此我们将该供应策略问题根据目标不同分为三个子问题，分别建模求解，得到三个子问题下的最优配送方案。
[0034][0035]
表1物资供应问题模型及输出结果
[0036]
仓储布局问题作为物资供应问题的拓展，因为总供应小于总需求，因此采取对原供应点扩建或者新增供应点增加供应量以满足总需求或者降低运输成本或运输风险。仓储布局问题主要考虑了原有供应点扩建(原址扩建)和新增供应点(新址增建)两个增加供应量的方向，每个方向又细分了运输成本优先(运输建设成本最小化)和运输安全性优先(运输风险最小化)两个子问题，针对四个子问题，分别建模求解，得到四个子问题下的最优配送方案。
[0037]
在布局优化之后，对其结果需要建立一个评价指标体系，以此来对输出结果好坏进行评判。首先是成本问题，布局优化的一个重要目的就是节约成本，而在优化之后能够多大程度的节约成本是一个十分关键的评价维度。另外就是物资转运的安全性是否能够得到提升，在布局优化之后是否存在比原有供应最优策略风险更低的配送方案同样是需要着重
考虑的评价维度。而对于一些重要物资而言，放在新的仓储点或者安排新的布局是否有利于其安全地配送至目的地，即是否能够提升这些物资全部安全运抵需求点的概率，能多大程度地提升。这些对于制定优化方案以后对其质量的鉴定和评价都是十分关键的方面。
[0038][0039]
表2仓储布局问题模型及输出结果
[0040]
物资运输方案的选择问题，本质上属于单目标优化问题。我们的研究首先对物资运输策略方案进行目标分析研究，采用福特算法(bellman-ford)和单纯形算法根据不同目标对路径选择、配送方案进行计算优化，最终得到最佳的配送方案。该方法既能够使决策者很方便的利用模型进行计算，其计算结果又真正达到了选择最优的目的。
[0041]
布局问题主要采用混整数线性规划模型，算法则主要采用分支定界法进行松弛求解，求得到最优的布局扩建(新建)方案。同时采用贪婪算法，对现有所有供应点或新建点进行权重(运输成本或运输风险)计算，选择前若干个作为扩建点或新建点，并计算该算法下的运输成本或运输风险，与分支定界法进行对比。
[0042]
在布局优化之后，对其结果需要建立一个评价指标体系，以此来对输出结果好坏进行评判。首先是成本问题，布局优化的一个重要目的就是节约成本，而在优化之后能够多大程度的节约成本是一个十分关键的评价维度。另外就是物资转运的安全性是否能够得到提升，在布局优化之后是否存在比原有供应最优策略风险更低的配送方案同样是需要着重考虑的评价维度。而对于一些重要物资而言，放在新的仓储点或者安排新的布局是否有利于其安全地配送至目的地，即是否能够提升这些物资全部安全运抵需求点的概率，能多大程度地提升。这些对于制定优化方案以后对其质量的鉴定和评价都是十分关键的方面。
[0043]
在布局模型建立的过程中，存在着非线性的目标函数及非线性约束，如果直接采用这样的模型将大大影响问题的求解精度和计算时间。我们采取了将其线性化的处理方法。对于混合规划中整数变量的处理通常较为复杂，因此我们采取了一些技巧，将0-1变量的逻辑性通过线性约束来实现，从而大大简化了线性化这一步骤。以成本最小化的仓库扩建模型为例：
[0044][0045][0046][0047][0048][0049]
其中zi是一个0-1变量，其逻辑是如果仓库i需要扩建，则zi＝1，否则为0。可以看出，目标函数虽然包含0-1变量，但其性质却不是线性的，因为两个决策变量δsi和zi相乘。同时，约束(3)当中也出现了同样的问题。这里其实包含两个需要线性化处理的地方，但是如果结合目标函数和约束条件(3)一起来看，不难发现这其实是同一个逻辑问题。当仓库i需要扩建时，δsi》0，同时zi＝1。也就是说，只需要保证变量δsi和zi同时大于0或者同时等于0，目标函数和约束(3)当中的zi就可以直接去掉。不难发现，约束(4)当δsi》0时，zi＝1，因此只需要再加上一个约束(5)保证δsi＝0时zi＝0即可。这样得到下面的新的规划模型。
[0050][0051][0052][0053][0054][0055]
δsi≥εzi,ε取值为系统容忍的误差上限
ꢀꢀ
(5)
[0056]
可以看出，两处非线性的表达式被同时转化为线性关系，从而将非线性规划问题转化成了混合整数线性规划(milp)问题，保证了模型的求解精度和计算时间。
[0057]
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。