技术与方法 物流技术2014年第33卷第4期(总第307期)
doi：lO．3969／j．issn．1005—152X．2014．04．080
快速物流运输线路优化对山区旅游的促进模型
王 玉。包 磊
(唐山科技职业技术学院，河北 唐山 063000)
[摘 要】提出了一种基于灾变算子以及改进BP神经网络的山区旅游快速物流运输路径优化算法，通过路径灾变算子反馈限
制加权算法优化网络配送，在BP神经网络中融人非线性改进方法，优化旅游物流网络中堵塞路径，获取具有最佳性能的旅游物
流路线。实验结果说明，该方法增强了物流配送网格调度效率，极大促进了山区旅游业的发展，取得了令人满意的效果。
【关键词】山区旅游；物流网络；优化；灾变算子；BP神经网络
【中图分类号]u116．2；F224 [文献标识码】A 【文章编号]1005—152X(2014)04—0244—03
Promotional Model of Rapid Logistics Route Optimization on Tourism Industry in M ountainous Areas
WangYu，BaoLet
fTangshan Vocational＆Technical College ofScience＆Technology．Tangshan 063000．China)
Abstract：In this paper，we proposed the method for the optimization of the rapid tourism logistics routes in mountainous areas on the
basis of the cataclysm operator and the improved BP neural network，and then through an experiment，illustrated that the method could
enhance the dispatching efficiency of the logistics distribution grid and promote the development of the tourism industry in the mountainous
areas．
Keywords：tourism industry in mountainous areas；logistics network；optimization；cataclysm operation；BP neural network
1 引言
选择最佳物流配送方式是物流配送分析的关键问题u。 。
随着智能技术的发展，智能化的配送调度方法成为分析的重
点方向。因为物流配送方法的应用范围较广，物流网络模型
的优化成为相关学者分析的重点。物流管理的总体目标是在
尽可能低的总成本下完成既定的顾客服务水平。物流运输路
线优化的两个基本业务功能是仓储和运输。山区旅游运输网
络会受到恶劣地形限制、恶劣气候的干扰、山区管理的约束，
导致传统的物流网络线路方法无法适应这些干扰因素 ，面向
物流网络路径中正向逆向的密度过大，该种突变密度容易导
致路径出现冲突，降低了物流网络调度模型的效率，限制了山
区旅游业的发展 。 。实际的山区旅游物流网络运输中，如何
在确保顾客服务需求的条件下，选择最佳的运输路线，成为企
业管理者分析的关键问题【 。
2 快速物流运输路径优化算法
2。1 塑造灾变算子运算
分析灾变原理以及调度算法可得 ．如果不考虑局部极值，
则能够获取全局最佳解，应过滤灾变，删除当前的最佳个体，
确保偏离当前极值的个体得到全面地完善。本文塑造了一个
简单的灾变算子，能够决定算法在查询时出现“灾变”时机，说
明局部查询完成应跳出当前局部极值。用T1表示计时器，产
生一次新的最优值的计数器则为T2，设置灾变度是 3．6，灾变
算子的描述为：
(1)进行物流配送的车辆数为w，则物流路径选择时的相
关参数是常规参数，能够运算不同路线下 ，最佳路径 的选择
为：
y
【
e
l，
a~ ,
^
ej
=
k
u
。
式中，e， 用于描述调度中心i与物流配送中心k间的距离 ，
y^， 表示运输中心j同原始运输中心k获取的理想聚类效果。
(2)塑造与其对应的物流配送表 ，明确在相应配送时间中
参加配送的运输中心。
(3)将需要接收货物的运输中心当成调度中心，并且用a
(k=l⋯2．．．n)描述。
(4)明确冲突灾变算子，得到物流网络中已经完成货物配
送需要的路径，将路径中拥堵灾变因子P fu)处于模型中心，并
将其完全融入到算法的调度中，采用该种规范进行限制，详细
的规范方法如下，通过公式(1)可运算灾变因子PikI(u)的权重：
， fv ， ／∑ ，k v，
(“) { (1)
l0，其它
通过运算获取的灾变因子权重的大小，进行调度路径中
是否存在灾变的运算，运算的增量是：
【收稿日期1201 3—07—25
【基金项剧河北省社科联山区旅游发展规划基金项目(SZ2011248)
[作者简介】王玉(1981一)，女，河北唐山人，硕士研究生，讲师，主要研究方向：旅游管理。
． ． 244．．
王玉，等：快速物流运输线路优化对1iJ区旅游的促进模型 技术与方法
． ， f1／ ∑ 一∑
Av)k { 扣 (2) 1
0
通过式(3)得到最佳灾变权值解：
vjAu—f) ( ( 一AG) (3)
J-l,k一1
采用上述分析方法，能够快速运算出在双向传递条件下，
网络的最佳调度路线 ，极大优化了物流网络效率，避免了传统
方法存在的弊端，确保传输的高效性，促进山区旅游业的高效
发展。
2．2 旅游物流网络中堵塞路径的优化技术
山区旅游物流网络会受到复杂地形以及恶劣环境的干
扰，导致物流网络中运输物品的路径出现堵塞问题，降低总体
物流网络运输性能。本文在 BP神经模型中融入了非线性改
进方法 ，增强了BP神经网络的非线性逼近性能，进而提高了
本文算法对山区环境下旅游物流网络的操作性能。复杂非线
性函数可以有效分析山区环境下旅游物流系统的相关情况 ，
分析旅游物流运输的实时状态。山区旅游物流网络参数的估
计，需要输入相关的参数，再采用模型输出最终的结果。
具体分析的过程包括三项：数据输入层、隐含层和结果输
出层。其中实际应用汇总神经网络的隐含层包括多个层 ，并
且在物流网络连接过程中，不同层问采用全互连通进行关联 ，
同层间具有独立性。BP神经网络结构如图1所示：
辅 ^ 屡
％I台 屡
输 出 屡
输 入
图1 BP神经网络结构图
传递函数是BP神经网络的基本处理单元，通常采用的传
递函数是S型变换函数，该种函数下的网络对于非线性输入输
出关系具有较强的逼近和模拟性能，可以有效模拟物流网络
中的突发问题。依据得到的数据序列对网络的权重和阈值进
行学习，研究网络输入输出间的映射关系。
假设 BP神经网络的输入向量用x=(x。'x1⋯⋯X) 描述；隐含
层输出单元的阈值是 ]【0— 1，隐含层 的输 出向量是 O=(o．，O ，
⋯ ，o ) ，o 表示神经网络隐含层节点 的实际输出；BP神经网
络的输出向量和期望输出向量分别表示为：Y=(y ，y：，．．⋯Y) ，E=
(e ’e2⋯，e ) ；BP神经 网络输入层到隐含层 间的激发 函数 为
Sigmoid~ 数：
，㈤= (4)
隐含层第 个神经元的输入向量为：
删，=∑ (5)
i=0
式(5)中，W 表示输入层第i个神经元到隐含层第 个神
经元的权重值。隐含层第 个神经元的输出为：
0，：厂 )=—— =一 (6)
1+
依据式(5)以及式(6)可以得到输出层的第 k个神经元节
点的输入向量：
= ∑ o (7)
输出层的第 k个神经元节点的输出向量 ：
Y =f(net )=—- 『_一 (8)
1+e
非线性优化是先进的智能信息处理方法，对不确定变量
进行初始化设置后，采用目标函数进行迭代运算，可以得到最
佳解 ，本文采用式(9)描述的目标函数优化山区旅游物流线
路：
厂( = ㈤ + (
(∑
i=1
，mIn( )一 (9)
A= ：(∑ )一∑ ( )
其中， ㈣ 用于描述某时刻相应路段所有相邻路段的旅
游物品数以及物流运输情况的融合函数 ，该函数可以表示当
前物流路段情况，函数值越小，说明相应的旅游物流路段的交
通越通畅。 ㈣ 表示当前时刻相邻路段的交通情况较差路
段。 表示当前时刻山区旅游物流路段传输的货物数。通过
上述分析的方法对山区旅游物流路线进行分析，采用分析后
的数据对当前的旅游路径进行优化。
2．3 旅游物流网络路径能耗优化
通过改进 LEACH算法能够优化旅游物流网络的路径能
耗，旅游物流网络能量的消耗模型用式(10)描述：
哪 ：乏：
上述模型用于描述山区旅游物流网络路径在距离d上传
递k种商品所消耗的能量。采用式(11)的能量控制参数可确
保在选择最优路径过程中，剩余能量多的路径被选中：
E( ： (11)
凸 ㈣
其中⋯E (n)用于描述路径n的剩余能量，E．川用于描述路径
的初始能量。
按照路径间的通信半径关系，能够获取邻居路径的数量，
进而在分析最优路径的过程中融人密度调节参数 ：
D ) 卜 1而 (12)
其中，NodeDensity(n)用于描述路径n的邻居路径数。某个
路径的邻居路径分布密度过大时，其被选中成为最优的概率
也逐渐增加。
如果路径同汇集路径的距离较大时，其被设置成最优路
径的概率也逐渐降低 ，距离控制参数如式(13)所示：
H =l_丽Dis2~iok(n) (13)
其中，Dis 。 用于描述路径n同汇聚路径的距离。MaxDis
． ． 245—．
技术与方法 物流技术2014年第33卷第4期(总第307期)
表示汇聚路径到网络监测区域的最远距离。
将(11)、(12)以及(13)式融入最优路径选择阈值 T(n)中，能
够获取优化的T(n)表达式：
_{ x (14) +w3×日(叫，nEG
10 其它
其中w1、w2、w3分别用于描述相应的调控参数权值，同时
存在：{ ： 之三 、 (15)1 0 ⋯～‘I ≥
， w2≥0．w3≥0 、
对阈值T(n)进行优化 ，能够将不同的调控参数融人最优路
径的选择过程中，不仅分析了路径剩余能量 ，并且还充分分析
了山区旅游物流环境下的路径密度以及距离等因素。通过上
述分析的方法可对山区旅游物流网络路径能量进行均衡控
制 ，获取能耗量最低 ，发生堵塞概率最小的最佳旅游物流网络
路径 ，促进山区旅游物流的发展。
3 实验结果分析
为了验证本文模型对山区旅游的促进作用，塑造一个L【J
区旅游用品物流网络，用Wj={w．，W：，．．⋯W}描述山区旅游用品
供应商，通过三种不同种类的旅游用品对本文模型的性能进
行分析。山区旅游用品生产企业运输成本权值用表 l描述。
表 1 运输成本数据表
节点 Wl W2 W3
1 O 63 0 26 0．45
2 O．52 0．12 O．11
3 O，l4 0．43 O．51
4 O．11 O．32 0．48
5 O．58 O．49 O．25
6 0．32 O．1O O．46
7 O．2l 0．04 O．54
8 O．65 O．15 O．13
9 O．1O 0．13 O．O7
lO O．08 0．39 O．19
实验采用传统的主元分析模型和本文模型优化该山区旅
游物流线路，两种模型获取的旅游用户运输距离如图2所示。
图2 两种算法路径距离对比情况
山区旅游用品运输时两种算法的运输成本如图3所示。
综合分析图2以及图3能够看出，本文模型优化的山区旅
游物流线路得到的旅游用品路线距离以及运输成本都小于传
一 246一
图3 两种算法的运输成本对比情况
统模型，表明本文模型的性能优于传统模型，大大减少了山区
旅游物品的运输成本，提高了运输效率，表明本文模型在促进
山区旅游业的发展方面具有较强的优越性。
全面分析上述实验过程中的数据，能够获取表2以及表3
中的数据，为进一步验证本文模型的优越性提供分析依据。
表2 传统模型实验数据表
供应商层次数(个) 路线距离(km) 运输成本(元／件)
1 64 6
2 11O 1O
3 368 13
4 426 18
5 460 25
6 506 28
7 542 30
8 680 33
9 724 35
lO 750 40
表3 本文模型实验数据表
供应商层次数(个) 路线距离(km) 运输成本(元／件)
1 64 3
2 11O 5
3 368 6
4 426 8
5 460 9
6 506 1O
7 542 15
8 680 17
9 724 22
10 750 25
．分析表2以及表3中的数据能够看出，本文模型优化的山
区旅游线路 ，能够处理传统模型因为山区旅游用品供应商层
次数量过大，出现物流成本过高的缺陷，使得山区旅游用品的
运输成本大大降低 ，提高了旅游企业的经济效益，具有较强的
实用价值。
图4描述了实验山区旅游物流公司在周末全天不同时段，
分别采用本文方法以及传统人工经验路线规范方法获取的物
流道路旅游货品传输量对比结果。从中可以看m，本文方法
下的山区旅游物流道路货物承载量低于传统方法，本文方法
可以获取更优的货物运输路径，为物流路线的选择和控制提
供了可靠的依据，具有较强的应用价值。
(下转第268页)
技术 与方 法 物流技术2014年第33卷第4gq(总第307期)
巧=
；
其中， 、表示指标i的第j个实际数值 进行归一化处
理后的结果， ⋯ 为指标i中的最大数据值，而对于最大值则
为了使模型能够具有很好的收敛特性，往往取0．999 9，具体归
一 化结果见表 1。
表1 数据归一化结果
墨第一产 X 第二产 X。第三产 xI区域零 区域外 j【6居民消 Y，货物运 Y。物流业
业产值／ 业产值／ 业产值／ 售总额／ 贸总额／ 费水平／ 输量／万 产值／亿
亿元 亿元 亿元 亿元 亿美元 兀 兀
2002 0．818 1 0．420 2 0．401 5 0．535 9 0．168 2 0．498 5 0．614 9 0．365 3
2003 0．825 3 0．445 7 0．460 9 0．579 3 0．207 7 0．598 9 0．643 7 0．406 5
2004 0．849 5 0．495 8 0．538 2 0．627 4 0．293 6 0．643 9 0．694 4 0．471 5
2005 0．864 2 0．539 7 0．590 6 0．678 2 0．326 8 0．677 9 0．718 9 0．515 5
2006 0．882 8 0．588 9 0．657 6 0．741 3 0．389 9 0．759 9 0．783 4 0．572 2
2007 0．807 6 0．720 7 0．736 7 0 808 8 0．003 1 0．801 6 0．849 4 0．628 6
2008 0．924 6 0．874 1 0．886 7 0．893 7 0 857 7 0．917 1 0．874 6 0．705
2009 0．999 9 0．999 9 0．999 9 0．999 9 0．999 9 0．999 9 0．948 4 0．870 8
2010 0．999 9 0．999 9
(2)仿真输出结果 。对于 s—SVR回归预测模 型，利用
MATLAB软件进行仿真实验，其仿真结果见表2。
表2 某市2002—2010年货运量仿真结果
年份 实际值(万t) 预测值(万t) 误差 误差率(％)
2002 46 230 44 806．95 —1 423．05 -3．078 2
2003 48 398 46 820．71 —1 577．29 -3．259 0
2004 52 206 49 998．57 —2 207．43 -4．228 3
2005 54 049 53 569．04 —479．96 —0．888 0
2006 58 901 56 349．29 —2 551．71 -4．332 2
2007 63 86l 60 640．i7 —3 220．83 -5．043 5
2008 65 758 66 269．20 511．20 0．777 4
2009 71 304 75 462．09 4 158．09 5．831 5
2O10 75 184 77 7l8．0O 2 534．O0 3．370 4
由表 2分析可知，预测结果误差相对较小，基本满足预测
要求 ，拟合度较好，由此可知，s—SVR回归预测模型实际应用
性较强，具有很强的泛化能力和推广能力。
3．2-2 某市物流行业产值预测分析。将该市的物流行业产值
替换物流需求作为被解释变量，对模型结果进行验证。数据
的归一化处理同上，结果见表3。
表3 某市2002—2010年物流业产值预测结果
年份 实际值(亿元) 预测值(亿元) 误差(亿元) 误差率(％)
2002 244．42 268．73l 2 24．3ll 2 9．946 5
2003 271．97 287．2i2 3 15．242 3 5．604 4
2004 315．42 317．132 7 1．7l2 7 0．543
2005 344．85 350．676 6 5．826 6 1．689 6
2006 382．82 377．217 0 -5．603 0 —1．463 6
2007 420．53 418．436 6 -2．093 4 —0．497 8
2008 471．67 474．433 0 2．763 0 0．585 8
2009 582．60 565．870 6 —16．729 4 —2．871 5
2O10 669．0i 663．746 3 —5．266 4 —0．787 2
由表3分析可知，当以物流产值作为被解释变量输入模
型，所得到的预测结果误差仍然很小，基本达到了理想的预测
效果。
4 结论
由上述模型构建和实证分析过程可知，在进行物流需求预测
的过程中，统计指标的获取存在一定的难度，不能将区域物流
需求量指标直接作为被解释变量，但可借助历年货运量反映
当地物流需求趋势，此外，从物流业产值指标也能大概反映地
区物流需求规模情况。论文所构建的经济发展影响因素一物
流需求关系模型，对于物流需求和经济影响因素之间的映射
关系进行了描述，相对于以往传统的预测方法，具有一定的先
进性和可参考性 ，可信程度较高。
[参考文献】
【1】丁俊发．“十一五”开局之年中国物流业的发展[J]．中外物流．2007，
(Z21：12-15．
[2】马立宏，张文杰．区域物流发展现状及对策研究[J]．中国流通经济，
2002，㈤ ：14-16．
[3]孙启鹏，丁海鹰．区域物流需求量预测理论及模型构建[J]．物流技术，
2004，(12)：27-30．
f4】杨浩．区域经济和区域物流需求的预测研究【D]．北京：对外经济贸易
大学，2005
【5]云俊．物流园区预测方法及应用研究【D]．武汉：武汉理工大学博士论
文。2003．
(上接第246页)
． ． 268 ．
图4 山区旅游物流运输状况对比
【参考文献】
【1]牟伦英，黄丹．物流网络节点的动态选址研究【JJ．工业工程与管理，
2005，(2)：102—105．
[2]马欣，朱双东，杨斐．旅行商问题的一种改进遗传算法[J]．计算机仿真，
2003，20(4)：36—37．
[3】孙晓乡 村文化视域下的乡村旅游开发研究[J]_安徽农业科学，201 1，
39(31)．
[4】职晓晓．基于旅游扶贫模式的陕西古镇旅游开发研究[J】_小城镇建
设，2008，(1)：100—103．
【5]严宽荣．基于RMP分析的九江城郊旅游开发研究[J】．安徽农业科学，
2010，38(3 1)．
[6]邵国金，沈云琴．基于免疫计算的物流配送车辆路径优化[J]．计算机
测量与控制，2010，(7)：4_4—46．
【7】赖一飞，郑清秀，章少强，纪昌明．灰色预测模型在水运货运量预测中
的应用[J】．武汉水利电力大学学报，2000，33(1)：96—99．
