節(jié)約里程法在古貝春酒業(yè)物流配送路徑優(yōu)化中的應(yīng)用

1、摘要緊隨市場(chǎng)經(jīng)濟(jì)的高速開展，以及物流技術(shù)方面的專業(yè)化水平不斷提升，物流配送行業(yè) 也發(fā)生了巨大的開展?？墒?，因?yàn)樵谖锪髋渌头矫婢哂休^高的本錢，從而讓商品的價(jià)格也是 居高不下。物流配送屬于物流運(yùn)行及操作過程中的一個(gè)極其關(guān)鍵的組成局部，也是各個(gè) 企業(yè)為應(yīng)對(duì)激烈競(jìng)爭(zhēng)，而實(shí)施的一項(xiàng)延伸性的服務(wù)。本文通過對(duì)古貝春酒業(yè)生產(chǎn)車間現(xiàn)場(chǎng) 調(diào)研和分析，從物流配送的角度出發(fā)，對(duì)古貝春酒業(yè)的生產(chǎn)車間車輛配送路徑進(jìn)行優(yōu)化。 物流配送系統(tǒng)作為生產(chǎn)車間的一個(gè)重要組成局部，是企業(yè)開展生產(chǎn)物流活動(dòng)的重要保障。 本文首先介紹了古貝春酒業(yè)及其在生產(chǎn)車間物流配送中存在的問題，并對(duì)車輛路徑優(yōu)化 的相關(guān)理論進(jìn)行了介紹；然后通過車輛路徑優(yōu)化

2、的數(shù)學(xué)模型的建立，以及物流配送車輛 合理的線路規(guī)劃，以滿足減少相關(guān)費(fèi)用的優(yōu)化目標(biāo)。本文采用遺傳算法優(yōu)化物流運(yùn)輸路 徑，通過MATLAB編程實(shí)現(xiàn)，并且獲得了最正確的物流車輛配送路徑，這降低了企業(yè)的 物流本錢，并提高了生產(chǎn)效率。關(guān)鍵詞：物流配送；配送線路；遺傳算法配送中心類似于一個(gè)集貨物倉(cāng)儲(chǔ)與車輛調(diào)度于一身的倉(cāng)庫(kù)，配送中心為各需求方提供 貨物配送，安排車輛的配送路線來完成配送需求。在一個(gè)配送網(wǎng)絡(luò)中，配送中心的數(shù)量可以大于等于一，這個(gè)需要根據(jù)具體情況具體需 求來決定，而配送中心可提供的服務(wù)也是不是單一的，可以很好地滿足需求方。(4)客戶客戶可以是個(gè)人、企業(yè)、超市等，而需求方的信息包括了位置、重要等級(jí)

3、、需求貨物 的品類數(shù)量、配送的頻率等?？蛻舻闹匾燃?jí)可以決定配送的順序，越是重要的越優(yōu)先配送。客戶所需貨物的品類數(shù)量決定了配送車輛的類型及數(shù)量。有些客戶對(duì)配送有一定的約束，例如必須在每天的某一時(shí)間段進(jìn)行配送，假設(shè)沒有在該 時(shí)間段內(nèi)進(jìn)行配送；有些沒有限制，在任何時(shí)間段都可以進(jìn)行配送。(5)配送路徑車輛的配送路徑是由一定的約束條件及目標(biāo)函數(shù)來決定的，根據(jù)不同的條件得出的路 徑也不相同。(6)目標(biāo)函數(shù)目標(biāo)函數(shù)可以是單目標(biāo)，亦可以是多目標(biāo)，常見的車輛路徑問題的目標(biāo)函數(shù)有以行駛 路徑最短為目標(biāo)、以配送時(shí)間最短為目標(biāo)、以配送本錢最小為目標(biāo)、以車輛承載率最高 為目標(biāo)等。(7)約束條件針對(duì)不同的目標(biāo)函數(shù)，約束

4、條件也會(huì)相應(yīng)的不同，主要的約束條件包括時(shí)間窗約束、 車輛載荷能力約束、車輛行駛距離約束等。生產(chǎn)車間的車輛路徑問題生產(chǎn)車間的生產(chǎn)線物料配送路徑問題是車輛路徑問題的深入應(yīng)用，表示的是單個(gè)或多 個(gè)物流配送中心對(duì)多個(gè)工序位置，在各工序位置時(shí)間窗、配送車輛的額定載荷或車輛的 行駛距離等的約束下，到達(dá)本錢最小或配送路徑最短等目標(biāo)。相比一般的車輛路徑問題，有如下的區(qū)別:（1）需要配送的貨物由于是面向生產(chǎn)線的配送，不同的工序需求的物料均不相同，這使貨物需求更加多樣 化。（2）配送車輛配送車輛的承載能力直接決定著是否能很好的滿足生產(chǎn)線需求，假設(shè)車輛的承載能力不 夠，只能通過增加配送車輛來滿足各工序的需求，這會(huì)嚴(yán)

5、重占用配送中心面積，增大物 流本錢。（3）客戶客戶變?yōu)楣ば颍a(chǎn)節(jié)拍決定著工序的需求頻次，假設(shè)節(jié)拍較快，可不考慮時(shí)間窗問題， 假設(shè)節(jié)拍較慢那么需根據(jù)時(shí)間窗或各工序的動(dòng)態(tài)需求來安排配送。（4）配送路徑一般的生產(chǎn)加工車間不允許配送車輛逆行或倒行，這樣就對(duì)車輛的行駛路徑約束較大。（5）目標(biāo)函數(shù)生產(chǎn)制造型企業(yè)一般以利益為第一位，所以目標(biāo)函數(shù)一般選擇本錢最低，但是配送的 本錢組成很復(fù)雜，這需要進(jìn)一步探究。（6）約束條件根據(jù)生產(chǎn)的實(shí)際需要，可能會(huì)產(chǎn)生同時(shí)送取的問題，這對(duì)車輛的載荷控制要求更為嚴(yán) 格。2.2車輛路徑問題的分類隨著車輛路徑問題的深入研究,車輛路徑問題根據(jù)約束條件的不同及實(shí)際情況的不同, 可以分

6、為多種車輛路徑問題：（1）時(shí)間窗約束的路徑問題：隨著時(shí)代的開展，物流業(yè)的競(jìng)爭(zhēng)越發(fā)的激烈，因而時(shí) 效問題成為提高競(jìng)爭(zhēng)力的關(guān)鍵，即在客戶期望的時(shí)間區(qū)間進(jìn)行物流配送，這就有了時(shí)間 窗的約束車輛路徑問題，而時(shí)間窗約束還分為軟時(shí)間窗約束和硬時(shí)間窗約束。軟時(shí)間窗 是指在特定的時(shí)間區(qū)域內(nèi)未為到達(dá)，那么在一定公式條件下計(jì)算出懲罰金額，即軟時(shí)間窗 不是絕對(duì)的，可以在時(shí)間范圍外有些許浮動(dòng)；硬時(shí)間窗指客戶需求的配送時(shí)間范圍不可 更改，只允許車輛在這一固定時(shí)間進(jìn)行配送。(2)車輛約束的路徑問題：即對(duì)配送車輛進(jìn)行約束，可以是單一車型，亦可以是多 種車型混合配送，這就要結(jié)合配送方可提供的配送條件和客戶的需求來定義。多種車

7、型 混合配送時(shí)相對(duì)復(fù)雜的問題，但是對(duì)于需求多樣的客戶，這種配送方法無疑是經(jīng)濟(jì)高效 的。(3)客戶需求約束的路徑問題：該類型主要是根據(jù)客戶的需求來進(jìn)行配送的，對(duì)于 客戶的需求可以分為兩類，一類是客戶需求固定，另一類是客戶需求變動(dòng)。對(duì)于需求固定的問題，比擬多的應(yīng)用在生產(chǎn)節(jié)拍較強(qiáng)的企業(yè)，對(duì)于這種問題，車輛配 送的路徑也相對(duì)固定；對(duì)于客戶需求不固定的問題，這種需求變化時(shí)隨機(jī)的，在一項(xiàng)配 送任務(wù)正在進(jìn)行中時(shí)，某些客戶點(diǎn)會(huì)產(chǎn)生臨時(shí)的需求變動(dòng)，假設(shè)客戶需求變化是有規(guī)律的， 那么該問題可針對(duì)不同時(shí)間段的需求演變成固定路徑問題。(4)配送中心數(shù)量約束的路徑問題:該類型的問題是根據(jù)配送中心的數(shù)量來進(jìn)行區(qū) 分的，主

8、要分為兩大類，第一類是單一配送中心，第二類那么是非單一配送中心即多數(shù)量 配送中心。所謂單一配送中心即只有一個(gè)配送中心，所有的配送車輛從這個(gè)配送中心出 發(fā)，配送完成后再返回到這個(gè)配送中心，這樣便于管理及配送路徑的規(guī)劃。而隨著物流的開展，及客戶需求的增加，往往單一的配送中心不能滿足客戶的需求， 進(jìn)而產(chǎn)生了多個(gè)配送中心進(jìn)行配送，這種問題相對(duì)復(fù)雜，如何將復(fù)雜的問題單一化是一 個(gè)需要進(jìn)一步研究的問題。(5)配送路徑長(zhǎng)度約束的路徑問題：對(duì)于某些不能隨時(shí)補(bǔ)充能源消耗的車輛，其行 駛的最大路徑成為約束的問題，一般情況下，該問題的約束條件是在可行駛最大路徑長(zhǎng) 度的基礎(chǔ)上，對(duì)客戶的需求及車輛的承載能力進(jìn)行考慮及約

9、束。綜合上述對(duì)車輛路徑問題的分類，框架式物流車可滿足客戶的多樣性需求，在生產(chǎn)制 造業(yè)的現(xiàn)場(chǎng)可以滿足不同工序的需求，可以很好地彌補(bǔ)單一配送車型及單一配送中心的 局限性。2.3遺傳算法遺傳算法的基本原理遺傳算法是60年代由美國(guó)的J.HolIand教授首次提出，其思想是基于生物遺傳和進(jìn) 化機(jī)制的適合于復(fù)雜系統(tǒng)優(yōu)化計(jì)算的自適應(yīng)概率優(yōu)化技術(shù)，主要用于解決復(fù)雜的線性、 多目標(biāo)的數(shù)學(xué)函數(shù)問題，在布局設(shè)計(jì)、路徑規(guī)劃、遺傳編程、人工生命、生產(chǎn)調(diào)度問題 及圖像處理和組合優(yōu)化等方面己獲得了顯著成果。而將遺傳算法的思想和方法融入到車 輛路徑中，己經(jīng)成為了一種新的流行趨勢(shì)。基本遺傳算法是遺傳算法的個(gè)基本框架，對(duì)于不同領(lǐng)

10、域問題，遺傳算法的形式有 所不同。對(duì)于車輛優(yōu)化調(diào)度，為簡(jiǎn)化貨運(yùn)優(yōu)化調(diào)度問題的難度，常常應(yīng)用一些技術(shù)將問 題分解轉(zhuǎn)化成一個(gè)或幾個(gè)己經(jīng)研究過的基本問題，比方車輛路徑問題。本文的車輛路徑 數(shù)學(xué)模型可簡(jiǎn)化成車輛路徑優(yōu)化問題，因此下面主要介紹求解車輛路徑優(yōu)化問題的遺傳 算法。遺傳算法的求解步驟遺傳算法是借鑒生物界的優(yōu)勝劣汰、適者生存的遺傳機(jī)制所演化而來，并逐漸生成 對(duì)其自然適應(yīng)性很強(qiáng)的優(yōu)良品種，它是對(duì)生物遺傳和進(jìn)化過程的計(jì)算機(jī)模擬產(chǎn)生的一種 搜索最優(yōu)解的方法。雖然這種全局優(yōu)化自適應(yīng)概率搜索算法可用來解決復(fù)雜的線性、非 線性問題，不過它的工作機(jī)理并不復(fù)雜。遺傳算法的步驟如下：（1）確定各種約束條件的染色體

11、。確定編碼策略，通過編碼將可斤解集合變化成 適當(dāng)?shù)娜旧w結(jié)構(gòu)空間。在遺傳算法的使用過捏中，根據(jù)不同的問題其編碼的方式也會(huì) 不同，染色體編碼方式的選擇應(yīng)該符合約束條件，否那么對(duì)選擇、交叉、變異等遺傳操作 方式產(chǎn)生直接影響。（2）隨機(jī)產(chǎn)生初始種群作為初始解。初始解的好壞決定搜索時(shí)間的長(zhǎng)短，縮短搜 索時(shí)間能夠使輸出結(jié)果快速收斂到穩(wěn)定狀態(tài)。（3）確定染色體的適應(yīng)度。適應(yīng)度用于表達(dá)染色體的優(yōu)劣程度，適應(yīng)度越大染色 體越好，反之適應(yīng)度越小那么染色體越差，遺傳算法是為了尋找最為適應(yīng)的染色體。（4 ）設(shè)計(jì)遺傳算子，即確定出選擇運(yùn)算、交又運(yùn)算、變異運(yùn)算等遺傳算子的具體 操作方法。其中復(fù)制表示優(yōu)勝劣汰的遺傳機(jī)制，

12、交叉表示有性繁殖的理念，變異表示進(jìn) 化過程中的基因突變。（5 ）重復(fù)步驟（3 ）、（4 ）直到滿足終止條件為止。遺傳算法的特點(diǎn)遺傳算法是一種解決復(fù)雜系統(tǒng)優(yōu)化的搜索算法，它模擬生物界的自然進(jìn)化過程，實(shí) 現(xiàn)特定目標(biāo)的優(yōu)化，同傳統(tǒng)的優(yōu)化算法比擬，具有如下特點(diǎn)：（1）具有比擬好的學(xué)習(xí)性。知識(shí)是一直實(shí)踐獲得的，在模擬進(jìn)化過程中學(xué)習(xí)是不 可忽視的。遺傳算法有三種學(xué)習(xí)方式。第一，宗親學(xué)習(xí)：后代將父代的優(yōu)質(zhì)特征通過” 血緣”的繼承方式學(xué)習(xí)該行為；第二，在遺傳算法進(jìn)程中各獨(dú)立群體的內(nèi)部知識(shí)是共享 的；第三，個(gè)體學(xué)習(xí)：優(yōu)勝劣汰，只有自己不斷的學(xué)習(xí)才能存活，通過經(jīng)驗(yàn)和知識(shí)的不 斷積累從而改變自身的基因結(jié)構(gòu)。（2）良

13、好的擴(kuò)展性。遺傳算法的結(jié)構(gòu)比擬簡(jiǎn)單，交叉、變異的算子能夠很順利的 引進(jìn)其他算法，還能在原有遺傳算法的基礎(chǔ)上添加改進(jìn)的算子，顯示出很強(qiáng)的擴(kuò)展性和 兼容性。（3）具有比擬好的通用性。遺傳算法在設(shè)計(jì)搜索范圍和方向時(shí)只需要將目標(biāo)函數(shù) 值變換成適應(yīng)度函數(shù)值，而其它算法在選擇搜索方向時(shí)還需要其他條件的輔助和支持。 所以遺傳算法適用于組合優(yōu)化問題。（4 ）對(duì)可行解表示的廣泛性。遺傳算法的處理對(duì)象是通過決策變量的編碼得到的 染色體，通過編碼可以使遺傳算法對(duì)其結(jié)構(gòu)對(duì)象進(jìn)行直接操作。（5）群體搜索特性。在多峰分布的搜索空間中，單一搜索點(diǎn)所指出的搜索信息不 全面，因此常常處在局部最優(yōu)解而停止搜索。相反，遺傳算法由多

14、個(gè)個(gè)體所構(gòu)成的初始 種群搜索最優(yōu)解。這是遺傳算法所特有的全局搜索性能。（6）遺傳算法不但具有很強(qiáng)的靈活性來處理各種各樣的特殊問題，而且混合構(gòu)造 領(lǐng)域內(nèi)的啟發(fā)式，從而確保算法的可行性。（7 ）單一遺傳算法的編碼不可從將優(yōu)化問題的約束完全顯露，并且對(duì)不可巧解采 用闊值的約束方法會(huì)增加計(jì)算時(shí)間。234遺傳算法與傳統(tǒng)算法比擬傳統(tǒng)優(yōu)化算法是指通過尋求一種能產(chǎn)生可行解的啟發(fā)式規(guī)那么，從單個(gè)初始值開始迭代 求出問題的一個(gè)最優(yōu)解或近似最優(yōu)解。該方法求解問題的效率較高，但是它對(duì)每一個(gè)所 求的問題必須找出其特有的后發(fā)式規(guī)那么，這個(gè)啟發(fā)式規(guī)那么一般無通用性，不適用于其他 問題，且容易誤入局部最優(yōu)解。遺傳算法從串集開

15、始搜索，采用的不是確定性規(guī)那么，而10 是強(qiáng)調(diào)利用概率轉(zhuǎn)換規(guī)那么來引導(dǎo)搜索過程，覆蓋面大，這種種群對(duì)種群得搜索有能力跳 出局部最優(yōu)解，利于全局擇優(yōu)。遺傳算法與傳統(tǒng)優(yōu)化算法有著本質(zhì)的區(qū)別，主要有以下 四點(diǎn)不同：(1)遺傳算法通過保持一個(gè)潛在解的種群進(jìn)行多方向搜索，而不是單點(diǎn)。(2)遺傳算法并不需要輔助信息輔助知識(shí)，只需要影響搜索方向的目標(biāo)函數(shù)和相對(duì) 應(yīng)的適應(yīng)度。(3)遺傳算法使用概率轉(zhuǎn)移率，以一定的概率選擇局部個(gè)體繁殖，另一些個(gè)體消亡, 而不是確定的變換規(guī)那么。(4)遺傳算法工作時(shí)用編碼參數(shù)集，而不是自身的參數(shù)集。II3古貝春酒業(yè)配送路線的現(xiàn)狀分析簡(jiǎn)介古貝春集團(tuán)始建于1952年。1999年1()

16、月改制為有限責(zé)任公司，是山東省 較早的白酒釀造企業(yè)和純糧食酒重點(diǎn)生產(chǎn)廠家。公司現(xiàn)有員工2300人,總資產(chǎn)6.3億元。 下轄新城酒廠、老城酒廠兩個(gè)經(jīng)營(yíng)單位。年生產(chǎn)優(yōu)質(zhì)白酒能力12000噸。主導(dǎo)產(chǎn)品“古貝 春和古貝元酒。目前可生產(chǎn)四大香型(五糧液濃香、古貝春濃香、兼香、醬香)的純 糧優(yōu)質(zhì)白酒。古貝春集團(tuán)不斷提高產(chǎn)品質(zhì)量，開發(fā)高科技含量產(chǎn)品，并堅(jiān)持一 業(yè)為主，多元化經(jīng)營(yíng)的方針，拓寬多種渠道，擴(kuò)大企業(yè)效益的增長(zhǎng)點(diǎn)，增強(qiáng)了企業(yè)的發(fā) 展后勁。主要效益指標(biāo)位居德州市同行業(yè)之首，全省同行業(yè)前列。并被中國(guó)食品協(xié)會(huì)授予全 國(guó)質(zhì)量效益型先進(jìn)企業(yè)。年銷售收入過億元，創(chuàng)利稅4000多萬元。古貝春將逐 步實(shí)現(xiàn)立足山東，走

17、向全國(guó)的新格局。古貝春酒業(yè)現(xiàn)有配送路線選擇的現(xiàn)狀及問題古貝春酒業(yè)現(xiàn)有配送路線選擇的現(xiàn)狀古貝春酒業(yè)最初采用的是完全自營(yíng)物流配送模式，經(jīng)過一段時(shí)間的實(shí)踐，發(fā)現(xiàn)這種 模式已經(jīng)不能適應(yīng)其服務(wù)要求。古貝春泗業(yè)對(duì)這種配送模式進(jìn)行了一次轉(zhuǎn)型，采用自營(yíng) 物流與第三方物流相結(jié)合的物流配送模式，但是仍然以自營(yíng)物流為主，其自營(yíng)物流所占 的比例在80%左右，古貝春酒業(yè)還自定了配送的時(shí)間，城區(qū)在12小時(shí)以內(nèi)，城鄉(xiāng)在3 天以內(nèi)。古貝春酒業(yè)的供貨流程如圖3所示。12圖3古貝春酒業(yè)供貨流程圖古貝春酒業(yè)的倉(cāng)庫(kù)運(yùn)作相對(duì)于其他一些零售企業(yè)來說是比擬先進(jìn)的，其效率也是比 較高的，主要以機(jī)械化作業(yè)為主，對(duì)于信息處理那么采用了計(jì)算機(jī)統(tǒng)一

18、處理。與此同時(shí), 古貝春酒業(yè)也根據(jù)企業(yè)的實(shí)際情況，采用了一套先進(jìn)的物流信息系統(tǒng)對(duì)物流活動(dòng)進(jìn)行管 理，包括運(yùn)輸管理、倉(cāng)儲(chǔ)管理、財(cái)務(wù)管理、設(shè)備管理、訂單處理以及配送管理。目前, 古貝春酒業(yè)主要應(yīng)用的是SAP系統(tǒng)。庫(kù)存管理系統(tǒng)對(duì)倉(cāng)庫(kù)的進(jìn)出貨進(jìn)行實(shí)時(shí)管理，使 進(jìn)出貨的出錯(cuò)率變得相當(dāng)?shù)?。采用SAP系統(tǒng)管理以后，配送車輛的反響能力和送貨效 率得到了有效的提高。從古貝春酒業(yè)的物流現(xiàn)狀不難看出，古貝春酒業(yè)正在大力的對(duì)其物流配送能力進(jìn)行 提升，在庫(kù)存管理方面已經(jīng)做到進(jìn)出貨出錯(cuò)率基本為Oo但是限于古貝春酒業(yè)采用的是 自營(yíng)與第三方物流相結(jié)合的物流配送模式，使得配送方式隨意性強(qiáng)，缺乏對(duì)配送流程與 配送線路等進(jìn)行仔細(xì)周

19、密、科學(xué)的規(guī)劃。古貝春酒業(yè)現(xiàn)有配送路線選擇存在的問題(1)信息系統(tǒng)不健全，信息傳遞不暢。雖然古貝春酒業(yè)己經(jīng)采用了相比照擬先進(jìn)的 SAP系統(tǒng)對(duì)企業(yè)進(jìn)行管理，但由于人員素質(zhì)、系統(tǒng)硬件方面的原因，使得古貝春酒業(yè)的 信息系統(tǒng)仍然不夠健全，整體的信息化水平比擬低。這就使得古貝春酒業(yè)在信息傳遞方 面存在一定的缺陷，導(dǎo)致信息傳遞不暢。所造成的結(jié)果就是，企業(yè)在進(jìn)行物流配送時(shí)， 不能夠及時(shí)的獲取最新的信息去調(diào)整配送路線、配送車輛以及配送時(shí)間。(2)物流配送路線的選擇存在無序性。家電產(chǎn)品的銷售具有非常明顯的季節(jié)性特點(diǎn), 夏天和冬天是家電產(chǎn)品銷售的旺季。每當(dāng)進(jìn)入銷售旺季，古貝春酒業(yè)的物流配送就有點(diǎn)13 慌不擇路了，

20、完全沒有系統(tǒng)的調(diào)配與管理，處于被動(dòng)調(diào)配機(jī)制。哪家門店的存貨告急， 就先送到哪家門店，完全沒有合理的路線選擇與時(shí)間安排，出現(xiàn)了物流配送路線選擇與 車輛搭配的無序性問題。（3）配送中心選址不科學(xué)使物流配送路線的選擇變得越發(fā)困難。起初，古貝春酒業(yè) 在配送中心選址上并沒有綜合的考慮各方面的因素，只是單純的考慮了地價(jià)或者是租金 方面的價(jià)格因素，而忽略了配送中心與各門店之間的關(guān)系，這種盲目不科學(xué)的選址方式， 使得在后期的配送過程中，由于路程遠(yuǎn)、路況差、配送時(shí)間長(zhǎng)等因素，造成了高昂的物 流配送本錢，給企業(yè)帶來了損失。（4）在選擇物流配送路線時(shí)沒有考慮到搭配合適的車輛。采用不同的車輛運(yùn)輸貨物 時(shí)其載重量是不一

21、樣的，這對(duì)于選擇合理的配送路線也是有很大影響的。載重量不夠就 不能用最少的出車次數(shù)送到全部的貨物,就不能選擇合理的配送路線，增加了物流本錢， 同時(shí)也影響了配送效率。144古貝春酒業(yè)的配送路線進(jìn)行優(yōu)化4.1VRP問題描述在現(xiàn)有的工廠各工位區(qū)生產(chǎn)物流管理系統(tǒng)研究中，車輛路徑問題是較受關(guān)注的一個(gè)方 面。它是指在各工位需求位置己知的情況下，確定物流運(yùn)輸車在各個(gè)工位間的行駛路線， 使得運(yùn)輸路線最短。物流運(yùn)輸車調(diào)度及路線安排問題可描述為：在工廠緩存區(qū)中心位置、各工位節(jié)點(diǎn)位置 和道路等的情況下，對(duì)m輛物流運(yùn)輸車，n個(gè)工位節(jié)點(diǎn)位置，在每個(gè)工位節(jié)點(diǎn)位 置的服務(wù)需求的條件下，確定物流運(yùn)輸車分配（每輛物流運(yùn)輸車負(fù)責(zé)

22、的工位）及每 輛物流運(yùn)輸車的行車路線。因此總體目標(biāo)是：每次物流運(yùn)輸車服務(wù)的路程盡可能最短，所用的物流運(yùn)輸車數(shù)量盡可能最少。同時(shí)要 滿足以下約束條件：.所有物流運(yùn)輸車的路線均起始并終止于物流中心，每一個(gè)工位每次只由一輛物流 運(yùn)輸車服務(wù)。. 一輛物流運(yùn)輸車一次可以服務(wù)多個(gè)工位。.每個(gè)工位都有一個(gè)非負(fù)的貨物需求量,但每輛物流運(yùn)輸車負(fù)責(zé)的工位點(diǎn)貨物需求 量總和不超過該物流運(yùn)輸車的最大裝載量。4.2 VRP問題數(shù)學(xué)模型建立物流中心編號(hào)為0,各工位節(jié)點(diǎn)位置編號(hào)為j,定義變量如下:Y _ Jh物流運(yùn)輸車k由i行駛向jdjk 一（0,否那么_ k工位點(diǎn)i由物流運(yùn)輸車k完成丫lo,否那么此問題的數(shù)學(xué)模型為：15

23、AbstractFollowing the rapid development of market economy and the increasing level of specialization in logistics technology, the logistics distribution industry has also undergone tremendous development. However, because of the high cost of logistics and distribution, the price of goods is still hi

24、gh. Logistics distribution is an extremely critical part of the logistics operation and operation process, and also an extended service implemented by various enterprises to cope with fierce competition. Based on the on-site investigation and analysis of the production workshop of Gubeichun Liquor I

25、ndustry, the vehicle distribution route of the production workshop of Gubeichun Liquor Industry is optimized from the angle of logistics distribution. As an important part of production workshop, logistics distribution system is an important guarantee for enterprises to carry out production logistic

26、s activities. Firstly, this paper introduces Gubeichun Wine Industry and its problems in logistics distribution in production workshop, and introduces the relevant theory of vehicle routing optimization. Then, through the establishment of mathematical model of vehicle routing optimization and reason

27、able route planning of logistics distribution vehicles, to meet the optimization goal of reducing related costs. In this paper, genetic algorithm is used to optimize the logistics transportation path, which is realized by MATLAB programming, and the best logistics vehicle distribution path is obtain

28、ed, which reduces the logistics cost of enterprises and improves the production efficiency.Key words: Logistics Distribution; Distribution Route; Genetic AlgorithmsMiZ=E Z fdijXjjk j j k(4-1)約束條件： TOC o 1-5 h z X 產(chǎn)0V/J(= O = o,l.n; Yk(4-2)網(wǎng)(4-3)jZ)% = l，i = L(4-4)k九產(chǎn) 0或 1, i = 0J.； Vk(4-5)2孤=%,/ = 0

29、,1.； VZ(4-6)iZx 次=)%， = ，1；yk(4-7)jXq0J, = 0,1.j;VZ(4-8)式中工位點(diǎn)為i, i = 0,l.n； K為物流運(yùn)輸車的集合；0.為物流運(yùn)輸車的最大容量；%為工位i到工位j的之間的距離；處為工位i的需要服務(wù)量;n為工位節(jié)點(diǎn)的數(shù)量；X, 為物流運(yùn)輸車k從工位i行駛到工位j為1,否那么為Oo式(4-1)為目標(biāo)函數(shù)，以總的路徑最短，即總行駛本錢最低為目的，這個(gè)量與每次物流 運(yùn)輸車配送走過的路程、物流運(yùn)輸車服務(wù)次數(shù)等都有關(guān)系。式(4-2)為防止物流運(yùn)輸車在同一個(gè)地點(diǎn)之間巡回的約束條件。式(4-3)是物流運(yùn)輸車容量限制約束條件，即某臺(tái)物流運(yùn)輸車所訪問的全部

30、工位點(diǎn)的需 求量不能超過物流運(yùn)輸車的最大裝載量。式(4-4)確保工位點(diǎn)i由物流運(yùn)輸車k完成的唯一性；式(4-5)表示工位點(diǎn)i由物流運(yùn)輸車k完成與否；式(4-6)、(4-7)為到達(dá)某個(gè)工位的物流運(yùn)輸車唯一性約束；16式(4-8)表示物流運(yùn)輸車k從工位點(diǎn)i行駛到工位點(diǎn)j與否；為了安排物流運(yùn)輸車的配 送路線，需要對(duì)使用的車輛數(shù)有一個(gè)估計(jì)，通過此問題的數(shù)學(xué)模型，不難看出：至少需 要義/Qk輛物流運(yùn)輸車才能完成全部任務(wù)。4.3 VRP問題遺傳算法構(gòu)想染色體結(jié)構(gòu)形成為了計(jì)算機(jī)處理的方便，本文對(duì)于牽引車路徑問題的遺傳算法采用自然數(shù)編碼形式， 使求解過程大大簡(jiǎn)化，提高了運(yùn)行效率。對(duì)上述m輛物流運(yùn)輸車n個(gè)工位節(jié)

31、點(diǎn)的數(shù)學(xué)模 型的解向量，編成一條長(zhǎng)度為n+2m的染色體首先生成n個(gè)工位節(jié)點(diǎn)的一個(gè)全排列，再將2m個(gè)出發(fā)中心隨機(jī)插入該排列中的不同位置，自 然數(shù)。表示第j個(gè)工位節(jié)點(diǎn)，0代表物流中心，并把自然數(shù)編碼分成m段，形成m個(gè)子 路徑，表示由第m輛物流運(yùn)輸車完成所有的運(yùn)輸任務(wù)。這樣的染色體編碼可以解釋為: 第1輛物流運(yùn)輸車從物流中心出發(fā)，經(jīng)過%，&工位節(jié)點(diǎn)后，回到物流中心，形 成子路徑I;第2輛物流運(yùn)輸車也從物流中心出發(fā)，途徑j(luò)上工位后，回到物流中心， 形成子路徑2； m輛物流運(yùn)輸車依次出發(fā)，完成所有運(yùn)輸任務(wù)，構(gòu)成m條子路徑。例如，由3輛物流運(yùn)輸車完成8個(gè)工位的運(yùn)輸任務(wù)的路徑安排由染色體023005 7 1

32、 008460表示，那么：子路徑1:物流中心/工位2/工位3/物流中心；子路徑2:物流中心/工位5/工位7/工位1/物流中心；子路徑3:物流中心/工位8/工位4/工位6/物流中心。432確定適應(yīng)度函數(shù)通常情況下，適應(yīng)度函數(shù)要求非負(fù)，因此目標(biāo)函數(shù)需要轉(zhuǎn)化為適應(yīng)度函數(shù)。九 =bz/z.此處染色體乙的適應(yīng)度為九，b是常數(shù)，N表示是初始群體中最好染色體的運(yùn)輸本錢, z表示是染色體乙的運(yùn)輸本錢。17遺傳算子選擇根據(jù)各個(gè)個(gè)體的適應(yīng)度值，按照一定的規(guī)那么或方法從上一代群體中選擇出一些優(yōu)良 的個(gè)體遺傳到下一代群體中。本文采用輪盤選擇法，所謂輪盤法即根據(jù)偏置輪盤的原理，每個(gè)染色體在輪盤上占 有一個(gè)格，而格的大小

33、那么與染色體的適應(yīng)度值成正比。在選擇一個(gè)新的染色體時(shí)，先轉(zhuǎn) 動(dòng)輪盤，待輪盤停下，落在標(biāo)記處的格子所對(duì)應(yīng)的染色體即被選中。按比例進(jìn)行適應(yīng)度分配，對(duì)每一個(gè)染色體而言，被選中的概率為：1=1P,表示第i條染色體的適應(yīng)度概率分布，表示第i條染色體的適應(yīng)度。力力表 1=1示所有染色體的適應(yīng)度總和。由于非滿載VRP組內(nèi)有序、組間無序，假設(shè)通過之前的幾個(gè)交叉算子，維持雙親的 優(yōu)良組特性是很困難的，而且有許多不可行解的出現(xiàn)。比方在染色體A =0123404560, 01230己經(jīng)是最優(yōu)路徑的子路徑，但是04560還不是最正確子路徑，于是交叉該染色體， 如果選用30的匹配段，進(jìn)行交叉運(yùn)算后得到的后代也許會(huì)喪失這

34、段01230的優(yōu)良基因。所有我們?cè)O(shè)計(jì)了交叉算子：（1）當(dāng)染色體交叉處的兩個(gè)基因全是。時(shí)二那么運(yùn)用順序交叉運(yùn)算；（2）當(dāng)染色體交叉點(diǎn)處的基因不全為（）時(shí)，就進(jìn)行交叉點(diǎn)左移或右移，于是左右兩 個(gè)交叉點(diǎn)處的基因全為0,然后再進(jìn)行順序交叉運(yùn)算。4.4MATLAB運(yùn)行程序（1）設(shè)置控制參數(shù)：交叉概率匕，變異概率P,”和種群大??；（2）使用自然數(shù)編碼，通過遺傳算法構(gòu)造表示可行線路的染色體長(zhǎng)度；（3）編碼適應(yīng)值函數(shù)文件fitness,計(jì)算適應(yīng)度值；（4）根據(jù)適應(yīng)度，按輪盤選擇法復(fù)制下一代染色體，編輯相應(yīng)的Selection文件；（5）對(duì)個(gè)體按適應(yīng)度大小進(jìn)行排序，編輯相應(yīng)的rank文件；（6）進(jìn)行crosso

35、ver交叉，編輯相應(yīng)的crossover文件；（7）進(jìn)行變異操作，編輯相應(yīng)的Mulalion文件；（8）打印算法迭代過程 plotGA（generation_size）;18（9）假設(shè)滿足算法停止迭代的條件，那么停止，否那么繼續(xù)；（10）在MATLAB主界面中逐步求解，調(diào)試，運(yùn)行遺傳算法主函數(shù)。4.5遺傳算法求解古貝春酒業(yè)VRP問題由物流中心向該工位區(qū)的20個(gè)工位點(diǎn)匕（j= 1, 2,20）配送零件，各工位點(diǎn) 的貨物需求量（單位：掛車）如下表4-1所示，通過對(duì)該工位區(qū)的物流運(yùn)輸車路線 圖的測(cè)量整理，得出緩存區(qū)中心P。及各工位點(diǎn)間的距離（單位：mm）如下表4-2所示， 這些配送任務(wù)由緩存區(qū)中心發(fā)

36、出的最大容量Q=4掛車的牽引車來完成。要求合理安排 牽引車的行駛路線，使總的運(yùn)行路線最短。表4-1各工位點(diǎn)的貨物需求量PiPlPiP3Ps6PiPsP9PioPuPl2P13Pl4P15Pl6Pl?PisP19P20gi0.10.10.0.0.10.10.1110.1110.0.5555555555表4-2物流中心及各工位之間的距離dijPoPPiP3P4P5PsPiPs%Po068441399225694306067283165434555225859053899P68440714818850237626598758590486785174664477Pl139927148011702166

37、145883951442415304459857329256941885011702049124713739740298283289645627Pa306062376216614491204222534828249162798440715Ps7283165987588394713742225073971730914241220106543458590514423974034828739709912684414613Pl55522484674153029828249161730999120306815799198585905174644598328962798414241684430680127

38、31P1)5389964477573294562740715220101461315799127310Pio4821270164630165131446402276972030021486184185687Pll42136762406909257390524783377326376275622449411763Pl229800885768142869726648144610938712398983683024099P1351087851917804366341614294272435327365133344520714Pl462850734286628054578496665448747090

39、428414484832477P1562166553224817436472315604099933602235102657839309P1651589451013795326251213393033222935129331600128732Pm64887580435089539193342814354036143262312929942030Pis71339644955734745645407334999242595326833575148482Pl979612909578380972107671957124963852591456197049239208251788052809046920

40、2642907354966152562405930852144d qPioPnP12Pl3P14P15Pi6/717PisPl9P20P。5389482142132980510862855158648871337961825192607097927Pi6447701676248857851973424510580464499095880574061813572P257326301690981427804662837955089573483808090962830357944562513157396972663454572625391945647210692074061813572Pa40714

41、640524764816142496621333428407367196429528496913502021P52201027697337734610942724544873033243540499927124973549Pg1461320300263763871235327470902293536143425956385266152Pi2148627562398983651342841235101293326231326835914556240A1841824494368303344544848265781600129299357516197059308P956871176324099207

42、1432477393092873242030484824923952144Pio06076184121502726790459413441947717541694355246457Pn6076012336895120714398654049553793602453747640381Pl21841212336021287330505220152831661297258149812527170315027895121287011763309144149145887523392852531430Pl426790207143305011763019151297283412440576311482824

43、3Pl 5459413986552201309141915101057714973214253563532730Pl6344194049552831414912972810577013298197504621243307Pm47717537936612945887341241497313298064525060847703Pl854169602457258152339405762142519750645205125248347Pl94355237476498122852531148356354621250608512520290520464574038152717314302824332730

44、43307477034834729050根據(jù)前面建立的車輛路徑優(yōu)化模型，采用遺傳算法進(jìn)行求解。首先對(duì)牽引車的數(shù)量m進(jìn)行估計(jì)，至少需要輛物流運(yùn)輸車才能完成全部任務(wù)，算得物流運(yùn)輸車的 _1=1_數(shù)量為：m=(0.5+1+0.5+1+0.5+0.5+0.5+1+0.5+1 +0.5+1+0.5+1 + 1 + 1 +0.5+1 + 1 + 1 +0.5+0.5)/4=4本文的遺傳算法參數(shù)設(shè)置為：選擇自然數(shù)編碼，最大代數(shù)800,交叉概率為0.9,變異概率為0.04。應(yīng)用本文改進(jìn)的遺傳算法進(jìn)行路徑優(yōu)化，由MATLAB編程計(jì)算得出的最優(yōu)結(jié)果，即總運(yùn)行費(fèi)用最省的路線，并對(duì)輸出結(jié)果進(jìn)行了直觀的設(shè)計(jì)，如下列圖4

45、-2所示：22Command Window424 0.001651人425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 44。 441 442 443 444 445 493 0.001690494 495 496 497 498 499fsua *591573ans 二 TOC o 1-5 h z 41015all_truck_node -Columns 1 through 1303421007865910Columns 14 through 26190圖4-2 matlab路徑優(yōu)化結(jié)果得到的最優(yōu)路線結(jié)果為 03 42 1

46、007 8 65 9 10 0 0 16 17 18 15 20 00 12 11 13 14 19 0,總距離為591573mm。那么只需使用4輛物流運(yùn)輸車，對(duì)應(yīng)的行駛路線方案統(tǒng)計(jì)結(jié)果如 下表4-3所示:表4-3行駛路線方案物流運(yùn)輸車車輛路徑路徑長(zhǎng)度每輛車裝載量1P0-P3-P4-P2-P1-P06121232PO-P7-PP6-P5-P9-P10-P。14874043P0-P16-P17-P18-P15-P20-P020801144Po-P12-Pll-P13-P14-P19-Po173610423圖4-3最優(yōu)目標(biāo)函數(shù)值曲線圖由圖4-3我們可以看出通過遺傳算法迭代超過400次以后，可以得到

47、最優(yōu)的路徑。 我們可以通過檢驗(yàn)發(fā)現(xiàn)此次matlab計(jì)算得出的最優(yōu)路徑就是我們尋求的最優(yōu)解。成功優(yōu) 化了古貝春酒業(yè)車間的車輛配送路徑，降低了物流本錢，提高了企業(yè)的生產(chǎn)力。24結(jié)論這篇文章先是分析了古貝春酒業(yè)的原有配送情況，從而發(fā)現(xiàn)了此企業(yè)在配送路線方 面具有著較大的隨意性。然后依照著此種情況，總結(jié)出此企業(yè)需要利用路線優(yōu)化的方式 去盡可能的減少貨物配送的相關(guān)本錢，以便于提升企業(yè)自身的競(jìng)爭(zhēng)能力，通過一系列的 探究后決定利用遺傳算法去處理此項(xiàng)問題。到文章的最后，把優(yōu)化以后的配送路線和最 初的配送線路所具有的相應(yīng)本錢耗費(fèi)實(shí)施了比擬，得出了優(yōu)化以后的配送路線不但可以 節(jié)省局部配送的時(shí)間耗費(fèi)，還能夠減少相應(yīng)

48、的配送本錢。當(dāng)前的大局部企業(yè)在物流配送中都存在著配送路線的隨意挑選現(xiàn)象，從而讓配送的 本錢太高，配送的效率也不高。這篇文章利用了遺傳算法，可以有效的優(yōu)化配送路線， 進(jìn)而實(shí)現(xiàn)提升配送的效率和減少配送的本錢，同時(shí)對(duì)于環(huán)境污染也具有一定的保護(hù)效果。 所以說，這篇文章中探討的遺傳算法對(duì)于企業(yè)挑選配送路線是具有很大影響的，并且對(duì) 于企也自身以及社會(huì)均是具有積極效應(yīng)的。25摘要 TOC o 1-5 h z HYPERLINK l bookmark16 o Current Document AbstractII HYPERLINK l bookmark26 o Current Document 1緒論1 H

49、YPERLINK l bookmark28 o Current Document 研究背景1 HYPERLINK l bookmark30 o Current Document 國(guó)內(nèi)外研究現(xiàn)狀2國(guó)外研究現(xiàn)狀2國(guó)內(nèi)研究現(xiàn)狀3 HYPERLINK l bookmark32 o Current Document 研究的目的、意義和方法3研究目的3研究意義4研究方法4 HYPERLINK l bookmark34 o Current Document 2物流配送路徑優(yōu)化概述5 HYPERLINK l bookmark36 o Current Document 車輛路徑問題介紹5車輛路徑問題的組成要素5

50、生產(chǎn)車間的車輛路徑問題6 HYPERLINK l bookmark2 o Current Document 車輛路徑問題的分類7 HYPERLINK l bookmark4 o Current Document 遺傳算法9遺傳算法的基本原理9遺傳算法的求解步驟9遺傳算法的特點(diǎn)10遺傳算法與傳統(tǒng)算法比擬10 HYPERLINK l bookmark6 o Current Document 3古貝春酒業(yè)配送路線的現(xiàn)狀分析12 HYPERLINK l bookmark8 o Current Document 簡(jiǎn)介12 HYPERLINK l bookmark10 o Current Document

51、 古貝春酒業(yè)現(xiàn)有配送路線選擇的現(xiàn)狀及問題12古貝春酒業(yè)現(xiàn)有配送路線選擇的現(xiàn)狀12古貝春酒業(yè)現(xiàn)有配送路線選擇存在的問題13 HYPERLINK l bookmark12 o Current Document 4古貝春酒業(yè)的配送路線進(jìn)行優(yōu)化15VRP問題描述15 HYPERLINK l bookmark14 o Current Document VRP問題數(shù)學(xué)模型建立15參考文獻(xiàn)lYong Wang,Xiaolei Ma,Maozeng Xu,Yong Liu,Yinhai Wang. Two-echelon logistics distribution region partitioning p

52、roblem based on a hybrid particle swarm optimization- genetic algorithmJJ. Expert Systems With Applications,2015,42( 12).2Yong Ye,Jing Wang. Study of logistics network optimization model considering carbon emissionsJ. International Journal of System Assurance Engineering and Management,2017,8(2).3Xi

53、nyu Zhang. Analysis for Scale-Free Network Characteristics of Logistics Distribution NetworkJ. Journal of Service Science and Management,2014,07(03).4Xiao-Ping Xu,Xi-Ting Shi,Feng Wang. Solving logistics distribution center location problem using a wolf pack algorithmJ. Journal of Discrete Mathemati

54、cal Sciences and Cryptography,2() 17,20(6-7).5Ismail Abushaikha. The influence of logistics clustering on distribution capabilities: a qualitative studyJ. International Journal of Retail & Distribution Managernent,2018,46(6).6Simic Dragan,Kovacevic Ilija,Svircevic Vasa,Simic Svetlana. Hybrid Firefly

55、 Model in Routing Heterogeneous Fleet of Vehicles in Logistics DistributionJ. Logic Journal of IGPL,2015,23(3).7傅磊，胥衛(wèi)平.連鎖經(jīng)營(yíng)企業(yè)城市配送優(yōu)化路線優(yōu)化研究一以溫州人本物流為例J. 現(xiàn)代商貿(mào)工業(yè),2018,39(07):40-42.薛菁，吳霞，梁子靖.遺傳算法下悅客便利超市日用品配送的路徑優(yōu)化J.價(jià)值工 程,2018,37( 12):87-89.李柏敏,楊麗英，莫麗莎.宜州市快遞物流配送網(wǎng)絡(luò)優(yōu)化分析J.沿海企業(yè)與科 技,2018(01):16-19.10孫勝博，孫軍，籍思影.基

56、于遺傳算法的吉林春光乳業(yè)配送方案研究J.物流科 技,2018,41(06):43-45.11劉鳳起.遺傳算法優(yōu)化設(shè)計(jì)青島市市北區(qū)麥當(dāng)勞餐廳配送路線J.現(xiàn)代商業(yè),2018(25):20-21.12王海燕，王曉莉.基于遺傳算法的中百超市配送路徑優(yōu)化J.物流技術(shù),2017,36(03):84-87+157.2613顏穎，賴順天.基于遺傳算法的配送路線優(yōu)化J.湖南工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào),2017,17(01):29-32.14陳赫，趙迪，米騰飛，白松瑞.城市物流配送路線優(yōu)化研究J.河北企業(yè),2017(08):61-62.15姜華，楊靜，賈麗芬.基于遺傳算法的連鎖超市配送路線優(yōu)化J.物流科技，2015,

57、01： 12-15.16劉俊娥，李奇.基于遺傳算法的北京市家樂福超市配送線路優(yōu)化方案J.物流技術(shù)， 2015, 01： 107-109.17湯云峰，李宣萱，陳鋒杰，曾仔城，謝軍亮，潘秋婷.基于遺傳算法的服裝企業(yè)配送 路線優(yōu)化J.科技視界，2015, 12： 128-129.18占義芳.基于軟時(shí)間窗遺傳算法在某物流公司實(shí)際應(yīng)用J.物流工程與管理，2015,04：58-59.”9張文華.基于遺傳算法的物流配送路線優(yōu)化J.物流工程與管理，2012, 03： 143-144+146.20周磊.基于遺傳算法的配送路線優(yōu)化研究以古貝春酒業(yè)電器為例J.物流技術(shù)， 2016, 01： 109-116.21盧容

58、，倪秋萍.基于遺傳算法的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化實(shí)例研究J.經(jīng)營(yíng)管理者， 2016, 11： 81-82.22楊秋玲.基于遺傳算法的同城配送路線規(guī)劃J.商業(yè)經(jīng)濟(jì)研究，2016, 11： 93-94.23劉笑然，江帆，蘇好.基于遺傳算法的物資配送路徑設(shè)計(jì)研究J.物流工程與管理，2016, 05： 117-118.24陳華.基于遺傳算法的物流配送路線選擇J.福建交通科技，2016, 05： 115-117.25陶穎.基于遺傳算法的耐克中國(guó)物流中心配送路線優(yōu)化研究J.市場(chǎng)研究，2016, 10： 30-32.26陳新鴻.基于excel操作的遺傳算法在配送路線選擇中的應(yīng)用J.物流工程與管理， 2013,

59、 02： 98-100.27李海濤.基于遺傳算法的科迪牛奶配送路線優(yōu)化J.企業(yè)導(dǎo)報(bào)，2013, 18： 52-53.28劉承子，劉麗英.基于遺傳算法的配送線路規(guī)劃以某便利店冷鏈配送為例J.物 流工程與管理,2018,40(02):83-85.27 TOC o 1-5 h z HYPERLINK l bookmark18 o Current Document VRP問題遺傳算法構(gòu)想17染色體結(jié)構(gòu)形成17確定適應(yīng)度函數(shù)17遺傳算子選擇18MATLAB運(yùn)行程序18 HYPERLINK l bookmark20 o Current Document 遺傳算法求解古貝春酒業(yè)VRP問題19 HYPERLI

60、NK l bookmark22 o Current Document 結(jié)論25 HYPERLINK l bookmark24 o Current Document 參考文獻(xiàn)261緒論研究背景改革開放以來，我國(guó)的市場(chǎng)經(jīng)濟(jì)得到了很好的開展,慢慢跟上了國(guó)際興旺國(guó)家的腳步， 我國(guó)汽車制造業(yè)與很多國(guó)外著名汽車制造企業(yè)合作，取得了一定的成功，在學(xué)習(xí)國(guó)外先 進(jìn)技術(shù)的同時(shí)也開發(fā)出了自己的技術(shù)，創(chuàng)造了自己的品牌價(jià)值，為國(guó)家的經(jīng)濟(jì)開展做出 了長(zhǎng)足的貢獻(xiàn)，努力縮小了我國(guó)汽車制造行業(yè)與興旺國(guó)家的差距。但是我們也應(yīng)該清楚 地認(rèn)識(shí)到我國(guó)汽車制造行業(yè)還存在著很多問題。首先，改革開放使得大量外國(guó)廠商進(jìn)入 中國(guó)市場(chǎng)，中國(guó)汽車制