1背景
　　随着汽车工业的迅速发展，零部件入厂的效率和成本问题日益引起关注。根据国外先进汽车企业的经验，将入厂物流外包给第三方物流企业，以循环取货(Milk-run)模式设计优化的运输路线进行零部件配送，可以有效地解决库存减少与运输成本升高之间的矛盾，有效地降低运输费用和包装费用，从而降低整个供应链的成本。循环取货的关键目标之一就是降低企业物流的成本，而合理的路径规划是决定企业能否实现以最小的成本在规定的时间内将零部件送到企业的组装车间的关键。
　　B汽车制造企业的物流主要外包给了一家名为Z的第三方物流企业，由其负责主机厂的循环取货。Z物流公司负责按照预先设定的取货路径和取货时间分别去各供应商处轮流取货，取货发表之后再通过JIT配送将零部件送往主机厂线边。在该过程中，最关键的环节在于制定合理的循环取货方案。循环取货的一个主要特征就是定线、定时地发表取货操作。由于主机厂的生产计划排程提前期一般在一个月左右，理想状态下，B公司的循环取货应该按照事先排定好的模版直接执行。目前B公司和Z物流公司已经有专门的MIS系统协助进行Milk-run的调度安排和监控，但尚没有实现软件制订路线模版，而是靠传统的手工排定来确定循环取货的路径方案。因此B公司急需一个科学的模型和合理的算法来帮助其进行循环取货的路径规划，从而使开发软件进行路径选择变为可能。
　　针对循环取货路径规划这样一个经典的车辆路径问题(VRP)，国内外学者进行了许多研究，一是根据实际应用中的情况，为VRP设定不同的约束条件和优化目标，从而衍生出许多特定的VRP;另一个是运用不同的算法以求更好更快地求解VRP。
　　2循环取货路径优化模型
　　根据B汽车企业循环取货的实际运作模式，本文将传统的车辆路径问题抽象为:在一个存在供需关系的大系统中，以配送中心为需求点，多台取货车辆从配送中心出发，分别到不同供应商处取货。要求在给定的时间约束和库存约束条件下合理安排取货车辆的行走路径，使得总的取货成本最小。基于上述分析，本文所研究的循环取货车辆路径问题可做如下界定:
　　①配送中心:存在唯一的配送中心，且配送中心的地理位置已知;配送中心在主机厂附近且配送中心的货物均以JIT的形式送至主机厂生产线或主机厂仓库。
　　②车辆:车辆的数量没有限制;所有车辆都必须从配送中心出发且最终返回配送中心;所有的车辆都不超过最大装载量;所有车辆的规格相同，行驶速度相同。
　　③供应商:所有供应商的地理位置已知;各供应商的需求量已知;各供应商的取货时间满足所设定的取货时间窗。
　　④路径:每家供应商只有一条路径经过，并且路径上所有点的取货频次相同。
　　⑤库存:主机厂的最大允许库存水平和最小允许库存水平已知，循环取货的单次取货量以及取货频次满足主机厂线边库存控制策略。
　　⑥时间窗:实际循环取货过程中的时间约束为软时间窗约束，即如果配送车辆到达供应商i的时间不在所规定的时间窗内，则配送车辆要付出一定的时间成本。
　　3算法分析
　　在求解循环取货路径优化问题的主要算法中主要可以分为精确算法和启发式方法。精确算法由于引入严格的数学方法，只能解决较小规模的循环取货路径优化问题。本文根据循环取货路径优化问题的具体约束条件设置，采用了启发式算法中有效性和实用性比较高的蚁群算法作为核心算法，并根据实际情况改进了蚁群算法的信息素更新规则，即使用改进的蚁群算法进行求解。蚁群算法中用蚂蚁代替配送车辆依次前往各供应商处取货，需要考虑的因素为路径的可见度和环境的信息素强度。
　　本文的初始解是根据时间窗下限产生的，即从目前路径最后一个供应商出发，对时间窗要求最早的那个供应商进行访问，如果访问时间不在这个供应商时间窗口内，则需要重新开始一条路径。
　　①初始化路径;
　　②集合C中放入未被访问过的供应商;
　　③C中的元素按照如下规则排列:对任意的i≤j，满足W(ci，cL)≤W(cj，cL)，其中cL为当前路径的最后一个供应商;
　　④如果集合C为空，则终止算法;
　　⑤如果W(cr，cm)=T，则保存当前路径R;并从未访过的供应商集合中随机选择一个客户ck作为新路径的出发点;C=C-ck;跳转到第三步;
　　⑥如果供应商cr为目前路径R的合法供应商，将cr加入到R中;C=C-ck;k=k+1;返回到第④步;
　　⑦算法终止，并输出结果。
　　4结论
　　本文以B汽车制造企业零部件入厂物流的实际运作情况为例，对其循环取货路径优化问题进行了界定，建立了新的车辆路径模型。在该模型中，本文以实际操作中企业最关心的时效性和库存合理性为出发点，一方面通过对单次取货量的总占用库存进行限制，来达到小批量、高频次的取货目的。一方面供应商的取货任务必须在特定的时间窗内发表，并为其设定了带有惩罚成本的软时间窗约束，更加符合B企业的实际运作情况。考虑到取货的平准性以及各种复杂约束，本文针对模型的特征设计了改进的蚁群算法进行求解，对传统蚁群算法的转移规则和更新规则进行了改进，使算法的全局搜索能力得到增强。本文的模型和算法有助于B企业利用软件自动生成循环取货路径方案，并对同行业的其他汽车企业也有借鉴意义。