林奎星

基于多Agent系统的物流供应链任务分配模型设计

林奎星

（集美大学 航海学院，福建 厦门 361021）

针对传统的物流供应链任务分配模型存在的任务成本过高的问题，设计了基于多Agent系统的物流供应链任务分配模型。首先对物流供应链任务以树状图的形式进行分解，然后对任务中存在的变量进行计算。依据获得的任务变量确定函数约束，得出具体的任务分配计算函数。在此基础上，采用Agent结构来进行运算执行，将设计的函数导入结构中，实现对任务分配模型的设计。对某供应工程中的任务进行模拟分配，实验结果显示，在实现任务的最低需求的条件下，该模型完成分配任务的成本低于传统模型，满足设计初衷。

供应链；多Agent系统；任务分配；函数约束

当前的物流供应链在多个行业中得到了应用，而服务供应链中存在较为复杂的网状结构，而在供应链中单单依靠一个服务供应商常常难以满足当前的客户需求。而在目前的物流供应链中为了提高市场竞争力，一个物流供应链往往需要多家公司进行协同，而供应链中重点是各企业间的协调和协同的运作模式[1-3]。因此，需要合理的分配供应链中的任务订单，以达到供应链的运转。

在当前的任务分配研究中，研究者早期以功能性供应商，在面对客户需求上建立了任务分配模型，提出了任务分配对客户满意程度的影响[4-5]。而后续研究者们则根据产品供应链中的配送平台，在供应商的多产品、多时段下建立了任务分配模型。另外，还有学者采用MATELAB遗传迭代，对订单任务分配的满意度最优化分配进行了算例分析，后续研究中，考虑到产品的缺陷率，并构成了交易成本，延迟交付量的多目标决策分配模型，并使用退火算法进行了模型优化，得出了较好的任务分配数量[6]。但就以上的研究而言，在目前的物流供应链的任务分配中，在任务分配计算中大多是提供最优化的任务分配，但对任务中的成本控制分配不足，导致分配后的任务成本过高。针对这一问题，本研究设计了基于多Agent系统的物流供应链任务分配模型。

1 基于多Agent系统的物流供应链任务分配模型设计

1.1 任务分解

在供应链的环境下，整体任务无法实现对供应链资源的有效利用，因此在执行任务分配时首先要将任务分解成多个子任务，来保证任务供应链的高效运作[7-8]。本文采用工作分解结构的任务分解方法，利用树状图来将项目根据订单任务分解为多个产品任务，树状任务分解图如图1所示。

式(1)中，的成本和需要等于的总成本，即，而同一层次下的子任务则需要具有相同的性质，在中，每个子任务所代表的任务种类需要相同，如产品生产任务、物流分配任务等。同时在工作结构的任务分解处于线性时，在某一子任务中只能属于一种上层任务，保证任务分解后的从属性。依据上述的任务分解规则，对当前任务执行分解。分解后的子任务可以直接对单一任务执行各自的任务变量确认。

1.2 任务变量计算

1.3 任务分配计算

本文考虑到实际任务中的不同任务需求，对本文模型中进行了假设。首先本文中模型在使用时，是应用于在物流服务供应链和功能型供应商或物流服务商之间的二级供应链结构中。其次物流中的客户订单在物流服务需求中存在不确定性，即服务的任务订单上呈需求概率服从的正态分布。物流服务的供应商在工作中，基于自身的信息平台来开展工作，并可以在一定时间上整合客户的需求订单，而模型中也在这里引入客户订单的允许等待期。同时在功能型供应商上，一定的订单物流损失承受能力。依据上述中假设，作为任务分配的基础，在任务分配中，需要考虑到供应商的满意度，计算方式通过计算供应商的任务可执行的最大值，和实际分配到供应商的任务量的关系进行计算，即：

1.4 Agent模型结构建立

本文设计运用Agent结构来构建模型结构，同时可以提高模型的运算效率。首先，在Agent中建立模型，将后续中的计算公式都存储到其中。创建结构和走廊的消息类型，在Agent结构模型中的Anylogic平台内，对主动对象表示出各个结构下的Agent，并采取Java形式作为模型内部的消息传递模式，传递的主动对象的个数以及类型均有建立的Agent内部模块数量来确定。在模型内部中创建起功能不同的分布布局的Agent模块，并根据具体使用需求对其进行属性定义，并利用变量、参数和对工作事件的描述来区别其中的区别。而其中的不同模块中，运用端口port来进行通讯，本文对其各种消息和消息类型进行提前定义，保证其正常的通信传递。首先定义消息message，在结构中，该消息的作用是对具体的任务相关信息进行表现，如：订单信息、配送信息、需求信息等。该消息可通过一定条件来触发（如具体的工作信息调用），触发后，通过port端口进行接收、传递和发送工作。而第二种消息则定义为message class，该类型的消息时作为消息的归属类型表示，该类消息通过Java代码进行定义，在消息中，封装Java代码。在Agent的模型建立中，以建立供应量的本体，在语义层次上进行供应链上的层面交互，建立起完成的供应链Agent，对当前任务分配下的供应链进行仿真，实现更好的决策支撑能力，同时使模型本身具备了一定自我验证能力。运用Agent系统搭载设计的任务分配模型，提高任务分配模型的运算能力，完成模型的设计。

2 实验论证分析

为了验证本文设计的任务分配模型的可行性，对某项目的物流供应链进行多供应商的工作任务的分配，并使用文献[1]中的基于改进粒子群算法的任务分配模型、文献[2]中的基于工作者多属性特征模型的任务分配模型、文献[3]中的动态物流联盟任务分配模型，对相同任务进行分配，并对分配后的任务执行时是否满足客户需求、客户满意度以及任务成本进行比较，判断优劣性。

2.1 实验供应商参数

在本文的物流供应链中涉及的功能型供应商5家不同的功能型供应商，将其具体能力和成本参数进行系数化设定，得出的相关系数数据如表1所示。

表1 实验中的功能型供应商的相关系数

在此基础上，运用4种模型对当前需求的工作进行工作任务分配。

2.2 分配工作任务描述

在本文实验中的任务种类分为2种，首先将销售订单里的12000件商品运输到配送中心，其次在由配送中心将商品运送到个批发商和零售店中。两步任务分别为运输任务和配送服务，且上述中的供应商均可执行两任务，则需要给出任务的最优化的分配方法，两个任务可以分别分出3个子任务，不同子任务对任务需求不同，任务需求如表2所示。

表2 任务供应需求表

2.3 任务分配结果

下面根据4种模型里对6种任务进行分配后的成本，满意度和任务的相应损失程度进行模拟计算，获得结果如表3所示。

表3 模型任务分配结果

在表3中模型1为本文设计的任务分配模型分配后的任务执行结果，模型2为文献[1]中的分配模型分配后的任务执行结果，模型3为文献[2]中的分配模型分配后的任务执行结果，模型4为文献[3]中的分配模型分配后的任务执行结果。在表3中发现，4种模型分配的任务均可以实现任务的需求，而在完成整体任务下的模型1的总成本为114290元，模型2的总成本为180131元，模型3的总成本为164562元，模型4的总成本为177900元，说明在同样满足任务需求的条件下，本文中分配的任务可以保证更低的成本控制，完成设计需求。

3 结束语

本研究以多Agent系统为基础，导入设计的模型进行任务分配，同时实现了在满足最低要求的条件下的成本最优化任务分配。但该模型仅考虑了主导企业和供应商之间的两级结构，对多级供应链的任务分配研究尚且不足。因此，为了进一步保障其在多级供应链任务分配方面的应用性能，在分配任务超负荷的情况下，应考虑供应商外包分配，以此来配合多级物流供应链的任务分配。

[1] 张辉，赵晨曦，王杨，等. 基于改进粒子群算法的空间众包任务分配模型[J]. 计算机应用研究，2020, 37(09): 2698-2700, 2705.

[2] 原博洋，王丽清. 基于工作者多属性特征模型的任务分配方法[J]. 计算机工程与设计，2020, 41(05): 1398-1403.

[3] 束柬，梁昌勇，徐健. 基于信任的云服务系统多目标任务分配模型[J]. 计算机研究与发展，2018, 55(06): 1167-1179.

[4] 张秋霞，何留杰，张来顺. 基于联盟博弈的云任务调度及Shapley值法的收益分配模型[J]. 计算机应用与软件，2020, 37(05): 275-280, 320.

[5] 刘凡，葛方振，李想，等. 基于组角色的物联网任务分配算法[J]. 云南民族大学学报：自然科学版，2020, 29(03): 264-273.

[6] 黄金虎，郜旭彤，赵金楼. 基于时效激励机制的物流服务供应链任务分配[J]. 管理评论，2020, 32(04): 242-249.

[7] 牟向伟，林英霞，刘佳晨，等. 基于改进量子进化算法的末端配送任务动态分配模型[J]. 科学技术与工程，2019, 19(31): 197-205.

[8] 刘秀秀，李劲华. 基于信誉度的众包任务分配方法的研究[J]. 青岛大学学报：自然科学版，2017, 30(04): 92-97.

[9] Li J. Optimal design of transportation distance in logistics supply chain model based on data mining algorithm[J]. Cluster Computing, 2019, 22(01): 115-118.

[10] Moslehi M S, Sahebi H, Teymouri A. A multi-objective stochastic model for a reverse logistics supply chain design with environmental considerations[J]. Journal of Ambient Intelligence and Humanized Computing, 2020, 27(02): 6-13.

Design of logistics supply chain task allocation model based on multi-agent system

LIN Kui-xing

(Jimei Navigation College, Fujian Xiamen 361021, China)

Aiming at the problem of high task cost existing in traditional logistics supply chain task assignment model, this paper designs a logistics supply chain task assignment model based on multi-agent system. Firstly, the task of logistics supply chain is decomposed in the form of tree graph, and then the variables in the task are calculated. According to the task variables obtained, the function constraints are determined and the specific task assignment calculation function is obtained. On this basis, the Agent structure is used to carry out the operation, and the designed function is imported into the structure to realize the design of task assignment model. The simulation of task assignment in a supply project is carried out, and the experimental results show that the cost of task assignment is lower than that of traditional model under the condition that the minimum demand of task is realized, and the original intention of the design is satisfied.

supply chain；multi-agent system；assignment of tasks；function constraint

2020-12-20

厦门市物流与供应链学会委托项目“厦门市快消品供应链研究”（H2018064）

林奎星（1977-），男，福建龙岩人，硕士，主要从事企业物流管理、供应链管理研究，lkx003@yeah.net。

F252;F274

A

1007-984X(2021)04-0090-05