從定性分析的角度來看，可以將專家判斷以數值形式表示，再經過綜合分析后對選址進行決策。首先，根據影響物流設施選址的因素，建立備選方案的評價指標體系；然后，采用一定的評價方法（例如：偏好理論、權重因素分析方法、專家評分法、層次分析法、模糊層次分析法、模糊綜合評判法等）得到所需的評價指標的權重；最后，通過求出各備選方案的優劣排序，得到最優方案[1~4]。車輛路徑問題是物流配送中的另一個重要問題。一般定義為：對一系列發貨點和/或收貨點，組織適當的行車路線，使車輛有序地通過它們，在滿足一定的約束條件（例如貨物需求量、發送量、交發貨時間、車輛容量限制、行駛里程限制、時間限制等）下，達到一定的目標（如路程最短、費用極小、時間盡量少、使用車輛數盡量少等）。在實際應用中，車輛路徑問題可以按照不同的分類原則細分為許多子問題。多數的研究都是只針對1~2個屬性的問題展開[5~7]。由于這些組合問題多是NP難的，使用動態規劃、分支限界、回溯方法進行求解的確定性算法難以避免計算中的組合爆炸。因此，當問題規模稍大時，這類算法在應用中就難以發揮作用，目前的應用中多采用啟發式算法和近似算法求解。

電子商務物流組合優化問題的參數算法研究

參數理論研究

從一個更開放的角度來看，電子商務物流系統中的諸多問題可以歸約到更多的算法問題上去。例如，物流配送中心選址實際上可以歸約到一些覆蓋和支配問題以及斯坦納（Steiner）問題上去，車輛路徑問題可以歸約到哈密爾頓回路問題和旅行商問題上去，而庫存控制和車輛裝載可以歸約到背包和裝箱問題上去。這些問題中很多已經被證明為NP難問題。同時，這類問題很多都與物流網絡的拓撲特性有關，多數都來自于圖論中的一些經典問題，但不同的是，由物流應用導出的問題往往會在原始圖問題的基礎上附加一些新的約束條件，例如費用、路線、時間等方面的約束，這些約束有時還會給原問題帶來復雜度的增加。盡管多數這類問題都是NP難的，但是問題本身的重要性和挑戰性還是引起了研究人員的廣泛關注。如前面提到的一些選址和路徑問題就是近年來研究得比較多的問題。由于難以求得精確解，研究人員通常設計啟發式算法和近似算法求解，在某些場合也取得了較好的效果。盡管如此，但很多時候啟發式算法和近似算法得到的結果無助于我們深刻地理解問題的本質，也難以準確評價算法在應用中的實際性能。對此，我們的想法是將參數算法設計和分析理論引入到電子商務物流優化問題的求解中，將電子商務物流中的一些組合優化問題進行參數化建模，進而采用參數算法設計的一些技術設計可行的參數算法來求解這些優化問題。

參數理論的研究最初來源于觀察到很多計算問題都與一個取值范圍較小的重要參數相聯系，利用參數的性質可以在一定程度上加速計算。當一個參數問題可在時間f（k）nc內解決，其中c是一個常數，而函數f獨立于輸入規模n，則稱該問題是固定參數可解的（FixedParameterTractable，FPT），用FPT表示該類問題的集合。根據這一定義，對于小的參數值，FPT問題是實際可解的。根據現有的研究結果，利用參數方法來解決組合優化問題已被證明有著廣泛的應用。因此，即使這些計算問題在其一般形式下是NP難的，其實際應用中的實例卻有其特殊性。很多計算優化問題都可參數化，且其參數值僅在一個很小的范圍內變化。對于這些NP難問題的參數化求解也取得了令人矚目的成績。例如，與電子商務物流選址問題相關的一個經典的NP完全問題—點覆蓋問題的參數化定義就是：給定一個圖G（V，E）和一個整數k，|V|=n，判斷圖G是否存在一個有k個點的集合C哿V，使得圖G中的所有邊至少有一個端點在C中。在參數計算與復雜性理論中k（k<<n）被看作是一個參數。利用參數k，人們提出了實際有效的算法，在實際應用中取得了很好的效果。1993年Buss和Goldsmith首次提出針對點覆蓋的復雜度為O（kn+2kk2k+2）的算法[8]，而目前最好的算法是有Chen給出的時間復雜度為O（kn+13.285k）的算法[9]。上述算法的求解策略往往都是將參數化問題核化到一個更小的核上，然后再在核上采用分支限界等技術求解。同樣，對于在電子商務物流中有著廣泛應用的支配集問題的參數化求解也取得了重要的進展。研究表明，參數化支配集問題不是FPT可解的。但是將參數化支配集問題限定在平面圖這樣一個背景下，則平面圖支配集問題可以在O（c姨k?n）時間求解[10]，其中c≤4346姨，隨后，常數c的上界又被優化到215.13[11]。最近的研究表明，在平面圖上求解支配集，通過兩個圖規約和預處理技術，可以得到一個不超過335k大小的核[12]，這個線性核完全獨立于原始圖的規模。由于k相對n通常是很小的數，問題的規模就從降低到的線性函數，這也就大大降低了問題的規模。因此參數算法技術在一些組合優化問題的求解上是極其有益的。

電子商務物流組合優化問題的參數算法研究

針對電子商務物流中的一些組合優化問題，可以首先從參數算法的角度對這些問題建模，然后設計有效的參數算法求解，最后將這些參數算法轉化為適合于實際應用環境的近似算法。具體來說可以采用如下方法。（1）電子商務物流問題的參數化。對電子商務物流中的優化問題的不同參數化會導致差異巨大的參數復雜性，特別是，如果不適當的進行參數化，則問題可能變成參數不可解的。因此，需要注意的是如何將物流中的優化問題正確的參數化，使得參數化后的計算問題滿足如下兩點條件：①參數化的計算問題仍能夠反映原問題的本質。②參數化計算問題使得小參數算法的方法可以有效地應用并解決原問題。值得注意的是，由于物流網絡的復雜性和本身固有的其他約束，電子商務物流網絡優化問題中必然會存在某些無法用參數算法解決或不能夠用參數算法很好解決的問題。對于這一類問題，我們還需研究一套行之有效的方法，使得能夠解決或部分解決參數化問題。（2）電子商務物流優化問題的參數算法設計及性能分析。利用參數問題的特殊性來研究與傳統算法技術不同的參數算法設計與分析的新技術將對有效使用參數算法在電子商務物流優化問題中的應用有著非常重要的影響。一旦優化問題參數化以后，利用參數值的特殊性，以及其對整個計算問題復雜性的影響，特殊的參數算法技術可能大大改善解決問題的效率，而達到傳統算法無法達到的效果。這一方面的研究所遇到的挑戰是如何從傳統算法設計的框架中跳出來，設計嶄新的行之有效的參數算法及其分析技術。通過利用參數理論中發展起來的一些算法設計技術，例如核化、有限搜索樹、分解規約等，設計一些可行的參數算法來求解這些算法優化問題。參數算法得到的精確解可以更深刻的理解優化問題本質，對其他啟發式算法和近似算法的評估也有著重要的意義。（3）電子商務物流優化問題的近似算法設計與分析。在前述參數算法的基礎上，通過一些改進和簡化，設計一些更適合于實際應用場合的近似算法。在以往的研究中我們注意到，參數理論中發展起來的很多規約和預處理技術不僅僅可用于參數算法設計，在近似算法中同樣有著重要的作用。在一些場合，這些技術能迅速化簡問題，降低問題的復雜度，無論是在理論上還是在實際應用場合。同時對這些近似算法和分布式算法的分析可以采用平攤分析技術。在以往的物流優化問題研究中，對算法的分析和評價主要以最壞情況分析和仿真實驗比較居多。最壞情況分析在某些問題上無法客觀地評價算法性能，而仿真實驗的說服力有限。例如經典的快速排序算法，它的最壞情況是相對較差的，但是它的平均性能卻是所有排序算法中最好的。因此在某些應用場合一些近似算法往往比一些確定性算法（或者有理論下界保證的算法）具有好得多的平均性能。這是對這些算法進行平攤分析的一個重要原因。