摘 要：随着电子商务的发展和不断成熟，物流业务环境发生了巨大变化，物流信息被时代赋予了更多的特点，物流信息的复杂性和重要性日趋明显。本文就电子商务与物流紧密结合条件下物流信息的决策价值进行分析，提出物流信息决策的自适应性蚁群聚类优化算法，尝试着对物流信息的高效管理进行探究。

关键词: 物流信息 自适应蚁群算法决策价值

0引言

电子商务与物流更加紧密结合起来，使物流向信息化、网络化、现代化、社会化的方向不断前进。电子商务条件下的物流信息不仅对物流活动具有支持保障、精益流程的功能，而且对物流资源起到整合管理、提高效率、实现共享的功能，能够更好地为客户提供物流服务。如何高效的利用物流信息资源，发掘其内在价值，发挥物流信息的决策价值，开拓物流市场，发展物流业务，优化物流业务流程，提高物流绩效成为了重要课题。

1. 物流信息的决策价值分析

物流信息资源广泛分布于物流领域、其相关领域和市场，贯穿于物流业务和操作的各个阶段。物流信息对供求情况、运输与配送、保管、装卸搬运、包装、流通加工等以及与其相联系的流程和事务进行了描述,囊括了物流对象的特点、属性和所处状态，能够为我们计划、控制和协调物流业务提供可靠依据和有力支持。

物流信息是决策的重要基础和关键依据，物流管理决策过程的本身就是对物流信息进行深加工的过程，是对物流活动的发展变化规律性认识的过程。物流信息的决策价值源于物流信息之间的联系。物流信息之间复杂的联系是关于某一物流对象的静态、动态的不同描述，是对物流活动涉及对象之间各种关系的表述。物流信息之间的各种联系交织在一起形成链状或网状结构。物流信息的这种多维度联系有利于我们掌握和控制物流实体对象，通过分析和利用物流信息之间的联系, 挖掘它在决策方面的价值，实现物流信息的集成反馈可以进行物流业务的快速高效决策。比如，大型电子商务平台第三方物流方案的制定；物流配送网络体系的构建,包括中心城市配送中心和地区仓库等节点位置和数量的选择与决策；物流运作过程中各种运输方式的选择、多式联运的实施；逆向物流体系的构建；城市绿色物流体系的构建特别是在气体排放污染和噪音污染等因素考虑下物流节点和运输线路和时段选择。又如，物流信息中的需求信息作为一种重要资源对物流业务的安排、计划、控制等决策的制定都起着非常重要的作用。

研究表明，挖掘物流信息之间的联系，发掘物流信息的决策价值需要设计合理的聚类优化算法对物流信息所涉及的各种资源和方案进行合理配置和优化。

2.物流信息决策的自适应蚁群算法

蚁群算法(Ant Colony Algorithm,ACA)由意大利学者Dorigo.M等人首先提出。这是一种全局优化的仿生模拟算法。它借用蚁群在搜索食物源的过程中所体现出的寻优能力，来解决一些颇为困难的寻求离散系统的优化解或满意解的问题。它是利用群集智能解决组合优化问题的典型例子。

蚁群算法的优化过程主要包括选择、更新以及协调三个过程。笔者认为通过选择合理的“外激素”并设定合理的选择、更新和协调因子，以建立灵敏的信息自适应反馈机制，改良蚁群算法模型，同时保证收敛性，可以巧妙地对离散的物流信息根据其内在联系按照需要进行合理的聚类和有效的组合，并针对具体的物流运作要求进行多次聚类和优化，探求物流领域优化问题解决的有效途径，实现对电子商务时代物流运作的有力决策。