基于人工蜂群算法鲜活农产品冷链物流配送路径优化.docVIP

基于人工蜂群算法鲜活农产品冷链物流配送路径优化 　　摘要：鲜活农产品易变质的特性决定了其配送过程的困难性，针对这一难题，拟构建鲜活农产品的变质函数和配送时间的惩罚函数，并依此建立带有时间窗的鲜活农产品冷链物流路径优化模型。通过人工蜂群算法（ABC）对模型进行求解，以自然数编码的方式生成食物源，并讨论食物源的更新公式和适应度函数，研究具体的求解步骤和判断标准。利用数值算例验证了所建模型的合理性，结果表明，人工蜂群算法对此类问题具有有效性和可行性。 　　关键词：鲜活农产品；冷链物流；路径优化；人工蜂群算法 　　中图分类号： F252文献标志码： A 　　文章编号：1002-1302（2017）15-0318-04 　　随着科技的发展和收入的增加，人们对生活质量提出了更高的要求。鲜活农产品与人们的生活息息相关，人们对它的需求也随着生活水平的提高呈现多样化和个性化的发展趋势。鲜活农产品主要包括新鲜的蔬菜、水果、水产品、禽类和肉类等5类产品。虽然我国是一个农业大国，但是物流配送体系的发展却跟不上需求，且已经成为农产品市场发展的阻碍。目前，我国农产品物流体系不成熟、物流配送设施不完善以及物流人才缺乏等一系列的缺陷都是亟须加强和改善的地方，否则人们的需求便不能够得到满足。对于鲜活农产品这一类特殊的产品，因它们具有易腐变质的特性，需要冷链物流进行配送来保证其新鲜度。冷链物流指新鲜冷冻类食品从生产到被消费前每个流通环节都必须在一定低温环境下进行保存，从而保证食品新鲜度或降低食品变质和损耗程度。鲜活农产品的严格时间限制、高储藏成本和高服务质量等要求，给冷链物流商提出了很高的配送要求。因此，如何科学地规划配送路线、合理制定配送方案，以保证鲜活农产品的配送效率、食品的新鲜程度和低损耗率，提高服务质量水平，对于冷链物流商非常重要，也是鲜活农产品发展道路上亟须解决的难题。 　　车辆路径问题（vehicle routing problem，简称VRP）是指物流配送中心向一定数量的对于货物需求不同的需求点供货，在满足需求点配送要求的基础上，进行合理的路线规划，最终达到运输路程最短、运输成本最低等目的。由于对该问题的研究具有很强的现实意义，因此一直是国内外学者研究的热点。VRP的概念最早由Dantzig等提出[1]；考虑到现实中对于车辆路径问题总是有一定配送时间要求，所以Solomon等首先将时间约束条件加入到车辆路径问题的研究中[2]。启发式算法对于解决车辆路径问题具有很强的优越性，随着多种算法的产生，对启发式算法的研究也逐步丰富起来。Brito等将时间窗和模糊约束加入到近距离开放式的车辆路径问题中，并通过混合蚁群算法进行了求解[3]；de Armas等考虑了现实中动态丰富的多目标的车辆路径问题，使用了1种变领域搜索策略的启发式算法解决该问题[4]；Küüko[KG-*5]g[DD（-1*2][HT6]ˇ[DD）]lu等利用了基于禁忌搜索和模拟退火算法的混合算法，解决带有回程和时间窗的车辆路径问题[5]；陈志新等使用混合粒子群算法来解决物流配送路径优化问题[6]；邬开俊等改进了差分进化算法，结合贪心算法来解决具有非确定性多项式（non-deterministic polynomial，简称NP）难的VRP[7]；随着科技环境的变化，对于车辆路径研究的背景也在随之转变，向敏等研究了在电子商务环境下鲜活农产品物流配送路径的优化问题[8]。 　　虽然国内外学者对于车辆路径问题的研究很多，但是将车辆路径和冷链物流结合进行研究的却不多，将鲜活农产品作为配送物品的研究就更少。本研究考虑了鲜活农产品运输过程的损耗，加入时间窗的约束，并依此建立合理的鲜活农产品冷链物流配送模型，目的是使鲜活农产品冷链物流的配送成本最小化，力求使所建立的模型符合实际情形，从而为实际鲜活农产品的配送路?选择提供有力的参考。 　　1鲜活农产品冷链物流配送路径优化数学模型 　　1.1问题描述 　　鲜活农产品物流配送模型是由1个鲜活农产品配送中心向多个其覆盖范围内的配送点使用低温配送车进行货物配送的模型。假定配送中心的货量充足，每个需求点的需求量、位置以及时间窗约束都是已知的；配送中心配送车辆数量固定，型号相同，并且每个配送车辆的容量确定。为对建立的模型进行简化，需要考虑以下几个约束条件：配送车所载货物的质量或体积不得超过核定容量或载质量；货物在时间窗之外的时间送达，会受到对应时间惩罚函数的惩罚；配送车辆以固定的速度进行货物配送；每个需求点的货物需求只能由1辆车单次完成；路径优化的目标是使得配送成本最小化。 　　1.2鲜活农产品变质函数 　　对于鲜活易腐食品变质的函数，学者们很早便做了研究，结果表明，其函数形式过于复杂，不适合在实际应用中使用。因此，一般采用形式相对简单的指数