基于遺傳算法的農產品冷鏈物流配送中心選址研究

許軍 梅軍軍

摘 要：我國農產品消費規模不斷擴大，SN集團作為北京市規模最大的集農產品生產、配送和銷售一體的國有企業，肩負著北京市農產品市場的穩定和繁榮的重任。本文基于SN集團農產品物流配送的現狀，考慮配送中心選址的建設成本、運輸成本和運輸時間等因素建立數學模型，在擬選的四個地址：北苑、三元橋、大洋路、草橋中應用遺傳算法對采集的數據代入模型中進行運算。研究結果表明：在草橋和大洋路建立冷鏈物流配送中心成本最優。

關鍵詞：農產品；冷鏈物流；配送中心選址

冷鏈物流配送中心選址是冷鏈物流網絡建設中至關重要的一環。配送中心上接物流中心分配的貨物，向下為各社區門店提供貨源。如果冷鏈物流配送中心與農產品冷鏈物流上下游之間不能有效的運轉，將導致整個農產品冷鏈物流服務水平低下、農產品質量不能得到保證。因此，在農產品冷鏈物流配送中心選址方面應該綜合考慮經濟、交通便利性、政治等各方面的影響因素，選址最為合適的地址作為農產品冷鏈物流配送中心。

SN集團長期從事的農產品的生產、加工和銷售，為北京市的農產品市場提供了大量穩定農產品供應。“十二五”期間，SN集團將緊緊圍繞首都經濟發展內涵，加大對農產品物流業的增量投入，擬在草橋、大洋路、北苑和三元橋四個地點中選擇兩個建立農產品冷鏈物流配送中心。

本文根據SN集團農產品物流現狀，以配送中心建設成本、物流成本和配送時間成本最低為目標建立數學模型，應用遺傳算法進行模型求解，從SN集團四個備選地址中選擇最優的地址作為SN集團農產品冷鏈物流配送中心。

一、引言

隨著農產品物流的發展，國內學者對其農產品配送中心選址和農產品配送過程中的路徑規劃方面的研究不斷深入。國內外學者對配送中心選址模型和模型的算法等方面做了大量研究。

張亮對易腐貨物的配送問題，研究了一個具有多個時間窗的異構車隊選址依賴車輛路徑模型，并采用自適應大鄰域搜索算法來求解該模型。劉繼等人研究了冷鏈物流配送網絡的優化方案，并發現半掛車是提升冷鏈物流運輸效率的有效交通工具。鮑張研究了聯合配送中冷鏈物流的路徑優化問題，并指出聯合配送不僅在配送成本上優于部分配送，而且在碳成本上也優于部分配送。基于預測的冷鏈產品損耗參數，莫莉分析了易腐產品在冷鏈配送過程中的損耗過程，提出了考慮損耗時間變化的冷鏈配送車輛路徑優化模型。

Vidal等人提出了一種求解多集散點車輛路徑問題和周期性車輛路徑問題的混合遺傳算法框架。Juan等人將偏隨機化與迭代局部搜索相結合，開發了一種求解多集散點車輛路徑問題的混合方法。Absalom E. Ezugwu提出了兩種混合元啟發式算法，其將指數型和近似型模擬算法結合到基本的智能水滴算法中。Haghani和Oh提出了一種用于配送作業的多商品、多模式網絡流模型的制定和求解方法。

農產品冷鏈物流配送中心選址不僅要考慮配送路徑最優還需要結合具體的環境將配送中心的建設成本、環境因素、政治因素、農產品的時效性和易損性等因素考慮在內。本文基于以上幾點考慮，在以上文獻綜述的基礎上，結合SN集團的實際情況，對SN集團農產品冷鏈物流配送中心選址進行研究。

二、SN集團農產品物流現狀分析

（一）SN集團簡介

SN集團一直致力于種植業的發展，其擁有南口、東郊、巨山等一批老牌農產品生產基地及外埠生產基地1萬余畝。同時，SN集團還擁有雙日物流、三元及第等一批專業化物流企業，已經在北京市形成較為完整的物流網絡體系。另外，SN集團下屬三元梅園在北京已有70余家連鎖店，三元、華都、大發等食品加工企業也已與超市、商場、購物中心、社區店等零售終端建立了廣泛的業務聯系。在北京市SN集團建立了五十家社區銷售門店。這些農產品生產、加工、運輸和銷售設施共同構建了SN集團農產品物流網絡。

（二）SN集團物流現狀分析

SN集團在京郊固安、濟南、東營及濱州等地分別建設了預冷加工中心，并配備相應的冷庫、周轉箱、升降臺、叉車等設備。在北京五環和六環之間建立了四個物流中心，用來作為從北京阜外生產基地運輸農產品進入北京的中轉站。生產基地生產的農產品經過預冷加工中心加工運往北京市物流中心，再通過北京物流中心的分發運送到SN集團下屬的各個社區銷售門店進行銷售。

SN集團在“十二五”期間制定了一個“農產品全產業鏈物流協同服務體系建設”的項目。該項目中明確提出了建立SN集團農產品冷鏈物流體系，并且在北京市建立兩個農產品冷鏈物流配送中心，作為SN集團農產品從物流中心到社區門店的中轉站。建立配送中心后，SN集團農產品物流流程如下圖所示。

三、模型建立

（一）模型假設

在滿足一定的約束條件下，本文需要解決的問題是從擬選配送中心地址中選擇兩個最優的地址作為SN集團冷鏈物流配送中心根據配送中心選址影響因素，對模型的建立提出以下合理假設：

1.配送中心無配送容量限制；

2.配送中心到社區門店的配送車型一致。假設配送車型相同可以簡化問題復雜度，減少解的復雜性，從而提高算法搜尋速度；

3.不考慮物流中心農產品容量問題，假設物流中心始終能給滿足配送中心對農產品種類和數量的需求。

（二）符號說明

配送中心選址模型的建立應以成本最低為目標函數，該成本指的是配送中心的建設成本和物流中心到配送中心以及配送中心到銷售門店的物流成本。在滿足社區門店的配送要求下，建立模型的約束條件。下面先進行模型中涉及各種符號的說明。

（三）目標函數

農產品在運輸過程中易腐蝕和損壞，并且隨著運輸距離和運輸時間的增長，農產品的腐蝕和損壞程度越嚴重。因此，在運輸過程中農產品的消耗也需要考慮在目標函數中。以S（Q）函數表示農產品運輸過程中的損耗，建立的函數為： ，其中L表示距離，t表示運輸時間。配送中心選址的目標函數是使得配送中心的選址成本最低，選址成本包括：配送中心建設成本、物流中心到配送中心的運輸成本、配送中心到社區門店的物流成本、物流中心到配送中心運輸過程中的損耗成本、配送中心到社區門店運輸過程中的損耗成本。

式（3-1）表示目標函數，式（3-2）——（3-10）為約束條件。式（3-2）表示每個社區門店只能由一個配送中心負責配送；式（3-3）表示物流中心到配送中心的運量等于配送中心的需求量；式（3-4）物流配送中心到社區門店的運量等于社區門店的需求量；式（3-5）（3-6）如果第j個配送中心沒有被選中，則到第j個配送中心的運量為0，也不會有從第j個配送中心給社區門店配送貨物；式（3-7）（3-8）（3-9）為整數約束；式（3-10）為非負約束。

四、數據分析

SN集團目前有物流中心4個，備選配送中心4個，已建和擬建的社區門店共50個。對以上基礎數據進行分析，得到以下內容。

（一）配送中心建設成本

配送中心備選點的建設成本主要包括配送中心土地成本、廠房建設成本和基礎設備采購成本等。四個備選點的土地成本和建設成本可按照當前北京市房價可預估。基礎設備采購成本通過查詢SN集團使用的基礎設備品牌價格即可得知。

（二）社區門店的農產品需求量

SN集團五十個社區門店用L1～L50分別表示。根據北京市SN集團所屬部分各社區門店農產品的每天銷售量和周邊人口密度，預估得出五十個社區門店的農產品每日需求量，具體數據如表3所示。

（三）物流中心、配送中心備選點、社區門店之間的距離

本文將SN集團配送中心各備選點，用R1～R4表示，其中，R1代表草橋、R2代表大洋路、R3代表北苑、R4代表三元橋。根據SN集團現有物流中心和社區門店以及配送中心備選點的實際運輸距離，物流中心到配送中心備選點的車輛實際運輸距離如下表4所示，配送中心備選點到社區門店的車輛實際運輸距離如下表5所示。

（四）模型算法中其他參數

本文模型算法中的其他參數，如車速、農產品運輸過程的損耗率和農產品配送過程中的單位成本等如下表6所示。

五、結果分析

根據上文的算法和數據用MATLAB對算法進行編程，設定最大迭代次數為20次，得到模型的最優目標值的變化軌跡如下圖所示。最優染色體對應的選擇結果如下圖2所示。

從該圖可以看出，在進化的前3代，最優解的變化下降地很快，說明該階段搜索速率很快，這是因為對適應度函數采用了動態線性標定方式，加強了算法的局部搜索能力，使得算法在進化的初始階段的搜索速率很快。在第7代搜索到了一個局部最優解為最終的最優解，最優解為R1和R2。R1、R2與各社區門店之間的關系如下表6所示。

從表6可以看出在4個備選的配送中心中草橋和大洋路被選中，草橋配送中心負責社區門店是L8、L11、L12、L15、L20、L21、L22、L25、L30、L31、L32、L35、L36、L40、L41、L43、L44，其他的社區門店由大洋路配送中心配送。

參考文獻：

[1]黃圣晶，馬曉旦，夏曉梅. 我國生鮮農產品第三方冷鏈物流系統模型研究[J]. 物流工程與管理，2015，（11）：191-193.

[2]高宏偉. 基于“帕戈郎”清真雞肉的烏魯木齊市肉類流通追溯系統應用研究[D].烏魯木齊新木齊：新疆農業大學，2015：10-12.

[3]李學工，張媛. 我國農產品冷鏈物流標準化體系的重構[J]. 標準科學，2015，（7）：48-53.

[4]朱超才. 物聯網環境下農產品冷鏈監控與追溯平臺研究[J]. 山西農業大學學報（社會科學版），2015，（5）：18-485-490.

[5]李騰，浦甲倫，徐輝. 物聯網環境下農村物流系統建設問題研究[J].品牌，2015，（4）：41-42.

[6]朱先月. 物聯網技術在吉林省農產品冷鏈物流中的應用研究[D].長春：長春工業大學，2015

[7]楊蕊. 物聯網技術下的我國農產品冷鏈物流優化研究[D].太原：山西財經大學，2015

[8]Kwon， Y.J.； CLoi， Y.J.； Lee， D.L. Leterogeneous fixed fleet vehicle routing considering carbon emission.Transp. Res. D Transp. Environ. 2013， 23， 81–89.

[9]You， H.F.； Wang， X. Interactive genetic algorithm based on tournament selection and its application. J. Chin.Comput.

[10]Liu， W.Y.； Lin， C.C.； Chiu， C.R.； Tsao， Y.S.； Wang， Q. Minimizing the Carbon Footprint for the Time-DependentHeterogeneous-Fleet Vehicle Routing Problem with Alternative Paths. Sustainability 2014， 6， 4658–4684.

注：本文系河南省教育廳社科項目“基于供應鏈協同的農產品流通利益機制研究”（項目編號：2015-GH-096）、河南科技大學研究生教改項目“物流工程專業學位研究生實踐與創新能力培養”（項目編號：2016YJG-013）的部分研究成果