碳排放影響下快時(shí)尚產(chǎn)品的配送路徑優(yōu)化

程亮　干宏程　李尚卿　陳雨蝶　鄭榮

摘要：鑒于快時(shí)尚企業(yè)高頻率配送的特性以及國(guó)家倡導(dǎo)的低碳環(huán)保理念，以服裝產(chǎn)品為研究對(duì)象，以碳排放成本、車輛運(yùn)輸成本和顧客滿意度為優(yōu)化目標(biāo)，建立多目標(biāo)綠色車輛路徑問(wèn)題模型。提出一種改進(jìn)蟻群算法對(duì)模型進(jìn)行求解，在信息素更新過(guò)程中采用最大最小螞蟻系統(tǒng)和云模型提高自身的全局搜索能力，同時(shí)對(duì)初始狀態(tài)轉(zhuǎn)移概率進(jìn)行優(yōu)化，并采取局部?jī)?yōu)化策略提高算法的適應(yīng)性。仿真結(jié)果表明，提出的模型和算法能夠充分調(diào)用企業(yè)資源，幫助快時(shí)尚企業(yè)科學(xué)規(guī)劃車輛配送方案，降低運(yùn)輸成本和碳排放，實(shí)現(xiàn)經(jīng)濟(jì)效益與環(huán)境效益的最佳平衡。

關(guān)鍵詞：綠色車輛路徑問(wèn)題; 快時(shí)尚; 碳排放; 客戶滿意度; 改進(jìn)蟻群算法

中圖分類號(hào)：? F252文獻(xiàn)標(biāo)志碼：? A

Distribution path optimization of fast fashion products

under impact of carbon emission

CHENG Lianga，b， GAN Hongchenga，b， LI Shangqinga，b，

CHEN Yudiea，b， ZHENG Ronga，b

（a. School of Management; b. Center for Supernetworks Research， University of Shanghai for Science and Technology， Shanghai 200082， China）

Abstract： In view of the characteristics of high frequency distribution of fast fashion enterprises and the low carbon and environmental protection concept advocated by the country， a multi-objective green vehicle routing problem model is established with apparel products as the research object and the carbon emission cost， vehicle transportation cost and customer satisfaction as the optimization objectives. An improved ant colony optimization is proposed to solve the model， where the max-min ant system and the cloud model are used in the pheromone update process to improve its own global search capability， the initial state transfer probability is optimized， and the local optimization strategy is adopted to improve the adaptability. The simulation results show that the proposed model and algorithm can fully call on enterprise resources to help fast fashion enterprises plan vehicle distribution schemes scientifically， reduce transportation cost and carbon emission， and achieve the best balance between economic benefit and environmental benefit.

Key words： green vehicle routing problem; fast fashion; carbon emission; customer satisfaction; improved ant colony optimization

0 引 言

快時(shí)尚品牌源自20世紀(jì)中期的歐洲，并于21世紀(jì)初期進(jìn)入中國(guó)市場(chǎng)，憑借時(shí)尚的服裝設(shè)計(jì)、產(chǎn)品的快速更新以及低廉的價(jià)格，迅速吸引了一大批中國(guó)消費(fèi)者［1］。作為一種新型的時(shí)尚理念，它與傳統(tǒng)服飾企業(yè)最大的區(qū)別在于對(duì)供應(yīng)與銷售模式的改進(jìn)，尤其強(qiáng)調(diào)供應(yīng)鏈的整體效益。通過(guò)供應(yīng)鏈的高效運(yùn)作使得快時(shí)尚企業(yè)能夠在短時(shí)間內(nèi)捕捉到市場(chǎng)上流行的時(shí)尚趨勢(shì)，并快速響應(yīng)制成新產(chǎn)品，以此滿足顧客日益變化的物質(zhì)需求［2］，進(jìn)而由信息、原材料、半成品和成品流動(dòng)構(gòu)成的整個(gè)生產(chǎn)網(wǎng)絡(luò)和這種生產(chǎn)網(wǎng)絡(luò)背景下的供應(yīng)鏈運(yùn)作機(jī)理一度成為快時(shí)尚企業(yè)關(guān)注的重點(diǎn)［3］。企業(yè)想要獲得更高的經(jīng)濟(jì)效益，就需要不斷地優(yōu)化供應(yīng)鏈的運(yùn)作模式，而物流作為供應(yīng)鏈的重要組成部分，不僅貫穿供應(yīng)鏈的各環(huán)節(jié)，還是各企業(yè)相互合作的紐帶［4］。實(shí)驗(yàn)研究表明，合理的物流配送方案能夠降低企業(yè)運(yùn)營(yíng)成本，提高供應(yīng)鏈的運(yùn)作效率［5］。近幾年，不少學(xué)者針對(duì)快時(shí)尚企業(yè)運(yùn)輸模型進(jìn)行研究。LI等［6］提出新型服裝產(chǎn)品的配送模型和優(yōu)化算法，為快時(shí)尚企業(yè)優(yōu)化運(yùn)輸路線。華銓平等［7］對(duì)服裝產(chǎn)品的時(shí)效性進(jìn)行分析，結(jié)合模糊數(shù)學(xué)理論，建立具有服裝時(shí)效性的車輛路徑問(wèn)題模型。ZHANG等［8］使用新的服裝產(chǎn)品分配方案，為新加坡一家快時(shí)尚企業(yè)解決大規(guī)模服裝產(chǎn)品的配送問(wèn)題。上述學(xué)者的研究成果有助于降低快時(shí)尚企業(yè)的運(yùn)營(yíng)成本，但建立的模型并未考慮經(jīng)濟(jì)與環(huán)境之間的關(guān)系。

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，車輛尾氣導(dǎo)致的環(huán)境問(wèn)題愈發(fā)嚴(yán)重，交通運(yùn)輸行業(yè)的碳排放量占全球碳排放總量的比重不斷升高［9］，各國(guó)紛紛開(kāi)始推行綠色交通發(fā)展理念。自2013年中國(guó)交通運(yùn)輸部頒發(fā)《加快推進(jìn)綠色循環(huán)低碳交通運(yùn)輸發(fā)展指導(dǎo)意見(jiàn)》以來(lái)，地方政府和企業(yè)積極響應(yīng)，致力于推進(jìn)交通運(yùn)輸綠色發(fā)展。在此背景下，綠色車輛路徑問(wèn)題（green vehicle routing problem， GVRP）成為新的研究熱點(diǎn)。周鮮成等［10］對(duì)GVRP的最新研究進(jìn)展進(jìn)行綜述，表明在車輛運(yùn)輸過(guò)程中考慮碳排放的必要性，并闡述現(xiàn)階段GVRP研究的不足。HAKET等［11］通過(guò)實(shí)例仿真分析，證實(shí)提前規(guī)劃客戶的服務(wù)順序有助于減少車輛的配送時(shí)間，降低車輛運(yùn)輸成本和碳排放。康凱等［12］在GVRP模型中融入模糊約定時(shí)間的概念，尋找到最小碳排放與最大經(jīng)濟(jì)效益的平衡點(diǎn)。ZHANG等［13］和DABIA等［14］證明車輛載貨量、運(yùn)輸距離等因素的變化會(huì)直接影響汽車的尾氣排放。

GVRP作為傳統(tǒng)車輛路徑問(wèn)題的擴(kuò)展，復(fù)雜度更高，常規(guī)的計(jì)算手段難以求出此類問(wèn)題的最優(yōu)解，相關(guān)研究常采用啟發(fā)式算法進(jìn)行求解。范厚明等［15］針對(duì)帶有模糊需求和時(shí)間窗的車輛路徑問(wèn)題提出一種混合遺傳算法（genetic algorithm， GA），通過(guò)改進(jìn)交叉算子和運(yùn)算規(guī)則，取得了良好的仿真結(jié)果。LI等［16］將最優(yōu)分割方案與自適應(yīng)禁忌搜索算法相結(jié)合，用以解決異構(gòu)車隊(duì)的GVRP。

綜上所述，已有不少關(guān)于快時(shí)尚企業(yè)運(yùn)輸模型以及GVRP的研究，但在快時(shí)尚企業(yè)產(chǎn)品運(yùn)輸過(guò)程中考慮碳排放的研究成果較少。鑒于此，本文在以往研究成果的基礎(chǔ)上，針對(duì)快時(shí)尚企業(yè)提出一種新型的GVRP模型。首先，為體現(xiàn)出快時(shí)尚企業(yè)的特性，在模型的目標(biāo)函數(shù)中納入顧客對(duì)服裝款式、門店上貨時(shí)間和企業(yè)形象的滿意度；其次，充分考慮影響成本的各項(xiàng)因素，如人員工資、車輛磨損等費(fèi)用，使仿真結(jié)果更具有實(shí)際參考價(jià)值，并根據(jù)服裝產(chǎn)品的時(shí)效性特點(diǎn)，將配送時(shí)間劃分為一周一次，每次前后兩天相繼完成，以減少運(yùn)輸所需的車輛數(shù)，提高模型柔性［1，17］。此外，本文提出改進(jìn)蟻群算法（improved ant colony optimization， IACO）［18-19］對(duì)模型進(jìn)行求解。算法使用最大最小螞蟻系統(tǒng)和云模型對(duì)信息素進(jìn)行更新，以提高全局搜索能力，同時(shí)對(duì)初始的狀態(tài)轉(zhuǎn)移概率進(jìn)行優(yōu)化，并采取2-opt和3-opt局部?jī)?yōu)化策略來(lái)擴(kuò)大搜索范圍，提高適應(yīng)性。最終，通過(guò)計(jì)算機(jī)對(duì)實(shí)例進(jìn)行仿真，證明在相同的條件下IACO可以更有效地解決碳排放影響下的快時(shí)尚產(chǎn)品配送路徑優(yōu)化問(wèn)題，并對(duì)仿真結(jié)果進(jìn)行多角度分析，為政府和快時(shí)尚企業(yè)提供管理啟示。

1 模型建立

1.1 問(wèn)題描述及模型假設(shè)

快時(shí)尚企業(yè)的GVRP可以被描述為圖論問(wèn)題。假設(shè)存在完備的有向圖G={N′，E′}，其中：N′={0，1，…，N}為節(jié)點(diǎn)集合，節(jié)點(diǎn)0表示快時(shí)尚企業(yè)的配送中心，其他N個(gè)節(jié)點(diǎn)表示快時(shí)尚企業(yè)在某一區(qū)域內(nèi)擁有的門店；E′為弧（i，j）的集合。dij為節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的距離；qi為每個(gè)門店的需求量；T′={0，1，…，T}為門店配送時(shí)間t的集合，要求在T天內(nèi)必須完成對(duì)所有門店的配送服務(wù)；K′={1，2，…，K，…，Ks}為配送車輛k的集合，K為運(yùn)輸過(guò)程中實(shí)際使用的車輛數(shù)，Ks為預(yù)估需要使用的車輛數(shù)；每輛車的載質(zhì)量為D。其目標(biāo)是在滿足車輛容量、配送時(shí)間等約束條件下，合理安排門店配送順序，達(dá)到社會(huì)總成本最低。

決策變量定義如下：xijkt為0-1變量，若車輛k在第t天從節(jié)點(diǎn)i行駛到節(jié)點(diǎn)j，則取值1，否則取值0；yikt為0-1變量，若門店i的需求在第t天由車輛k滿足，則取值1，否則取值0；zit為0-1變量，若門店i在第t天接受服務(wù)，則取值1，否則取值0。

模型假設(shè)如下：（1）配送中心、門店和車輛的基本信息已知。（2）每個(gè)門店只能由一輛車進(jìn)行服務(wù)，車輛在行駛過(guò)程中保持勻速。（3）所有的車輛均從配送中心出發(fā)，且最后返回同一配送中心。（4）每輛車運(yùn)輸?shù)呢浳镔|(zhì)量不能超過(guò)其載質(zhì)量，所有的貨物需在規(guī)定天數(shù)內(nèi)配送完成。（5）僅考慮車輛在行駛過(guò)程中產(chǎn)生的油耗和碳排放。

1.2 模型設(shè)計(jì)

2.4 2-opt和3-opt優(yōu)化策略

ACO在正反饋機(jī)制的作用下可以快速收斂得到滿意解，但這一機(jī)制也限制了人工螞蟻找到最優(yōu)解的能力。因此，為獲得全局最優(yōu)解，在單次循環(huán)結(jié)束后，往往會(huì)使用局部?jī)?yōu)化算法，幫助蟻群跳出當(dāng)前解空間，進(jìn)而提升算法的適應(yīng)性。本文同時(shí)采用2-opt和3-opt算法，具體的改進(jìn)操作如下：在ACO產(chǎn)生新的路徑后，若獲得了更好的解，則采用2-opt算法在小范圍內(nèi)進(jìn)行反復(fù)搜索，以保證解的最優(yōu)性；否則采用3-opt算法在較大范圍進(jìn)行搜索，盡可能發(fā)現(xiàn)新的可行解。為減少算法的時(shí)間復(fù)雜度，本文對(duì)3-opt算法產(chǎn)生的路徑進(jìn)行優(yōu)化處理，避免與2-opt算法優(yōu)化重復(fù)的部分，以提高算法運(yùn)行效率。

2.5 IACO求解流程

①參數(shù)初始化：設(shè)置螞蟻數(shù)量m，門店數(shù)量n，最大循環(huán)次數(shù)Imax，以及參數(shù)α、β、γ、ρ；初始化信息素矩陣，計(jì)算各個(gè)門店之間的歐氏距離和啟發(fā)式信息，初始化新因子矩陣。

②循環(huán)開(kāi)始，I=1；每次循環(huán)結(jié)束I=I+1。

③計(jì)算每只螞蟻前往各個(gè)門店的概率Pijk，同時(shí)對(duì)狀態(tài)轉(zhuǎn)移概率進(jìn)行輪盤賭運(yùn)算得到螞蟻實(shí)際前往的門店，并將已選擇的門店放入禁忌表中，更新禁忌表。

④禁忌表未滿就不斷重復(fù)步驟③直至所有門店被訪問(wèn)為止；否則，根據(jù)得到的路徑計(jì)算各目標(biāo)函數(shù)，存儲(chǔ)為當(dāng)前最優(yōu)解，并進(jìn)行2-opt優(yōu)化，判斷能否找到更優(yōu)解。

⑤對(duì)各條路徑上的信息素進(jìn)行揮發(fā)和更新處理，同時(shí)使用最大最小螞蟻系統(tǒng)對(duì)信息素進(jìn)行限制，并根據(jù)循環(huán)得到的路徑對(duì)新因子矩陣進(jìn)行更新。

⑥清空禁忌表，判斷循環(huán)是否達(dá)到最大循環(huán)次數(shù)：如果沒(méi)有則返回步驟②重新進(jìn)行循環(huán)，同時(shí)開(kāi)始執(zhí)行3-opt優(yōu)化；否則，終止循環(huán)。

3 實(shí)例求解與分析

3.1 實(shí)例數(shù)據(jù)與結(jié)果

為對(duì)模型的正確性和算法的有效性進(jìn)行驗(yàn)證，選取上海市某快時(shí)尚企業(yè)公布的數(shù)據(jù)。該快時(shí)尚企業(yè)在上海市區(qū)內(nèi)擁有24家門店，通常使用自身質(zhì)量為3.5 t、載質(zhì)量為5 t的小型貨車從配送中心往門店進(jìn)行送貨，配送頻率為每周一次，每次兩天（T=2），門店的具體位置和需求見(jiàn)表1。車輛行駛速度為40 km/h，引擎效率為35%，迎風(fēng)表面積為5 m2，滾動(dòng)阻力因子為0.01。道路坡度為0，空氣阻力因子為0.7［30］，空氣密度為1.204 kg/m3。車輛每周的維護(hù)和管理成本分別為49.67元和42.3元，車輛折舊系數(shù)為0.25元/km，駕駛員的單位時(shí)間工資為37.5元/h，油價(jià)為5.87元/L。每升汽油完全燃燒后可以產(chǎn)生8.8 kW·h的能量［30］，能量單位轉(zhuǎn)化因子為3.6×106，燃油系數(shù)為2.324 kg/L，二氧化碳交易價(jià)格為218.645元/t，質(zhì)量單位轉(zhuǎn)化因子為0.001。企業(yè)可接受的車輛最低裝載率為80%。

根據(jù)文獻(xiàn)［23］和［24］可知，一般情況下，顧客對(duì)服裝款式的滿意度為 7.6，對(duì)第1天上貨的滿意度為 8.4，對(duì)第2天上貨的滿意度為7.1;α1=α2=0.5，α3=1；p1，2=2.54元，p3=5.08元/kg。IACO的相關(guān)參數(shù)如下：α=1，β=4，γ=0.1，ρ=0.5，Q=50，λ=10，μ=0.75，M=20，Imax=200。

在CPU為2.50 GHz、內(nèi)存為4 GB的計(jì)算機(jī)配置下使用Python 3.8.3編程求解，預(yù)估出需要使用的車輛數(shù)為4，得出企業(yè)運(yùn)營(yíng)成本最低時(shí)配送一次產(chǎn)生的碳排放量為117.08 kg，獲得車輛配送最優(yōu)路徑（見(jiàn)表2），其中最優(yōu)路徑總長(zhǎng)為694.07 km，實(shí)際使用的車輛數(shù)為3。此外，還計(jì)算出碳排放量為115.81 kg，碳排放成本為25.32元，車輛運(yùn)輸成本為1 392.63元，滿意度利潤(rùn)為477.62元，社會(huì)總成本為940.33元（=碳排放成本+車輛運(yùn)輸成本－滿意度利潤(rùn)）。

3.2 結(jié)果分析

3.2.1 成本分析

根據(jù)上述結(jié)果可知，最優(yōu)路徑產(chǎn)生的碳排放總量為115.81 kg，碳排放成本為25.32元，占企業(yè)總成本（=碳排放成本+車輛運(yùn)輸成本）的1.79%；如果采用2021年中國(guó)碳排放交易價(jià)格均值42.85元/t計(jì)算，則得出碳排放成本占企業(yè)總成本的0.35%。由此可見(jiàn)，當(dāng)前國(guó)內(nèi)的碳排放交易價(jià)格遠(yuǎn)低于歐洲市場(chǎng)，較低的碳排放交易價(jià)格削弱了碳排放限制政策的實(shí)施效果，不能對(duì)企業(yè)產(chǎn)生很好的約束作用，這也是大部分企業(yè)在決策時(shí)不考慮車輛運(yùn)輸過(guò)程中產(chǎn)生的碳排放的主要原因。

為分析3個(gè)目標(biāo)函數(shù)之間的關(guān)系，分別以運(yùn)營(yíng)成本（F2－F3）最小化、客戶滿意度最大化作為決策目標(biāo)，在不改變其他參數(shù)的情況下，通過(guò)IACO求出最優(yōu)解，并將得到的結(jié)果與上述多目標(biāo)GVRP的求解結(jié)果進(jìn)行對(duì)比，結(jié)果見(jiàn)表3和4。

分析表3和4可知：

（1）在快時(shí)尚企業(yè)以運(yùn)營(yíng)成本為決策目標(biāo)時(shí)，僅考慮實(shí)現(xiàn)車輛運(yùn)輸成本最小化和顧客滿意度最大化。規(guī)劃出的運(yùn)輸路線通常表現(xiàn)為運(yùn)輸距離短，運(yùn)輸費(fèi)用低，這一結(jié)果與不考慮碳排放的車輛路徑問(wèn)題得到的結(jié)果相一致。

（2）在本文研究的問(wèn)題中，企業(yè)額外考慮了碳排放成本。決策目標(biāo)的增加使得最優(yōu)路線發(fā)生了變化，車輛運(yùn)輸成本上升，社會(huì)總成本反而降低。通過(guò)分析表4的數(shù)據(jù)可知：正常情況下，快時(shí)尚企業(yè)并不需要考慮碳排放成本，此時(shí)政府每年承擔(dān)1 331.20元的環(huán)境治理費(fèi)用；在快時(shí)尚企業(yè)考慮碳排放成本后，企業(yè)每年總成本上升1 135.08元，政府無(wú)須承擔(dān)額外費(fèi)用，因此可以使用此前的環(huán)境治理費(fèi)用對(duì)快時(shí)尚企業(yè)進(jìn)行補(bǔ)貼，只要補(bǔ)貼的費(fèi)用低于1 331.20元均可接受，所以政府補(bǔ)貼的范圍為［1 135.08，1 331.20］元，快時(shí)尚企業(yè)實(shí)際承擔(dān)成本的范圍為［47 565.88，47 762.00］元。此外，企業(yè)形象的提升會(huì)給企業(yè)帶來(lái)良好的品牌效益，顧客在消費(fèi)時(shí)會(huì)更偏向于選擇該企業(yè)的產(chǎn)品。因此，不論是對(duì)政府、企業(yè)還是對(duì)消費(fèi)者而言，在快時(shí)尚企業(yè)的配送路徑優(yōu)化中考慮碳排放都是可以接受的，合理的配送方案有助于形成企業(yè)、顧客、政府三方互惠的局面。

（3）如果企業(yè)以顧客滿意度作為唯一優(yōu)化目標(biāo)，就需要在一天時(shí)間內(nèi)完成對(duì)所有門店的配送。這樣的做法雖然提升了顧客滿意度，但車輛運(yùn)輸成本大幅上升，違背了Pareto最優(yōu)原則，也不符合實(shí)際情況。因此，對(duì)弱時(shí)效性的服務(wù)型行業(yè)來(lái)說(shuō)，想要在短時(shí)間內(nèi)大幅度提高顧客的滿意度是難以實(shí)現(xiàn)的。

3.2.2 有效性分析

本文在式（14）中根據(jù)實(shí)際情況設(shè)置了車輛最低裝載率為80%，而在模型最優(yōu)解（見(jiàn)表2）中，車輛最低裝載率為88.26%。這說(shuō)明該最優(yōu)解對(duì)應(yīng)的運(yùn)輸路徑既符合模型理論約束也滿足實(shí)際要求，不會(huì)出現(xiàn)車輛長(zhǎng)時(shí)間空駛的情況；最優(yōu)解結(jié)果中，6條路徑的行駛距離均在100 km左右，這反映每輛車的行駛時(shí)間大致相同，不會(huì)出現(xiàn)某一駕駛員長(zhǎng)時(shí)間駕駛的情況，驗(yàn)證了模型的有效性。

IACO在求解多目標(biāo)GVRP時(shí)，求得最優(yōu)解的概率為70%。為進(jìn)一步驗(yàn)證改進(jìn)算法的有效性，將本文提出的IACO與ACO和GA進(jìn)行對(duì)比，結(jié)果見(jiàn)表5。從表5可以看出，與ACO和GA相比，IACO在碳排放成本、車輛運(yùn)輸成本、最優(yōu)路徑長(zhǎng)度上均有一定幅度的降低，總成本也分別降低15.59%和16.82%，這體現(xiàn)了IACO比同類算法更有優(yōu)勢(shì)，可以更好地求解快時(shí)尚企業(yè)的多目標(biāo)GVRP。

3.3 管理啟示

綜上所述，快時(shí)尚企業(yè)在車輛配送路徑優(yōu)化中考慮碳排放是切實(shí)可行的，本文的研究對(duì)促進(jìn)政府與企業(yè)在低碳運(yùn)輸方面的合作具有積極意義。

對(duì)快時(shí)尚企業(yè)而言，改變單一追求經(jīng)濟(jì)效益的配送方案，尋求與政府在低碳運(yùn)輸方面的合作能降低企業(yè)的運(yùn)營(yíng)成本；企業(yè)在運(yùn)輸過(guò)程中主動(dòng)承擔(dān)社會(huì)責(zé)任，有利于樹(shù)立良好的社會(huì)形象，增加消費(fèi)者認(rèn)可度，從而獲得更大的經(jīng)濟(jì)效益。

對(duì)政府而言，要密切關(guān)注社會(huì)的環(huán)境問(wèn)題，提高企業(yè)的綠色物流意識(shí)；目前過(guò)低的碳排放交易價(jià)格并不利于節(jié)能環(huán)保政策的實(shí)施，需要在未來(lái)不斷調(diào)整相應(yīng)的政策；政府可以轉(zhuǎn)變治理形式，將環(huán)境治理費(fèi)用用來(lái)補(bǔ)貼企業(yè)承擔(dān)的額外成本，讓企業(yè)成為環(huán)境保護(hù)的主體，從而形成多方參與且目標(biāo)一致的良性循環(huán)，促進(jìn)社會(huì)可持續(xù)發(fā)展。

4 結(jié)束語(yǔ)

本文考慮一種以快時(shí)尚服裝產(chǎn)品為研究對(duì)象的綠色車輛路徑問(wèn)題（GVRP）。在模型構(gòu)造方面，根據(jù)車輛的行駛速度、實(shí)時(shí)變化的車輛載貨量、門店間的運(yùn)輸距離等計(jì)算碳排放成本和車輛運(yùn)輸成本，構(gòu)造具有快時(shí)尚特性的顧客滿意度函數(shù)，建立了多目標(biāo)GVRP模型。在算法設(shè)計(jì)方面，根據(jù)模型特性提出一種改進(jìn)蟻群算法（IACO）進(jìn)行求解，在算法的信息素更新過(guò)程中使用最大最小螞蟻系統(tǒng)和云模型來(lái)提高算法的全局搜索能力，同時(shí)對(duì)狀態(tài)轉(zhuǎn)移概率進(jìn)行優(yōu)化，使用2-opt和3-opt局部?jī)?yōu)化策略提高算法的適應(yīng)性。最終，通過(guò)實(shí)例仿真證實(shí)了IACO在相同的條件下，可以更有效地解決本文的問(wèn)題。還對(duì)決策目標(biāo)進(jìn)行多角度分析，為政府和快時(shí)尚企業(yè)提供了管理啟示。

本文的研究證實(shí)了在快時(shí)尚企業(yè)車輛路徑問(wèn)題中考慮碳排放具有現(xiàn)實(shí)意義。以本文的研究工作為基礎(chǔ)，在模型上可以考慮不同行業(yè)背景下的GVRP對(duì)企業(yè)、顧客和政府的影響，在算法上也可以嘗試不同的改進(jìn)策略、更多的優(yōu)化方式來(lái)達(dá)到更好的求解效果。因此，解決和分析不同行業(yè)背景下的GVRP是今后重要的研究方向。

參考文獻(xiàn)：

［1］安娜， 張建磊， 程隆棣. 快時(shí)尚品牌形象對(duì)購(gòu)買意愿的影響［J］. 紡織學(xué)報(bào)， 2020， 41（8）： 108-114. DOI： 10.13475/j.fzxb.20191003407.

［2］CHOI T M， HUI C L， LIU N， et al. Fast fashion sales forecasting with limited data and time［J］. Decision Support Systems， 2014， 59： 84-92. DOI： 10.1016/j.dss.2013.10.008.

［3］ORCAO A I E， PREZ D R. Global production chains in the fast fashion sector， transports and logistics： the case of the Spanish retailer Inditex［J］. Investigaciones Geográficas， Boletín del Instituto de Geografía， 2014： 113-127. DOI： 10.14350/rig.40002.

［4］何菊， 周永圣， 周琳云. 新零售背景下快時(shí)尚品牌零售商的最優(yōu)訂貨定價(jià)研究［J］. 工業(yè)工程， 2021， 24（1）： 132-139. DOI： 10.3969/j.issn.1007-7375.2021.01.018.

［5］蔡華舟. 快時(shí)尚服飾補(bǔ)貨邏輯揭秘［J］. 中國(guó)物流與采購(gòu)， 2019（13）： 77. DOI： 10.16079/j.cnki.issn1671-6663.2019.13.036.

［6］LI C S， GONG L J， LUO Z X， et al. A branch-and-price-and-cut algorithm for a pickup and delivery problem in retailing［J］. Omega， 2019， 89： 71-91. DOI： 10.1016/j.omega.2018.09.014.

［7］華銓平， 王昕. 時(shí)效性服裝配送模型與改進(jìn)蟻群算法的研究［J］. 紡織學(xué)報(bào)， 2012， 33（3）： 139-144. DOI： 10.13475/j.fzxb.2012.03.004.

［8］ZHANG Z Z， CHEANG B， LI C S， et al. Multi-commodity demand fulfillment via simultaneous pickup and delivery for a fast fashion retailer［J］. Computers & Operations Research， 2019， 103： 81-96. DOI： 10.1016/j.cor.2018.10.020.

［9］沈麗， 李成玉， 甘彥， 等. 考慮貨損和碳排放的生鮮產(chǎn)品配送路徑優(yōu)化［J］. 上海海事大學(xué)學(xué)報(bào)， 2021， 42（1）： 44-49. DOI： 10.13340/j.jsmu.2021.01.008.

［10］周鮮成， 周開(kāi)軍， 王莉， 等. 物流配送中的綠色車輛路徑模型與求解算法研究綜述［J］. 系統(tǒng)工程理論與實(shí)踐， 2021， 41（1）： 213-230. DOI： 10.12011/SETP2020-2300.

［11］HAKET C， VAN DE RHEE B， DE SWART J. Saving time and money and reducing carbon dioxide emissions by efficiently allocating customers［J］. INFORMS Journal on Applied Analytics， 2020， 50（3）： 153-165. DOI： 10.1287/inte.2020.1028.

［12］康凱， 韓杰， 馬艷芳， 等. 基于碳排放的模糊約定時(shí)間車輛路徑問(wèn)題研究［J］. 工業(yè)工程與管理， 2017， 22（4）： 17-22. DOI： 10.19495/j.cnki.1007-5429.2017.04.003.

［13］ZHANG J H， ZHAO Y X， XUE W L， et al. Vehicle routing problem with fuel consumption and carbon emission［J］. International Journal of Production Economics， 2015， 170： 234-242. DOI： 10.1016/j.ijpe.2015.09.031.

［14］DABIA S， DEMIR E， VAN WOENSEL T. An exact approach for a variant of the pollution-routing problem［J］. Transportation Science， 2017， 51（2）： 607-628. DOI： 10.1287/trsc.2015.0651.

［15］范厚明， 吳嘉鑫， 耿靜， 等. 模糊需求與時(shí)間窗的車輛路徑問(wèn)題及混合遺傳算法求解［J］. 系統(tǒng)管理學(xué)報(bào)， 2020， 29（1）： 107-118. DOI： 10.3969/j.issn.1005-2542.2020.01.012.

［16］LI J， WANG D P， ZHANG J H. Heterogeneous fixed fleet vehicle routing problem based on fuel and carbon emissions［J］. Journal of Cleaner Production， 2018， 201： 896-908. DOI： 10.1016/j.jclepro.2018.08.075.

［17］NADERI S， KILIC K， DASCI A. A deterministic model for the transshipment problem of a fast fashion retailer under capacity constraints［J］. International Journal of Production Economics， 2020， 227： 107687. DOI： 10.1016/j.ijpe.2020.107687.

［18］COLORNI A， DORIGO M， MAFFIOLI F， et al. Heuristics from nature for hard combinatorial optimization problems［J］. International Transactions in Operational Research， 1996， 3（1）： 1-21. DOI： 10.1016/0969-6016（96）00004-4.

［19］DORIGO M， MANIEZZO V， COLORNI A. Ant system： optimization by a colony of cooperating agents［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part B： Cybernetics， 1996， 26（1）： 29-41. DOI： 10.1109/3477.484436.

［20］FIALA N. Meeting the demand： an estimation of potential future greenhouse gas emissions from meat production［J］. Ecological Economics， 2008， 67： 412-419. DOI： 10.1016/j.ecolecon.2007.12.021.

［21］SCORA G， BARTH M. Comprehensive modal emissions model （CMEM）， version 3.01： user guide［M］. Centre for Environmental Research and Technology， University of California， Riverside， 2006： 79.

［22］MASCAL M， NIKITIN E B. Direct， high-yield conversion of cellulose into biofuel［J］. Angewandte Chemie， 2008， 47（41）： 7924-7926. DOI： 10.1002/ange.200801594.

［23］涂小華， 胡丹婷， 郭琪. 品牌服裝顧客滿意度指數(shù)模型研究［J］. 經(jīng)濟(jì)論壇， 2012（2）： 152-154.

［24］張小良， 劉小紅. 基于服裝企業(yè)的顧客滿意度測(cè)評(píng)模型［J］. 紡織學(xué)報(bào)， 2006（5）： 112-115. DOI： 10.13475/j.fzxb.2006.05.032.

［25］YAN H H， LI X Y， HUANG Y， et al. The impact of the consistency of carbon performance and carbon information disclosure on enterprise value［J］. Finance Research Letters， 2020， 37： 101680. DOI： 10.1016/j.frl.2020.101680.

［26］HUANG Y H， BLAZQUEZ C A， HUANG S H， et al. Solving the feeder vehicle routing problem using ant colony optimization［J］. Computers & Industrial Engineering， 2019， 127： 520-535. DOI： 10.1016/j.cie.2018.10.037.

［27］楊朝暉， 李德毅. 二維云模型及其在預(yù)測(cè)中的應(yīng)用［J］. 計(jì)算機(jī)學(xué)報(bào)， 1998， 21（11）： 961-969.

［28］劉玉敏， 高松巖. 一種改進(jìn)的粒子群優(yōu)化算法及其算法測(cè)試［J］. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2019， 49（9）： 237-247.

［29］唐慧玲， 唐恒書(shū)， 朱興亮. 基于改進(jìn)蟻群算法的低碳車輛路徑問(wèn)題研究［J］. 中國(guó)管理科學(xué)， 2021， 29（7）： 118-127. DOI： 10.16381/j.cnki.issn1003-207x.2018.1405.

［30］BEKTA?T， LAPORTE G. The pollution-routing problem［J］. Transportation Research Part B： Methodological， 2011， 45（8）： 1232-1250. DOI： 10.1016/j.trb.2011.02.004.

（編輯 趙勉）

收稿日期： 2021-08-16

修回日期： 2021-11-02

基金項(xiàng)目： 國(guó)家自然科學(xué)基金（71871143）；上海市曙光學(xué)者人才計(jì)劃（15SG41）

作者簡(jiǎn)介： 程亮（1998—），男，安徽蕪湖人，碩士研究生，研究方向?yàn)槲锪髋c供應(yīng)鏈管理，（E-mail）chengliang9802@126.com；

干宏程（1978—），男，浙江寧波人，教授，博士，研究方向?yàn)榻煌ㄏ到y(tǒng)工程、物流管理，（E-mail）hongchenggan@126.com