低碳多因素視角下的冷鏈配送路徑優(yōu)化

魏子秋 勾靖琳

文章編號：1002-3100（2024）03-0148-06

摘? 要：全球變暖問題日益凸顯，如何減少冷鏈配送環(huán)節(jié)中的二氧化碳排放成為當今物流領(lǐng)域研究的重點和難點，文章考慮到冷鏈物流配送過程中產(chǎn)生的一系列成本和影響冷鏈物流配送環(huán)節(jié)中的二氧化碳排放，配送點軟硬時間窗，配送道路實況等因素，并整合了我國現(xiàn)行碳排放權(quán)交易政策，從根本出發(fā)分析了目前我國低碳冷鏈物流的配送路徑，構(gòu)建了以配送環(huán)節(jié)總成本最小為目標的數(shù)學(xué)分析模型，最后通過設(shè)計方案以及算法模型擬合得到最優(yōu)結(jié)果。從運行結(jié)果看出，采用較改進的遺傳算法可以在一個周期內(nèi)降低冷鏈物流配送的總成本，以此證明了提出的模型和改進算法的有效性。

關(guān)鍵詞：低碳；冷鏈物流；配送路徑優(yōu)化；遺傳算法

中圖分類號：F403.3? ? 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.03.035

Abstract： This paper considers a series of costs incurred in the cold chain logistics distribution process and affects the carbon dioxide emissions in the cold chain logistics distribution link， the soft and hard time window of the distribution point， the actual situation of the distribution road and other factors， and integrates China's current carbon emission trading policy， and analyzes the current distribution path of low-carbon cold chain logistics in China from a fundamental point of view. A mathematical analysis model with the goal of minimizing the total cost of distribution is constructed， and finally the optimal result is obtained through design scheme and algorithm model fitting. From the operation results， it can be seen that the total cost of cold chain logistics distribution can be reduced by using an improved genetic algorithm， which proves the effectiveness of the proposed model and the improved algorithm.

Key words： low carbon; cold chain logistics; distribution route optimization; genetic algorithm

0? 引? 言

近十年來，隨著中國經(jīng)濟的高速發(fā)展，冷鏈物流行業(yè)在我國也進入到飛速發(fā)展的階段，研究發(fā)現(xiàn)冷鏈行業(yè)市場需求量和基礎(chǔ)設(shè)施建設(shè)呈現(xiàn)出不斷增長態(tài)勢，與此同時帶來的空氣污染問題也不容小覷。為符合未來低碳經(jīng)濟的發(fā)展要求和保證中國冷鏈行業(yè)向著健康趨勢發(fā)展必須實現(xiàn)綠色轉(zhuǎn)型^[1]，由于社會生活的快節(jié)奏以及冷鏈食品的方便性促使人們越來越傾向于購買冷鏈食品，但研究發(fā)現(xiàn)冷鏈產(chǎn)品在運輸配送環(huán)節(jié)以及保存加工階段會帶來相對的二氧化碳排放，這與環(huán)保的理念是相違背的，所以精準了解低碳冷鏈物流發(fā)展狀況并抓住如何減少冷鏈配送中的二氧化碳排放量是現(xiàn)階段冷鏈物流行業(yè)研究的重點^[2]。《“十四五”冷鏈物流發(fā)展規(guī)劃》的發(fā)布，預(yù)示著在世界的不斷發(fā)展趨勢下我國將大力度推進冷鏈物流的長遠發(fā)展。與此同時我國政府相關(guān)部門提出相關(guān)政策強調(diào)要大力推進我國城市物流配送，第三方物流和冷鏈物流的快速發(fā)展。目前，亟需解決在冷鏈物流配送過程中產(chǎn)生額外成本、消耗率高于其他物流配送、出現(xiàn)環(huán)境污染等潛在問題。研究發(fā)現(xiàn)對于實現(xiàn)企業(yè)效益和社會效益而言，如何在冷鏈物流配送環(huán)節(jié)中有效調(diào)用車輛和調(diào)整配送路線具有重要意義。

1? 文獻綜述

Dantzig等^[3]首次在1959提出車輛路徑問題（Vehicle Routing Problem，VRP），隨著我國冷鏈物流的飛速發(fā)展，越來越多的國內(nèi)外學(xué)者對冷鏈物流VRP問題進行了深入的研究。周鵬鵬等^[4]針對車間復(fù)雜情況并改進遺傳算法，在遺傳算法的交叉階段加入教與學(xué)交叉提高了算法局部搜索能力同時加入自適應(yīng)來提高改進算法的全局搜索性。朱寶麗^[5]針對國內(nèi)外學(xué)者對碳交易的重視。借鑒國外經(jīng)驗提出了我國碳交易市場發(fā)展緩慢且監(jiān)管力不足的問題，采用計量模型提出改進方案。

賀菲^[6]提出在雙碳目標下交通運輸行業(yè)迎來轉(zhuǎn)型發(fā)展的挑戰(zhàn)和機遇，做好雙碳工作也是十四五時期推動交通建設(shè)發(fā)展的重要工程。如今綠色標準在交通運輸行業(yè)的覆蓋不到位，使得低碳轉(zhuǎn)型市場尚未形成，研究重點應(yīng)放在導(dǎo)致交通運輸轉(zhuǎn)型發(fā)展不平衡問題上。寧澤逵，孫立等^[7]提出高效的物流配送服務(wù)在疫情開始和好轉(zhuǎn)后的復(fù)工復(fù)產(chǎn)中均發(fā)揮了重要作用。但出現(xiàn)的冷鏈物流行業(yè)安全性低以及物流服務(wù)質(zhì)量不過關(guān)等問題均需進一步加強和處理。王琴^[8]引入三角模糊變量并設(shè)置模糊時間窗，以車輛配送成本最小化和碳排放成本最小為目標建立優(yōu)化模型，預(yù)估時間窗并用啟發(fā)式算法求解在符合車輛運載能力和中轉(zhuǎn)能力前提下，配送路徑得到優(yōu)化，降低了運輸成本和碳排放成本。葉芬芳等^[9]利用主成分分析（PCA）法和灰色相關(guān)分析構(gòu)建冷鏈低碳配送與產(chǎn)品耦合的共同聯(lián)動模型。設(shè)計出低碳配送下的冷鏈配送耦合機制，提出將低碳理念引入和冷鏈物流具有重要的現(xiàn)實意義。方文婷等^[10]考慮到碳排放并將綠色理念融入冷鏈物流車輛路徑優(yōu)化問題中，構(gòu)建了混合蟻群算法并以總成本最小為研究目標，進行仿真優(yōu)化與對比分析，驗證了模型和算法的有效性。張思穎等^[11]以低碳視角出發(fā)運用雙層規(guī)劃方法（上層為政府目標，下層為冷鏈物流企業(yè)目標）構(gòu)建系統(tǒng)優(yōu)化決策模型，并用混沌粒子群算法求解模型，為企業(yè)決策提供依據(jù)，為今后在冷鏈配送環(huán)節(jié)的節(jié)能減排工作提供思路。鄧紅星等^[12]考慮到多因素成本下計算碳排放，以最小成本為目標并以此構(gòu)建冷鏈物流配送路徑優(yōu)化，運用遺傳算法對比求解出考慮碳排放的實際重要性。劉長石等^[13]針對城市交通擁堵的實際情況，綜合考慮多因素構(gòu)建了混合車輛路徑規(guī)劃模型，并用改進的蟻群算法求解，結(jié)果證明在短時間既給出了符合目標的混合車輛路徑規(guī)劃方案同時降低了總配送成本。李軍濤等^[14]采用自適應(yīng)遺傳模擬退火算法，考慮到擁堵指數(shù)，碳排放和顧客滿意度構(gòu)建了多車型路徑優(yōu)化模型，對含時間窗的冷鏈物流路徑優(yōu)化進行研究。

通過研究發(fā)現(xiàn)，低碳對冷鏈物流配送路徑的研究具有重要價值，但結(jié)合實例對比研究改進遺傳算法下同時考慮低碳視角結(jié)合多因素的冷鏈路徑優(yōu)化較少，本文結(jié)合目前中國的現(xiàn)行碳交易政策，以此分析現(xiàn)階段冷鏈物流配送過程中產(chǎn)生的成本以及配送運輸總過程中的燃料消耗和冷卻產(chǎn)生的二氧化碳量，以冷鏈物流公司最小的總成本來建立優(yōu)化目標，并利用較為改進的遺傳算法求解模型。在此基礎(chǔ)上，以A公司冷鏈物流配送中心為例，結(jié)果表明，考慮到顧客滿意度和碳排放所建立的算法模型在發(fā)展中能夠有效控制我國相關(guān)冷鏈物流企業(yè)產(chǎn)生的碳排放，從而達到較高的客戶滿意度，并實現(xiàn)總成本最低的目標。

2? 數(shù)學(xué)模型構(gòu)建

2.1? 模型的基本假設(shè)

假設(shè)1? 在整個過程中車輛只負責(zé)配送產(chǎn)品，不負責(zé)取貨等任務(wù)；

假設(shè)2? 車輛配送過程中不會中途改變配送任務(wù)，不會接收中途指派等突發(fā)任務(wù)；

假設(shè)3? 一個配送中心周圍有足夠多的用戶需求點；

假設(shè)4? 每個顧客的需求點，門店位置和配送中心的坐標位置和距離確定并已知，每個用戶需求點的需求量同時已知；

假設(shè)5? 車輛配送過程中，每個用戶需求點的貨物是一次性配送完不是分批次配送；

假設(shè)6? 配送中心有的冷藏車輛足夠多并滿足公司的配送要求；

假設(shè)7? 配送用的冷藏車起始位置為配送中心，終止位置也為配送中心；

假設(shè)8? 進行配送中的行車阻抗影響參數(shù)確定并已知，車輛配送過程中行駛速度設(shè)為平均速度，平均速度確定已知且不變；

2.2? 模型參數(shù)相關(guān)定義

數(shù)學(xué)模型中相關(guān)符號意義如表1所示。

2.3? 數(shù)學(xué)模型的目標函數(shù)

構(gòu)建數(shù)學(xué)模型，需將目標函數(shù)作為一個重要的考慮因素。本文在構(gòu)建數(shù)學(xué)模型時，不單考慮了額外的冷鏈產(chǎn)品在配送過程中新鮮度的損失成本和延誤的時間懲罰成本，也考慮在配送過程中車輛的行駛成本和配送冷藏車制冷保溫所消耗的成本。

2.4? 數(shù)學(xué)模型構(gòu)建

以上構(gòu)造的帶數(shù)學(xué)模型的目標函數(shù)已確定，接下來把用戶滿意度和生鮮產(chǎn)品新鮮程度考慮到模型的約束條件中，可建立數(shù)學(xué)模型，如下所示：

2.4.1? 目標函數(shù)

2.4.2? 約束條件

式（1）為客戶的滿意度約束（R為常數(shù)）；式（2）為服務(wù)的客戶的數(shù)量固定為n個；式（3）為同一配送路徑上所有客戶需求量總和小于等于單個冷藏車輛的最大載重量；式（4）為規(guī)定的路線中規(guī)定車輛不超過公司可用的車輛總數(shù)；式（5）和式（6）為每一個配送點只能接受一輛冷藏車輛的服務(wù)；式（7）為規(guī)定的每輛冷藏車路線：配送中心—執(zhí)行配送任務(wù)—返回配送中心；式（8）為每個配送點的需求量都能夠被滿足；式（9）為配送時間是連續(xù)的，即到達客戶點所用總時間為車輛的行駛時間和在客戶點的卸貨時間之和；式（10）為配送車輛的負載是連續(xù)的；式（11）為構(gòu)造的時間窗約束；式（12）為顧客的滿意度約束；式（13）和式（14）為決策變量。

3? 算法實現(xiàn)

3.1? 遺傳算法

由于受到英國生物學(xué)家達爾文進化論的啟蒙，遺傳算法最早在1975年由J.Holland提出^[15]。本文的主要研究屬于多目標下的路徑優(yōu)化問題。為了彌補遺傳算法缺乏穩(wěn)定的缺點，本文采用自適應(yīng)交叉變異改進的遺傳算法求解模式，改進算法的核心主旨是“優(yōu)勝劣汰、適者生存”，通過交叉變異逆轉(zhuǎn)操作進行優(yōu)化，從而能提高客戶的滿意度、實現(xiàn)總成本最低、完成碳排放量最少的目標，以此達到環(huán)境約束的適應(yīng)性。

3.2? 改進后的遺傳算法設(shè)計

步驟1：自然數(shù)編碼。由于構(gòu)建模型研究的是低碳多因素下的冷鏈物流配送路徑優(yōu)化問題，基于較改進的遺傳算法下需要將配送中心和需求點進行自然數(shù)編碼，規(guī)定配送中心的編碼序號為0，分別對32個配送需求點的編碼為1，2，3，…，32。在冷鏈配送過程中，按照規(guī)定行駛路線，冷藏車根據(jù)1～32個配送點編碼進行有序配送。

步驟2：初始種群的生成并擴大（本文設(shè)定初始種群N=100）。初始種群的生成是為了在已知規(guī)定的可行域中產(chǎn)生較多個可行解，可行解一方面是指初始種群的規(guī)模。生成初始種群后按照步驟1中的自然數(shù)編碼法不斷重復(fù)染色體的生成過程以達到生成一個隨機化的初始種群N后停止。

步驟3：適應(yīng)度函數(shù)確定。改進遺傳算法中將考慮低碳冷鏈多因素下的物流配送路徑過程中總成本的倒數(shù)確定為適應(yīng)度函數(shù)。

步驟4：進行選擇。選擇操作的評價標準是步驟3中已確定的適應(yīng)度值，適應(yīng)度值的大小是進行保留和淘汰的標準。再將已生成的初始種群N=100的個體按照適應(yīng)度值的大小進行排序，大的適應(yīng)度值進行保留，小的適應(yīng)度值進行篩選淘汰。

步驟5：進行交叉操作。為了降低出現(xiàn)陷入局部最優(yōu)解的可能，在改進的遺傳算法中加入了黃金分割法^[16]的自適應(yīng)交叉操作以此來避免出現(xiàn)陷入局部最優(yōu)的可能。

步驟6：進行變異操作。加入同步驟5的黃金分割法自適應(yīng)交叉操作來進行變異。

步驟7：進行逆轉(zhuǎn)操作。

步驟8：交叉變異逆轉(zhuǎn)之后進行更新種群操作。

步驟9：判斷是否滿足停止條件。如果是，則輸出改進遺傳算法下的最優(yōu)解，反之轉(zhuǎn)到步驟3，重復(fù)操作直至滿足停止條件。

4? 仿真實驗

4.1? 數(shù)據(jù)來源

根據(jù)A冷鏈公司的現(xiàn)實工作狀況，仿真一組數(shù)據(jù)來進行驗證，由于A公司在銷量最高的地區(qū)有近百家門店，多個配送中心，由于門店太多，所以本文只假設(shè)A公司稍微靠近市中心的32個門店作為配送點和一個配送中心作為配送仿真優(yōu)化的參考。其中編號0代表配送中心，編號1～32代表門店配送點。為便于統(tǒng)計油耗和統(tǒng)一碳排放量，抽取A公司物流中心負責(zé)冷鏈配送業(yè)務(wù)的4輛冷藏車，冷藏車型號為江鈴新順達國五4.2米冷藏車標準配置，車輛型號是：CLW5041XLCJ5。規(guī)定配送中心0和配送點（1～32）橫縱坐標位置、配送點的需求量、軟硬時間窗、各配送點服務(wù)時間如表2所示。

4.2? 結(jié)果分析

以上述實驗為研究基礎(chǔ)，采用較改進的遺傳算法對構(gòu)造的數(shù)學(xué)模型進行求解。規(guī)定的算法參數(shù)如下所示：其中研究求解的種群規(guī)模為100，改進遺傳算法中的迭代次數(shù)規(guī)定為1 000。改進遺傳算法使用較新且穩(wěn)定的Matlab 2021b版本實現(xiàn)，求解結(jié)果如圖1、圖2所示。改進遺傳算法在求解低碳冷鏈物流配送路徑優(yōu)化問題時，其收斂速度較傳統(tǒng)算法速度快，且在一定程度上體現(xiàn)出良好的求解結(jié)果。改進遺傳算法的最優(yōu)結(jié)果為801.46 元，較以往采用傳統(tǒng)遺傳算法運行的最優(yōu)結(jié)果節(jié)約358.769 5元。改進遺傳算法中的各個成本如下：配送成本 640.73元、碳交易成本為 64.59元、冷藏車冷藏成本為 38.33元、時間懲罰成本為57.81元?；跁r間窗的顧客滿意度為0.729 42。

冷藏車車輛數(shù)為4，車輛總的行駛路程為164.8km，車輛總載重為 9.2t。四輛冷藏車均按照規(guī)定路線要求行駛，配送路線如下所示：

配送路線1：0→19→11→31→6→15→32→0。

配送路線2：0→20→25→24→23→28→0。

配送路線3：0→3→7→1→5→22→2→0。

配送路線4：0→8→30→27→12→21→26→13→17→10→16→4→29→9→14→18→0。

5? 結(jié)? 論

本文結(jié)合當前熱點，將研究冷鏈物流車輛中的配送路徑優(yōu)化問題作為基本方向，并且考慮到碳排放和軟時間窗成本，以怎樣安排冷藏車的車輛調(diào)度進行合理配送從而達到冷鏈物流配送過程中總成本的最小化為研究目標，并考慮到顧客的滿意度。為了解決傳統(tǒng)遺傳算法中容易出現(xiàn)局部最優(yōu)解和早期收斂的缺陷而采用較為改進的遺傳算法來解決冷鏈物流配送中出現(xiàn)的高碳排放量等問題，降低了物流總成本。研究結(jié)果證實A企業(yè)基于傳統(tǒng)遺傳算法的最優(yōu)結(jié)果為1 160.229 5元，而改進遺傳算法的最優(yōu)結(jié)果為801.46元，其中考慮到碳排放的碳交易成本為64.59元。根據(jù)成本的降低可以推斷出研究設(shè)計的較改進遺傳算法能夠改善傳統(tǒng)遺傳算法的不足，發(fā)現(xiàn)在考慮碳排放約束下的求解結(jié)果優(yōu)于傳統(tǒng)遺傳算法，為解決當前我國企業(yè)的冷鏈物流配送路徑優(yōu)化問題提供了相對有價值的參考。

參考文獻：

[1] 何明珂. 補齊冷鏈物流短板 助力高質(zhì)量發(fā)展——《“十四五”冷鏈物流發(fā)展規(guī)劃》解讀[J]. 中國經(jīng)貿(mào)導(dǎo)刊，2022（1）：16-18.

[2] 楊斌，韓佳偉，楊霖，等. 中國低碳冷鏈物流發(fā)展水平評價體系研究[J/OL]. 智慧農(nóng)業(yè)（中英文）：1-8[2023-03-30]. http：//kns.cnki.net/kcms/detail/10.1681.S.20230330.1512.002.html.

[3] DANTZI G， RAMSER J. The truck dispatching problem[J]. Management Science， 1959（6）：80-91.

[4] 周鵬鵬，翟志波，戴玉森. 基于改進遺傳算法的柔性作業(yè)車間調(diào)度問題研究[J]. 組合機床與自動化加工技術(shù)，2023（3）：183-186，192.

[5] 朱寶麗. 碳交易機制實踐、政策效應(yīng)與路徑優(yōu)化[J]. 南通大學(xué)學(xué)報（社會科學(xué)版），2023，39（1）：130-140.

[6] 賀菲. 基于雙碳目標下交通運輸轉(zhuǎn)型發(fā)展的挑戰(zhàn)與機遇[J]. 中國航務(wù)周刊，2023（13）：47-49.

[7] 寧澤逵，孫立，周武瑋. 后疫情時代冷鏈物流高質(zhì)量發(fā)展策略研究[J]. 供應(yīng)鏈管理，2022，3（3）：72-86.

[8] 王琴，李引珍，李海軍，等. 不確定條件下的低碳多式聯(lián)運路徑優(yōu)化研究[J]. 鐵道運輸與經(jīng)濟，2023，45（3）：62-69，120.

[9]? YE FENFANG， ZHAO JING. Influencing factors analysis of collaborative development level of new retail and cold chain distribution of agricultural products under low-carbon[J]. Mathematical Problems in Engineering， 2022，2022：1-8.

[10] 方文婷，艾時鐘，王晴，等. 基于混合蟻群算法的冷鏈物流配送路徑優(yōu)化研究[J]. 中國管理科學(xué)，2019，27（11）：107-115.

[11] 張思穎，陳寧，李延暉，等. 低碳視角下城市冷鏈物流配送系統(tǒng)優(yōu)化決策研究[J]. 工業(yè)工程與管理，2022，27（1）：56-64.

[12] 鄧紅星，周潔，胡翼. 考慮碳排放的生鮮農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化模型[J]. 重慶理工大學(xué)學(xué)報（自然科學(xué)），2023，37（2）：289-297.

[13] 劉長石，陳慧璇，吳張. 城市物流配送的混合車輛路徑規(guī)劃模型與優(yōu)化算法[J]. 控制與決策，2023，38（3）：759-768.

[14] 李軍濤，劉明月，劉朋飛. 生鮮農(nóng)產(chǎn)品多車型冷鏈物流車輛路徑優(yōu)化[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報，2021，26（7）：115-123.

[15] 史春燕，黃輝. 車輛路徑問題：研究綜述及展望[J]. 物流科技，2014，37（12）：75-77.

[16] 王曉雅. 低碳冷鏈物流配送路徑優(yōu)化研究[J]. 山西農(nóng)經(jīng)，2022（19）：134-137.

收稿日期：2023-03-31

作者簡介：魏子秋（1981—），女，河北石家莊人，河北科技大學(xué)經(jīng)濟管理學(xué)院，副教授，博士，碩士生導(dǎo)師，研究方向：供應(yīng)鏈管理；勾靖琳（1998—），女，河北邯鄲人，河北科技大學(xué)經(jīng)濟管理學(xué)院2022級物流工程與管理專業(yè)碩士研究生，研究方向：物流與供應(yīng)鏈規(guī)劃設(shè)計、車輛路徑優(yōu)化。

引文格式：魏子秋，勾靖琳. 低碳多因素視角下的冷鏈配送路徑優(yōu)化[J]. 物流科技，2024，47（3）：148-153.