考慮貨損和碳排放的多共配中心選址問題研究

摘 "要：基于碳排放的共同配送物流中心的選址，文章構(gòu)建了一種考慮貨損成本和碳排放成本，并以物流系統(tǒng)總配送成本最小化為目標的選址模型。本文利用K-means聚類算法和遺傳算法結(jié)合，從5個聚類后的備選物流中心中選擇其中兩個作為最終配送中心。文章在一定程度上豐富了相關(guān)領(lǐng)域的設(shè)施選址理論及應(yīng)用，為共同配送中心選址布局和優(yōu)化提供了重要的決策參考。

關(guān)鍵詞：共同配送；碳排放；貨損；遺傳算法

"中圖分類號：F252.14 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.09.006

Abstract： Based on the location of common distribution logistics centers with carbon emissions， this paper constructs a location selection model that considers the cost of cargo damage and carbon emissions， and aims to minimize the total distribution cost of the logistics system. In this paper， K-means clustering algorithm and genetic algorithm are used to select two of the five clustered alternative logistics centers as the final distribution centers. To a certain extent， this paper enriches the theory and application of facility site selection in related fields， and provides an important decision-making reference for the location layout and optimization of common distribution centers.

Key words： co-delivery; carbon emissions; damage of cargo; genetic algorithm

0 "引 nbsp;言

在全球溫室效應(yīng)越來越嚴重的情況下，“綠色行動”和“低碳發(fā)展”已經(jīng)成為一個熱門選擇，世界各國政府和公眾也越來越重視低碳經(jīng)濟[1]。根據(jù)《Stern Review》的報告，物流業(yè)造成的溫室氣體排放占據(jù)了全球總量的七分之一，存在嚴重的高能耗問題[2]。因此，國家如何推動物流企業(yè)降低碳排放，從物流企業(yè)決策層面實現(xiàn)對碳排放的控制具有現(xiàn)實研究意義[3]。對此，2019年，商務(wù)部發(fā)布了《商務(wù)部辦公廳關(guān)于復(fù)制推廣城市共同配送試點經(jīng)驗的通知》，總結(jié)城市共同配送服務(wù)體系工作的經(jīng)驗，鼓勵更多城市推行共同配送模式。其中明確提出的共同配送模式即“統(tǒng)倉共配”，是指某一地區(qū)內(nèi)，通過集中倉儲和聯(lián)合運輸?shù)姆绞剑瑢⒍鄠€客戶的貨物進行統(tǒng)一，從而達到倉儲、運輸?shù)囊?guī)模化。其目標是降低成本，提高效益[4]。這種模式的特點就是聯(lián)合運輸，庫存共享，在一定程度上實現(xiàn)了資源共享，為客戶提供倉儲服務(wù)的同時降低了客戶的成本；還能有效地降低在途車輛的空駛率，緩解城市的交通壓力和對環(huán)境的污染[5]。

"關(guān)于共同配送的研究主要集中在快遞網(wǎng)點選址和模式研究方面，其中主要概述如表1所示。李煒勤等建立了快遞末端自提點選址和容量決策模型，并設(shè)計了改進二進制教與學(xué)優(yōu)化算法，對其模型進行求解分析[6]。任騰等考慮了同時取送貨的城市物流共同配送路徑優(yōu)化問題，建立了多方利益相關(guān)者總成本最小化的模型，設(shè)計了一種新的改進遺傳算法求解模型[7]。李珍萍等結(jié)合城市共配體系特點，研究了兩層級共同配送選址-路徑問題，設(shè)計自適應(yīng)大鄰域搜索算法求解模型[8]。陳弈林等建立了以運輸成本和客戶滿意度為目標函數(shù)的數(shù)學(xué)模型，重新考慮隨機配對的情況，豐富了共同配送模式的理論框架[9]。豆訓(xùn)博等從路徑優(yōu)化角度考慮了共同配送站點選址問題，采用Lingo軟件求解問題[10]。而關(guān)于共配中心選址的研究較少，賓厚等基于生態(tài)位和混合整數(shù)規(guī)劃法視角對城市共同配送中心選址進行了研究[11]。

從共同配送選址的研究成果來看，大多數(shù)研究主要考慮的是單配送中心下路徑最短和容量問題，從倉儲和貨損成本的角度來考慮多配送中心選址的研究還較少。但是共同配送中心有統(tǒng)倉共配的作用，而共配模式的主要客戶是商超客戶，這類客戶的需求量具有不確定性，在這種情況下，如何合理定位配送中心，為客戶提供倉儲服務(wù)的同時將貨物有效送達客戶手中，成為選址決策的重點[12]。但是共同配送模式類似于共享第三方物流，還需要考慮貨物在運輸和倉儲過程中可能出現(xiàn)的貨損成本。統(tǒng)倉共配模式可以減少車輛的空載率，減少在途車輛的使用，降低了環(huán)境污染，因此本文考慮了碳排放成本。而且零售業(yè)具有貨物品種多、批量少、頻率高、區(qū)域性強等特征，單一的分撥中心可能難以滿足本地區(qū)所有商超顧客的倉配需求，所以要考慮配送中心的數(shù)量和選址問題。

因此，基于共同配送模式的固有特性，針對零售行業(yè)在倉配中可能出現(xiàn)的問題，本文在前文研究的基礎(chǔ)上，將倉儲成本、貨損成本和碳排放成本引入多配送中心選址問題中，以最大限度地降低物流系統(tǒng)的總費用為目標，利用改進的遺傳算法進行求解，得到了最優(yōu)的選址方案，科學(xué)規(guī)劃多共配中心選址，提高共配中心的覆蓋價值和處理能力，進而降低成本，提高物流效率。

1 "模型建立

1.1 "問題描述

"考慮統(tǒng)倉共配選址問題可描述為：共同配送中心包括三級，分為供應(yīng)點、共配中心、需求點，車輛在供應(yīng)點將所有貨物運到區(qū)域共配中心以后，貨物從共配中心發(fā)往各個需求點，而且共配中心負責(zé)為區(qū)域內(nèi)所有零售商提供倉配服務(wù)。

"本文基于共配企業(yè)的角度，以建立多共配中心的總成本最低為目標，對共配中心建設(shè)的位置進行研究，其中物流系統(tǒng)總成本為：

（1）

1.2 "模型假設(shè)

（1）客戶的真實需要是一個動態(tài)的，基于客戶的每周平均需求量;

（2）每個顧客只接受一個共配中心服務(wù)，且每個顧客都會被服務(wù)到；

（3）已知顧客點位置、共配中心位置和各備選共配中心位置；

（4）只考慮勻速行駛車輛的碳排放量，并將碳排放量成本化；

（5）僅考慮常溫零售貨物，不考慮冷藏冷凍貨物的運輸。

1.3 "符號說明

1.4 "固定成本

共配中心的建設(shè)成本包括：固定建設(shè)成本和倉儲成本，其中固定建設(shè)成本主要由場地租金運營成本等構(gòu)成，固定建設(shè)成本數(shù)據(jù)均來源于相關(guān)文獻；倉儲成本由倉儲容量和單位改造成本決定，因此得出函數(shù)：

目標函數(shù)式（2）表示共配中心的固定運營費用和倉儲成本；式（3）表示決策變量，是否在j點設(shè)立共配中心。

1.5 "運輸成本

共配中心可以為零售商提供共配、倉儲服務(wù)。通過共配企業(yè)車輛將各地供應(yīng)商貨物統(tǒng)一送達共配中心后，區(qū)域共配車輛將會把零售商所需貨物以及貨物數(shù)量送達至零售商店鋪，而在不同行駛環(huán)境下車輛的運費有所不同，因此，其運輸成本分為城間運輸成本和城內(nèi)配送成本，則整體運輸成本為：

目標函數(shù)式（4）表示貨物的運輸成本；式（5）表示只有備選共配中心可以提供服務(wù)；式（6）表示決策變量，顧客i是否需要前往j點提供服務(wù)。

1.6 "貨損成本

"統(tǒng)倉共配模式是將不同客戶的貨物統(tǒng)一裝配運輸，不同類型的貨物之間由于重量、體積等原因，可能在運輸、倉儲過程中出現(xiàn)碰撞、擠壓情況，這種貨損情況遠高于單獨運輸、倉儲，因此，企業(yè)在實施共配模式時還必須考慮貨損成本：

目標函數(shù)式（7）表示貨物在倉配過程中可能出現(xiàn)的貨損成本。

1.7 "碳排放成本

統(tǒng)倉共配模式的作用是為了實現(xiàn)資源共享，降低污染。這種模式減少了在途車輛的數(shù)量，在碳排放方面做出了貢獻，因此，在建設(shè)共配中心時還要考慮碳排放成本的最小化，碳排放成本如下：

目標函數(shù)式（8）表示企業(yè)碳排放成本，主要由共配中心固定碳排放成本、運輸過程車輛碳排放成本組成。

綜上所述，本文提出了以物流系統(tǒng)總成本為最小值的優(yōu)化模型，其模型為：

2 "算法設(shè)計

針對多共同配送中心的選址問題，提出了一種基于K-means聚類的遺傳算法，該方法首先利用K-means聚類算法對5個備用共同配送物流中心進行聚類，再利用遺傳法求解出總成本最小的兩個共配中心位置。

2.1 "K-means聚類算法

"利用K-means聚類算法，將需求點聚類成K簇，并以K為中心，獲得K個中心點，使得各需求點到中心點之間的距離和最小，其中每一簇的聚類中心作為共同配送中心的備選點。K-means聚類算法步驟如下：

Step1：將所有需求點聚類為5類（即K=5）；

"Step2：根據(jù)歐氏距離將每個需求點分配給離他們最近的聚類中心，生成K簇；

Step3：在K簇中，重新計算所有需求點到被分配的簇的平均值，并將該平均值作為新的聚類中心；

"Step4：重復(fù)步驟2和步驟3，并對聚類結(jié)果進行分析，直到聚類中心的位置不再發(fā)生變化后，停止迭代，完成聚類工作。

2.2 "遺傳算法

（1）編碼和解碼。本文采用的編碼方式為整數(shù)編碼，染色體長度為需求點和配送中心數(shù)量減1。每一段染色體內(nèi)的基因數(shù)即表示需求點和配送中心的編號。染色體的解碼方式是計算當(dāng)前染色體上需求點到各個配送中心的距離，按距離遠近的劃分原則，將每一個需求點分配給集合中距離需求點最近的配送中心候選點，并完成解碼操作。

"（2）選擇操作。本文采用隨機遍歷抽樣的方式選擇個體，先計算間隔間距，然后隨機生成起點指針位置，再計算各個指針之間的位置，最終選出N個個體進行后續(xù)操作。

"（3）交叉操作。交叉操作的主要作用是產(chǎn)生新的個體，本文以O(shè)X順序交叉操作為主[13]，步驟如下：

"Step1：隨機選取兩個父代，以確定交叉的起始和終止位置；

"Step2：產(chǎn)生一個后代，并且保證在后代中選擇的基因位置與父代是一樣的；

"Step3：再找出第一步中的基因在另外一個父代中的位置，最后將剩下的基因按順序放入第二步生成的子代中。交叉操作示例如圖1所示。

（4）變異操作。變異操作是將染色體內(nèi)的基因進行概率變異，這對保持群體規(guī)模的多樣性、避免算法過早熟和陷入局部優(yōu)化問題具有重要意義。本文采用的是基本位變異方法，即隨機選取個體編碼串中的兩個點，交換它們的位置得到新的個體[14]。變異操作示例如圖2所示。

（5）重插入操作。遺傳算法在完成交叉、變異操作后得到的子代種群規(guī)模有可能與父代種群規(guī)模不一致，為了確保種群規(guī)模大小的一致性，需要將子代中的種群重新插入到父代種群中，以替換父代中的一部分個體，最終形成新一代的種群。主要步驟為：

Step1：將完成交叉變異處理的后代與父代進行整合，根據(jù)適應(yīng)度值的高低排序，保留下一定比例的適應(yīng)度高的基因；

"Step2：將保留下來的適應(yīng)度高的基因替換第一步子代中適應(yīng)度低的子代，此時形成的子代即為最終保留下來的精英子代，操作完成。

3 "算例實驗

3.1 "實驗設(shè)計

本文基于Windows10系統(tǒng)，采用 MatlabR2020a語言編寫實驗操作。該方案設(shè)計的群體規(guī)模為2 000，迭代次數(shù)為2 000，交叉概率為0.9，突變概率為0.15，代溝為0.9，其他數(shù)據(jù)如表3至表5所示：

3.2 "算法求解

本文提出了一種基于K-means的聚類方法來選取備選共同配送物流中心，并利用遺傳算法來優(yōu)化選址費用。首先用K

-means聚類算法將50個需求點聚合為5個類別，得到5個聚類中心，即代表候選共同配送中心，聚類結(jié)果如圖3所示。

將最終聚類結(jié)果作為候選共同配送中心，得出候選點坐標分別為：5.3，27.2，16.538 "46，7，9.6，18.4，24.909 09，20.727 27，2.833 3，7.333。利用遺傳算法在5個候選點中選擇兩個作為最終共同配送中心。最終運行結(jié)果如圖4、圖5所示。

根據(jù)所給參數(shù)，利用遺傳算法計算出備選中心位置，求解結(jié)果如表6所示。

在經(jīng)過2 000次迭代后，最優(yōu)值趨于平緩，算法輸出的成本最優(yōu)值為：356 827.799 8元。

4 "結(jié) "論

"要保證人類的可持續(xù)發(fā)展，就必須關(guān)注碳排放，而實現(xiàn)物流業(yè)的低碳發(fā)展關(guān)鍵在于從物流企業(yè)的決策水平上，如何減少其碳排放量[15]。本文針對貨損和碳排放背景下的低碳多共配送中心選址問題進行建模，根據(jù)現(xiàn)有相關(guān)文獻在貨損和碳排放角度的不足，從決策層面考慮共同配送中心的選址問題，在此基礎(chǔ)上，提出了以最少總配送費用為目標的優(yōu)化模型，利用遺傳算法和聚類算法進行求解。通過對原遺傳算法的再插入操作，剔除了父代和子代中的適應(yīng)性較差的染色體，從而增強了群體規(guī)模的多樣性和算法的正確性。本文以共同配送物流中心的位置為研究對象，通過設(shè)立多共配中心可以更好地處理區(qū)域內(nèi)商超貨物，緩解由于不合理安排導(dǎo)致的效率低下、成本增加、高碳排放等問題，還能提高服務(wù)質(zhì)量。但本文仍存在一些不足，本文在研究過程中尚未考慮商超物流中貨物多樣性問題，未來研究可以從多車型運輸、特殊貨物倉儲方面等進行著手研究。

參考文獻：

[1] "SIYING ZHANG， NING CHEN， NA SHE， et al. Location optimization of a competitive distribution center for urban cold chain logistics in terms of low-carbon emissions[J]. Computers amp; Industrial Engineering， 2021，154：107120.

[2] 王爽，陳荔. 低碳經(jīng)濟下物流中心選址問題研究[J]. 物流工程與管理，2015，37（9）：4-7.

[3] 李進，張江華. 碳交易機制對物流配送路徑?jīng)Q策的影響研究[J]. 系統(tǒng)工程理論與實踐，2014（7）：1779-1787.

[4] 龐立偉，鄭明偉，吳洋暉，等. 共同配送模式下冷鏈物流的路徑優(yōu)化途徑分析[J]. 南方農(nóng)機，2020，51（8）：245-246.

[5] 王琰，張永軍，常征. 交通運輸?shù)木W(wǎng)絡(luò)安全狀況與技術(shù)措施分析[J]. 電子技術(shù)，2021，50（12）：31-35.

[6] 李煒勤，劉翱，任亮，等. 考慮共同配送的多容量類型快遞末端自提點布局問題研究[J]. 物流科技，2021，44（6）：42-46.

[7] 任騰，羅天羽，谷智華，等. 考慮同時取送貨的城市物流共同配送路徑優(yōu)化[J]. 計算機集成制造系統(tǒng)，2022，28（11）：3523-3534.

[8] 李珍萍，趙雨薇，張煜煒，等. 共同配送選址-路徑問題及大鄰域搜索算法[J]. 系統(tǒng)仿真學(xué)報，2021，33（10）：2518-2531.

[9] 陳弈林，崔誠珉，李旺陽，等. 青島市連鎖商超共同配送路徑優(yōu)化——以H超市為例[J]. 中小企業(yè)管理與科技（上旬刊），2021（10）：161-163.

[10] 豆訓(xùn)博，李莉. 考慮路徑優(yōu)化的共同配送站點選址研究[J]. 中國市場，2017（15）：216-218.

[11] 賓厚，曾琴云，王歡芳. 城市共同配送中心選址研究——基于生態(tài)位和混合整數(shù)規(guī)劃法視角[J]. 貴州財經(jīng)大學(xué)學(xué)報，2016（4）：86-93.

[12] "YUQIANG FENG， YAN-KUI LIU， YANJU CHEN. Distributionally robust location-allocation models of distribution centers for fresh products with uncertain demands[J]. Expert Systems with Applications， 2022，209：118180.

[13] "HUIXIA CUI， JIANLONG QIU， JINDE CAO， et al. Route optimization in township logistics distribution considering customer satisfaction based on adaptive genetic algorithm[J]. Mathematics and Computers in Simulation， 2023，204：28-42.

[14] "QI ZHANG， CHUNSHENG JIANG， JING ZHANG， et al. Application of genetic algorithm in functional area layout of railway logistics park[J]. Procedia-Social and Behavioral Sciences， 2014，138：269-278.

[15] "SEYED EMADEDIN HASHEMI. A fuzzy multi-objective optimization model for a sustainable reverse logistics network design of municipal waste-collecting considering the reduction of emissions[J]. Journal of Cleaner Production， 2021，318：128577.

收稿日期：2023-05-20

作者簡介：陳文鵬（1999—），男，江西萍鄉(xiāng)人，武漢科技大學(xué)管理學(xué)院碩士研究生，研究方向：設(shè)施選址及物流網(wǎng)絡(luò)優(yōu)化；張 "洪（1981—），本文通信作者，女，湖北洪湖人，武漢科技大學(xué)管理學(xué)院，副教授，碩士生導(dǎo)師，研究方向：價值共創(chuàng)、社會化商務(wù)、電子商務(wù)和用戶行為。

引文格式：陳文鵬，張洪. 考慮貨損和碳排放的多共配中心選址問題研究[J]. 物流科技，2024，47（9）：22-26.