生鲜农产品冷链物流配送中心选址-路径规划.pdf

第 卷第期交通科技与经济V o l N o 年月T e c h n o l o g y&E c o n o m y i nA r e a so fC o mm u n i c a t i o n sJ u l D O I:/j c n k i i s s n 生鲜农产品冷链物流配送中心选址路径规划符潇婷,唐秋生(重庆市信息通信咨询设计院有限公司,重庆 ;重庆交通大学 交通运输学院,重庆 )摘要:为保证生鲜农产品在配送过程中的新鲜度,提出生鲜农产品冷链物流配送中心选址路径规划建模与求解方法,旨在降低综合成本与优化配送路径.根据生鲜农产品不易储存、易腐烂的特点,提出将“高铁冷链物流”作为一种模式应用于生鲜农产品运输中,以高铁货运容量为市场需求量,构建总成本最低和路径最优的生鲜农产品冷链物流配送中心选址路径规划模型,分别应用普通遗传算法和改进遗传算法对模型进行求解;最后,通过重庆市实例验证模型和改进算法的有效性.计算结果表明:改进后的遗传算法求解结果要比普通遗传算法求解结果的成本节约 元d,降低个百分点,迭代次数减少近 次.关键词:生鲜农产品;冷链物流;选址路径;遗传算法;高铁运输中图分类号:U 文献标识码:A文章编号:()L o c a t i o n r o u t i n gp l a n n i n go f c o l dc h a i nl o g i s t i c sd i s t r i b u t i o nc e n t e ro ff r e s ha g r i c u l t u r a l p r o d u c t sF UX i a o t i n g,T a n gQ i u s h e n g(C h o n g q i n gC o mm u n i c a t i o nD e s i g nI n s t i t u t eC o,L t d,C h o n g q i n g ,C h i n a;C o l l e g eo fT r a f f i c&T r a n s p o r t a t i o n,C h o n g q i n gJ i a o t o n gU n i v e r s i t y,C h o n g q i n g ,C h i n a)A b s t r a c t:I no r d e r t oe n s u r et h ef r e s h n e s so f f r e s ha g r i c u l t u r a lp r o d u c t si nt h ep r o c e s so fd i s t r i b u t i o n,am e t h o df o rm o d e l i n ga n ds o l v i n g t h e l o c a t i o na n dp a t hp l a n n i n go f c o l dc h a i n l o g i s t i c sd i s t r i b u t i o nc e n t e r f o r f r e s ha g r i c u l t u r a l p r o d u c t s i sp r o p o s e d t or e d u c e t h ec o m p r e h e n s i v e c o s t a n do p t i m i z e t h ed i s t r i b u t i o np a t h A c c o r d i n g t o t h e c h a r a c t e r i s t i c so f f r e s ha g r i c u l t u r a l p r o d u c t st h a t a r en o te a s yt os t o r ea n dp e r i s h,i t i sp r o p o s e dt oa p p l y“h i g h s p e e dR a i l w a yC o l dc h a i nl o g i s t i c s”a sam o d e l t ot h et r a n s p o r t a t i o no f f r e s ha g r i c u l t u r a l p r o d u c t s T a k i n g t h e f r e i g h t c a p a c i t yo f h i g h s p e e dr a i l w a ya s t h em a r k e t d e m a n d,t h ep a p e rc o n s t r u c t s t h e l o c a t i o n p a t hp l a n n i n gm o d e lo fc o l dc h a i nl o g i s t i c sd i s t r i b u t i o nc e n t e rf o rf r e s ha g r i c u l t u r a lp r o d u c t sw i t ht h el o w e s t t o t a l c o s t a n dt h eb e s tp a t h,a n da p p l i e s t h eo r d i n a r yg e n e t i ca l g o r i t h ma n dt h e i m p r o v e dg e n e t i ca l g o r i t h mt os o l v e t h em o d e l r e s p e c t i v e l y;f i n a l l y,t h ee f f e c t i v e n e s so f t h em o d e l a n dt h e i m p r o v e da l g o r i t h mi sv e r i f i e db ya ne x a m p l e i nC h o n g q i n g T h ec a l c u l a t i o nr e s u l t ss h o wt h a tt h ec o s to ft h ei m p r o v e dg e n e t i ca l g o r i t h mi s y u a n/d a yl o w e rt h a nt h a to ft h eo r d i n a r yg e n e t i ca l g o r i t h m,p e r c e n t a g ep o i n t s l o w e r,a n dt h en u m b e ro f i t e r a t i o n s i sr e d u c e db yn e a r l y t i m e s K e yw o r d s:f r e s ha g r i c u l t u r a lp r o d u c t s;c o l dc h a i n l o g i s t i c s;l o c a t i o n r o u t i n g;g e n e t i ca l g o r i t h m;h i g h s p e e dr a i l t r a n s p o r t a t i o n收稿日期:基金项目:国家社会科学基金项目(B J L )第一作者简介:符潇婷(),女,硕士研究生,研究方向:交通运输规划与管理通信作者简介:唐秋生(),男,教授,博士,研究方向:交通运输规划与管理 年首个食品冷链物流强制性标准 食品安全国家标准食品冷链物流卫生规范 正式发布,同时国家推出“高铁物流”模式,高铁运输逐渐加入到货运市场中.我国“高铁冷链”模式目前尚处于起步阶段,若对高铁运输下的生鲜农产品冷链物流选址及路径规划问题进行研究,可在一定程度上提高运输效率、降低运输成本,也可为未来“高铁生鲜”模式下的冷链物流发展提供一些建议.目前国内外学者对生鲜农产品冷链物流中心选址及路径规划和高铁货运研究已经非常成熟.年,D r e x l等国外学者首先提出车辆路径问题(V R P).在研究过程中学者们发现需要将选址问题和车辆路径规划问题综合考虑,才能实现综合成本最优.国外学者 将选址路径规划应用在多个领域,如电动汽车、废物回收、应急物流等,同时也将选 址路 径 规 划 引 入 到 生 鲜 冷 链 行 业,L e n g等建立关于低碳选址路径问题,并以总成本最小和等待时间最短构建双层规划模型.在求解算法上:D z u b u r等建立了满足成本最小和用户均衡的双目标模型,并提出一种能够确定问题帕累托边界的精确算法;a g r i等开发混合进化搜索算法求解考虑异构车型和时间窗的混合L R P问题,并通过大量基础算例对算法进行验证.为提高运算效率引入启发式算法:张倩等 针对配送路径规划多目标模型,应用主要目标法和果蝇法进行求解;陈静等 以最小配送成本为目标建立复合模型,利用蚁群算法求解.后来部分学者 对传统蚁群算法进行改进,增加领域搜索能力,对冷链物流配送路径模型进行优化,还有部分学者 利用改进的非支配排序遗传算法(N S GA)对选址及路径规划的双目标模型进行求解.黎莎等 基于巡回路线编码方式,考虑货物新鲜度、出库时间等约束,建立数学模型,以引入高斯变异算子的改进单亲遗传算法对路径进行优化.高铁货运方面:S c o t c h m e r等 以瑞典为例阐述高铁货运的内涵及市场前景,并得出高铁运输可有效解决客运空置率高、资产利用率低的结论;S h i b a s a k i等 以O D两地的交通生成和吸引力及流量分布为基础,计算货运需求量;张超等 归纳国内高速铁路货运的组织模式,并对载运能力和 运 营 成 本 等 技 术 指 标 进 行 分 析;李 玉 民等 针对生鲜农产品提出“高铁货运高速公路”“高铁货运专列城市车辆多站点”和优先考虑高铁运输的多式联运等运输模式.通过已有研究发现,学者们对生鲜农产品冷链物流配送中心选址及路径规划和高铁货运方面的研究较为成熟,但涉及到考虑高铁运输的生鲜冷链选址路径规划问题的研究较少.基于此,今后研究可将高铁货运与生鲜选址及路径规划结合起来,并在构建模型过程中考虑多目标多约束条件.考虑高铁运输的生鲜农产品市场需求量预测 L o g i t分担率模型文中采用非集计模型中的L o g i t分担率模型,对公路运输、高铁运输和航空运输进行货运分担率分析,由于目前高铁货运处于起步阶段,所以在市场分担率分析过程中,将普速铁路与高速铁路一起考虑,其算式为BfeVfFfeVf()VfhRfhRfhiRi f()式中:Bf为运输方式f的分担率;Vf为选择货运运输方式f的广义费用函数;F为运输方式,分别为公路、航空和高铁;Ri f为运输方式f的广义费用函数板块,分别为安全性、准时性、经济性、快速性和服务质量.在广义费用函数中,安全性、准时性、经济性和快速性分别用货物腐败率、平均准点率、运价和运行时速进行量化,具体如表所示.表广义费用各板块参数广义费用板块货运方式公路航空高铁安全性/准时性/经济性/(元tk m)快速性/(k mh)高铁货运分担率分析根据L o g i t分担模型,运用MAT L A B计算种运输方式的分担率,可得出:当运输距离在 k m以内,基 本 由 公 路 承 担 货 运 运 输;当 运 输 距 离 在 k m之间,可以选择公路运输或高速铁路运输;当运输距离在 k m,高铁货运在时效性上的优势逐步显现,应选择高铁运输;当运输距离大于 k m,且货物对时效要求较高时,采取航空运输最优,但考虑到运量,也可以选择高铁运输.所以当运输距离在 k m时高铁运输具有优势.现基于重庆市中心城区 年的历史数据,采用灰色GM(,)预测、A R I MA时间序列预测和B P神经网络预测法,利用S h a p l e y值组合权重得到总市场需求量,最后运用L o g i t分担率模型求出重庆市中心城区 年考虑高铁运输的生鲜农产品市场需求量预测值,如表所示.表重庆市 年考虑高铁运输的生鲜农产品市场需求量预测年份 预测值/万t 模型构建 问题描述已知高铁货运到站为供应中心,共有L个,现向N个配送中心进行供应,经过M个配送中心进行分配之后,根据已预测的考虑高铁运输的生鲜农交通科技与经济 第 卷产品市场需求量,对已知位置的需求点进行配送,但配送距离不等,需要对配送中心位置和数量进行确定并规划配送路径,以此构建并优化生鲜农产品冷链物流配送网络.确定生鲜农产品冷链物流配送网络之后,开始构建双层规划模型:上层规划模型主要用于生鲜农产品冷链物流配送中心选址数量和选址位置的确定,包括建设成本、仓储成本和车辆空载成本;下层规划模型是基于上层规划模型的选址结果,对车辆配送进行路径规划,包括制冷成本、运输成本、惩罚成本、货损成本和碳排放成本.问题假设假设生鲜冷链在运输过程中符合以下条件:)供应点、配送点和需求点位置已知,且供应点供应量足够,需求点需求量已知;)运输过程中车辆正常且匀速行驶;)车辆的最大载运能力已确定,配送车辆的型号和功能一致,每辆配送车辆只供一个配送中心调度,但为多个需求点服务;)从供应中心到配送中心采用干线就近原则进行运输,从配送中心到需求点采用巡回闭合式运输;)产品在运输途中腐败程度只与时间相关,暂不考虑温度变化;)配送中心日处理能力能够满足需求点需要;)需求点对配送时间有要求;)高铁供货时间固定,暂不考虑高铁到货时间窗.符号说明)决策变量Zj,表示在j处设立配送中心,否则jJSk,表示车辆k被使用,否则kKXl n,配送中心n由第l个供应中心供应,否则Xn m,需求点m由第n个配送中心配送,否则yki,车辆k从配送中心i出发,否则Xki j,需求点i到需求点j使用车辆k,否则)参数符号说明.L为供应点集合;N为配送中心集合;M为需求点集合;HNM为节点集合;K为配送车辆集;Cj为建设配送中心总投资成本;d为配送距离;c为单位运输费用;fk为运输车辆固定成本;g为单位运输量;t为运输时间;qn为配送中心仓储量;qm为需求点的需求量;qki j为车辆k在i和j之间的载运量;tk为车辆k从配送中心出发时间;tki为配送车辆到达需求点的时间,tkl为车辆从供应点到配送中心的时间;Qn为配送中心存货量;Q为车辆k的额定载货量;Qm为需求量总和;ts为服务时间;P为生鲜农产品的单位价格;为建设冷链物流中心每天的固定成本系数;为单位制冷成本消耗系数;为车辆空载惩罚成本系数;为单位货物存储成本系数;i(i,)为时间惩罚系数;为碳税;为制冷设备碳排放量;a为车辆碳排放量.相关成本计算 车辆空载成本计算当车辆以闭环巡回运输模式进行配送时,由于冷链物流配送中心仓储容量限制,有时会造成配送车辆的最大运力不能被充分利用,且在连续配送中,部分需求点完成配送会继续行驶至下一个需求点,从而造成车辆空载运输,由此产生车辆空载惩罚成本.文中引入车辆空载惩罚成本系数为,qki jQ,qki jQ,()车辆空载成本为CNiMjKkdi j(Qqki j)()基于高铁时间窗产生的仓储成本计算假设生鲜农产品在使用高铁运输过程中,时效为即日达,在下午点之前全部能到达配送中心,但配送中心在配送过程中需要被要求在当日上午完成配送任务,所以当货物到达配送中心,需要在第二天才能进行配送,在配送中心存储时需要进行管理、制冷等,此时便会产生仓储成本,算式为CKkMm(tktkl)Qn()碳排放成本计算文中采用的碳排放量算式为:碳排放量油耗量C O转化系数.设表示容载量为时单位距离油耗,表示容载量最大时单位距离油耗,算式为Ci,jhKk(w qki j)di jXki jai,jhKk(qi jkdi jXki j)()第期符潇婷,等:生鲜农产品冷链物流配送中心选址路径规划其中wQ.客户满意度分析客户对配送时间有一个期待空间,因此必须在规定的时间将货物运送到各个需求点,以保证客户的高满意度.若未在规定时间内到达需求点,便会产生惩罚成本.一般情况下,时间窗分为硬时间窗、软时间窗和混合时间窗.结合实际情况文中采用软时间窗,其惩罚成本约束条件如下U(E Titki),EitkiE Ti,E TitkiL Ti(tkiL Ti),L TitkiLi()式中:Ei为货物最早送达时间;Li为货物最晚送达时间;E Ti为货物在时间窗内最早送达时间;L Ti为货物在时间窗内最晚送达时间.在此基础上构建惩罚成本函数为Cm a x(E Titki),)m a x(tkiL Ti),)()模型建立综上所述,考虑高铁运输的生鲜农产品冷链物流配送中心选址及路径规划模型如下所述.上层模型建立上层模型包括建设成本、车辆空载惩罚成本和仓储成本,主要对配送中心进行选址.模型为m i nC上ZjKkMm(tktkl)QnNiMjKkdi j(Qqki j)()JjZj()JjZjCj()NnqnMmqmJjZjQj()NiMjKkqki jNnqn()Zj,表示在j处建立配送中心,否则()式()表示上层目标函数,主要包括建设成本、车辆空载成本和仓储成本;式()表示至少选择一个配送中心;式()表示建设成本不得高于全部投资;式()表示配送车辆的运输总量不少于各需求点的需求量,且不超出配送中心的仓储量;式()表示车辆的运输总量不得超过配送中心的存储量;式()表示变量.下层模型建立下层模型包括运输成本、制冷成本、时间惩罚成本、货损成本和碳排放成本,主要对配送路径进行规划.模型为m i nC下(NnLlZjXl ngl ntl nNnMmZjXn mgn mtn m)KkfkSkNnLlJjcl nZjdl nNnMmKkcm ndm nXki jNiKkykiPqm(e(tkitk)m a x(E Titki),)m a x(tkiL Ti),)i,jhKk(w qki j)di jXki jai,jhKk(qi jkdi jXki j)()KkNiyki()KkNiykiqiQ()KkMiykim,(i,M;k,K)()KkXki j,i,jH()NjXki jNjXkj i()U(E Titki),EitkiE Ti,E TitkiL Ti(tkiL Ti),L TitkiLi()Sk,表示车辆k被使用,否则()yki,车辆k从配送中心i出发,否则()Xki j,需求点i出发到需求点j使用车辆k,否则()Xl n,配送中心n由第l个供应中心供应,否则()Xn m,需求点m由第n个配送中心配送,否则()式()表示下层目标函数,主要包括运输成本、制冷成本、时间惩罚成本、货损成本和碳排放成本;式()表示每辆配送车辆只为一个配送中心服务;式()表示车辆的最大载重量;式()表示每个配送中心服务m个需求点;式()表示每交通科技与经济 第 卷个需求点只由一辆配送车辆进行配送;式()表示每辆车在配送任务完成之后返回到配送中心;式()表示时间惩罚约束条件;式()()表示变量.问题求解 求解思路首先对上层模型选址进行求解,并将求解结果直接传递给下层,下层在确定选址数量与位置之后进行车辆配送路径规划,得到一个配送成本最小的解,将解返回给上层,上层目标作为整体双层目标进行再次迭代,构成闭环,此时算法完成一次迭代.上下层目标函数通过Zj这个变量进行衔接,再进行反复迭代,得到最优解.在计算过程中需要注意的是当下层模型接收到上层模型求解结果后开始进行配送路径规划,需要根据供货点辐射范围将冷链物流配送中心进行划分,按照就近原则采取干线运输方式进行供货,以此缩短供应中心到冷链配送中心的配送距离.遗传算法 普通遗传算法步骤:编码操作,采用实数编码方式.步骤:初始化操作,采用霍尔顿随机数列法.步骤:适应度计算,取目标函数的倒数,并引入随机参数.步骤:选择操作,采用轮盘赌法.步骤:交叉操作,采用单点交叉法.步骤:变异操作,采用逆转变异法.步骤:迭代完成.改进遗传算法设计考虑到传统遗传算法容易陷入局部最优,为强化收敛能力,提高搜索效率,文中拟对下层规划模型的传统遗传算法进行改进,主要体现在交叉运算和局部搜索方面.交叉运算在传统遗传算法中,交叉运算主要采用单点交叉,现将交叉方式改为循环交叉算法进行交叉重组,步骤如下.)找出父代两个染色体个体中相应的点位,并按照循环周期将后续基因片段一一对应;)将父代中某一位置中的基因片段进行交换,并重复执行此过程而传递给后代;)在循环中,先将父代在某循环单点的信息随机减去,然后将剩下片段分配到对应的剩余染色体上,如图所示.图循环交叉操作 局部搜索引入局部搜索法(o p t i m i z a t i o n),将在进行变异的染色体进行局部搜索,保留最优染色体进入迭代,形成新的最优解,并与之前的最优解进行对比,若优于之前的最优解则保留,一直重复此操作直至所有解得到优化,具体操作如下.)设置最大迭代数G e n,初始化计数器c o u n t ;)随机选择条个最优解对应的最优路径F ;)在F 路径中随机选择个基因位,如选择 和,则得到一个新的最优路径F ;)将F 最优路径和F 最优解进行对比,如果F 优于F,则F 为最优解,此时计数器c o u n t为,返回步骤),否则c o u n t加,直至c o u n t G e n,算法结束.算例分析截至 年底,重庆全市在建高铁里程已达到 k m、营业里程达 k m,形成“米”字型高铁路网.根据 重庆市冷链物流高质量发展“十四五”规划(年)可知,重庆市生鲜农产品总量达到 万t,冷链市场交易额达 亿元,全市冷库容量达 万t以上,主要聚集在中心城区,中心城区冷库容量达 万t,占全市 以上,冷链运输车辆超 辆.到 年,重庆市将基本建成布局合理、畅通高效、安全绿色、智慧便捷、保障有力的冷链物流体系.综上所述,重庆中心城区在高铁等基础设施和冷链发展市场方面,都具备发展生鲜农产品高铁货运冷链的条件.数据整理与统计根据冷链配送中心选址原则和影响因素,充分考虑周边自然环境、劳动力状况、交通条件及基础设施,确定备选点.第期符潇婷,等:生鲜农产品冷链物流配送中心选址路径规划)确定供应点和备选点.根据 重庆市城乡冷链物流体系建设方案(年)和 重庆市冷链 物 流 高 质 量 发 展“十 四 五”规 划(年),结合选址原则和影响因素,文中的冷链物流配送中心主要服务中心城区人口密集社区,以公路配送为主,个高铁站为供应点(坐标见表).选取大渡口万吨商旅融合总部基地,巴南重报生鲜冷链物流园.另外,根据各区县的冷链功能地位及相关规划,在江北区、南岸区和沙坪坝区个区域内选取可用地作为配送中心,江北区依托凯尔国际冷链物流,在附近空地建立冷链配送中心,南岸区依托茶园物流中心建立冷链物流配送中心,沙坪坝区依托国通智慧冷链产业园建立冷链物流配送中心.三地紧邻物流园,附近产业众多,周边又有比较完善的设施基础,交通便利,有充足的劳动力,比较适合建立配送中心.各备选点坐标如表所示(数据来源于高德地图).表供应点编号及坐标编号LLL需求点重庆北站重庆西站重庆东站坐标 N N N E E E)确定需求点和需求量.文中拟建的生鲜农产品配送中心将覆盖重庆市中心城区,故选取可覆盖各区大型商场和居住人口密集点的区域作为需求点,需求点编号及坐标如表所示(数据来源于高德地图).已知重庆市 年考虑高铁运输的生鲜农产品市场需求量,根据各需求点覆盖人口数量进行换算,得出各需求点的需求量(见表).表备选点编号及坐标编号NNNNN备选点大渡口万吨商旅融合总部基地巴南重报生鲜冷链物流园茶园物流中心内部凯尔国际冷链物流附近国通智慧冷链产业园坐标 N N N N N E E E E E表需求点编号及坐标地点北碚区北碚区渝北区渝北区渝北区渝北区编号mmmmmm坐标 N N N N N N E E E E E E地点渝中区江北区江北区江北区南岸区南岸区编号mmmm m m 坐标 N N N N N N E E E E E E地点巴南区巴南区沙坪坝区沙坪坝区九龙坡区九龙坡区编号m m m m m m 坐标 N N N N N N E E E E E E地点九龙坡区大渡口区渝北区渝北区沙坪坝区南岸区编号m m m m m m 坐标 N N N N N N E E E E E E交通科技与经济 第 卷表重庆市考虑高铁运输的生鲜农产品市场需求量预测年份 预测值/万t 结果分析计划从个冷链物流配送中心选取个,同时对选定的配送中心制定配送方案,以达到综合成本最小的目标,应用遗传算法通过MAT L A B b实现算例求解.遗传算法参数如表所示.表遗传算法参数算法类型种群规模交叉概率变异概率迭代次数遗传算法 普通遗传算法计算结果通过MAT L A B b运用普通遗传算法对双层规划模型进行求解,结果如表所示.表普通遗传算法成本求解结果元d备选点车辆固定成本建设成本变动成本总成本N N 将总成本分为部分:车辆固定成本、配送中心建设成本、变动成本,主要包括制冷成本、空载成本、仓储成本、运输成本、货损成本、时间惩罚成本和碳排放成本.从表可以看出普通遗传算法的计算结果,每天的车辆固定成本为 元,配送中心建设成本为 元,变动成本为 元,总成本为 元.配送中心的车辆使用情况和配送路径如表所示.从表可以看出,普通遗传算法的选址结果为N和N点,即大渡口万吨商旅融合总部基地和巴南重报生鲜冷链物流中心.在配送过程中,从供货点到配送 中心采取 干线运输就 近原 则 并 配送,比如N配送中心离供应点L最近,便从供应点L为N配送中心进行供货,即重庆东站的高铁生鲜货运运往巴南重报生鲜冷链物流园,再由巴南重报生鲜冷链物流中心对车辆进行调度并配送.在普通遗传算法结果中:整个配送过程中使用了辆配送车辆,其中N点(大渡口万吨商旅融合总部基地)配送中心调度了辆配送车辆,共为 个需求点进行服务,总变动成本为 元;N点(巴南重报生鲜冷 链 物 流 园)配 送 中 心 使 用 了辆配送车辆,共为 个需求点进行服务,总变动成本为 元.表普通遗传算法配送过程求解结果备选点车辆序号成本/(元d)路径总成本/(元d)Nm m m m m NN Nmm m m N Nm mmm N Nm m NN NmmmmN Nm mmm m N 改进遗传算法计算结果由表 可知,改进遗传算法计算结果为:每天变动成本为 元,车辆固定成本为 元,综合总成本为 元.配送中心的车辆使用情况和配送路径如表 所示.表 改进遗传算法成本求解结果元d备选点车辆固定成本建设成本变动成本总成本N N 表 改进遗传算法配送过程求解结果备选点车辆序号成本/(元d)路径总成本/(元d)NmmmmNN Nm m m m N Nm m m m N Nm mm m N第期符潇婷,等:生鲜农产品冷链物流配送中心选址路径规划续表 备选点车辆序号成本/(元d)路径总成本/(元d)N Nmmmm N Nmm m m N从表 可以看出,改进遗传算法的选址结果为N和N点,即大渡口万吨商旅融合总部基地和国通智慧冷链产业园.在整个配送过程中使用了辆配送车辆,其中N配送中心(大渡口万吨商旅融合总部基地)调度了辆配送车辆,共服务了 个需求点,总变动成本为 元;N配送中心(国通智慧冷链产业园)使用了辆配送车辆,共服务了个需求点,总变动成本为 元.结果对比由于冷链物流配送中心选址通常拟建个,所以建设成本是固定的,虽然在配送过程中冷链物流中心对车辆的调度数目未知,需要根据实际情况进行调度,但两次寻优结果都是选择使用辆配送车辆,所以车辆使用成本一样,剩下的为变动成本和综合成本,而综合成本的差异主要受变动成本影响,如表 所示.表 普通遗传算法及改进后运行结果对比元d普通遗传算法改进遗传算法备选点变动成本总成本备选点变动成本总成本N N NN由表 可知,改进遗传算法计算出每天的总成本为 元,普通遗传算法计算出每天的总成本为 元,改进遗传算法相对于普通遗传算法每天的变动成本下降了 元,降低了个百分点.如图所示,改进遗传算法相对普通遗传算法迭代次数更少,普通遗传算法在 次后基本完成迭代,而改进遗传算法在迭代 次后基本趋于平稳,相对普通遗传算法迭代次数少了近 次.图普通遗传算法与改进遗传算法迭代对比综上对比分析发现:相对于普通遗传算法,改进后的遗传算法在综合成本上得到一定优化,在算法实现过程中有更好的稳定性,寻优迭代更快.因此,改进后的遗传算法在关于生鲜农产品冷链物流配送中心配送及路径规划的双层规划模型中比普通遗传算法更有效.结论为提高生鲜农产品配送质量、提高运输效率引入高铁运输,提出考虑双目标的生鲜农产品冷链物流配送中心选址及路径模型,基于高铁运输的生鲜农产品市场需求预测量,采用改进遗传算法对生鲜农产品冷链物流配送中心进行选址和路径规划.)基于L o g i t分担率模型,同时考虑运输距离和运输时间,对高铁货运市场竞争力进行研究.结果表明,当高铁运输距离在 k m范围时进行货 运 具 有 较 大 优 势,其 货 运 分 担 率 最 高,可达.)基于高铁运输下的市场需求预测值,综合考虑配送中心和车辆的建设成本、仓储成本、运输成交通科技与经济 第 卷本、空载成本、货损成本、制冷成本、惩罚成本、碳排放成本,构建双层规划模型.其中仓储成本与高铁运输时间高度关联.)对遗传算法进行改进,引入循环交叉对染色体进行交叉重组,在局部搜索环节融入 o p t局部搜索法,设计改进遗传算法的求解方案,同时与普通遗传算法进行对比.从求解结果看,改进遗传算法成本节约了 元d,降低了个百分点,迭代次数减少了近 次.参考文献:D R E X L M,S CHN E I D E R M As u r v e yo fv a r i a n t sa n de x t e n s i o n so f t h e l o c a t i o n r o u t i n gp r o b l e mJ E u r o p e a nJ o u r n a lo f O p e r a t i o n a lR e s e a r c h,():D E L F AN IF,KA Z EM IA,S E Y E DHO S S E I N IS M,e ta l An o v e lr o b u s tp o s s i b i l i s t i cp r o g r a mm i n ga p p r o a c hf o r t h eh a z a r d o u sw a s t el o c a t i o n r o u t i n gp r o b l e mc o n s i d e r i n gt h er i s k so f t r a n s p o r t a t i o na n dp o p u l a t i o nJI n t e r n a t i o n a l J o u r n a l o fS y s t e m sS c i e n c eO p e r a t i o n s&L o g i s t i c s,():HO FJ,S CHN E I D E R M,G O E K ED S o l v i n gt h eb a t t e r ys w a ps t a t i o n l o c a t i o n r o u t i n gp r o b l e mw i t hc a p a c i t a t e de l e c t r i c v e h i c l e su s i n ga nAVN Sa l g o r i t h mf o r v e h i c l e r o u t i n gp r o b l e m s w i t hi n t e r m e d i a t es t o p sJT r a n s p o r t a t i o nR e s e a r c hP a r tB,:N E D J A T IA,I Z B I R A KG,A R K A TJ B i o b j e c t i v ec o v e r i n g t o u r l o c a t i o n r o u t i n gp r o b l e mw i t h r e p l e n i s h m e n t a t i n t e r m e d i a t ed e p o t s:f o r m u l a t i o na n d m e t a h e u r i s t i c sJC o m p u t e r s&I n d u s t r i a lE n g i n e e r i n g,:P OUR I AN IS,A S A D I G AN G R A JE,P AY D A RM MAr o b u s tb i l e v e lo p t i m i z a t i o nm o d e l l i n ga p p r o a c hf o rm u n i c i p a l s o l i dw a s t em a n a g e m e n t;a r e a l c a s e s t u d yo fI r a nJ J o u r n a lo fC l e a n e rP r o d u c t i o n,(C):S A F A E IAS,F A R S A DS,P A Y D A R M M E m e r g e n c yl o g i s t i c sp l a n n i n gu n d e r s u p p l y r i s ka n dd e m a n du n c e r t a i n t yJ O p e r a t i o n a lR e s e a r c h,(p r e p u b l i s h):L E NGL,Z HAN GC,Z HAOY,e t a l B i o b j e c t i v e l o w c a r b o nl o c a t i o n r o u t i n gp r o b l e mf o rc o l dc h a i nl o g i s t i c s:f o r m u l a t i o na n dh e u r i s t i ca p p r o a c h e sJ J o u r n a lo fC l e a n e rP r o d u c t i o n,:D Z U B URN,GUT J AHR WJ B i o b j e c t i v eb i l e v e l o p t i m i z a t i o no fd i s t r i b u t i o nc e n t e rl o c a t i o n sc o n s i d e r i n gu s e re q u i l i b r i aJ T r a n s p o r t a t i o nR e s e a r c hP a r tEL o g i s t i c sa n dT r a n s p o r t a t i o nR e v i e w,(J AN):AGR IK,T O L G AB,O L AJ,e ta l T h ef l e e ts i z ea n dm i xl o c a t i o n r o u t i n gp r o b l e m w i t ht i m ew i n d o w s:f o r m u l a t i o n sa n dah e u r i s t i c a l g o r i t h mJ E u r o p e a nJ o u r n a l o fO p e r a t i o n a lR e s e a r c h,():张倩,熊英,何明珂,等不确定需求生鲜电商配送路径规划多 目 标 模 型