李昌兵+汪爾晶+袁嘉彬??

內(nèi)容提要：針對(duì)傳統(tǒng)生鮮農(nóng)產(chǎn)品物流配送模式存在的不足，本文綜合考慮物聯(lián)網(wǎng)技術(shù)優(yōu)勢(shì)和生鮮農(nóng)產(chǎn)品的特點(diǎn)，引入模糊時(shí)間窗函數(shù)、客戶滿意度函數(shù)、農(nóng)產(chǎn)品損耗函數(shù)等主要約束條件，構(gòu)建以客戶滿意度最大、配送費(fèi)用最小為目標(biāo)的物聯(lián)網(wǎng)環(huán)境下多目標(biāo)路徑優(yōu)化模型，提出物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品的配送模式；基于Matlab軟件和改進(jìn)后的遺傳算法對(duì)模型進(jìn)行仿真，通過多次遺傳算法疊加得到模型最優(yōu)解，以期為生鮮農(nóng)產(chǎn)品物流配送路徑的決策選擇提供參考。

關(guān)鍵詞：物聯(lián)網(wǎng)；生鮮農(nóng)產(chǎn)品；路徑優(yōu)化；改進(jìn)后的遺傳算法

中圖分類號(hào)：F3032；F252文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-148X（2017）04-0001-09

物聯(lián)網(wǎng)是將RFID射頻識(shí)別技術(shù)、傳感器技術(shù)、人工智能等技術(shù)相互聚合并集成應(yīng)用，創(chuàng)造出一個(gè)可以感知現(xiàn)實(shí)世界的智能網(wǎng)絡(luò)。生鮮農(nóng)產(chǎn)品由于其易變質(zhì)、易腐壞等特點(diǎn)，流通難度較大。物聯(lián)網(wǎng)和農(nóng)產(chǎn)品流通相結(jié)合，簡(jiǎn)單而言就是運(yùn)用RFID射頻識(shí)別等技術(shù)，通過信息網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)配送過程中農(nóng)產(chǎn)品狀態(tài)和車輛運(yùn)輸狀態(tài)的實(shí)時(shí)監(jiān)控、共享信息，并據(jù)此進(jìn)行智能化運(yùn)作。

關(guān)于物聯(lián)網(wǎng)和農(nóng)產(chǎn)品相結(jié)合應(yīng)用的研究，國外多集中于利用物聯(lián)網(wǎng)技術(shù)建立農(nóng)產(chǎn)品信息管理系統(tǒng)，便于信息追溯，實(shí)現(xiàn)農(nóng)產(chǎn)品流通乃至整個(gè)供應(yīng)鏈的實(shí)時(shí)監(jiān)控，保證農(nóng)產(chǎn)品質(zhì)量[1-2]。國內(nèi)有關(guān)物聯(lián)網(wǎng)技術(shù)在生鮮農(nóng)產(chǎn)品配送中應(yīng)用的研究相對(duì)較少[3-5]。物聯(lián)網(wǎng)作為國家層面的信息技術(shù)發(fā)展戰(zhàn)略，對(duì)我國農(nóng)業(yè)發(fā)展具有重要的理論與現(xiàn)實(shí)意義，而我國當(dāng)前農(nóng)產(chǎn)品物聯(lián)網(wǎng)配送模式還處于初級(jí)探索階段?；谝延醒芯炕A(chǔ)，本文針對(duì)生鮮農(nóng)產(chǎn)品在配送過程中效率低、信息滯后、成本高等問題，運(yùn)用物聯(lián)網(wǎng)技術(shù)科學(xué)合理規(guī)劃配送路徑，目的是在提高配送效率和保證農(nóng)產(chǎn)品品質(zhì)的同時(shí)，降低配送成本，實(shí)現(xiàn)農(nóng)產(chǎn)品企業(yè)的經(jīng)濟(jì)效益和客戶滿意度之間的平衡。

一、物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品物流配送模式的提出與分析

我國傳統(tǒng)生鮮農(nóng)產(chǎn)品物流配送模式（如圖1所示），批發(fā)市場(chǎng)和集貿(mào)市場(chǎng)是農(nóng)產(chǎn)品流通的主要渠道，對(duì)手交易是主要交易方式。生鮮農(nóng)產(chǎn)品需要經(jīng)過層層中間環(huán)節(jié)才能到達(dá)消費(fèi)者手中，層層環(huán)節(jié)加價(jià)，導(dǎo)致農(nóng)產(chǎn)品供應(yīng)商增收困難、消費(fèi)者花費(fèi)高，需求信息采集不完善，增大市場(chǎng)營銷的不穩(wěn)定性。傳統(tǒng)生鮮農(nóng)產(chǎn)品配送環(huán)節(jié)過多，每一環(huán)節(jié)都需要進(jìn)行相應(yīng)的裝卸搬運(yùn)、運(yùn)輸?shù)茸鳂I(yè)，不僅增加了物流配送成本，也導(dǎo)致農(nóng)產(chǎn)品損耗增大。包裝識(shí)別和信息交換技術(shù)的缺乏，影響產(chǎn)品分揀和配送速度，對(duì)生鮮產(chǎn)品運(yùn)輸狀態(tài)的監(jiān)控和調(diào)節(jié)的缺少，導(dǎo)致生鮮農(nóng)產(chǎn)品的品質(zhì)難適應(yīng)人們要求，對(duì)生鮮農(nóng)產(chǎn)品配送過程追溯和跟蹤的缺少，一旦產(chǎn)品出現(xiàn)問題，不利于產(chǎn)品質(zhì)量追蹤溯源。

針對(duì)傳統(tǒng)生鮮農(nóng)產(chǎn)品物流配送模式的不足，結(jié)合物聯(lián)網(wǎng)技術(shù)優(yōu)勢(shì)和生鮮農(nóng)產(chǎn)品的特點(diǎn)，提出物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送模式（如圖2所示），目標(biāo)是實(shí)現(xiàn)生鮮農(nóng)產(chǎn)品在采購、流通加工、運(yùn)輸倉儲(chǔ)、運(yùn)輸、質(zhì)量溯源等環(huán)節(jié)的智能化運(yùn)作，推動(dòng)農(nóng)業(yè)向集約型轉(zhuǎn)變，提高農(nóng)業(yè)資源利用率和信息化水平。物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送模式可以劃分為三個(gè)基本層次： 感知層、網(wǎng)絡(luò)層和應(yīng)用層。感知層是通過各種傳感技術(shù)，將采集到的信息傳至信息共享平臺(tái)；網(wǎng)絡(luò)層是讓各種農(nóng)產(chǎn)品信息通過基礎(chǔ)承載網(wǎng)絡(luò)傳輸?shù)綉?yīng)用層，支撐感知層的農(nóng)產(chǎn)品信息傳遞、路由和控制，保證數(shù)據(jù)在網(wǎng)絡(luò)傳輸中的交換；應(yīng)用層是利用物聯(lián)網(wǎng)技術(shù)，通過對(duì)各種類型的感知數(shù)據(jù)進(jìn)行統(tǒng)一管理，實(shí)現(xiàn)農(nóng)產(chǎn)品在配送過程中智能化的直接體驗(yàn)。

配送是農(nóng)產(chǎn)品產(chǎn)業(yè)鏈的核心環(huán)節(jié)，直接關(guān)系到客戶和企業(yè)利益。在農(nóng)產(chǎn)品采購和流通加工環(huán)節(jié)，根據(jù)客戶訂單直接從供應(yīng)商處采購，通過RFID技術(shù)對(duì)農(nóng)產(chǎn)品的各種詳細(xì)信息進(jìn)行編碼，并記錄到電子標(biāo)簽中，實(shí)現(xiàn)產(chǎn)品盤點(diǎn)、移動(dòng)、監(jiān)控等智能化操作，行為將會(huì)被閱讀器記錄、實(shí)時(shí)傳輸至數(shù)據(jù)管理中心。在農(nóng)產(chǎn)品分揀裝車環(huán)節(jié)，利用RFID標(biāo)簽可自行對(duì)貨物進(jìn)行準(zhǔn)確、快速的分揀和裝車，車輛進(jìn)出海關(guān)時(shí)，運(yùn)用RFID技術(shù)可自動(dòng)化繳費(fèi)。在運(yùn)輸環(huán)節(jié)，通過各類傳感技術(shù)及時(shí)收集產(chǎn)品及周邊環(huán)境信息，改變儲(chǔ)存溫濕度，確保生鮮農(nóng)產(chǎn)品品質(zhì)；利用GPS、GIS和RS等技術(shù)，實(shí)現(xiàn)對(duì)車輛全方位的跟蹤定位，并在車輛沒按規(guī)定時(shí)間到達(dá)消費(fèi)者時(shí)發(fā)出延遲警報(bào)，在車輛實(shí)際路線與計(jì)劃不一樣時(shí)發(fā)出路徑異常警報(bào)，當(dāng)無法聯(lián)系到駕駛員時(shí)可以實(shí)施緊急救援，真正實(shí)現(xiàn)智能化、自動(dòng)化和可視化物流。具體配送環(huán)節(jié)流程，如圖3所示。

相對(duì)于傳統(tǒng)生鮮農(nóng)產(chǎn)品配送模式，物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品物流配送模式的優(yōu)勢(shì)有：

提高配送效率。批發(fā)環(huán)節(jié)相對(duì)較少，減少了傳統(tǒng)層層代理銷售模式所帶來的采購價(jià)格虛高，到貨時(shí)間周期長(zhǎng)等問題，流通環(huán)節(jié)相對(duì)較少，消除了相關(guān)再運(yùn)輸搬運(yùn)成本。通過RFID進(jìn)行自動(dòng)化整批采集配送過程中各環(huán)節(jié)信息，提高了輸入數(shù)據(jù)的準(zhǔn)確性和高效性，實(shí)現(xiàn)生鮮產(chǎn)品配送各環(huán)節(jié)時(shí)間上的無縫鏈接，提高了配送效率。

穩(wěn)定產(chǎn)銷關(guān)系。RFID技術(shù)的運(yùn)用一定程度上消除了需求信息不對(duì)稱，從而減小需求預(yù)測(cè)誤差，中間流通環(huán)節(jié)的減少和需求誤差的減小，降低了牛鞭效應(yīng)。

減少資源浪費(fèi)。物聯(lián)網(wǎng)技術(shù)可對(duì)農(nóng)產(chǎn)品的周邊環(huán)境進(jìn)行實(shí)時(shí)監(jiān)控，自動(dòng)調(diào)節(jié)溫度變化，減少生鮮農(nóng)產(chǎn)品的損耗，保證農(nóng)產(chǎn)品品質(zhì)。另一方面物聯(lián)網(wǎng)技術(shù)的運(yùn)用提高了生鮮農(nóng)產(chǎn)品在流通過程中自動(dòng)化程度，減少大量不必要的剩余勞動(dòng)力。

安全追蹤溯源。消費(fèi)者通過掃描電子標(biāo)簽、二維碼、條形碼等查詢手段，可精確掌握生鮮農(nóng)產(chǎn)品從采購、流通加工、運(yùn)輸倉儲(chǔ)、裝卸搬運(yùn)等環(huán)節(jié)信息，一旦出現(xiàn)安全問題，可快速逐層排查找到責(zé)任源頭。

二、構(gòu)建物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型

（一）模型假設(shè)與參數(shù)定義

1.模型的基本假設(shè)

（1）本文只考慮一個(gè)物流中心即配送中心，根據(jù)客戶訂單需求，車輛需從配送中心出發(fā)，在完成配送服務(wù)后，返回配送中心。

（2）每個(gè)客戶的生鮮農(nóng)產(chǎn)品需求量不能超過配送車輛的最大承載量，本文是單車型車輛配送，即車輛承載量、行駛速度、行駛成本等條件都是固定的。

（3）每個(gè)客戶有且僅由一輛車輛進(jìn)行配送，但每輛車可向多個(gè)客戶提供配送服務(wù)任務(wù)。

（4）關(guān)于客戶對(duì)生鮮農(nóng)產(chǎn)品需求量、期望的配送時(shí)間段、可容忍的配送時(shí)間段、配送中心以及客戶的具體地理位置都是已知的。

（5）客戶在配送服務(wù)時(shí)間范圍內(nèi)，對(duì)生鮮農(nóng)產(chǎn)品的需求量是恒定不變的。

2.相關(guān)參數(shù)和變量定義（表1）

（二）構(gòu)建模型的約束條件

物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品物流配送路徑優(yōu)化主要是以客戶滿意度最高和配送成本最小為目標(biāo)，合理規(guī)劃配送網(wǎng)絡(luò)，科學(xué)設(shè)計(jì)配送路徑。為此，本文引入了模糊時(shí)間窗、客戶滿意度目標(biāo)函數(shù)和生鮮農(nóng)產(chǎn)品損耗函數(shù)。

1.模糊時(shí)間窗。實(shí)際生活中，客戶對(duì)配送服務(wù)時(shí)間的要求并非完全剛性的，服務(wù)時(shí)間早或晚都會(huì)影響滿意度的大小。因此，在構(gòu)建物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型時(shí)，需引入時(shí)間窗并將之模糊化處理，用來滿足客戶對(duì)時(shí)間的實(shí)際要求，把客戶i對(duì)時(shí)間的滿意度U（Si）定義為其服務(wù)開始時(shí)間的隸屬度函數(shù)。

當(dāng)客戶i在期望服務(wù)時(shí)間段[ETi，LTi]內(nèi)服務(wù)，客戶滿意度為1；否則，客戶滿意度會(huì)因?qū)嶋H服務(wù)時(shí)間過早或過晚而降低，當(dāng)實(shí)際服務(wù)時(shí)間在可容忍時(shí)間段之外時(shí)，即Si[EETi，ELTi]，客戶滿意度為 0。

假設(shè)客戶最低服務(wù)水平參數(shù)為θ，令客戶滿意度U（Si）θ，從而防止客戶因滿意度低而流失。令：

在滿足客戶i最低滿意度θ時(shí)，服務(wù)開始時(shí)間范圍是[Inf（i，θ），Sup（i，θ）]，其中：

Inf（i，θ）、Sup（i，θ）分別為最早和最遲可接受服務(wù)時(shí)間，由于客戶對(duì)時(shí)間的敏感系數(shù)β待確定，取最簡(jiǎn)單的線性變化作為滿意度U（Si）和Si服務(wù)開始時(shí)間的表示關(guān)系，得到相應(yīng)的Inf（i，θ）、Sup（i，θ）表示值，如圖4所示。

2.客戶滿意度目標(biāo)函數(shù)?？蛻魸M意度是指客戶通過對(duì)企業(yè)的某種產(chǎn)品或服務(wù)所產(chǎn)生的感知效果與自己的期望對(duì)比得出的指數(shù)。相對(duì)來說，購買貨物量占總配送貨物量的比重的客戶滿意度目標(biāo)函數(shù)，在權(quán)衡貨物價(jià)值量的基礎(chǔ)上考慮最大的客戶滿意度，其目標(biāo)是在客戶最大可容忍的服務(wù)時(shí)間內(nèi)，保質(zhì)保量完成配送任務(wù)，比較兼顧客戶以及配送企業(yè)的利益，因此將滿意度目標(biāo)函數(shù)定義為：

3.生鮮農(nóng)產(chǎn)品損耗函數(shù)。生鮮農(nóng)產(chǎn)品具有易變質(zhì)、易損壞等特性，在配送過程中，利用物聯(lián)網(wǎng)技術(shù)手段對(duì)農(nóng)產(chǎn)品周圍溫度的實(shí)時(shí)監(jiān)控，并自動(dòng)調(diào)節(jié)周邊溫度，能有效地減緩農(nóng)產(chǎn)品損耗速度。參考U Dave（1985）[6]關(guān)于指數(shù)速度腐敗連續(xù)型生命周期函數(shù)，建立生鮮農(nóng)產(chǎn)品的損耗函數(shù)：

Q0為生鮮農(nóng)產(chǎn)品的最初質(zhì)量；t為車輛配送所花費(fèi)時(shí)間；為生鮮農(nóng)產(chǎn)品對(duì)時(shí)間的敏感系數(shù)，如果農(nóng)產(chǎn)品對(duì)時(shí)間較敏感，則的取值較小，反之取值較大；B原為生鮮農(nóng)產(chǎn)品隨溫度變化而變化的一個(gè)動(dòng)態(tài)值，本文通過物聯(lián)網(wǎng)技術(shù)對(duì)農(nóng)產(chǎn)品周圍溫度進(jìn)行實(shí)時(shí)監(jiān)控，并保持溫度恒定不變，則可設(shè)定B為常數(shù)值088[6]。

當(dāng)客戶i的現(xiàn)實(shí)需求量為gi時(shí)，配送中心實(shí)際發(fā)貨的數(shù)量為Qi，根據(jù)公式（6）得出：

（三）構(gòu)建數(shù)學(xué)模型

綜合考慮物聯(lián)網(wǎng)技術(shù)優(yōu)勢(shì)與生鮮農(nóng)產(chǎn)品的特性后，再根據(jù)優(yōu)化目標(biāo)，構(gòu)建物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型，表述如下。

目標(biāo)函數(shù)：

目標(biāo)函數(shù)LP1（8）表示在滿足服務(wù)開始時(shí)間、車輛容量等約束條件下，保證客戶滿意度最大化；目標(biāo)函數(shù)LP2（9）表示配送成本最小化，左起第一項(xiàng)表示配送費(fèi)用的總成本，第二項(xiàng)表示配送過程中的固定成本，第三項(xiàng)表示配送過程中的變動(dòng)成本，第四項(xiàng)表示配送過程中的懲罰成本。

固定成本：在物聯(lián)網(wǎng)條件下生鮮農(nóng)產(chǎn)品配送過程中，車輛的固定成本是租金、車輛的損耗等，RFID技術(shù)的固定成本是設(shè)施裝備和構(gòu)建相關(guān)軟件系統(tǒng)的損耗[7]，則固定成本的公式如下：

變動(dòng)成本：在物聯(lián)網(wǎng)條件下生鮮農(nóng)產(chǎn)品配送過程中，配送成本隨著路程的遠(yuǎn)近而不斷變動(dòng)，其包括了人工成本、汽油費(fèi)、保養(yǎng)成本，則變動(dòng)成本的公式如下：

物聯(lián)網(wǎng)維護(hù)和標(biāo)簽成本：C5=ρ[C4+C3（1-γ）]Qi，ρ為產(chǎn)品應(yīng)用物聯(lián)網(wǎng)技術(shù)復(fù)雜程度，如平均n個(gè)單位應(yīng)用一個(gè)電子標(biāo)簽，那么ρ為1/n。

懲罰成本：主要包括分為早到和晚到的懲罰費(fèi)用，車輛若早到客戶點(diǎn)，則需支付等待成本，車輛若晚到，則需支付延遲成本。其公式如下：

約束函數(shù)（10）表示車輛k在運(yùn)輸過程中，貨物總重量不能超過車輛規(guī)定的最大貨物載重量。

約束函數(shù)（11）表示生鮮農(nóng)產(chǎn)品在配送中心的裝載量大于實(shí)際客戶的需求量，確保按客戶要求質(zhì)量完成配送任務(wù)。

約束函數(shù)（12）表示的車輛配送路徑的數(shù)量不得超過車輛的總數(shù)。

約束函數(shù)（13）表示任意一條配送路線上的所有客戶數(shù)量不能大于總需求的客戶數(shù)量。

約束函數(shù)（14）表示將服務(wù)開始時(shí)間模糊化處理。

約束函數(shù)（15）表示為防止客戶滿意度太低造成客戶流失，確保客戶滿意度不低于最低值。

約束函數(shù)（16）表示車輛到達(dá)客戶點(diǎn)的時(shí)間，同時(shí)保證車輛在完成該客戶的服務(wù)后駛向下一位客戶。

約束函數(shù)（17）表示模糊化時(shí)間窗的條件下，車輛在各客戶點(diǎn)的服務(wù)開始時(shí)間約束；

約束函數(shù)（18）表示保證每個(gè)客戶只能被一輛車提供服務(wù)。

約束函數(shù)（19）表示車輛從配送中心出發(fā)，完成配送任務(wù)后必須再次返回配送中心。

〖HS（3〗三、物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送路徑的仿真研究

（一）算法選取

本文立足于物聯(lián)網(wǎng)環(huán)境下的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型屬于多目標(biāo)優(yōu)化問題，采用改進(jìn)后的遺傳算法，就是在一般遺傳算法中引入最優(yōu)保留策略，避免優(yōu)秀染色體被破壞。通過多次遺傳算法疊加求解模型，對(duì)配送路徑進(jìn)行全局優(yōu)化調(diào)整，求得以客戶滿意度最高、配送成本最小為目標(biāo)的最佳配送路徑。

（二）遺傳算法改進(jìn)后的運(yùn)算過程

1.編碼機(jī)制。本文將服務(wù)開始時(shí)間模糊化處理，不能像傳統(tǒng)方法一樣對(duì)客戶編碼，要采用整數(shù)編碼的方法，染色體表示基因順序?yàn)椋℅1，G2…Gi，0，L1，L2…Lk），其中染色體中的Gi是所有客戶被服務(wù)次序的編碼，是1-i個(gè)隨機(jī)生產(chǎn)的整數(shù)；染色體中的Lk是對(duì)車輛的編碼，表示每輛車所服務(wù)客戶的數(shù)量范圍。這條染色體可以簡(jiǎn)化為所服務(wù)客戶的次序編碼方式，在仿真演算中，若染色體長(zhǎng)度為n+m個(gè)基因，即可設(shè)定序列為（0，X1，X2，X3，…Xs，0，Xs+1，Xs+2，…Xq，0，Xq+1，Xq+2，…Xn+m，0）。例如，有10個(gè)客戶3輛車的編碼方式（5，8，2，4，1，6，3，7，9，10， 0，3，7，10），則其服務(wù)客戶的次序編碼方式可簡(jiǎn)化如下：

表示從配送中心出發(fā)的第一輛車，經(jīng)過客戶點(diǎn)5、客戶點(diǎn)3、客戶點(diǎn)7，最后返回配送中心，形成配送路線I：0-5-3-7-0；以此類推出配送路徑II：0-4-1-6-8-0和配送路徑III：0-2-9-10-0。

2.種群初始化。初始化要考慮客戶對(duì)服務(wù)時(shí)間窗的限制和最低滿意度值，首先產(chǎn)生初始可行的染色體，其次采用模糊化的處理方法進(jìn)行局部調(diào)整，使得可行染色體服務(wù)開始時(shí)間Si不斷趨近于客戶期望服務(wù)時(shí)間[ETi，LTi]。在已經(jīng)生成的染色體基礎(chǔ)上加入篩選因子，去除那些不合格的染色體，構(gòu)造出符合可行時(shí)間要求的染色體（G1，G2，…Gi，0，L1，L2，…Lk）。

3.約束條件處理。（1） 查看產(chǎn)生的染色體中每條線路上客戶需求量之和，是否滿足配送車輛預(yù)計(jì)的最大承載量，若沒超過最大載重量，則該染色體作為一個(gè)可行解；否則，該染色體直接去除。（2） 查看產(chǎn)生的每條染色體對(duì)應(yīng)的客戶配送服務(wù)時(shí)間，是否在所有客戶可容忍時(shí)間段內(nèi)，若在可容忍時(shí)間內(nèi)，則該染色體作為一個(gè)可行解；否則，該染色體直接去除。

4.適應(yīng)度函數(shù)。個(gè)體性能優(yōu)劣與適應(yīng)度值正相關(guān)，根據(jù)適應(yīng)度的大小對(duì)個(gè)體進(jìn)行選擇，確保性能較好的個(gè)體能有更多機(jī)會(huì)被選中，作為優(yōu)秀染色體得以遺傳。遺傳算法中要求適應(yīng)度函數(shù)值為非負(fù)數(shù)，但實(shí)際問題的目標(biāo)函數(shù)常常是成本最小，例如函數(shù)LP2，需要根據(jù)適應(yīng)度函數(shù)非負(fù)原則轉(zhuǎn)換為求解最大目標(biāo)的形式，即適應(yīng)度函數(shù)為：

5.遺傳操作

（1）選擇。在傳統(tǒng)輪盤賭的基礎(chǔ)上采取最優(yōu)保留策略，使適應(yīng)度值較高的染色體得以遺傳，提高全局搜索的收斂性，避免產(chǎn)生局部最優(yōu)的現(xiàn)象。其具體選擇操作過程如下：

①設(shè)種群A={A1，A2，A3，…，An}，大小為n，初始狀態(tài)為X={}，計(jì)算種群中個(gè)體的適應(yīng)度值f（Ai），按照由大到小的次序依次排序，得出新的種群為B=〖JB（{〗B1，B2，…Bn〖JB）}〗，同時(shí)記錄種群中適應(yīng)度最大的個(gè)體k，即f（Ak）=max（f（A1），f（A2），…f（An））。

②計(jì)算出種群B中所有染色體的適應(yīng)度總和 每一個(gè)染色體被選中概率 每一個(gè)染色體的累積概率

③輪盤轉(zhuǎn)動(dòng)：

Step1：隨機(jī)產(chǎn)生n個(gè)0與1之間的數(shù)值，若數(shù)值小于q1，則選擇染色體B1；若數(shù)值是介于qk-1和qk，則選擇染色體Bk。

Step2：得出各區(qū)間的ξ值：ξ1，ξ2，ξ3，…ξn，其中ξ1為在i號(hào)區(qū)間內(nèi)隨機(jī)數(shù)的個(gè)數(shù)。取ξj=max（ξ1，ξ2，…ξn）中最大值，在區(qū)間j中對(duì)應(yīng)的個(gè)體Bj作為本次所選的染色體個(gè)體Mj。

Step3：檢查染色體的個(gè)數(shù)是否達(dá)到了種群的規(guī)模n，若達(dá)到，將Mj加入到群體X中，否則轉(zhuǎn)至Step1。

④尋找群體X中適應(yīng)度最小的個(gè)體，即f（Ci）=min（f（C1），f（C2），…f（Cn）），用最高適應(yīng)度的染色體k替代染色體i。

⑤保存所有選出的個(gè)體，返回新的種群。

（2） 交叉。交叉操作在遺傳算法中起到核心作用，決定了遺傳算法的全局搜索能力[8]。本文針對(duì)客戶被服務(wù)次序以及車輛的編碼次序進(jìn)行均勻交叉操作。

（3） 變異。對(duì)于基因序列按照設(shè)定好的變異概率Pm進(jìn)行變異操作，本文對(duì)各基因中的每個(gè)客戶被服務(wù)次序進(jìn)行變異操作，即G1-Gi和車輛編號(hào)L1-Lk。同交叉操作一樣，本文采用均勻突變的方法，選取均勻分布的隨機(jī)數(shù)中較小的概率，替換個(gè)體編碼串中原有基因值。

（三）算例檢驗(yàn)與分析

1.算例基本情況。本文具體算例是以某大型生鮮農(nóng)產(chǎn)品企業(yè)為配送主體，通過配送中心對(duì)客戶進(jìn)行配送服務(wù)，客戶和配送中心的相關(guān)具體數(shù)據(jù)如表2所示，并取θ=085，經(jīng)過公式（1）、（3）、（4）計(jì)算出模糊時(shí)間窗[Inf（i，θ），Sup（i，θ）]的值。

采用向量距離來衡量客戶與客戶、客戶與配送中心之間的距離，一般來說，實(shí)際距離比向量距離大，則設(shè)定距離公式為：

根據(jù)表2給出的配送中心和各客戶點(diǎn)的具體位置，計(jì)算出各客戶點(diǎn)距離，如表3所示。

2.最優(yōu)配送方案的求解。此配送中心有4輛裝有物聯(lián)網(wǎng)技術(shù)的生鮮農(nóng)產(chǎn)品配送車，每輛車載重為15t，每次每輛車的固定成本為10美元，車輛每公里費(fèi)用為04美元；運(yùn)貨平均速度36km/h，需求量卸貨速度為12t/h；等待成本為10美元、延遲成本為50美元。設(shè)置種群規(guī)模pop為160，遺傳代數(shù)gen為500，交叉概率Pc為03，變異概率Pm為03。

根據(jù)具體案例數(shù)據(jù)，繪制出配送中心和客戶點(diǎn)的地理位置分布圖，數(shù)值0為配送中心坐標(biāo)點(diǎn)，其余數(shù)值1-12代表客戶坐標(biāo)點(diǎn)，如圖5所示。利用改進(jìn)后的遺傳算法對(duì)模型進(jìn)行仿真，得出的種群進(jìn)化趨勢(shì)圖，如圖6所示。

從種群進(jìn)化趨勢(shì)圖可以看出，迭代開始階段直線下降比較陡，隨著迭代次數(shù)的增多，直線變化逐漸趨于平緩，即本文遺傳算法在搜索過程朝著目標(biāo)更優(yōu)化的方向收斂，逐漸朝著最優(yōu)解靠近。

本文通過Matlab多次運(yùn)用遺傳算法疊加求解，得到兩組近似于最優(yōu)解，如圖7所示。

對(duì)上述兩組多次遺傳算法得到的近似最優(yōu)解進(jìn)行比較分析，如表4所示。

方案1和2是多次遺傳算法疊加后的兩個(gè)近似最優(yōu)解，方案1的配送成本略高于方案2，但客戶滿意度和花費(fèi)時(shí)間都要比方案2效果好，考慮農(nóng)產(chǎn)品企業(yè)成本最小與消費(fèi)者滿意度最大之間的平衡，本文選擇方案1為最優(yōu)解，再通過Matlab軟件進(jìn)行仿真運(yùn)算得出，得到最佳運(yùn)輸路徑示意圖，如圖8所示。

因此，本文最優(yōu)解為配送成本3423496，客戶滿意度08333，最佳運(yùn)輸路線為配送路線I：0-8-5-7-0；配送路線II：0-6-11-12-0；配送路線III：0-9-4-0；配送路線IV：0-10-2-3-1-0。

本文通過多次遺傳算法疊加求解模型，以滿足客戶滿意度最大和配送成本最小為目標(biāo)，避免局部最優(yōu)的情況出現(xiàn)，得到了整個(gè)模型的最優(yōu)解。

四、結(jié)束語

在分析了傳統(tǒng)生鮮農(nóng)產(chǎn)品配送模式存在不足的基礎(chǔ)上，根據(jù)物聯(lián)網(wǎng)技術(shù)特點(diǎn)，提出物聯(lián)網(wǎng)環(huán)境下生鮮農(nóng)產(chǎn)品配送模式，促進(jìn)了農(nóng)產(chǎn)品配送環(huán)節(jié)的信息化、自動(dòng)化與智能化，隨著5G技術(shù)普及，物聯(lián)網(wǎng)應(yīng)用領(lǐng)域與深度將得到進(jìn)一步拓展。本文在構(gòu)建優(yōu)化模型時(shí)，結(jié)合物聯(lián)網(wǎng)技術(shù)優(yōu)勢(shì)和生鮮農(nóng)產(chǎn)品的特點(diǎn)，引入生鮮農(nóng)產(chǎn)品損耗函數(shù)和模糊時(shí)間窗概念，使得模型更符合實(shí)際情況，兼顧客戶和企業(yè)利益；在一般遺傳算法中引入最優(yōu)保留策略，再用改進(jìn)后的遺傳算法進(jìn)行仿真，驗(yàn)證了本文研究可為現(xiàn)實(shí)生活中物流配送提供幫助。

參考文獻(xiàn)：

[1]LI M B， ZHU Z， CHEN G Y. Information Service System of Agriculture IOT[J].Automatika： Journal for Control， Measurement， Electronics， Computing and Communications， 2013， 54（4）： 415-426.

[2]LIU Y， WANG H， WANG J Y， et al. Enterprise-Oriented IOT Name Service for Agricultural Product Supply Chain Management[J].International Journal of Distributed Sensor Networks，2015：1-12.

[3]顏波，石平，丁德龍.物聯(lián)網(wǎng)環(huán)境下的農(nóng)產(chǎn)品供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估與控制[J].管理工程學(xué)報(bào)， 2014， 28（3）：196-173.

[4]顏波，王欣妮，馮子祺.物聯(lián)網(wǎng)環(huán)境下的農(nóng)產(chǎn)品安全可追溯監(jiān)管體系研究，科技管理研究，2016（14）：153-159.

[5]孫濤，董永凱.物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展對(duì)智慧城市建設(shè)影響研究[J].理論探討，2015（2）：86.

[6]DAVE U， PANDYA B. Inventory returns and special sales in a lot-size system with constant rate of deterioration[J].European journal of operational research，1985，19（3）： 305-312.

[7]張李浩， 范體軍.供應(yīng)鏈企業(yè)投資RFID技術(shù)成本分?jǐn)傃芯縖J].中國管理科學(xué)，2014，22（4）：26-33.

[8]張家善， 王志宏， 陳應(yīng)顯，等. 一種求解旅行商問題的改進(jìn)遺傳算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用， 2012，21（9）：192-194.

（責(zé)任編輯：李江）

收稿日期：2016-11-07

作者簡(jiǎn)介：李昌兵（1970-），男，四川華鎣山人，重慶郵電大學(xué)經(jīng)濟(jì)管理學(xué)院教授，工學(xué)博士，研究方向：復(fù)雜網(wǎng)絡(luò)分析、智能決策及優(yōu)化；汪爾晶（1992-），男，江蘇連云港人，重慶郵電大學(xué)經(jīng)濟(jì)管理學(xué)院研究生，研究方向：物流規(guī)劃與設(shè)計(jì)。

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目，項(xiàng)目編號(hào)：60905066；重慶教委科技項(xiàng)目，項(xiàng)目編號(hào)：KJ070509；電子商務(wù)與現(xiàn)代物流重慶高校市級(jí)重點(diǎn)實(shí)驗(yàn)室項(xiàng)目，項(xiàng)目編號(hào)：ECML201403；重慶郵電大學(xué)自然科學(xué)基金資助項(xiàng)目，項(xiàng)目編號(hào)：A2009-03。