“互聯(lián)網(wǎng)”下的農(nóng)產(chǎn)品物流車輛配送路線研究

王紅艷 朱鑫彥

摘要：互聯(lián)網(wǎng)的發(fā)展給滯銷的農(nóng)產(chǎn)品打開了新的出路，但由于農(nóng)產(chǎn)品的保質(zhì)期限較短，如果物流配送不能及時(shí)送達(dá)就會(huì)使農(nóng)產(chǎn)品變質(zhì)。為了盡可能地滿足消費(fèi)者的需求，通過研究農(nóng)產(chǎn)品在配送時(shí)的車輛路徑問題，合理規(guī)劃配送車輛的運(yùn)輸路線，并且采用集配一體化的配送方式，對(duì)于提高企業(yè)服務(wù)水平、降低物流成本以及促進(jìn)我國(guó)物流行業(yè)甚至是社會(huì)經(jīng)濟(jì)的發(fā)展具有重大意義。主要針對(duì)西部農(nóng)產(chǎn)品配送路線出現(xiàn)的不合理現(xiàn)象進(jìn)行優(yōu)化，進(jìn)而節(jié)省運(yùn)輸費(fèi)用，提高經(jīng)濟(jì)效益，通過構(gòu)建農(nóng)產(chǎn)品配送路線，采用數(shù)學(xué)模型進(jìn)行條件限定，并用遺傳算法對(duì)原有的配送路線進(jìn)行優(yōu)化，通過MATLAB軟件進(jìn)行計(jì)算結(jié)果的論證，進(jìn)而得到最優(yōu)解，最終為西北農(nóng)產(chǎn)品配送中心得出較經(jīng)濟(jì)合理的配送路線。

關(guān)鍵詞：遺傳算法;農(nóng)產(chǎn)品;配送路線;MATLAB

中圖分類號(hào)： F252.14 ?文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2019）17-0233-04

在“互聯(lián)網(wǎng)”發(fā)展的推動(dòng)下，我國(guó)農(nóng)產(chǎn)品貿(mào)易保持較快增長(zhǎng)，這為“十三五”期間我國(guó)農(nóng)產(chǎn)品貿(mào)易發(fā)展帶來很多新機(jī)遇，但農(nóng)產(chǎn)品貿(mào)易發(fā)展需要加快物流配送，只有配送服務(wù)到位，才能更長(zhǎng)遠(yuǎn)、更好地發(fā)展[1]。中央也將城市配送納入物流行業(yè)九大重點(diǎn)工程建設(shè)之一，提到了優(yōu)先發(fā)展的高度[2]。通過對(duì)農(nóng)產(chǎn)品配送問題的研究，不僅可以有效地降低社會(huì)物流總成本，提高配送服務(wù)水平，改變我國(guó)物流管理落后的現(xiàn)狀，還有助于優(yōu)化城市交通環(huán)境，緩解就業(yè)壓力、加快產(chǎn)業(yè)轉(zhuǎn)移、促進(jìn)區(qū)域經(jīng)濟(jì)均衡快速地發(fā)展，下面以西北配送中心為例，進(jìn)行配送路線的研究[3]。

1 西北農(nóng)產(chǎn)品配送中心配送路線優(yōu)化數(shù)學(xué)模型的建立

西北農(nóng)產(chǎn)品配送中心位于陜西省西安市辛家廟農(nóng)產(chǎn)品批發(fā)市場(chǎng)附近，該配送中心每天都有大小不等的車輛進(jìn)行配送，其中有10個(gè)大型配送點(diǎn)比較集中，分別是人人樂、華潤(rùn)萬家、沃爾瑪、明喆蔬菜店、京東超市、蘇寧易購(gòu)、天貓超市、家樂福超市、世紀(jì)金華、民生量販。原來的配送方式是根據(jù)配送點(diǎn)的需要安排車輛，但是這樣車輛不固定，配送路線也比較亂，每次配貨都需要臨時(shí)調(diào)車，同時(shí)導(dǎo)致車輛沒有得到合理利用，現(xiàn)針對(duì)這個(gè)問題進(jìn)行配送路線優(yōu)化數(shù)學(xué)模型的建立。

1.1 設(shè)定條件

對(duì)農(nóng)產(chǎn)品網(wǎng)購(gòu)物流配送模型可以做如下抽象和假設(shè)：（1）在保證滿足每個(gè)客戶的要求的前提下，不超過每臺(tái)車的限載量和最遠(yuǎn)行駛距離，使配送路線最短，效益最優(yōu);（2）車輛到達(dá)指定點(diǎn)后，先卸貨，后裝貨，然后再行駛?cè)ハ乱粋€(gè)站點(diǎn);（3）所有配送的車輛規(guī)格都一樣，擁有相同的載重能力和最大行駛里程;（4）配送中心只有1個(gè)，到各個(gè)客戶的距離經(jīng)過計(jì)算可以得出;（5）現(xiàn)有若干車輛，限載量為2 t和4 t，由于是干貨類，不考慮載重，車的配送最大行駛距離不能超過45 km。

1.2 數(shù)學(xué)模型的建立即變量定義

Q表示每輛車的承載量;M表示所有的車輛數(shù);D表示每臺(tái)配送車輛的最遠(yuǎn)行駛距離;N表示共下單購(gòu)買貨物的客戶數(shù);S0j表示配送中心到每個(gè)客戶的距離，j=1，2，3，…，N;Sij表示客戶i到客戶j的距離;xi表示每個(gè)客戶需要的數(shù)量;Nk表示車輛k能夠配送的客戶數(shù)量;Rk表示第k輛車的行駛路線;Gki表示第k輛車配送順序的第i個(gè)客戶（Gk0=0，表示在物流中心）。

1.3 建立目標(biāo)函數(shù)及約束條件

（1）目標(biāo)函數(shù)：minZ=∑MM=1[∑Nki=1SGk（i-1）·Gki+SGkNkGk0×sign（Nk）]。

目標(biāo)是總的配送距離最小。

（2）限制條件：

∑Nki=1xGki≤Q，該限制條件是在k條路線上的所有客戶的總需求量不能超過車的承載量。

∑Nki=1SGk（i-1）Gki+SGkNkGk0×sign（Nk）≤D，該限制條件是每一個(gè)配送路線的最大距離不能超過每輛車的最大行駛距離。

0≤Nk≤N，該限制條件是每條配送路線的客戶數(shù)量不能超過總客戶數(shù)量。

∑Mk=1Nk=N，該限制條件就是確保每個(gè)客戶都拿到相應(yīng)的貨物數(shù)量。

Rk1∩Rk2=fR，該限制條件要求每個(gè)客戶僅一輛車進(jìn)行配送。

sign（Nk）=1（Nk≥1）

0（表示該車未被利用）。

2 遺傳算法的配送路徑的優(yōu)化流程

在農(nóng)產(chǎn)品的物流配送中，優(yōu)化路徑是較復(fù)雜的非確定性問題，采用傳統(tǒng)的算法在求解滿意程度上存在著一定的不足之處，而遺傳算法是一種全局搜索算法，具有運(yùn)算簡(jiǎn)單且收斂速度快等特點(diǎn)[4]。遺傳算法具體流程如圖1所示。

在圖1流程圖中，交叉概率Pc取值為0.25～1.0，變異概率Pm取值為0.01～0.1，計(jì)算過程中的迭代次數(shù)達(dá)到了預(yù)先設(shè)定的最大迭代次數(shù)，則計(jì)算終止。

2.1 編碼

采用自然數(shù)編碼的形式，根據(jù)上述問題的約束條件，將任務(wù)分配給各車輛，并將各個(gè)客戶規(guī)劃到車輛的配送路徑中，最終回到配送中心，形成閉環(huán)路1;而另一輛車也從配送中心出發(fā)經(jīng)過各配送站點(diǎn)后回到配送中心形成閉環(huán)2，重復(fù)此操作直到此配送中心的所有客戶的貨物都送達(dá)。

2.2 初始種群構(gòu)造

隨機(jī)產(chǎn)生X條路線的全排列，并在開始和結(jié)尾處插入0。選擇每一個(gè)要送貨的客戶，計(jì)算該節(jié)點(diǎn)的配送量，首先要考慮承載量∑Nki=1SGk（i-1）Gki+SGkNkGk0×sign（Nk）≤D的約束條件，若當(dāng)前車輛的裝載量能夠滿足配送貨物的要求，則須繼續(xù)檢驗(yàn)行駛路程0≤Nk≤N的約束條件，若能夠滿足上述約束條件，則重復(fù)用上述約束條件進(jìn)行檢驗(yàn)，直到將m-1個(gè)0插入到染色體內(nèi)為止。

2.3 適應(yīng)度函數(shù)

適應(yīng)度函數(shù)是衡量種群中每個(gè)個(gè)體優(yōu)劣程度的指標(biāo)[5]。本研究針對(duì)上述問題設(shè)計(jì)合理的適應(yīng)度函數(shù)來對(duì)文中具體的染色體進(jìn)行評(píng)估。本研究構(gòu)建的數(shù)學(xué)模型是最小化組合優(yōu)化問題，其目標(biāo)是minZ=∑MM=1[∑Nki=1SGk（i-1）·Gki+SGkNkGk0×sign（Nk）]，所包含的約束條件較多，最核心的限制條件：

（1）總需求量不能超過車的承載量：

∑Nki=1SGk（i-1）Gki+SGkNkGk0×sign（Nk）≤D;

（2）最大距離不能超過每輛車的最大行駛距離：

0≤Nk≤N。

2.4 選擇操作

選擇操作是遺傳算法進(jìn)化的基礎(chǔ)，根據(jù)“物競(jìng)天擇，適者生存”的觀念，從父代種群中選擇優(yōu)良個(gè)體，使其有機(jī)會(huì)繁衍下一代，從而產(chǎn)生更加優(yōu)秀的個(gè)體[6]。本研究使用的選擇操作算子結(jié)合最佳個(gè)體保存策略，具體操作：對(duì)每一代群體中的染色體按照適應(yīng)度進(jìn)行排序，適應(yīng)度值最大的染色體直接進(jìn)入下一代，這種選擇方法既保證了適應(yīng)度最高的個(gè)體能夠順利進(jìn)入下一代，又保證了種群中適應(yīng)度值較大的個(gè)體能以較大的機(jī)會(huì)進(jìn)入到下一代[7]。

2.5 交叉操作

本研究根據(jù)交叉算子的染色體編碼結(jié)構(gòu)的特殊性，即染色器編碼中2個(gè)0之間的編碼表示單個(gè)車輛的配送路徑，在交叉操作時(shí)把子串復(fù)制到目標(biāo)染色器的首部，然后刪除目標(biāo)染色體中跟復(fù)制的子串相同的編碼，并重新調(diào)整目標(biāo)染色體中編碼0的位置[8]。交叉操作的過程分為3個(gè)步驟：

2.5.1 確定要交叉操作的染色體子串 根據(jù)前面確定的編碼規(guī)則，有X個(gè)客戶點(diǎn)、M個(gè)配送車輛的車輛路徑規(guī)劃問題的染色體編碼長(zhǎng)度為X+M+1[9]。選擇2個(gè)染色體X1和X2，在[1，X+M+1]之間隨機(jī)產(chǎn)生2個(gè)整數(shù)m1和m2（m1

2.5.2 染色體子串交叉復(fù)制 把染色體X1中m1和m2之間的編碼串整體復(fù)制到新染色體X11的首部。

2.5.3 調(diào)整剩余子串編碼 刪除染色體X2中與復(fù)制子串相同的基因編碼，同時(shí)調(diào)整染色體X2中基因碼0的位置。并按照此順序?qū)⑷旧w編碼復(fù)制到染色體X11中復(fù)制子串之后。具體編輯過程的操作如圖2所示。

3 MATLAB在遺傳算法中的應(yīng)用

西北農(nóng)產(chǎn)品配送中心到10個(gè)客戶的距離以及各個(gè)客戶之間的距離如表1所示。

針對(duì)以上距離數(shù)據(jù)，結(jié)合建立的數(shù)學(xué)優(yōu)化模型，打開MATLAB窗口，直接在Fitness funtion框里輸入@rastriginsfcn;輸入變量個(gè)數(shù)為2，設(shè)定繁殖代數(shù)為150代。在plot區(qū)里可以勾選希望看到的結(jié)果圖像，設(shè)置完參數(shù)之后點(diǎn)擊start按鈕就可以運(yùn)行了。關(guān)于函數(shù)編碼的主要內(nèi)容如下。

3.1 計(jì)算目標(biāo)函數(shù)值

% calobjvalue.m函數(shù)的功能是實(shí)現(xiàn)目標(biāo)函數(shù)的計(jì)算，其公式采用本研究示例仿真，可根據(jù)不同優(yōu)化問題予以修改。

%遺傳算法子程序

%Name：calobjvalue.m

%實(shí)現(xiàn)目標(biāo)函數(shù)的計(jì)算

function[objvalue]=calobjvalue（pop）

temp1=decodechrom（pop，1，10）; %將pop每行轉(zhuǎn)化成十進(jìn)制數(shù)

x=temp1*10/1023; %將二值域中的數(shù)轉(zhuǎn)化為變量域的數(shù)

objvalue=∑MM=1[∑Nki=1SGk（i-1）·Gki+SGkNkGk0×sign（Nk）];%計(jì)算目標(biāo)函數(shù)值

3.2 求出群體中最小得適應(yīng)值及其個(gè)體

%遺傳算法子程序

%Name：best.m

%求出群體中適應(yīng)值最小的值

function[bestindividual，bestfit]=best（pop，fitvalue）

[px，py]=size（pop）;

bestindividual=pop（1，：）;

bestfit=fitvalue（1）;

for i=2：px

if fitvalue（i）>bestfit

bestindividual=pop（i，：）;

bestfit=fitvalue（i）;

end

3.3 迭代過程

根據(jù)上述遺傳算法的程序編輯，經(jīng)過49次的迭代次數(shù)，其迭代過程如圖3所示。

3.4 最后仿真結(jié)果

根據(jù)遺傳算法的計(jì)算思路，采用MATLAB軟件，進(jìn)行路線優(yōu)化設(shè)計(jì)，得出最優(yōu)結(jié)果有3條路線，如表2所示。第1條路線是配送中心——人人樂——華潤(rùn)萬家——沃爾瑪——明喆蔬菜店——京東超市;第2條路線是配送中心——蘇寧易購(gòu)——天貓超市——家樂?！兰o(jì)金花;第3條路線是配送中心——民生量販。具體車輛行駛路徑如圖4、圖5、圖6所示。

經(jīng)過49次的迭代次數(shù)，原來的配送路線是用10輛車進(jìn)行單獨(dú)配送，配送路程共是192 km。經(jīng)過優(yōu)化后現(xiàn)在的配送路線是由3輛車進(jìn)行配送，配送路線距離為124 km。所達(dá)到的效果是優(yōu)化后的路線較原來的路線減少68 km，車輛節(jié)省了7輛。

4 結(jié)論

在“互聯(lián)網(wǎng)”的促進(jìn)下，西北農(nóng)產(chǎn)品的發(fā)展也在加速，圍繞西北農(nóng)產(chǎn)品配送中心配送不及時(shí)、配送費(fèi)用高等問題，建立以配送路線最短為目標(biāo)函數(shù)，多個(gè)約束條件的數(shù)學(xué)模型，采用遺傳算法對(duì)西北農(nóng)產(chǎn)品配送中心的配送路線進(jìn)行優(yōu)化，并通過MATLAB軟件編輯代碼，這一優(yōu)化求得最優(yōu)解。這一優(yōu)化為西北農(nóng)產(chǎn)品配送中心大大提高了配送效率，同時(shí)也節(jié)省了配送費(fèi)用，大大促進(jìn)了西北地區(qū)農(nóng)產(chǎn)品網(wǎng)絡(luò)銷售市場(chǎng)的發(fā)展。

參考文獻(xiàn)：

[1]劉海燕，余世欣. 基于遺傳算法的物流車輛派送管理[J]. 電子設(shè)計(jì)工程，2017，25（2）：37-39.

[2]蘇 楠，鹿 靜，王棟梁. 基于遺傳算法的物流配送車輛路徑優(yōu)化問題[J]. 汽車實(shí)用技術(shù)，2016（6）：4-6.

[3]莊景明，彭昕昀. 基于改進(jìn)遺傳算法的新鮮農(nóng)產(chǎn)品配送路線優(yōu)化研究[J]. 江西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，36（4）：399-402.

[4]金巳婷，呂 閃，吳陽明，等. 基于改進(jìn)遺傳算法的物流配送路徑優(yōu)化方法研究[J]. 計(jì)算機(jī)與數(shù)字工程，2017，45（4）：629-631.

[5]王有鴻. 基于遺傳算法的生鮮農(nóng)產(chǎn)品物流配送路徑聚類優(yōu)化[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（12）：358-362.

[6]周建國(guó). 基于改進(jìn)遺傳算法的農(nóng)產(chǎn)品配送路徑優(yōu)化研究[J]. 采購(gòu)與供應(yīng)鏈，2018（1）：136-138.

[7]曹 倩，邵舉平，孫延安. 基于改進(jìn)遺傳算法的生鮮農(nóng)產(chǎn)品多目標(biāo)配送路徑優(yōu)化[J]. 工業(yè)工程，2015，18（1）：71-76.

[8]陳孝強(qiáng). “互聯(lián)網(wǎng)+農(nóng)業(yè)”環(huán)境下消費(fèi)者網(wǎng)購(gòu)農(nóng)產(chǎn)品意愿與影響因素研究[J]. 經(jīng)濟(jì)理論與實(shí)踐，2018（2）：19-21.

[9]袁 群，左 欒. 基于改進(jìn)混合遺傳算法的冷鏈物流配送中心選址優(yōu)化[J]. 上海交通大學(xué)學(xué)報(bào)，2016，50（11）：1795-1800.