近年來，中國經濟發(fā)展較為繁榮，人們生活水平逐漸提升，對食品質量安全也更加關注，人們選擇食品的標準也轉向了衛(wèi)生、營養(yǎng)、新鮮等方向。隨著交通運輸行業(yè)的飛速發(fā)展，地域局限性逐漸減小，遠距離的瓜果蔬菜、珍稀海鮮等食物也可以進入平常百姓的家庭中，極大地豐富了人們餐桌上的食物種類。農產品是現今家庭生活中不可或缺的食品之一，需求量呈現逐漸上升的趨勢，即使在供給小于需求的情況下，消費者對農產品安全與質量的要求依然沒有下降，農產品消費水平仍舊維持著持續(xù)增長的狀態(tài)[1]。根據數據統(tǒng)計顯示：截止到2021年底，中國農產品產量高達66 949萬噸。由此可見，中國農產品具有著較大的消費市場，加之國民對食品安全關注度的提升，農產品企業(yè)的競爭壓力不斷增加。為了提升企業(yè)自身的競爭力，企業(yè)將目光轉向配套物流建設中，希望通過提升配套物流能力，增加企業(yè)在競爭環(huán)境中的生存能力。
物流配送成本由多種要素決定，例如距離、運輸方式、流程、管理水平等，其中距離是影響物流配送成本的第一大要素。而農產品物流配送成本是影響企業(yè)經濟效益的主要因素，如何對農產品物流配送路徑進行有效優(yōu)化，是農產品企業(yè)發(fā)展中亟待解決的問題之一，我國學者已對此進行研究與探討。
李冰[2]等人研究了多配送中心前提下，生鮮農產品配送工作中關于配送中心選址和車輛取送的問題，同時研究了同步取送的生鮮農產品的選址和路徑問題。建立一個包含車輛容量、貨物運送時間、取送工作時間窗等約束條件的非線性規(guī)劃模型，以運輸成本、貨物損失費用總和最小為研究目標。融合中心評估指數和遺傳算法進行路徑優(yōu)化。李軍濤[3]等人構建配送總成本最小化及客戶滿意最大化的路徑優(yōu)化模型，以自適應遺傳模擬退火算法，研究了帶有時間窗的冷鏈物流路徑的優(yōu)化問題。
目前，物流配送是農產品銷售關鍵環(huán)節(jié)之一。由于農產品配送時間過長會降低質量的特性，對物流配送提出了較高的要求。上述研究結果目前還無法適應人們對農產品日漸增加的需求，故本文提出時間窗約束下農產品物流配送路徑優(yōu)化研究，通過時間窗約束條件的應用，提升物流配送路徑優(yōu)化效果，為農產品企業(yè)的發(fā)展提供助力。
農產品具有不易保存、容易腐壞變質等特點，需要在農產品物流配送路徑優(yōu)化模型構建過程中添加時間成本。若農產品物流配送在規(guī)定時間內完成，在模型總成本中添加等待成本；若農產品物流配送在規(guī)定時間內未完成，在模型總成本中添加處罰成本。依據上述描述選擇適當的時間窗，以此來提升農產品物流配送路徑優(yōu)化模型的精準度。
式（1）中，δik表示的是物流配送車輛k在服務客戶i時由于時間窗約束產生的損失；η1與η2分別表示的是物流配送車輛在規(guī)定時間內完成的單位等待成本與未完成的單位處罰成本；sik表示物流配送車輛k是否服務客戶i：若是，sik取值為1；若不是，sik取值為0;Tik表示的是物流配送車輛k到達客戶i所在位置的時間點；T1(i)與T2(i)表示的是硬時間窗的最小、最大時間點；T3(i)與T4(i)表示的是軟時間窗的最小、最大時間點。
混合時間窗具體情況如圖1所示。
如圖1所示，MI代表一個較大的數值，需要根據實際農產品物流配送情況進行具體的設置。在混合時間窗約束下，若物流配送車輛k到達客戶i所在位置的時間點為[T3(i),T1(i)]或[T2(i),T4(i)]范圍內，此時雖然沒有符合客戶時間需求，但是客戶會接收服務，按照軟時間窗的規(guī)定作出相應的懲罰。若物流配送車輛k到達客戶i所在位置的時間點為[T1(i),T2(i)]范圍內，此時完全符合客戶時間需求，不需要進行任何懲罰。若物流配送車輛k到達客戶i所在位置的時間點為[0,T3(i)]或[T4(i),∞]范圍內，客戶拒絕服務[2]。
上述過程完成了時間窗的恰當選擇，為后續(xù)約束條件的確定奠定基礎。
約束條件是農產品物流配送路徑優(yōu)化模型構建的基礎與前提，也是模型求解的關鍵輔助環(huán)節(jié)。在實際農產品物流配送過程中，影響其路徑優(yōu)化的因素較多，例如農產品本身、物流配送車輛、客戶等，為了方便模型的求解，此研究確定4個約束條件，具體如下所示：
(1）時間窗限制
確定每位客戶預期的時間窗要求，保障農產品物流配送時間符合客戶預期時間區(qū)間，即[T3(i),T4(i)];
(2）物流配送車輛最大載重約束
農產品總和不能超過物流配送車輛最大載重，約束條件表達式為：
式（2）中，
(3）配送路徑長度約束
農產品物流配送每條路徑長度不能超過設定車輛最長行駛距離數值，約束條件表達式為：
式（3）中，
(4）物流配送車輛約束
每位客戶只能被一輛物流配送車輛服務，防止配送重復現象的發(fā)生，約束條件表達式為：
式（4）中，
上述過程完成了約束條件的確定，為農產品物流配送路徑優(yōu)化模型建立提供幫助[5]。
將總成本最小化作為路徑優(yōu)化目標，建立農產品物流配送路徑優(yōu)化模型，表達式為：
式（5）中，C表示的是總成本；fk表示的是配送車輛k的固定成本；c表示的是單位農產品配送成本；dij表示客戶點i與j的配送距離；
上述過程完成了農產品物流配送路徑優(yōu)化模型的建立，由于建立模型是一個復雜函數，并具有多個約束條件，很難直接對其進行求解，為農產品物流配送路徑優(yōu)化帶來了一定的困難。
以上述構建模型為依據，基于路徑優(yōu)化需求改進遺傳算法，應用改進遺傳算法求解構建模型，即可獲得農產品物流配送路徑優(yōu)化結果，為農產品銷售提供有力的幫助。
遺傳算法是一種模擬生物進化機制的隨機搜索算法，傳統(tǒng)遺傳算法容易陷入局部收斂困境，故依據農產品物流配送路徑優(yōu)化需求對其進行一定程度的改進，使算法能夠獲得全局最優(yōu)結果。改進遺傳算法流程如圖2所示。
如圖2所示，適應度函數表達式為：
交叉、變異概率直接決定著算法的運算效率與精度，傳統(tǒng)遺傳算法主要采用固定的交叉、變異概率，容易使算法陷入局部收斂，故此研究基于自適應調節(jié)理論，確定交叉、變異自適應概率表達式為：
式（7）中，pc與pm分別表示改進遺傳算法的交叉、變異概率；h1、h2、h3與h4表示的是改變系數，取值范圍為0～1;f'與f分別表示的是當前個體的交叉、變異適應度值；fmin與fmax分別表示的是最小與最大的適應度值；favg表示的是平均適應度值。
將公式（6）與公式（7）代入到圖2流程中，執(zhí)行改進遺傳算法流程即可獲得農產品物流配送路徑優(yōu)化結果，為農產品銷售與相關企業(yè)發(fā)展提供有效的支撐。
為了驗證提出方法的應用性能，選取生鮮農產品多車型冷鏈物流車輛路徑優(yōu)化[6][7][8][9][10][11][12]作為對比方法，設計農產品物流配送路徑優(yōu)化實驗，該方法以考慮擁堵指數為前提，構建配送總成本最小化及客戶滿意最大化的路徑優(yōu)化模型，以自適應遺傳模擬退火算法，研究帶有時間窗的冷鏈物流路徑的優(yōu)化問題。具體如下所示：
在一個固定空間內，隨意放置10個客戶位置，如圖3所示。
采集客戶農產品需求信息以及預期時間要求，具體如表1所示。
如表1數據所示，每個客戶對農產品的需求量、預期服務時間要求都不同，這就對農產品物流配送路徑優(yōu)化提出了較高的要求，可以很好地驗證提出方法的應用性能。
上述過程完成實驗對象的設置及其信息的采集，為后續(xù)農產品物流配送路徑優(yōu)化實驗的進行提供便利。
以上述實驗準備階段內容為基礎，進行農產品物流配送路徑優(yōu)化實驗。在實際應用過程中，由于應用配送車輛不固定，使農產品物流配送路徑優(yōu)化結果中包含多條路徑。故以物流配送車輛數量為自變量，以最優(yōu)農產品物流配送路徑獲取迭代次數、農產品物流配送路徑優(yōu)化結果與最優(yōu)農產品物流配送路徑總成本為評價指標，驗證提出方法應用性能，具體實驗結果分析過程如下：
通過實驗獲得最優(yōu)農產品物流配送路徑獲取迭代次數如圖4所示。
如圖5數據所示，應用提出方法獲得最優(yōu)農產品物流配送路徑獲取迭代次數為170次，應用對比方法獲得最優(yōu)農產品物流配送路徑獲取迭代次數為220次，說明提出方法路徑優(yōu)化效率更高。
應用提出方法與對比方法獲取農產品物流配送路徑優(yōu)化結果，具體如圖5所示。
如圖5所示，相較于對比方法，提出方法獲得優(yōu)化路徑更為簡潔，長度更短，表明提出方法路徑優(yōu)化效果更好。
通過實驗獲得最優(yōu)農產品物流配送路徑總成本如圖6所示。
由于客戶數量較少，所以物流配送車輛最大值設置為3輛。如圖6數據所示，隨著物流配送車輛數量的增加，總成本呈現逐漸升高的趨勢。相較于對比方法來看，應用提出方法獲得的配送路徑總成本更低。
上述實驗結果顯示：與對比方法相比較，提出方法的最優(yōu)農產品物流配送路徑獲取迭代次數更少，物流配送路徑優(yōu)化效果較好，最優(yōu)農產品物流配送路徑總成本更低，充分證實了提出方法的有效性與可行性。
此研究引入時間窗約束理論，提出了新的農產品物流配送路徑優(yōu)化方法研究。通過實驗驗證可知：提出方法能夠有效減少農產品物流配送路徑獲取迭代次數，降低最優(yōu)農產品物流配送路徑總成本，為農產品物流配送提供更有效的方法支撐，也為路徑優(yōu)化相關研究提供一定的借鑒。
滬公網安備 31011202008041號
