王思靜

摘要：這篇文章是在傳統(tǒng)車輛路徑問題的研究基礎上，引入農(nóng)產(chǎn)品冷鏈配送的背景。考慮冷鏈運輸企業(yè)實際配送中會遇見的問題，并將其量化，構建一個符合農(nóng)產(chǎn)品冷鏈物流實際的車輛路徑問題模型，并采用遺傳算法進行求解，最后使用Matlab軟件進行仿真實驗，得出最優(yōu)路徑選擇結果。將碳排放納入成本考慮，也就是將環(huán)境保護考慮在內(nèi)，從社會責任的角度去規(guī)劃其配送路徑。

Abstract： This article is based on the study of traditional vehicle routing problems and the introduction of agricultural products cold chain distribution background. Considering the problems encountered in the actual distribution of cold chain transportation enterprises， we will quantify and construct a model of vehicle routing in line with the actual cold chain logistics of agricultural products， and use genetic algorithm to solve them. Finally， we use Matlab software to carry out simulation experiments and gain the excellent path selection result. The introduction of carbon emissions into the cost considerations， that is， taking environmental protection into account， from the perspective of social responsibility to plan its distribution path.

關鍵詞：農(nóng)產(chǎn)品冷鏈；車輛路徑問題；碳排放；遺傳算法

Key words： cold chain of agricultural products；vehicle routing problem；carbon emission；genetic algorithm

中圖分類號：F323.7；TP183 文獻標識碼：A 文章編號：1006-4311（2018）06-0109-03

0 引言

自Dantzig 提出車輛路徑問題后，學者們對于不同類型的車輛路徑問題提出了許多不同的數(shù)學模型，并獲得了許多解決問題最優(yōu)解或次優(yōu)解的算法。Spliet等研究了由時間窗主導路徑選擇的車輛路徑問題，要求客戶點的時間窗要在需求確定之前確定，并建立了相應的數(shù)學模型[1]。Miranda等考慮了現(xiàn)實配送過程中的不確定性，假設客戶之間的行駛時間是模糊[2]。Amorim和Almada-Lobo提出了一種新穎的多目標模型，將運輸成本的最小化與交付產(chǎn)品的新鮮度狀態(tài)的最大化相結合[3]。Saharidis引入了一個被稱為環(huán)境外部性評分（EES）的新的排放因子，作為影響車輛燃料消耗的運輸因素的量度[4]。國內(nèi)雖然對于車輛路徑問題的研究起步較晚，但是取得了不少的成果。李珍萍等研究了多時間窗車輛路徑問題，考慮了車容量、多個硬時間窗限制等約束條件，建立了整數(shù)線性規(guī)劃模型[5]。張曉楠等針對同時具有模糊需求和模糊旅行時間，引入變動成本的概念，建立變動補償?shù)臋C會約束預優(yōu)化模型[6]。李進、傅培華研究了低碳環(huán)境下由第三方提供運輸服務的車輛路徑問題[7]。國內(nèi)對于常規(guī)車輛路徑問題的研究已經(jīng)取得初步進展，但是考慮農(nóng)產(chǎn)品冷鏈的車輛路徑問題研究還處于起步階段。因此，本文研究了農(nóng)產(chǎn)品冷鏈背景下的物流配送規(guī)劃，考慮在多種條件限制下，車輛如何選擇最優(yōu)路徑，以保證配送中車輛運輸距離最短、運輸成本最小，并結合綠色物流的要求，減少碳排放量。

1 建模

1.1 問題描述

本文中所定義的農(nóng)產(chǎn)品冷鏈物流配送的模型為一個冷鏈配送中心配送多個顧客，以配備有冷凍冷藏設備的貨車為運輸工具，配送單一類型農(nóng)產(chǎn)品，每一顧客的位置與需求量皆為已知，并且顧客有送達時間的約束。

首先要定義一個完全對稱網(wǎng)絡圖，G=（V，A）。其中V={v0，v1，…，vn}為點的集合；A={（vi，vj）：vi，vj∈V，i≠j}為路徑的集合。V0代表農(nóng)產(chǎn)品冷鏈配送中心點，vi（i=1，2，…，n）代表所服務的第n位顧客，顧客i的需求量為qi。配送中心的運輸路線以l表示，共有K輛運送車輛，所以l=1，2，…，K。

本文考慮由農(nóng)產(chǎn)品的易腐性所造成的貨物新鮮度降低懲罰成本、車輛制動燃油消耗與制冷燃油消耗的油耗成本。還出于“節(jié)能減排、綠色物流”的考慮，將碳排放成本考慮其中，為提高客戶服務滿意度設置了時間窗的懲罰成本，以及傳統(tǒng)的車輛固定使用成本。以物流企業(yè)的運輸總成本最小為目標，并在滿足顧客需求量與時間窗的限制下，建構配送車輛路徑問題的模型，以求得最佳的配送路線決策。

1.2 問題假設

首先對需要建模的農(nóng)產(chǎn)品冷鏈物流車輛路徑問題做一些必要的假設：車輛以配送中心為起點和終點，對多個顧客點送貨，其中每個客戶需求的貨物都是單一類型的生鮮農(nóng)產(chǎn)品，車輛都是配有冷凍、冷藏設備的貨車。每個客戶需求的貨物及數(shù)量、送貨的時間地點、每輛車的額定載重量都是一定的。

1.3 參數(shù)設定endprint

1.4 模型建立

除了一般車輛路徑問題模型中考慮到的成本，本文還出于綠色物流的考慮，增加一個碳排放成本。與常規(guī)物流相比，農(nóng)產(chǎn)品冷鏈物流配送過程中由于制冷會消耗較多油耗，產(chǎn)生更多碳排放。在計算碳排放量時，其等于燃油消耗量與二氧化碳排放系數(shù)之積。燃油消耗率主要與車輛行駛速度、車輛載重量相關，燃油消耗率計算如下：

其中，除了f、d和v，其他參數(shù)均是與發(fā)動機相關參數(shù)，為常量，取值與配送車輛發(fā)動機型號有關。設定車輛在配送過程在水平公路上以v0保持勻速運動，則燃油消耗率只與載重量有關，而車輛加速度τ、道路坡度θ均為0。

本文將冷鏈物流配送中的運輸成本和制冷成本統(tǒng)一成車輛運輸過程中的燃油消耗來計算，方法就是根據(jù)車輛發(fā)動機的工程油耗來計算一段路程中的總?cè)加拖牧吭俪艘杂蛢r就是燃油消耗成本。

2 實驗分析

本文的算法采用遺傳算法，并用matlab編程求解。本文實驗分析部分選擇20個顧客點作為配送點進行算法求解并分析，并獲取每個顧客點的地理位置、需求量、服務時間和時間窗等信息。本文中設定車輛的行駛速度恒定為40公里每小時，生鮮農(nóng)產(chǎn)品的價格為每噸6000元，所選冷藏車的每百公里油耗為20升，車輛最大載重為10噸，柴油價格為每升5.23元，時間窗違背懲罰系數(shù)為0.0003，生鮮農(nóng)產(chǎn)品的新鮮度系數(shù)為0.002，碳排放轉(zhuǎn)化系數(shù)為1，碳排放懲罰系數(shù)為1，按照系數(shù)設置代入模型進行求解。

本文遺傳算法求解部分使用Matlab編程求解，迭代500次后的最優(yōu)路徑選擇如圖1所示，圖1為路徑選擇圖。

總的運輸成本為4656.67元。則在最后的路徑選擇中，第一輛車服務第20、4、19、3、14、6共6個顧客點，總需求正好為最大車載量10噸；第二輛車服務第1、16、11、7、5、2、8共7個顧客點，總需求量為9.3噸；第三輛車服務第10、13、12、9、17、18、15共7個顧客點，總需求量為8.5噸。

3 總結與展望

本文研究的是農(nóng)產(chǎn)品冷鏈物流的車輛路徑問題，是在一般車輛路徑問題的基礎上以農(nóng)產(chǎn)品冷鏈為背景，出于對企業(yè)社會責任的考慮，在配送過程中考慮客戶服務滿意度和環(huán)境保護。本文中新鮮度懲罰成本和碳排放成本將會對路徑選擇產(chǎn)生影響，這也就是說在實際配送過程中企業(yè)不僅僅考慮的是其經(jīng)濟效益，還要將客戶的服務滿意度和環(huán)境保護考慮在內(nèi)，從社會責任的角度去規(guī)劃其配送路徑。隨著全球生態(tài)環(huán)境的不斷惡化，這也是物流企業(yè)在其運輸配送過程中必須要正視的一種發(fā)展方向。

參考文獻：

[1]Spliet R， Desaulniers G. The discrete time window assignment vehicle routing problem[J]. Transportation Science， 2015， 244（2）： 379-391.

[2]Miranda D， Concei？觭？觔o S V. The Vehicle Routing Problem with Hard Time Windows and Stochastic Travel and Service time[J]. Expert Systems with Applications， 2016， 64： 104-116.

[3]Amorim P， Parragh S N， Sperandio F， Almada-Lobo B. A rich vehicle routing problem dealing with perishable food： a case study[J]. TOP， 2014， 22（2）： 489-508.

[4]Saharidis G K D. Environmental Externalities Score： a new emission factor to model green vehicle routing problem[J]. Energy Systems， 2015： 1-19.

[5]李珍萍，趙菲，劉洪偉.多時間窗車輛路徑問題的智能水滴算法[J].運籌與管理，2015，24（6）：1-10.

[6]張曉楠，范厚明，李劍鋒.變動補償?shù)亩嗄：x址-路徑機會約束模型及算法[J].系統(tǒng)工程理論與實踐，2016，36（2）：442-453.

[7]李進，傅培華，李修琳，張江華，朱道立.低碳環(huán)境下的車輛路徑問題及禁忌搜索算法研究[J].中國管理科學，2015，23（10）：98-106.endprint