粮油食品物流敏捷配送优化技术的研究

王富忠 刘云霞 沈祖志

粮油食品物流敏捷配送优化技术的研究

王富忠1刘云霞1沈祖志2

(浙江科技学院经管学院1，杭州 310023)
(浙江大学管理学院2，杭州 310058)

在目前国内外现有的研究中，迫切需要从理论与实践层面研究归纳或提炼出实用的知识准则，以此作为基础以提高粮油食品物流的配送能力。论文提出了支撑粮油食品物流敏捷配送方案快速生成和快速求解的7大知识准则，研究了粮油食品单品种货物和多品种货物敏捷配送优化两大问题。通过将这两大问题分解成4个不同的优化子问题，并建立了4个通用的模型及求解算法。算例分析结果表明，利用本研究的算法，无论是针对粮油食品单品种还是多品种货物对象，在不同的车辆吨位序列下，配送优化后的空载率均较低，货物周转量也较低，取得了良好的装载效果。

粮油食品物流 敏捷配送 知识准则

粮油食品就是以粮油原料或粮油加工副产品为原料，经加工或精深加工而成的食品［1］。它是人类赖以生存的基础，将向着生产社会化、食用方便化、科学营养化和卫生健康化的方向发展。在实际中，粮油食品企业的业务范围通常包括从事经营谷物等农产品、水产品、加工食品、饮料等与食品有关商品的生产、销售并提供与此相关的服务［2］，其中一项重要的服务就是物流服务。现今，虽然我国的粮油食品物流已经取得了较大的发展，但与发展国家或地区相比，我国的粮油食品物流还存在一些问题，可以归纳为:①整体发展水平依然比较落后;②物流成本较高、损耗较大和效率较低;③基础设施落后、物流技术水平比较低下难以满足需要;④第三方食品物流企业发展缓慢等［3－4］。从物流配送的角度来看，表现在配送方式落后、配送成本高、配送的组织化程度低等方面。总体而言，我国还没有形成粮油食品现代物流的完整体系。

粮油食品物流与其他商品物流相比，还呈现出与其他商品物流不一样的特点。国内学者对粮油食品物流特点的探讨主要是从粮食物流和食品物流的角度分开进行的。例如，鹿应荣［5］分析认为，我国粮食物流的特点表现为:时效性、流向受制约、运作相对独立、使用价值具有特殊性、受政策影响显著、从业人员须具有较强的专业性。然而，沈欣［6］将它简化为时效性、流向制约性、专业性、政策性四个特点。随着我国人民生活水平的提高，社会对食品物流的要求也越来越高，其物流特点可以归纳为:安全、高度清洁卫生、及时交货、保鲜保湿等［7］。

在粮油食品物流中，配送环节是粮油食品物流及加工企业、专业配送型企业经营活动的主要组成部分之一，良好的配送能力能够给企业创造更多的利润，增强企业的竞争实力。为了改善粮油食品物流的配送服务问题，国内外广大学者对其配送技术给予了较高的关注。目前，国内外在粮油食品物流配送技术的研究主要集中在以下几大领域:①粮油食品物流车辆调度问题的研究;②粮油食品物流配送中心运营及选址的研究;③粮油食品物流配送决策支持系统的研究。

在第一个领域即粮油食品物流车辆调度问题的研究方面，国外的研究起步较早，最初的车辆优化调度问题是由 Dantzig和 Ramser于1959年提出来的［8］。经过50多年的发展，国外已经在VRP/VSP(Vehicle Routing Problem/Vehicle Scheduling Problem，车辆路径问题/车辆调度问题)的模型研究方法及VRP/VSP的问题计算复杂性方面有了大量的研究成果，以 Laporte［9］、Osman 等［10］为代表的学者在VRP/VSP的求解方法上均做过大量的研究。随着粮油食品行业的不断发展，针对该行业的VRP/VSP的研究也引起了广大学者的浓厚兴趣。张强等［11］提出了一个混合蚁群算法来求解多配送中心粮食车辆调度问题，并给出了一个具有代表性的算例实验及结果分析，通过实验表明了作者所研究的方法对优化多配送中心粮食车辆调度问题是有效的。Osvald等［12］研究了生鲜蔬菜与易腐食品配送问题的车辆路径算法。针对生鲜蔬菜与易腐食品具有易腐性等特点，设计了一个基于时间窗约束的VRP，通过使用禁忌搜索求解算法进行求解，结果表明该算法的求解效率较高。在易腐食品的车辆路径问题方面的研究成果还有Chen等［13］的研究。

在第二个领域即粮油食品物流配送中心运营及选址的研究方面，Broekmeulen［14］研究了面向瓜果蔬菜配送中心的运营管理问题，设计了一个战略决策模型和相应的算法，并集成在一个决策支持系统中，为瓜果蔬菜配送中心的运营提供了决策支持，从而改善了其运营。毛禹忠［15］就粮油食品配送中心的选址问题，设计了单设施选址模型并对其采用计算机建模实现，该模型能为物流设施及规划起到决策支持作用，对各级政府管理部门和企业有一定现实意义。Borghi等［16］针对配送中心的瓜果蔬菜仓储问题进行了研究，通过设计一个混合型线型规划模型作为工具，帮助配送中心管理者对瓜果蔬菜仓储问题进行决策，减少了仓储部门的总成本和瓜果蔬菜仓储的损耗。

在第三个领域即粮油食品物流配送决策支持系统的研究方面，Wijtzes等［17］研究了一个面向食品微生物安全与食品质量的决策支持系统，该系统能应用于食品的生产、产品的研发与试验中。曾力等［18］根据粮食物流配送的决策问题，不仅研究了粮食物流配送决策支持系统中配送中心选址优化以及粮食配送过程中车辆路线规划等核心模块，并对模型库系统中的模型进行了设计，而且也建立了基于GIS的粮食物流配送系统模型，并将其应用于实践中。同样，甄彤等［19］也做了类似的研究。

从以上的分析中可以看出，国内外在以上3个领域的研究中，特别对粮油食品物流敏捷配送优化技术还缺乏系统的研究，而基于实用的知识准则来对其敏捷配送优化技术进行研究的还非常少见。虽然，已有研究人员如夏正茂等［20］通过多种方式(例如粗糙集、数据仓库等)来构造决策表或决策树，并获取相关决策知识以支持物流配送的敏捷性，但在这方面的研究还相当缺乏，特别是结合实用的知识准则从空载率、货物周转量等角度对粮油食品物流敏捷配送优化技术进行全面分析的研究成果几近空白。因而，在目前国内外现有的研究中，迫切需要从理论与实践层面研究归纳或提炼出实用的知识准则，以此作为基础来研究粮油食品物流敏捷配送优化技术。本文正是从这一角度进行了研究，它对国内粮油食品物流的配送问题，能很好地起到降低空载率和货物周转量的功效，并能促进粮油食品物流决策支持系统的研究和发展，有着非常重要的理论与现实意义。

1 知识准则的构建

针对粮油食品物流敏捷配送优化问题，结合前期做过的应用研究［21］，从理论与实践层面构建了7大知识准则。

定义1(车辆分解准则DECO_RULE):在配送任务中，车辆数目为n，将这n辆车按吨位从大到小的顺序进行排序并编号，用集合表示为{i，bi，OWNi}，i=1，2，．．n 。式中:i为车号，bi=1 表示车辆 i被选中使用，bi=0表示车辆i未被选中使用。OWNi=1表示车辆i是自有车辆，OWNi=0表示车辆i是非自有车辆(外协车辆)，车辆按此方式序列化称之为车辆分解准则。

定义2(最短路径生成准则SP_RULE):针对一个配送中心O和m个配送地，生成配送中心至各配送地、各配送地至其他配送地的路径集Jc称之为最短路径生成准则。

定义3(分区优化准则ZONE_RULE):在针对东南西北等多方向的装载问题时，确定同方向区域的网络节点可以进行线路优化，不能拼货异方向区域的网络节点先进行分区，一次大型配送任务可以按不同区域分成几个小型配送任务，然后以每个小型配送任务为单位进行优化，称之为分区优化准则。

定义4(敏捷配送优先准则ASP_RULE):将车辆在装载过程中根据以下四级准则进行装载，称之为敏捷配送优先准则。ASP_RULE分为:第一级优先准则——紧急交货或交货需求早并且满足就近拼货条件的配送地要优先安排。第二级优先准则——在交货期相同的配送地中，距离配送中心远的优先安排。第三级优先准则——针对确定的配送地，在装载能力相同且有多种车辆组合可选情况下，尽可能选择配送车辆吨位大的优先安排。第四级优先准则——针对确定车辆装载物品重量大的优先安排。

定义5(车辆线路优化准则LO_RULE):若某车辆i载有m个配送地(m≥2)的货(即存在拼货)，则必须在Jc中选出与m个配送地相关的路线，采用就近插入法的原则，在m个配送地中生成配送子路径，再以车辆i的货物周转量极小化为目标进行最优路线的优化，称之为车辆线路优化准则。例如，车辆i装载了从配送中心O到配送地2的货，则表示车辆i从配送中心O行驶至配送地2的最短距离。如果车辆i还拼装了配送地1的货，这时针对第i号车的行驶路线，必须从0－1－2或0－2－1这两条路线中依据车辆i将要承载的货物周转量极小化来确定最优路线。多个节点路线优化方式同理进行。定义6(外协车辆加入准则LEND_RULE):设可动用车辆集为 I={i|i=1，2，．．n}，其中 i表示车号。如果企业在执行配送任务时，可动用车辆已全部派遣出去，即可动用车辆集I为空。此时，则需要租用社会车辆或委托其他企业的车辆进行运输，该类车辆以外协车辆身份加入到可动用车辆集I中，此种方式称之为外协车辆加入准则。定义7(返程线路优化准则RO_RULE):如果返程时车辆为空，则选择最短路线返回;如果某配送地有退货任务(退货至配送中心)，则对该配送地的返程车辆进行装载，并选择最短路线返回。以上7大知识准则为粮油食品物流敏捷配送方案的快速生成和快速求解起着很好的支撑作用。

2 粮油食品物流敏捷配送优化模型

2．1 粮油食品单品种货物敏捷配送优化模型的构建及求解

2．1．1 单品种货物敏捷配送优化模型的构建

2．1．1．1 以空载率最小为目标的配送优化模型EP在模型EP中，只考虑了装载量优化而没有考虑到线路优化。记所有可动用车辆集为I={i|i=1，

2，．．n}，其中 i表示车号。bi为针对 i的 0 －1 选择变量，bi∈{0，1}，i=1，．．n ，如果 bi=1 表示第i号车被选中，bi=0则表示未被选中。ui为第i号车的载重吨位。Q表示所有配送点上的配送需求总量。设xi表示第i号车的装载量，它为决策变量。于是，考虑了一批粮油食品货物总吨位为Q(假设只有一类货物)、可动用车辆数目为n、各配送地的需求量已知情况下的敏捷配送问题。建立的以空载率为目标的配送优化模型EP如下:

上述模型EP对货物周转量不能进行具体测算。实际上，货物周转量的大小可以反映出配送的成本高低。货物周转量越小，说明车辆的行驶里程数越小，则运输成本越低。因此，本研究在模型EP的基础上同时考虑了空载率和货物周转量的情况。

2．1．1．2 以空载率最小兼顾货物周转量极小化为目标的配送优化模型TP

针对粮油食品单品种货物，由于只有一种货物，故各类车辆对货物的拼装都没有限制。在单个车辆拼装货物完成之后，如果该车装载了多个配送地的货，则必须根据车辆线路优化准则LO_RULE生成配送子路径并以货物周转量极小化为目标来确定最优路线。因而，模型TP的路径序列集合必为动态生成的。于是，记j表示路径号，J表示路径序列集合，它是在Jc基础上增加了配送子路径的集合。s(j)i表示第i号车行驶第j号路径时的距离。x(j)i表示第i号车行驶第j号路径时的装载量，它为决策变量。在模型EP的基础上，设计出的模型TP如下:

在模型TP中，路线j的优化是遵循货物装载与路线优化同步的方式进行的。

2．1．2 单品种货物敏捷配送优化模型的求解

由于模型EP和模型TP均是非线性规划模型，使用启发式求解方式比较麻烦且困难。因而，借助于计算机编程来求解。求解算法如表1所示:

表1 模型EP、TP求解算法

2．2 粮油食品多品种货物敏捷配送优化模型的构建及求解

2．2．1 多品种自由拼货敏捷配送优化模型的构建

由于在粮油食品多品种货物中，货物的种类不是一种，而是多种，故单品种下针对各配送地货物的自由拼货方式在多品种货物敏捷配送优化模型中会受到各配送地需求量的限制。因而，只有对各个确定的配送地逐次进行优化才是可行之策。于是，本文考虑了在一批粮油食品货物总吨位为Q、可动用车辆数目为n、各配送地的需求量、货物种类均已知情况下的敏捷配送问题。

记bih为0或1选择变量。当bih=1表示派往配送地h的第i号车被选中，当bih=0表示第i号车没有被选中。

Qh表示配送地h的配送需求总量。

xihl表示第i号车驶往配送地h且装有货物l的数量，它为决策变量。

ui表示第i号车的载重吨位。

AL表示所有货物种类集合。

Lh表示配送地h的货物种类，它是所有货物种类AL集合的子集。

于是，设计出以空载率最小兼顾货物周转量极小化为目标，针对确定配送地h的多品种自由拼货敏捷配送优化模型APh:

如果货物不能拼车，这种情况在粮油食品物流配送过程中也较常见。于是，本文考虑了多品种限制拼货敏捷配送优化情况。

2．2．2 多品种限制拼货敏捷配送优化模型的构建

在粮油食品物流配送过程中，鲜活水产品与食品一般不进行拼车。但鲜活水产品可以拼车，食品可以拼车。如果存在不能拼车的情况，则必须对货物进行分组，可拼货的货物归并到一组中，这样就形成了多个能拼货的组。

遵循这一思想，在配送地h的所有货物种类集合Lh中，将 Lh集合细化为，记 K为最大可拼货组数，则表示第k组可拼货的货物种类。记为配送地h对第k组第l号货物的配送需求量，则为配送地h的

于是，在APh的基础上，设计出以空载率最小兼顾货物周转量极小化为目标，针对确定配送地h的多品种限制拼货敏捷配送优化模型RAPh:

根据分组的思想，模型RAPh在求解过程中需对各个分组货物进行优化。针对各个分组k(1≤k≤K)的优化模型简记为，它为RAPh的子模型，如下式所示:

2．2．3 多品种货物敏捷配送优化模型的求解

由于模型APh、RAPh主要是针对确定配送地h进行配送优化。它们也是非线性规划模型，本文仍借助于计算机编程来求解。具体的求解算法如表2所示。

3 算例分析

3．1 基本信息

为了更好地验证以上提出的4个通用模型及求解算法，给出了一个粮油食品配送方面的算例并进行了模拟。为节省篇幅，特将该算例中的粮油食品配送中心O及6个配送地信息、各配送地需求信息、货物种类信息列表，如表3所示，车辆信息如表4所示，各配送地之间的距离信息如表5所示。

表2 模型APh、RAPh求解算法

表3 粮油食品各配送地及配送需求信息、货物种类

表4 车辆信息表(单位:t)

表5 距离信息表(单位:km)

3．2 优化结果及分析

3．2．1 需求信息1情形下使用吨位序列1进行模拟

3．2．1．1 粮油食品单品种货物敏捷配送优化的模拟

在单品种下，假设在表3中不对货物进行分类，只模拟每个配送地的总量。记xih为第i号车对配送地h的配送量。

模型EP的模拟结果为:x12=5，x11=3，x26=8，x36=3，x35=2，x45=4，x44=1，x54=5，x64=2，x63=2。空载率为0%。

模型TP的模拟结果为:x12=5，x11=3，x26=8，x36=3，x35=2，x45=4，x44=1，x54=5，x64=2，x63=2。空载率为0%，货物周转量为4 945 t·km。

3．2．1．2 粮油食品多品种货物敏捷配送优化的模拟首先考虑多品种均能自由拼货的情况。记xihl为第i号车对配送地h货物l的配送量。

模型APh模拟结果为:x123=2，x122=2，x121=1，x111=2，x112=1，x264=4，x263=3，x262=1，x362=1，x365=1，x361=1，x354=2，x454=1，x453=2，x455=1，x444=1，x544=2，x543=3，x642=2，x632=1，x631=1。空载率为0%，货物周转量合计为 4 945 t·km。

针对模型RAPh，考虑货物1～3能拼货，货物4～5能拼货，但货物1～3和货物4～5不能拼货。遵循知识准则，分成2组进行模拟，RAPh模拟结果如下。

货物1～3装载结果为:x123=2，x122=2，x121=1，x111=2，x112=1，x263=3，x262=2，x261=1，x253=2，x343=3，x342=2，x932=1，x931=1。

货物4～5装载结果为:x464=4，x465=1，x554=3 ，x555=1 ，x544=1 ，x10，4，4=2

总空载率为0%，货物周转量合计为4 980 t·km。很明显，在粮油食品多品种货物限制拼货配送中，货物周转量上升了35 t·km。

3．2．2 需求信息2情形下使用吨位序列1进行模拟

3．2．2．1 粮油食品单品种货物敏捷配送优化的模拟

模型EP的模拟结果:为空载率为2．44%。

模型TP的模拟结果:空载率为2．44%，货物周转量为 5 530 t·km。

3．2．2．2 粮油食品多品种货物敏捷配送优化的模拟

模型APh的模拟结果为:空载率为2．44%，货物周转量为 5 530 t·km。

模型RAPh的模拟结果为:空载率为2．44%，货物周转量为5 590 t·km。

以上均为吨位序列1下的模拟结果，利用吨位序列2去重新模拟，并比较了两者的空载率和货物周转量。结果见表6。

在表6中可以发现，利用本研究算法，在不同的吨位序列下，空载率均较低，取得了良好的装载效果。特别需要说明的是，模型TP与模型APh的求解结果是一致的，这是因为粮油食品单品种货物的拼货方式无限制，与粮油食品多品种的自由拼货方式并无差异，特别在对以配送地为单位进行逐个优化时，它们的最优解是趋于一致的。而在模型RAPh中，由于设计了粮油食品存在限制拼货的情况，则在装载的时候车辆数量会有所增加(在粮油食品配送需求信息1下的模拟可看出EP、TP、APh模型的已动用车辆为第 1、2、3、4、5、6 号车，而 RAPh模型的已动用车辆为第 1、2、3、4、5、9、10 号车)，货物周转量可能也会上升。在吨位序列1和吨位序列2下的模拟结果均表明模型RAPh求解后的货物周转量有所上升，但上升的幅度很小，从而也支持了本研究算法的优越性。

表6 不同吨位序列下对不同粮油食品配送需求信息的配送优化

4 讨论与结论

配送优化模型与粮油食品具有较大的关联性。首先，无论是针对单品种或多品种的粮油食品配送问题，模型均是非常适用的，且均考虑到粮油食品配送的敏捷性，满足了粮油食品配送的时效性要求。其次，长期以来我国粮油食品配送成本过高是不争的事实，研究提出的配送优化模型及求解算法，更重要的是考虑了粮油食品配送过程中的空载率最小和货物周转量极小化等问题，并也考虑到已返程车辆的使用问题，从而在很大程度上能够起到降低粮油食品配送成本的作用。再次，本研究的粮油食品配送优化模型是以前辈学者们在该领域的研究为基础，在其基础上进一步做出的比较深入的研究，它能对粮油食品配送优化技术的发展起到一定的促进作用。

在提出了七大知识准则的基础上，研究了粮油食品单品种、多品种货物敏捷配送优化两大问题。针对第一大问题，分别设计了以空载率最小为目标的模型EP、空载率最小兼顾货物周转量极小化为目标的模型TP以及它们的求解算法。针对第二大问题，面对自由拼货与限制拼货两种情形，分别设计了以空载率最小兼顾货物周转量极小化为目标的模型APh、模型RAPh以及它们的求解算法。最后，通过算例分析表明，无论是针对粮油食品单品种还是多品种货物对象，在不同的车辆吨位序列下，敏捷配送优化后的空载率均较低，货物周转量也较小，这说明在知识准则支撑下的上述4个模型均取得了良好的装载效果，支撑了粮油食品物流敏捷配送方案快速生成和快速求解。

与国内同类研究相比，主要以知识准则为切入点，比较系统地研究了粮油食品物流敏捷配送优化模型。对国内粮油食品物流敏捷配送方式以及决策支持系统的研究和发展会起到较好的促进作用，而对于实际中非粮油食品企业物流的配送问题，也具有较强的参考价值。

［1］沈建福．粮油食品工艺学［M］．北京:中国轻工业出版社，2002:1－2

［2］温雅．食品企业物流外包的风险及其防范措施［D］．北京:北京交通大学，2007

［3］陈方建．应大力发展我国食品物流［J］．物流技术，2006(5):105－108

［4］王锋，甄彤，张校铭．我国粮食现代物流探析［J］．河南工业大学学报:社会科学版，2011，7(1):19－21

［5］鹿应荣．粮食物流系统优化研究［D］．吉林:吉林大学，2007

［6］沈欣．粮食物流园区规划与建设研究［D］．哈尔滨:东北农业大学，2010

［7］陈锦权．食品物流学［M］．北京:中国轻工业出版社，2007:9－10

［8］李军，郭耀煌．物流配送车辆优化调度理论与方法［M］．北京:中国物资出版社，2001:2－4

［9］Laporte G．The vehicle routing problem:an overview of exact and approximate algorithms［J］．European journal of operational research，1992，59(3):345 －358

［10］Osman I H，Christofides N．Capacitated clustering problems by hybrid simulated annealing and tabu search［J］．International transactions in operational research，1994，1(3):317－336

［11］张强，熊盛武．多配送中心粮食物流车辆调度混合蚁群算法［J］．计算机工程与应用，2011，47(7):4 －7

［12］Osvald A，Stirn L Z． A vehicle routing algorithm for the distribution of fresh vegetables and similar perishable food［J］．Journal of food engineering，2008，85(2):285 －295

［13］Chen H K，Hsueh C F，Chang M S．Production scheduling and vehicle routing with time windows for perishable food products［J］．Computers ＆ operations research，2009，36(7):2311－2319

［14］Broekmeulen R A C M．Operations management of distribution centers for vegetables and fruits［J］．International transactions in operational research，1998，5(6):501 －508

［15］毛禹忠．粮油食品配送中心定位的计算机决策支持选址研究［J］．中国粮油学报，2006，21(4):138－141

［16］Borghi D F，Guirardello R，Filho L C．Storage Logistics of fruits and vegetables in distribution centers［C］．The 10thinternational symposium on process systems engineering:part A，2009，27:1737 －1742

［17］Wijtzes T，Riet K，Veld JH et al．A decision support system for the prediction of microbial food safety and food quality［J］．International journal of food microbiology，1998，42(1):79－90

［18］曾力，李妍琰．基于GIS的粮食物流配送系统［J］．计算机与数字工程，2009，37(7):64 －67

［19］甄彤，张秋闻．基于GIS的粮食配送决策支持系统分析与设计［J］．计算机应用研究，2009，26(4):1398 －1401

［20］夏正茂，梁家荣．基于Rough集的物流决策支持系统的应用研究［J］．计算机应用，2006，26(S1):272 －274

［21］王富忠，沈祖志．物流敏捷调运决策支持系统的研究［J］．中国管理科学，2011，19(1):84 －90．

Study on Agile Scheduling Optimization Tech－nology of Cereals，Oils and Food Logistics

Wang Fuzhong1Liu Yunxia1Shen Zuzhi2
(School of Economics and Management，Zhejiang University of Science and Tech－nology1，Hangzhou 310023)
(School of Management，Zhejiang University2，Hangzhou 310058)

In the current foreign and domestic researches，some useful knowledge rules urgently need to be studied or proposed from theoretical and practical aspect，which can improve the distribution ability of cereals，oils and food logistics．The paper proposes seven knowledge rules which can support agile scheduling plan of cereals，oils and food logistics to produce and solve quickly，and based on these rules，the paper researches single type and multi－ type of goods optimization problems．By decomposing the problems into four optimization sub － problems，the paper constructs four general models and solving algorithms．The test example shows that the proposed algorithms in the paper has a low empty loading rate and freight turnover volume，and realize a good loading effect for single and multi－ type goods under different vehicles tonnage sequence．

cereals and oils and food logistics，agile scheduling，knowledge rules

F253．4

A

1003－0174(2012)02－0093－08

浙江省教育厅项目(Y200906407)，国家自然科学基金青年科学基金项目(70903021)

2011－05－28

王富忠，男，1976年出生，博士，物流管理