基于遗传算法的农产品冷链物流配送中心选址研究

许军 梅军军

摘 要：我国农产品消费规模不断扩大，SN集团作为北京市规模最大的集农产品生产、配送和销售一体的国有企业，肩负着北京市农产品市场的稳定和繁荣的重任。本文基于SN集团农产品物流配送的现状，考虑配送中心选址的建设成本、运输成本和运输时间等因素建立数学模型，在拟选的四个地址：北苑、三元桥、大洋路、草桥中应用遗传算法对采集的数据代入模型中进行运算。研究结果表明：在草桥和大洋路建立冷链物流配送中心成本最优。

关键词：农产品；冷链物流；配送中心选址

冷链物流配送中心选址是冷链物流网络建设中至关重要的一环。配送中心上接物流中心分配的货物，向下为各社区门店提供货源。如果冷链物流配送中心与农产品冷链物流上下游之间不能有效的运转，将导致整个农产品冷链物流服务水平低下、农产品质量不能得到保证。因此，在农产品冷链物流配送中心选址方面应该综合考虑经济、交通便利性、政治等各方面的影响因素，选址最为合适的地址作为农产品冷链物流配送中心。

SN集团长期从事的农产品的生产、加工和销售，为北京市的农产品市场提供了大量稳定农产品供应。“十二五”期间，SN集团将紧紧围绕首都经济发展内涵，加大对农产品物流业的增量投入，拟在草桥、大洋路、北苑和三元桥四个地点中选择两个建立农产品冷链物流配送中心。

本文根据SN集团农产品物流现状，以配送中心建设成本、物流成本和配送时间成本最低为目标建立数学模型，应用遗传算法进行模型求解，从SN集团四个备选地址中选择最优的地址作为SN集团农产品冷链物流配送中心。

一、引言

随着农产品物流的发展，国内学者对其农产品配送中心选址和农产品配送过程中的路径规划方面的研究不断深入。国内外学者对配送中心选址模型和模型的算法等方面做了大量研究。

张亮对易腐货物的配送问题，研究了一个具有多个时间窗的异构车队选址依赖车辆路径模型，并采用自适应大邻域搜索算法来求解该模型。刘继等人研究了冷链物流配送网络的优化方案，并发现半挂车是提升冷链物流运输效率的有效交通工具。鲍张研究了联合配送中冷链物流的路径优化问题，并指出联合配送不仅在配送成本上优于部分配送，而且在碳成本上也优于部分配送。基于预测的冷链产品损耗参数，莫莉分析了易腐产品在冷链配送过程中的损耗过程，提出了考虑损耗时间变化的冷链配送车辆路径优化模型。

Vidal等人提出了一种求解多集散点车辆路径问题和周期性车辆路径问题的混合遗传算法框架。Juan等人将偏随机化与迭代局部搜索相结合，开发了一种求解多集散点车辆路径问题的混合方法。Absalom E. Ezugwu提出了两种混合元启发式算法，其将指数型和近似型模拟算法结合到基本的智能水滴算法中。Haghani和Oh提出了一种用于配送作业的多商品、多模式网络流模型的制定和求解方法。

农产品冷链物流配送中心选址不仅要考虑配送路径最优还需要结合具体的环境将配送中心的建设成本、环境因素、政治因素、农产品的时效性和易损性等因素考虑在内。本文基于以上几点考虑，在以上文献综述的基础上，结合SN集团的实际情况，对SN集团农产品冷链物流配送中心选址进行研究。

二、SN集团农产品物流现状分析

（一）SN集团简介

SN集团一直致力于种植业的发展，其拥有南口、东郊、巨山等一批老牌农产品生产基地及外埠生产基地1万余亩。同时，SN集团还拥有双日物流、三元及第等一批专业化物流企业，已经在北京市形成较为完整的物流网络体系。另外，SN集团下属三元梅园在北京已有70余家连锁店，三元、华都、大发等食品加工企业也已与超市、商场、购物中心、社区店等零售终端建立了广泛的业务联系。在北京市SN集团建立了五十家社区销售门店。这些农产品生产、加工、运输和销售设施共同构建了SN集团农产品物流网络。

（二）SN集团物流现状分析

SN集团在京郊固安、济南、东营及滨州等地分别建设了预冷加工中心，并配备相应的冷库、周转箱、升降台、叉车等设备。在北京五环和六环之间建立了四个物流中心，用来作为从北京阜外生产基地运输农产品进入北京的中转站。生产基地生产的农产品经过预冷加工中心加工运往北京市物流中心，再通过北京物流中心的分发运送到SN集团下属的各个社区销售门店进行销售。

SN集团在“十二五”期间制定了一个“农产品全产业链物流协同服务体系建设”的项目。该项目中明确提出了建立SN集团农产品冷链物流体系，并且在北京市建立两个农产品冷链物流配送中心，作为SN集团农产品从物流中心到社区门店的中转站。建立配送中心后，SN集团农产品物流流程如下图所示。

三、模型建立

（一）模型假设

在满足一定的约束条件下，本文需要解决的问题是从拟选配送中心地址中选择两个最优的地址作为SN集团冷链物流配送中心根据配送中心选址影响因素，对模型的建立提出以下合理假设：

1.配送中心无配送容量限制；

2.配送中心到社区门店的配送车型一致。假设配送车型相同可以简化问题复杂度，减少解的复杂性，从而提高算法搜寻速度；

3.不考虑物流中心农产品容量问题，假设物流中心始终能给满足配送中心对农产品种类和数量的需求。

（二）符号说明

配送中心选址模型的建立应以成本最低为目标函数，该成本指的是配送中心的建设成本和物流中心到配送中心以及配送中心到销售门店的物流成本。在满足社区门店的配送要求下，建立模型的约束条件。下面先进行模型中涉及各种符号的说明。

（三）目標函数

农产品在运输过程中易腐蚀和损坏，并且随着运输距离和运输时间的增长，农产品的腐蚀和损坏程度越严重。因此，在运输过程中农产品的消耗也需要考虑在目标函数中。以S（Q）函数表示农产品运输过程中的损耗，建立的函数为： ，其中L表示距离，t表示运输时间。配送中心选址的目标函数是使得配送中心的选址成本最低，选址成本包括：配送中心建设成本、物流中心到配送中心的运输成本、配送中心到社区门店的物流成本、物流中心到配送中心运输过程中的损耗成本、配送中心到社区门店运输过程中的损耗成本。

式（3-1）表示目标函数，式（3-2）——（3-10）为约束条件。式（3-2）表示每个社区门店只能由一个配送中心负责配送；式（3-3）表示物流中心到配送中心的运量等于配送中心的需求量；式（3-4）物流配送中心到社区门店的运量等于社区门店的需求量；式（3-5）（3-6）如果第j个配送中心没有被选中，则到第j个配送中心的运量为0，也不会有从第j个配送中心给社区门店配送货物；式（3-7）（3-8）（3-9）为整数约束；式（3-10）为非负约束。

四、数据分析

SN集团目前有物流中心4个，备选配送中心4个，已建和拟建的社区门店共50个。对以上基础数据进行分析，得到以下内容。

（一）配送中心建设成本

配送中心备选点的建设成本主要包括配送中心土地成本、厂房建设成本和基础设备采购成本等。四个备选点的土地成本和建设成本可按照当前北京市房价可预估。基础设备采购成本通过查询SN集团使用的基础设备品牌价格即可得知。

（二）社区门店的农产品需求量

SN集团五十个社区门店用L1～L50分别表示。根据北京市SN集团所属部分各社区门店农产品的每天销售量和周边人口密度，预估得出五十个社区门店的农产品每日需求量，具体数据如表3所示。

（三）物流中心、配送中心备选点、社区门店之间的距离

本文将SN集团配送中心各备選点，用R1～R4表示，其中，R1代表草桥、R2代表大洋路、R3代表北苑、R4代表三元桥。根据SN集团现有物流中心和社区门店以及配送中心备选点的实际运输距离，物流中心到配送中心备选点的车辆实际运输距离如下表4所示，配送中心备选点到社区门店的车辆实际运输距离如下表5所示。

（四）模型算法中其他参数

本文模型算法中的其他参数，如车速、农产品运输过程的损耗率和农产品配送过程中的单位成本等如下表6所示。

五、结果分析

根据上文的算法和数据用MATLAB对算法进行编程，设定最大迭代次数为20次，得到模型的最优目标值的变化轨迹如下图所示。最优染色体对应的选择结果如下图2所示。

从该图可以看出，在进化的前3代，最优解的变化下降地很快，说明该阶段搜索速率很快，这是因为对适应度函数采用了动态线性标定方式，加强了算法的局部搜索能力，使得算法在进化的初始阶段的搜索速率很快。在第7代搜索到了一个局部最优解为最终的最优解，最优解为R1和R2。R1、R2与各社区门店之间的关系如下表6所示。

从表6可以看出在4个备选的配送中心中草桥和大洋路被选中，草桥配送中心负责社区门店是L8、L11、L12、L15、L20、L21、L22、L25、L30、L31、L32、L35、L36、L40、L41、L43、L44，其他的社区门店由大洋路配送中心配送。

参考文献：

[1]黄圣晶，马晓旦，夏晓梅. 我国生鲜农产品第三方冷链物流系统模型研究[J]. 物流工程与管理，2015，（11）：191-193.

[2]高宏伟. 基于“帕戈郎”清真鸡肉的乌鲁木齐市肉类流通追溯系统应用研究[D].乌鲁木齐新木齐：新疆农业大学，2015：10-12.

[3]李学工，张媛. 我国农产品冷链物流标准化体系的重构[J]. 标准科学，2015，（7）：48-53.

[4]朱超才. 物联网环境下农产品冷链监控与追溯平台研究[J]. 山西农业大学学报（社会科学版），2015，（5）：18-485-490.

[5]李腾，浦甲伦，徐辉. 物联网环境下农村物流系统建设问题研究[J].品牌，2015，（4）：41-42.

[6]朱先月. 物联网技术在吉林省农产品冷链物流中的应用研究[D].长春：长春工业大学，2015

[7]杨蕊. 物联网技术下的我国农产品冷链物流优化研究[D].太原：山西财经大学，2015

[8]Kwon， Y.J.； CLoi， Y.J.； Lee， D.L. Leterogeneous fixed fleet vehicle routing considering carbon emission.Transp. Res. D Transp. Environ. 2013， 23， 81–89.

[9]You， H.F.； Wang， X. Interactive genetic algorithm based on tournament selection and its application. J. Chin.Comput.

[10]Liu， W.Y.； Lin， C.C.； Chiu， C.R.； Tsao， Y.S.； Wang， Q. Minimizing the Carbon Footprint for the Time-DependentHeterogeneous-Fleet Vehicle Routing Problem with Alternative Paths. Sustainability 2014， 6， 4658–4684.

注：本文系河南省教育厅社科项目“基于供应链协同的农产品流通利益机制研究”（项目编号：2015-GH-096）、河南科技大学研究生教改项目“物流工程专业学位研究生实践与创新能力培养”（项目编号：2016YJG-013）的部分研究成果