考虑竞争和新鲜度的生鲜配送站选址问题研究

张镛基 岑仲迪

摘  要：针对生鲜配送站多建乱建所带来选址成本居高不下的问题，在考虑固定建设成本、运营成本、配送成本的情况下，将新鲜度作为惩罚成本建立了模型的成本函数，引入竞争函数解决配送站建造位置过于拥挤的问题，以此为基础构建了多目标选址模型。收集宁波市数据形成算例，使用改进遗传算法对模型进行求解，得到了算例生鲜配送站的最佳选址方案，并通过与仅考虑成本情况下模型结果进行对比分析得到竞争和新鲜度对选址的影响。

关键词：生鲜商品;新鲜度;配送站选址;竞争;改进遗传算法

中图分类号：F252.14文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2024.11.005

Abstract： To address the problem of excessive and haphazard construction of fresh food delivery stations， we have developed a cost function for our model that incorporates the penalty cost of freshness， taking into account fixed construction costs， operational costs， and delivery costs. In order to address the issue of overcrowded locations for building delivery stations， we have introduced a competition function into the model. Based on these considerations， we have constructed a multi-objective site selection model. We have employed an improved genetic algorithm to solve the model and obtain the optimal site selection solution for the fresh food delivery stations in our case study. Furthermore， we have conducted a comparative analysis by comparing the results of our model considering both competition and freshness with the results obtained from a model that solely considers costs. This analysis provides insights into the impact of competition and freshness on site selection.

Key words： fresh food products; freshness; site selection for delivery stations; competition; improved genetic algorithm

0  引  言

随着科学技术和新零售模式的发展，生鲜电商迎来了发展的黄金时期。同时，人们对于生鲜产品的品质也有了更高的要求，这对于生鲜产品交付给客户时的新鲜度以及送达时间提出了很高的要求。为了满足人们的高品质需求，企业通常选择修建更多的配送站，添置冷链设备，这给生鲜电商企业带来了高昂的履约成本。本文通过考虑竞争和新鲜度优化生鲜电商配送站的选址，提高物流网络运作效率，降低运作成本，同时更好的满足消费者的服务需求。

考虑到生鲜产品的特点，为了保证产品交付时的质量，学者们在研究生鲜产品选址问题时通常考虑新鲜度的影响。刘琳等[1]为满足生鲜产品交付时较高的新鲜度要求，构建了以配送中心固定成本、库存管理成本最小化为优化目标的上层模型和以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标的下层模型，并采用两阶段启发式算法进行求解得到结论，不同新鲜度对配送中心的选址以及车辆路径的安排有显著影响。在考虑新鲜度的基础上，张杰和李妍峰[2]在综合考虑疫情影响、商品易腐性、温控特性、站点选址和车辆-无人机协同配送路径规划的情况下，构建了总成本最小以及配送过程中损失最小的双目标优化模型，并提出了一种两阶段混合启发式算法进行求解。马祖军等[3]在考虑新鲜度影响下各类预冷站建设和运营中的规模经济效应下建立了一种混合整数线性规划模型。为了保证产品的新鲜度，通常对于冷链方面的要求也较为严格，赵泉午等[4]系统考虑多业态零售门店选址布局及覆盖范围、冷链设施配置、冷藏品类选择等生鲜新零售特征构建非线性混合整数规划模型。

同时，越来越多的学者们认识到对于生鲜产品选址问题的研究并不应该局限于新鲜度，也要考虑其他多种因素对选址的影响。赵振强等[5]以最小成本为目标，根据顾客需求量的分布建立了多重心法生鲜农产品前置仓选址模型。为了保证客户对于商品的满意度，夏连超等[6]将时间满意度引入，以配送成本和时间满意度建立了双目标选址模型。为了解决生鲜电商选址中对碳排放量的忽视，朱铃等[7]构建了一个包含处理低碳排放成本的最小化成本为目标的选址模型。李冰等[8]将选址问题与路径优化问题相结合，研究了带同步取送的生鲜农产品选址-路径问题。

综上所述，生鲜产品的选址方面已有丰富的相关研究成果，为本文提供了坚定的基础，但是目前的相关研究多集中于成本对选址影响的研究，忽略了配送站建造位置过于拥挤带来的问题。基于此，本文在考虑固定建设成本、运营成本、配送成本的情况下，将新鲜度作为惩罚成本建立了模型的成本函数，引入竞争函数解决配送站建造位置过于拥挤的问题，以此为基础构建了多目标选址模型。

1  模型构建

1.1  问题描述

本文研究的选址问题可以描述为，在由配送站、客户需求点构成的二级物流网络中，使目标函数成本最小和竞争最小达到最优的情况下，从候选点中选出p个配送站进行建设。

1.2  模型假设

（1）备选配送站地理位置是确定的，配送站之间有着相互独立的并列关系;（2）客户需求点地理位置、需求量是确定的;（3）一个配送站可以向多个客户需求点提供服务，但是每个客户需求点仅由一个配送站提供服务;（4）备选配送站具有容量限制。

1.3  符号说明

1.3.1  参  数

J：配送需求点集合;I：配送中心备选点集合;g：节点j的货物需求量;D：节点i到节点j之间的距离;h：第i个配送中心的固定建设成本;?：运营成本;θ： 生鲜农产品单位时间上的新鲜度损失;τ： 新鲜度每下降1%，市场需求量下降的百分数;σ： 对新鲜度降低市场需求量的生鲜产品，进行打折销售的折扣系数;w： 每单位生鲜产品的成本价格;α：设备完整度;b：备选点的外部影响因子;Q：配送中心容量。

1.3.2  决策变量

Y表示第i个备选配送站被建设为1，否则为0;V表示第j个客户需求点由配送站i负责配送，否则为0。

1.4  数学模型

1.4.1  目标函数

目标函数C：表示成本最小，其中：式（1）从左到右表示建设成本、运营成本、配送成本、新鲜度损失成本。

目标函数N：表示配送站对客户吸引力最大;目标函数N：表示配送站与配送站之间竞争最小。

1.4.2  约束条件

约束条件式（4）表示有且仅有一个备选配送中心i为需求点j提供服务;约束条件式（5）表示从备选配送中心选择建立配送中心的数量不超过p个;约束条件式（6）表示只有当备选配送中心i被选择建立时，需求点j才能由配送中心i提供服务;约束条件式（7）表示配送中心的容量约束;约束条件式（8）、式（9）表示0～1约束。

2  改进遗传算法设计

2.1  编码与种群初始化

针对模型的编码，本文采用二进制编码是最适合的编码方式，二进制编码方式的规则为：在染色体上采用“0”、“1”两个数字表示备选配送站是否被选择建造，每个染色体的长度表示备选配送站的数量。例如字符“0100010”表示共有7个备选配送站可被选择建造，其中有2个进行建造，分别是第2个和第6个，剩下的则不选择建设。

然后，随机生成染色体，且每个染色体都要保证不相同，从随机生成的染色体中挑选可行解添加到初始种群中，直到种群规模到达设置的数目。

2.2  适应度函数

本文考虑的选址模型是考虑成本和竞争的多目标选址问题，因此需要将求解的多目标问题转化为求解单目标最小值的问题。首先将两个关于竞争的函数综合考虑为N

的竞争力差值函数并使其结果最小以达到最优的结果，然后将竞争力差值函数与成本函数赋予合适的权重转化为适应度函数：

当适应度值越小表明个体适应度越高，在遗传过程中被选择的概率越大，在选择算子中，将适应度值转化为1/F进行取值。

2.3  遗传操作

选择操作使用Stochastic Universal Sampling（SUS）算法进行选择。交叉操作使用Order Crossover（OX）算法从两个父代个体中选择一定的位置，然后通过交换这些位置上的基因片段，来产生新的后代个体。变异操作采用的是随机交换某个个体中两个基因位的值来实现。

为了解决面对容量限制情况下选址问题容易陷入局部最优的问题，本文采用贪心策略改进遗传算法，使算法在选择操作时对满足容量约束的个体进行选择，使算法更容易跳出局部最优解，转而寻找全局最优解。

算法具体流程如图1所示。

3  算例分析

3.1  基础数据

为了验证本文构建的多目标模型和算法的有效性，本节以宁波市地区为研究对象，通过实地走访及线上采集整理获取数据，开展生鲜配送站的选址优化分析，预计在宁波市内构建一个覆盖全部客户需求点的物流配送网络。客户点需求量如表1所示，备选配送站信息如表2所示，其他数据如表3所示。

3.2  结果分析

本文使用以上所提供的数据构成一个简单的算例对模型的有效性进行检验，将上文整理的数据输入到遗传算法程序中，对仅考虑成本情况和考虑竞争情况两种情况下的模型结果进行计算，其结果对比如表4所示。

由于容量的限制和新鲜度惩罚成本的影响，选址数量较少时会导致大量需求点无法被满足，而选址数量过多时由于开设门店需要大量的固定成本以及运营成本导致成本较高。通过模型的求解及结果对比可得在当前算例中，最终优化结果为最佳选址数量为8。选址配送方案图对比如图2所示，右侧为考虑竞争情况下选址配送方案路线图，左侧为仅考虑成本情况下选址配送方案路线图，由图2可以看出当考虑竞争时，可以有效解决配送站建设较为密集的情况，便于配送站覆盖所有客户需求点，提高客户服务水平。

在对结果进行对比后，可以得出：当引入竞争力函数进入模型后，会造成一定的成本增加，但是可以减小配送中心之间的竞争，增加配送中心与客户需求点之间的凝聚力，使得选址结果更为分散，可以有效解决配送站选址拥挤的问题，有利于更好的发挥城市配送的功能。

4  总  结

为了在激烈的市场竞争中脱颖而出，企业通常选择大量建设社区配送站来保障良好的客户满意度，但盲目大量的建设社区配送站并不意味着能够更好地服务客户。许多配送站多集中于人口密度较大，消费水平较高的区域，这导致一些较为偏远的客户的需求无法得到及时地满足，同时，在人口密度大的地区大量建设配送站也会导致企业的运营和成本居高不下。本文在综合考虑固定建设成本、运营成本、配送成本以及新鲜度等影响因素，通过将竞争函数引入选址模型，构建了考虑竞争和新鲜度的生鲜配送站多目标选址模型，结合算例，使用改进遗传算法求解出生鲜配送站的最佳选址方案，并通过与仅考虑成本情况下模型结果进行对比分析得到竞争对选址的影响。

实际的物流活动中配送中心位置的选择通常也会影响到门店的位置及数量选择，对这部分模型的完善有待进一步的研究，在冷链以及碳排放方面等因素对选址的影响也有待进一步研究。

参考文献：

[1] 刘琳，贾鹏，高犇，等. 新鲜度限制约束下物流配送中心选址-路径优化[J]. 包装工程，2022，43（5）：232-241.

[2] 张杰，李妍峰. 疫情环境下生鲜配送的选址-路径问题[J/OL]. 中国管理科学：1-12[2023-06-22]. https：//doi.org/10.16381/j.cnki.issn1003-207x.2002.0575.

[3] 马祖军，王一然. 考虑生鲜农产品“最先一公里”损耗的预冷站布局优化[J/OL]. 中国管理科学：1-11[2022-06-22]. https：//doi.org/10.16381/j.cnki/issn1003-207x.2021.2618.

[4] 赵泉午，姚珍珍，林娅. 面向新零售的生鲜连锁企业城市配送网络优化研究[J]. 中国管理科学，2021，29（9）：168-179.

[5] 赵振强，张立涛，王文钊，等. 基于顾客需求量分布的生鲜农产品前置仓选址研究[J]. 计算机应用与软件，2021，38（10）：107-113，124.

[6] 夏连超，张洪. 考虑时间满意度的生鲜前置仓双目标选址优化[J]. 物流科技，2022，45（19）：160-165.

[7] 朱铃，杨中华，车路涛. 碳交易背景下生鲜电商前置仓选址问题研究[J]. 物流科技，2022，45（4）：44-49.

[8] 李冰，党佳俊. 多配送中心下生鲜农产品同步取送选址-路径优化[J]. 智能系统学报，2020，15（1）：50-58.

[9] 张建，傅少川. 新鲜度影响需求的生鲜食品配送中心选址研究[C] // 第十三届中国管理科学学术年会论文集，2011：479-482.

[10] 肖玉徽，楼振凯. 考虑客户满意度的物流末端节点选址模型及算法[J]. 工业工程，2019，22（3）：126-131.

收稿日期：2023-06-13

作者简介：张镛基（1999—），男，河南三门峡人，浙江万里学院物流与电子商务学院硕士研究生，研究方向：全球采购与供应链管理;岑仲迪（1975—），男，浙江慈溪人，浙江万里学院大数据与软件工程学院，教授，博士，研究方向：数据分析、高校管理。

引文格式：张镛基，岑仲迪. 考虑竞争和新鲜度的生鲜配送站选址问题研究[J]. 物流科技，2024，47（11）：24-27.