冷链物流配送路径优化研究

Abstract： At present， the distribution cost of cold chain logistics in China is very high， which greatly affects the development of the industry. This paper mainly adds refrigeration cost and damage cost to the traditional distribution path mode， and then builds the cold-chain logistics distribution route optimization model b深圳到晋城物流ased on time window. The experiment also proves that this method can well show the characteristics of cold chain logistics， but can also provide representative theoretical guidance for the actual operation of cold chain logistics.

Keywords： cold chain logistics； path optimization； time window； improved genetic algorithm

引言

如今，我的冷链物流模式和国外相比非常的落后，并且配送的成本也非常高，对产品的损耗也非常大，所以已经无法满足现代社会对冷链物流的需求。通过分析相关数据可以得出，我国冷链物流配送时，不同产品出现的损耗程度也是不一样的，如蔬菜类的损耗高达30%，肉类产品为12%，水产品即15%等，其损耗量可以说是排在了世界的第一位，损耗的产品就能够满足我国2亿人口的基本需求，导致每年的经济损失都高达上亿元[1]。虽然配送是整个冷链物流中最不能缺少的部分，但其技术的落后已经对行业的发展造成了影响。

1 遗传算法的基本原理

遗传算法可以说是一种利用检测和生成来进行搜索的算法。它主要是利用群体中所有的个体来当作操作对象，同时会回应每一个个体的问题，其中的具体操作有三个即变异、交叉、选择。如果使用Matlab7.0来编制算法模型的计算机程序，就能很好的解释配送问题的过程，同时会得到最佳的配送路径。相关人员要想解决现实存在的问题，即在算法中应该包含有以下几个要素：

第一，编码。我们都知道遗传算法是不能直接对空间的数据进行处理的，是需要利用编码来把他们转换成为基因性的数据。第二，评估的适应程度。该算法在搜索过程中是需要利用适应度来评估整体的方向，同时会把该数据当作是遗传操作的依据，适应度的函数一般选择非负数，这样才能保证其方向的一致。第三，选择。利用适者生存来作为原理，从群体中选择几个适应度较高的个体来产生新的群体，生命力越强的个体被选择的机会就越高，韶关到潮州物流但也不是说所有适应度高的个体都会被选择。

2 基于时间窗的冷链物流运输路径优化模型

2.1 模型建立

（1）模型及问题描述。如果假设冷链配送中心f需要为多个客户（N，N={1，2，…，n}）服务时，其配送的产品类型相同，客户i对于产品的需求量是gi，配送车辆的送货方向是相同的，即配送点每天都会派出k辆承重量为G0的车。另外，每一辆车在配送完成一个或者多个客户时便返回配送点，即车k的配送路径就是一条路径k，因此，k=1，2，…，K，而车辆的速度都是保持v速度行驶，每一个客户的地点也已经掌握，并且只能有被一辆车进行配送，需要让所有客户都能得到服务。

（2）构建模型。第一，即配送车辆的运输成本问题。运输的成本又细分为变动成本和固定成本，这里所说的固定成本是常数，和车辆的相关费用有关系，和配送的距离、客户的需求量等没有直接的联系。为了方便计算，在此计算公式里并没有把其考虑进来。变动成本和车辆的行驶距离是成正比的，因此，运输成本可以使用（1）、（2）公式来计算，具体如下：

Cy是配送的总运输成本，c是运输时间的费用，yi是车辆到达目的地i的时间，si是车辆在目的地i服务的时间，和需求是成正比的，tij是从目的地i行驶到目的地j的路程时间，G是车辆的指定重量，[ai，bi]是目的地i的服务时间窗。

第二，在配送时出现的货损成本。即需要冷链物流配送的产品其自身就有很多不能控制的因素，在配送的过程中会因为种种原因对产品本身造成影响，从而产生货损成本。构成货损成本的主要原因有以下两种：一是在配送的过程中因为长时间的波动导致产品受损；二是打开门卸货时导致产品受损。其中，η是冷冻产品的单价，η1是配送过程中产品受损的比例，η2是卸货过程中产品受损的比例，dij客户i到客户j的距离。

第三，配送时间超出的惩罚成本。换句话说，就是没能在规定的时间里完成配送服务，就会出现惩罚成本，该方法是使用软时间窗来计算惩罚成本。即配送的时间达到[t2，t3]时，在这一时间范围内是不会产生惩罚成本的，如果配送的时间在[t1，t3]时，其惩罚成本为a，如果配送时间是[∞，t1]、[t4，∞]时，其最大的惩罚成本是M。 第四，在配送时出现的制冷成本。冷链物流配送对于产品的要求是非常高的，即在配送的过程中一定要保持产品处于低温冷藏的环境中，因此就会产生很高的制冷成本[3]。在制冷成本里还包含有装卸货的制冷成本和运输过程中的制冷成本，而运输成本和配送时间是成正比的，装卸货时产生的制冷成本主要是打开车门之后产生的，因此，相关人员只需要计算打开车门时的制冷成本即可。

另外，Gt代表的是车辆的热负荷，0则是正常数，是代表车辆车厢的变化程度，R则是热传导率，单位为（W/（m2・K））；S是车体的正常表面积，而S=Sw、Sn、Sw是表面积，Sn是内表面积，单位都是相同的，即m2；ΔT=Tw-Tn。车辆的配送总行驶时间的表示单位是K；t，p是制冷成本，Gs则是打开车门损失的热负荷，V是车厢的面积，β是开门的程度。

2.2 算法设计

2.2.1 编码方式

本文主要使用的是自然数编码的方式来进行，是构造问题解向量的染色体结构。其中每个染色体的长度都是n+m+1，即：G=（1，i11、i12、∧、i1t、1、i21、i22、∧、i2t、1、iml、im2、∧、imt、1），这里主要代表的是一条具有可行性的配送路线。该方式的含义为：当第m辆冷链配送车从（0）开始出发，随后完成了上述的配送路线之后又回到了（0），这自然就形成了一个子路线，而m则是反复的，一直到完成所有的需求点。

2.2.2 遗传算子韶关到黑河物流设计

第一，即选择算子。相关人员在操作的过程中，其应该要选择质量比较高的个体，而那些比较劣质的个体应该适当的放弃，这样才能让群体中的适应数值得到提升，从而提高配送的质量，在操作中选择的概率函数为：

第二，即变异算子和交叉算子。这里所说的变异操作主要是模仿生物发生突发状况，其突然变成另外一种生物的状态，这样可以让相关人员在收敛时保持住它自身的灵活性。而变异概率函数和交叉概率函数为：

在这里，fnax是群体里最大的一个适应值，而favg则是群体里的平均适应值，f'是需要进行交叉的群体中，其相对比较大的适应值，f是变异个体的适应值。其计算函数是采用上述的（16和17）来计算，随后会得出两个适应度计算Pc和Pm，最后相关人员从中选择一个最大的数即可。

3 算例证

为了验证遗传算法的真实性和有效性，该验证主要以福州某冷链物流运输公司为当地市区客户配送路径为例。该配送中心需要为市区内的十家客户展开配送服务，根据配送单位提供的资料，其配送的货物都是当地超市每天都会出售的新鲜蔬菜，而为了保证蔬菜的质量，防止出现串味的情况，其保持的时间应该在12小时之内。如果室外的温度已经超过20℃时，其冷藏车里的温度就应该保持在2℃-14℃之间，如果室外的气温低于20℃时，则可以通过常温进行配送。另外，如果配送单位是采用小型货车来进行运输时，其运输的能力则为4t，假设所走的每一条路径都是正常的，并且配送车辆的平均行驶速度一直保持在35km/h时，其配送单位的运输成本约为2元/公里。因此，配送单位在不超过车辆运输能力的同时，其可以合理的规划配送路线。

综上所述，因为考虑到在冷链物流配送时一定会产生很多成本问题，如制冷成本、货损成本、车辆的固定成本、运输成本、违约惩罚成本等等，这些方面的问题也是需要相关人员进行深入分析的。本文主要以总成本为最小目标的冷链物流配送优化模式，通过一系列的算式和验证可以得知，该配送模式不但是冷链物流配送的最佳途径，还能很大程度的减少配送成本。因此，该配送模式是值得推广和使用的，可以让冷链物流配送变得更加科学、更加规范。