綠色冷鏈物流路徑優化問題研究

高曉巍

綠色冷鏈物流路徑優化問題研究

高曉巍

綠色冷鏈物流是社會經濟發展和人們生活質量提高的重要保障。在一般的冷鏈物流路徑優化研究中多以冷鏈產品的特點、客戶滿意度和企業的各項成本建立模型，本文在此基礎上綜合考慮了碳排放因素，將運輸成本、碳排放成本，時間窗懲罰成本融入到優化模型中。在目標函數的求解過程中，通過引入多樣性變異操作，改進QPSO算法，增強群體的多樣性，避免算法陷入早熟。經Matlab軟件的編碼求解，實驗結果表明改進的QPSO算法對綠色冷鏈物流優化路徑的選擇與配置具有更好的穩定性和收斂速度。

綠色冷鏈物流；路徑優化；變異操作；QPSO算法

一、引言

隨著人們生活模式的轉變，生活節奏逐步加快，冷鏈產品的銷售比重迅速增加，這為冷鏈物流的發展提供了有力的契機。然而，隨著冷鏈物流的蓬勃發展，在運輸途中產生的燃油消耗及尾氣排放所形成的環境污染問題也突顯出來，綠色物流成為現代物流可持續發展的必然產物，是物流企業增強國際競爭力的重要保障。研究者紛紛將碳排放問題引入到物流運輸路徑優化問題中，如王鈺青等人將配送車輛的行駛路程、載重量及CO2排放量綜合體現在目標函數中，通過算例證實與傳統模型比較廣義TSP模型更具可行性和優越性。呂品在配送中心選址和配送路徑優化兩個階段的模型中分別考慮碳排放問題，經模型的配合使用,解決了物流網絡優化中的多種決策問題。Elhedhli等人在物流配送選址問題中引入碳排放成本,通過凹函數表達運輸車輛的碳排放與載重量之間的關系,驗證結果表明引入碳排放因素使供應鏈獲得更優配置。楊珺等人建立了基于碳排放的多容量等級配送中心選址模型，研究表明低碳排放條件下的企業選址呈更大的集中式結構，并分析總結了不同碳排放政策對企業物流配送模式，運營成本及CO2排放量的影響，促使企業將環境生態意識融入到企業運營管理之中。從目前的研究來看，在冷鏈物流運輸路徑優化問題中考慮碳排放的文獻較少，本文在冷鏈產品的物流運輸配送問題中，考慮運輸成本、時間懲罰成本的基礎上綜合考慮了碳排放成本，并通過QPSO算法改進驗證模型對于解決冷鏈物流配送路徑問題的可行性和有效性，以滿足節能減排，打造綠色物流，發展綠色經濟的社會需要。

二、問題描述

冷鏈物流是指生鮮食品在現代化制冷技術的保障下，為確保食品品質、減少價值損耗所進行的加工、儲藏、運輸、銷售等集成化、一體化的物流服務。優化冷鏈產品的配送運輸路徑，降低運輸成本成為物流企業提高經濟效益、增強企業競爭力的關鍵。

車輛運輸路徑問題描述為在一定的約束條件和范圍內，將冷鏈產品通過儲運的方式實現在多個配送中心與供給客戶之間的空間位移，并使包含運輸成本，碳排放成本及時間窗懲罰成本三個要素在內的目標函數最優化。

假設客戶與配送中心的位置信息已知，供給客戶的貨物需求量已知；每位供給客戶均能得到配送服務，但僅能由一臺儲運車輛完成；儲運車輛完成配送服務后返回原配送中心；每臺儲運車輛的載重量一定，配送線路上的總需求量小于單車的容量。

三、數學建模

（一）碳排放成本

碳排放主要來源于儲運途中的燃料消耗，與配送距離及載重量密切相關，計算公式如下：

1.單位距離的燃料消耗量U與承載量v之間的函數關系為

2.單位距離空載的燃料消耗量表達為

3.單位距離滿載的燃料消耗量表達為

上述三式聯立可得

其中U為單位距離的燃料消耗量；V滿載重量；V0為空載重量；v為實際裝載量。

在配送運輸過程中，配送節點i，j之間碳排放成本為

其中l0表示CO2的排放系數；C0表示單位碳排放成本；vij表示配送節點i，j之間的載重量；U(vij)表示單位距離燃料消耗量；dij表示配送節點i，j之間的距離。

（二）時間窗懲罰成本

基于冷鏈產品易腐蝕且生命周期較短的特點，配送服務無論提前或延遲，都會對冷鏈產品產生一定的影響，其中因配送服務提前產生的機會成本損失為f1(I1-T1)，因配送服務延遲產生的懲罰成本為f2(Ti-Ji)。

在冷鏈產品配送過程中產生的時間窗懲罰成本表示為

（三）數學模型

假設某冷鏈物流企業有m個配送中心，共計h輛載重量為p的儲運車輛，向n個需求量為q的門店提供冷鏈產品的配送服務,客戶編碼為1，2，3…..n，配送中心編碼為n+1，n+2……n+m。

綜合考慮運輸成本、時間窗懲罰成本及碳排放成本的綠色冷鏈物流路徑規劃模型如下：

1.目標函數其中K1 為車輛的單位運輸成本，K2 為冷鏈產品的價格，Y為客戶的總需求量，為平均貨損率。

2.約束條件

（1）儲運車輛配送服務限定在時間窗范圍內

（2）一個門店僅由一輛儲運車輛提供配送服務

其中當客戶j由第k輛車配送時，zjk=1，否則zjk=0

（3）一條配送路線上客戶的總需求量不超過儲運車輛的最大載重量

qj為客戶j的需求量，pk表示第k輛車的最大承載量。

四、基于QPSO算法的冷鏈物流運輸路徑優化

量子粒子群算法（QPSO）從量子力學理論出發，建立δ勢阱模型，使得受到束縛的粒子能夠以一定的概率密度分布出現在搜索空間中的任何一點從而達到全局搜索。但QPSO算法在進化過程中群體的多樣性逐漸降低，差異性減少，致使算法容易陷入早熟。

（一）QPSO算法

在有n個粒子的M維目標搜索空間中，粒子經第t次迭代后的位置向量表示為粒子個體最好位置為，以最小優化問題minF(X)為例表示為

粒子的進化方程為:

一般的，參數γ從1.0線性遞減到0.5的效果較好。

（二）多樣性變異策略

針對QPSO算法在進化過程中群體的多樣性逐漸降低的特點，將多樣性變異操作與QPSO算法結合起來，提高QPSO算法的全局搜索能力。

多樣性測量公式表示為：

其中δ是搜索空間的最大直徑的長度。

當dt＜dlow時，執行以下操作，

其中ζ～N(0,1)，當ρ≥10dlow時，dt滿足dt＞dlow。

（三）QPSO算法設計

QPSO算法實現流程如下：

步驟1：初始參數設定：種群規模為N，迭代次數T，對粒子進行編碼；

步驟3：利用公式（7）計算粒子平均最好位置；

步驟6：利用公式（8）檢測群體的多樣性，若dt＜dlow，則利用公式（9）進行變異，更新p并計算其適應值；

步驟8：轉步驟3繼續迭代，至迭代次數T結束。

五、仿真實驗結果與分析

假設某冷鏈物流企業由2個配送中心向該地區的16個門店提供冷鏈產品的儲運服務，配送中心及門店的編碼與位置信息如表1、表2及表3所示：使用Matlab7.0軟件分別對QPSO算法及改進QPSO算法進行計算機仿真實驗，結果表明兩種算法均具有可行性，所得儲運車輛的運輸配送路線圖如下：

所得有效路徑為

配送中心1的車輛1：17→14→11→5→9→17

配送中心1的車輛2：17→16→3→7→17

配送中心2的車輛3：18→8→13→4→18

配送中心3的車輛5：18→12→15→6→18

配送中心3的車輛6：18→2→10→1→18

仿真實驗結果如下：

六、結論

在經濟全球化發展的今天，消費者不僅關心冷鏈產品的質量與安全，更關心生態環境的保護與改善，這為冷鏈物流的發展提出了更高的要求。研究冷鏈產品的儲運優化路徑，是提高物流企業競爭力及消費者滿意度的關鍵。本文從現代綠色物流管理理念出發，將冷鏈產品的運輸成本、CO2排放成本及時間窗懲罰成本綜合體現在目標函數中，使得算法的研究與實現更符合打造綠色物流，發展綠色經濟的要求。

[1]王鈺青,許茂增.基于最小碳排放的廣義TSP模型研究[J].數學的實踐與認識，2012，(08).

[2]呂品.考慮碳排放的物流網絡優化問題[J].計算機應用研究,2013，(10).

[3]Elhedhli S,Merrick R.Green supplychain network design to reduce carbon emissions[J].Transportation Research Part D,2012,（17）:370-379.

[4]楊珺,盧巍.低碳政策下多容量等級選址與配送問題研究[J].中國管理科學,2014,(05).

[5]王淑云，孫虹.冷鏈物流配送建模發展研究[J].山東社會科學,2014，（04）,135-139.

[6]J.Riget,J.S.Vesterstrom.Adiversity-guided particles warmoptimiz er-the ARPSO [R].Technical Report 2002-02,Department of Computer Science,University of Aarhus,2002.

[7]張琳，龐燕，夏江.制品企業冷鏈物流共同配送研究[J].企業經濟2011，（12）.

高曉巍，齊齊哈爾大學理學院。

表4 仿真結果

表1 客戶信息

表2 客戶信息

表3 配送中心信息

TP242.6

A

1008-4428（2016）12-26-02

黑龍江省自然科學基金項目(B2015019).