多級冷鏈物流網絡優化研究

陳慧慧

（浙江經貿職業技術學院，浙江　杭州　310018）

?

多級冷鏈物流網絡優化研究

陳慧慧

（浙江經貿職業技術學院，浙江杭州310018）

針對生鮮農產品在冷鏈物流過程中的不合理運作而產生不必要浪費的普遍問題，對冷鏈物流網絡進行上下節點指派關系的優化。以湖北省為例，結合懲罰函數，以成本最小化為目標構建備選配送中心選址模型，確定7個備選配送中心地址，利用遺傳算法，采用MATLAB進行編程實現備選地址的確定和各節點之間的指派。研究中心優化的重點在于成本，避免了冷鏈運輸存儲過程中的浪費，有一定的實踐借鑒價值。

多級冷鏈；物流網絡；遺傳算法；選址優化

1　引言

近年來，消費者對生鮮類食品越來越青睞，對于現在提倡的綠色有機田園生活，人們更看重生鮮類食品的“鮮”。一方面是生鮮類食品市場快速的增長和發展，一方面卻是冷鏈物流體系很吃力地在改進。過去的十二五規劃中，國家出臺了很多利好政策來改善冷鏈物流運作環境，不久前發生的疫苗事件，也讓冷鏈物流備受關注。

湖北省是我國農產品大省，物流系統存在基礎設施不完善、物流網絡路線規劃不合理、節點對應不科學等很多問題，經過“最后一公里”到達消費者手中的產品質量不容樂觀。本文針對這些問題，結合湖北省實際物流網絡，進行配送中心的選址并最終對冷鏈各節點進行科學可行的指派。

2　備選冷鏈中心選址研究

圖1　冷鏈物流流程圖

從圖1易知，預冷站有m個，消費者有n個，備選配送中心有s個。

2.1構建備選配送中心選址模型

目標函數見式（1）：

其中：F為總成本；Y為運輸費用；T為土地費用；G為保證配送中心運轉的運營費用；L為冷庫的租賃成本；M為庫存成本；N為物流活動成本；f為冷鏈產品變質導致的腐敗成本。

對冷鏈配送中心的運營費用和吞吐量進行擬合，可得式（2），其中腐敗成本為懲罰函數。

hjk為把產品由配送中心j運送至消費者k所需單位成本為由配送中心j發往消費者k的量；djk為產品由配送中心j運送至消費者k的距離；Pj為備選配送中心單位面積的土地價格；L為備選配送中心的占地面積；Wj為配送中心j的單位運營費用為配送中心j的日租金為配送中心j單位庫存成本為配送中心j單位作業成本；f為產品變質產生的腐敗成本；Z為所要選擇的節點個數，這里取Z=4。

式（2）對應的約束條件為：

2.2確定備選配送中心地址

湖北省產品種類多，冷鏈物流實際情況復雜，為便于研究，選擇單產品情況。在查閱湖北省各區域生鮮農產品的產量、考察湖北省運輸地理形勢、收集冷鏈配送中心的規模后，確定物流網絡各節點信息見表1。

表1　供貨點、預冷站、備選配送中心節點信息表

設定湖北省是［0，180；0，100］的長方形區域，區域內共有100名消費者，消費者編號為1-100。

由遺傳算法原理，根據編碼及配送中心成本最小化的目標，可得適用度函數：

選擇算子設定為隨機遍歷抽樣法，變異算子設定為離散變異、交叉算子設為單點交叉的方式，變異率一般取0.001-0.1，本文設置為中間值，迭代步數設置為200。

利用MATLAB內置的默認遺傳算法工具包可以便捷的對此類問題進行編程求解。

從迭代曲線圖2可以看出，整個迭代過程趨于收斂且保持穩定，目標函數以180步為分界，180步之前目標函數呈高低波動態勢，在180步之后趨于平緩穩定，目標函數值由5.40×107元收斂至1.43×107元。

圖2　優化迭代曲線圖

已知設定湖北省為長180，寬100的區域，如圖3所示設定谷歌地圖中的“恩施咸豐縣”為原點，可在谷歌地圖中直接讀出7個配送中心的坐標分別為A（150，23）、B（150，32）、C（140，39）、D（57，32）、E（1，17）、F（83，86）、G（121，70），如圖3中星形點所示。100個消費者設定為湖北省內的大中型超市，根據上述方式也可得出100個消費者的坐標值，如圖3中的圓點所示。7個配送中心和100個消費者在圖3中的坐標分布情況對應其在湖北省的實際位置信息，根據坐標信息及遺傳算法運算在MATLAB中輸出圖3。

圖3中的色線段表示100個消費者（圓點）對上游配送中心（星形點）進行了選擇，沒有被選擇的配送中心沒有線段進行指派，圖3中的這種配送中心和100種消費者的選擇類型能達到選址模型的成本最小化。結合MTALAB的迭代結果以及圖3的選擇圖可以看出，7個配送中心中僅有4個配送中心被選中，根據坐標值可知被選中的4個配送中心分別是A、B、C、G。

圖3　消費者對上游配送中心的選擇圖

3　單產品冷鏈物流網絡布局優化

3.1數學建模

函數的設立以整個供應鏈網絡所耗成本最小為目標。

約束條件：

qij≥0，qTt≥0，表示供貨量為正值。 Xti，Xij，Yi， Zj∈｛0，1｝。

其中：t為供貨點；i為備選預冷站；j為備選冷鏈配送中心；a為成本的計算周期為預冷站i單位處理成本（單位：元/t·天）；hti為把產品由供貨點t運送至預冷站i所需的單位成本（單位：元/km）；hij為把產品由預冷站i運送至配送中心j所需的單位成本（單位：元/km）；dti為產品由供貨點t運送至預冷站i的距離（單位：km）；dij為產品由預冷站i運送至配送中心j的距離（單位：km）；為預冷站i最大處理能力（單位：萬t）為供貨點t日均供應量（單位：t/天）；Qj為配送中心j的倉庫容量上限（單位：t）；為供貨點t至預冷站i的日均供應量（單位：t/天）；qij為預冷站i至配送中心j的單位時間段供應量（單位：t）；Pi為預冷站i的采購周期。

3.2實例分析

本文對湖北省內的冷鏈物流網絡進行了研究，表2為供貨點與武漢的直線距離，表3為供貨點與預冷站的直線距離。表格中的其他模糊數據來自于走訪調研及網站查詢所得。

表2　供貨點到武漢的距離?。▎挝唬簁m）

表3　供貨點與預冷站的參數表

表4　預冷站與配送中心的參數表

由遺傳算法原理，根據編碼及配送中心120天成本最小化的目標，可得適用度函數：

采用遺傳算法中的隨機遍歷抽樣選擇法，設置單點交叉和離散變異，利用MATLAB工具箱編程求解，變異概率為0.05，迭代步數為100，輸出結果如圖4、圖5所示。

圖4　優化迭代曲線圖

由圖4可知，整個迭代過程趨于收斂且保持穩定，目標函數以25步為分界，之后趨于平緩穩定，函數值由9.90×109元降至2.79×109元。由此可見，運用上述方法可以較快得出結果，優化物流網絡，降低總成本。

圖5中，第三排中菱形代表9個供貨點，第二排中星形點代表6個預冷站，第一排中點代表4個冷鏈配送中心。為便于清晰識別，圖中三種類型點的坐標值均為理論坐標值，線段代表的是三者的指派關系，從圖中可以看出，部分預冷站、配送中心節點未被選擇，表示在湖北省實際情況中，部分節點即可滿足供應鏈需求，其余節點建議舍棄，具體選擇結果見表5。

圖5　供貨點、預冷站，配送中心的上下游指定圖

表5　湖北省實例優化結果

在湖北省冷鏈網絡實際運輸和存儲規劃設計中，可以參考表5的上下游路線結果。在統計了供應鏈各節點吞吐量、實際節點坐標等基本信息的基礎上，考察了各節點所在湖北省區域的實際土地成本、倉儲成本、運輸成本、運營成本等數據，并根據冷鏈物流網絡中生鮮產品易腐爛變質的特征，也考慮了此項耗損成本。運用遺傳算法思想和MATLAB工具箱編程建模，能較快得到結果，且可知總成本得到明顯優化，上下游的鏈接指向也能清晰得出，并符合湖北省各區域實際的物流流向。

4　結語

本文采用遺傳算法思想，利用MATLAB軟件進行建模計算，對網絡中的各節點—供貨點、預冷站、配送中心進行指派，最終提出針對湖北省內多級冷鏈物流網絡的優化方案。運用此方法，能較快得出優化結果，且在建立數學模型時，考量的物流成本的構成符合湖北省冷鏈物流成本的實際情況，涵蓋面較全。

本文在研究中優化的重點在于成本，避免冷鏈運輸存儲過程中的浪費，有一定的實踐借鑒價值。但是文中為了建模計算方便，只圍繞單產品進行考慮，建議在以后的研究中，應考慮多產品這一實際情況進行研究。

［1］朱榮榮，胡大偉.冷鏈物流配送中心選址的多目標優化模型［J］.物流技術，2012，（1）：108-110.

［2］王瑞慶，葉耀華，胡艷秋.層次分析法在冷鏈物流中心選址中的應用［J］.物流科技，2007，（10）：88-90.

［3］俞林.基于BP模糊評價的冷鏈物流中心選址問題研究［J］.物流技術，2013，（19）：95-98.

［4］王敏.基于遺傳算法的冷鏈物流網絡節點選址研究［D］.長沙：湖南大學，2010.

［5］陳靜，李健美.活化能與溫度關系圖的計算機輔助釋疑［J］.化學研究，2000，11（3）：55-57.

Study on Optimization of Multi-echelon Cold Chain Logistics Network

Chen Huihui
（Zhejiang Economic Trade Polytechnic， Hangzhou 310018， China）

In this paper， in view of the universality of the excessive waste due to the unreasonable operation of the fresh farm producecold chain activities， we proceeded to optimize the assignment relationship between the upper and lower nodes of the cold chain logisticsnetwork. With Hubei as example， in connection with the penalty function， we formulated the alternative distribution center location modelaiming at cost minimization， used it to determine seven locations from which to choose from， and at the end， based on the genetic algorithm，finalized the location of the distribution center as well as the assignment relationship between the nodes.

multi-echelon cold chain； logistics network； genetic algorithm； location optimization

F224；F252.8

A

1005-152X（2016）07-0102-04

10.3969/j.issn.1005-152X.2016.07.024

2016-06-01

陳慧慧（1988-），女，碩士，浙江經貿職業技術學院助教。