基于區塊鏈技術的冷鏈物流配送路徑優化研究

余紅 張兵 宋艷

摘 要：隨著社會經濟的蓬勃發展，消費者對生鮮農產品的需求逐漸多樣化，且由于生鮮農產品具有保鮮性強、時效性強等特點，冷鏈物流的作用愈發凸顯。為緩解此類現象，首先，本文以江蘇省徐州市H公司的實際數據構建VRP模型。其次，在基礎人工魚群算法上全面分析步長和視野等參數，并設計改進算法，對改進算法進行驗證。最后，本文得出所建立的模型和算法能夠有效應用到實際配送路徑優化中，并具有一定的借鑒意義。

關鍵詞：車輛運輸模型；人工魚群算法；動態需求；冷鏈物流；配送服務

本文索引：余紅，張兵，宋艷.<變量 1>[J].中國商論，2023（13）：-087.

中圖分類號：F252 文獻標識碼：A 文章編號：2096-0298（2023）07（a）--05

1 引言

隨著社會經濟的蓬勃發展，我國對生鮮農產品的需求越來越大，而生鮮農產品具有時效性強、難保鮮的特性，其運輸和配送環節尤為重要。目前，關于單一溫層冷鏈物流配送靜態路徑優化問題的研究較多，而在實際情況下，不同種類的生鮮農產品往往需要不同的存儲溫度，客戶的需求也會出現動態變化。由此，Kuo等（2010）提出了多溫共配，即集多種溫度區域于一輛配送車同時執行配送任務。將區塊鏈技術應用到冷鏈物流中，對多溫層冷鏈物流配送動態路徑優化問題進行研究。

2 動態路徑優化模型構建

2.1 問題描述

考慮到客戶需求存在新增和原有客戶服務時間改變情況下的動態信息變化，研究在配送車輛載重與車廂體積約束下的封閉式車輛路徑問題，以實現總配送成本最小的目標。已知，m個客戶的位置、服務時間窗及每個客戶對生鮮農產品的需求量和種類，構建冷鏈物流配送路徑動態優化模型。為了降低H公司生鮮農產品配送過程中的腐爛率，同時降低配送成本，將采用常溫車結合蓄冷保溫箱的方式進行配送。

2.2 模型假設

在對H公司研究配送中心動態路徑優化問題時進行如下假設：

（1）配送中心采用統一型號的車輛，且配送過程不考慮集貨環節；（2）一個配送中心和多個客戶的地理位置、服務時間窗已知；（3）所有配送車輛的起止點都為配送中心；（4）單個訂單的需求量不超過配送車輛的額定載重，單獨配送超過車輛額定載重的訂單；（5）單次配送的貨物總重量不超過車輛的額定載重，蓄冷保溫箱體積要小于車廂體積；（6）客戶訂單不能拆分，一個客戶只能提供一次服務；（7）超出客戶的服務時間窗將會產生懲罰成本；（8）具備區塊鏈技術的使用條件。

2.3 符號說明

符號說明如表1所示。

2.4 模型建立

模型建立時，主要考慮六部分的成本，即固定成本、運輸成本、制冷成本、貨損成本、懲罰成本和區塊鏈技術使用成本，由此構成目標函數，構建的優化模型如式（1）所示。

式（1）為目標函數，表示六部分的成本之和；式（2）表示每個客戶只被提供一次服務；式（3）表示滿足所有客戶的訂單服務；式（4）表示所有配送車輛的起止點都為配送中心；式（5）表示配送車輛k每次運輸的貨物總重量不大于配送車輛的最大載重量；式（6）表示配送車輛k裝載的蓄冷保溫箱的總體積不大于配送車輛車廂的體積；式（7）表示客戶服務的時間窗要求；式（8）表示配送過程是連續的。

2.5 動態求解策略

2.5.1 動態信息處理策略

由于靜態路徑優化研究具有一定的局限性，故結合區塊鏈技術，考慮配送過程中有新的客戶需求產生和原有的客戶時間窗發生動態變化兩種情況，對冷鏈物流動態路徑優化問題進行研究，以期達到配送總成本最小的目標。

對于上述兩種動態變化情況的處理方式有：立即處理、先匯總再處理，在對這兩種處理方式進行分析研究后，選用定時定量相結合的處理策略。通過預先設置的動態信息收集條數、平均時間段兩個參數對動態信息進行處理。當達到動態信息收集條數的參數值時，無論時間是否到達，都會對配送路徑進行重新規劃；同時，當設置的平均時間段內有新的客戶需求產生或有客戶時間窗變化時，無論動態信息收集條數是否達到參數值，都會重新規劃配送路徑。

2.5.2 動態車輛路徑更新策略

本文對動態車輛路徑更新的策略有兩種：全局重新優化策略和局部優化策略。全局重新優化策略是一種理想狀態下的優化方法；而局部優化策略是在初始配送路徑規劃的基礎上，結合動態信息進行局部配送路徑的優化，雖然優化的結果不如全局重新優化策略的優化結果，但其計算更簡便，也更適用于實際情況，因此采用局部優化策略完成動態車輛路徑的更新。

（1）動態需求1：增加新的客戶需求

新增客戶需求發生時，初始路徑規劃已經完成，部分車輛開始配送訂單。由于冷鏈貨物的易腐性和客戶服務時間窗的限制，將新增客戶需求分派給還未開始執行配送任務的車輛，若配送中心已沒有滿足條件的車輛，則分派新的配送車輛執行新增客戶的配送任務。在新增客戶需求產生之前，已經開始配送訂單的車輛不服務新增客戶的訂單。

（2）動態需求2：原有客戶改變服務時間

對于客戶需求時間窗發生變化的情況，客戶可以聯系配送中心或在配送中心提供的服務平臺上提交新的服務時間窗。若此時承擔此客戶初始配送任務的車輛未開始執行配送任務，則可以直接對配送路徑進行重新規劃；若此時相關配送車輛已經開始執行配送任務，利用區塊鏈技術及時獲取車輛的實時定位及配送任務完成情況，在不影響其他客戶時間窗要求的情況下，重新調整配送路徑，以滿足時間窗變化的客戶需求。

3 人工魚群算法

人工魚群算法簡稱AFSA，主要包括覓食行為、群居行為、追尾行為，是基于動物行為的群體智能優化算法。AFSA相較其他算法，具有“包容性高”、并行性良好、收斂速度快、靈活性較強等特點，更適合求解大規模VRP動態問題，因此選用該算法對模型進行求解。但傳統的AFSA中參數的設置往往根據經驗所得，而參數會在一定程度上影響算法求解的準確性。為更好地求解公司路徑優化問題，本文將對AFSA進行適當的改進。

3.1 改進的人工魚群算法設計

AFSA的參數主要有種群規模N、人工魚的視野Visual、步長Step、擁擠度因子、重復次數Trynumber，主要將視野和步長作為變量進行人工魚群算法的算法優化，即在求解過程中，接近最優值時，則使用較小的視野和步長；反之，未發現最優值時，采取較大的視野和步長。

在前期視野和步長較大，利用函數在區間單調遞減的特點，將該函數與視野Visual和步長Step相結合，可以達到快速收斂到全局最優解的目的。在后期求解過程中，當視野和步長逐步減小時，能有效避免陷入局部搜索和出現震蕩的情況。在求解過程中，令表示某一人工魚的適應度值；表示平均適應度值；表示最優適應度值，且，令中。

改進的自適應步長如式（9）所示，表示初始步長。如果優于，則表示人工魚狀態良好，算法將出現全局最優值，此時可以適當調整步長，提高最優解的準確性；相反，如果處于劣勢，則表示人工魚狀態不好，此時需要增大步長，以獲取最優解。

同理，改進的自適應視野如式（10）所示：

改進的FASA基本流程如圖1所示。

3.2 算法改進前后對比

在基礎人工魚群算法中設以下參數：

（1）人工魚群規模NN；

（2）最大迭代次數NC=200；

（3）最大嘗試次數Try-number=6；

（4）步長Step=0.5；

（5）視野Visual=5。

改進后的人工魚群算法的步長和視野按照式（9）、93-20動態變化。利用MATLAB進行運算，并得出對比圖，如圖2所示。

由圖2可知，改進后的人工魚群算法能夠更精確、更快地收斂到最優值。

4 案例介紹

本文以徐州市H公司冷鏈物流配送中心為例進行研究，H公司主要為徐州市內的一些中小型生鮮超市提供生鮮農產品及配送服務，且可供選擇的產品種類豐富。隨著經濟與科技的飛速發展，該公司原有的配送模式相對落后，已無法滿足配送中心現有的業務需求，因此該公司期望在區塊鏈技術的支持下，對配送路徑進行優化，以實現優化配送模式、降低配送成本的目標。目前，H公司擁有10輛能夠提供配送服務的常溫配送車，且該公司的配送業務一般都在凌晨進行，所以對H公司進行配送動態路徑優化研究時忽略交通擁堵的情況。

4.1 信息收集

根據實地調查，H公司冷鏈物流車采用“常溫車+蓄冷保溫箱+蓄冷器”三合一的模式，依次滿足不同溫需的生鮮農產品的配送，H公司客戶動態變化信息如表2所示。

4.2 參數設置

通過實際調研，收集H公司冷鏈物流配送中心配送過程中的相關數據，對模型中涉及的參數進行取值，如表3所示。

根據上文對改進人工魚群算法的分析，該算法的相關參數的取值如表4所示。

5 MATLAB軟件求解

本文主要研究H公司配送中心客戶需求出現新增和原有客戶的服務時間改變的兩種情況。

5.1 客戶需求出現新增

當客戶需求出現新增時，選擇使用定時定量策略進行決策，只需要確定車輛更新周期T及客戶動態需求信息的數量N，便可以為其提供新的配送路線。調查可知，H公司當T≤30min，N≥3時便進行路徑更新，或T≥30min時進行路徑更新。該公司平臺在凌晨3：30開放。表5是利用模型和算法對新增客戶需求求解得出的路徑更新結果。

局部規劃得出，無需增加配送車輛，車輛2的配送路徑由0-16-11-0變成0-16-11-22-0；車輛1的配送路徑由0-13-6-14-9-0變成0-16-9-14-21-0。另外在重新規劃的配送路徑中，車輛1和車輛2都能在規定的時間內完成任務，均未產生時間懲罰成本，有效地降低該公司的配送成本，提高公司的客戶滿意度。

5.2 原有客戶的服務時間改變

H公司的初始客戶需求時間窗發生變化時，選擇定時定量策略和局部路徑更新策略進行決策。表6是利用模型對該動態變化求解得出的路徑更新結果。

布局優化后，車輛5的算法改進路線由0-4-5-15-12-8-0更新為0-15-4-12-8-0，客戶5會比預期時間晚完成3min，同時產生60元的時間窗懲罰成本。但如果按照原路線，客戶9會比預期完成時間晚5min，產生50元的時間窗懲罰成本的同時，配送成本還會增加12.42元。車輛1的冷鏈貨物的算法改進路線從0-1-2-3-7-20-10-0變成0-1-2-3-7-10-20-0，到達客戶8的時間提前了9分鐘，并未產生時間懲罰成本，雖然算法改進路線后配送成本增加了6元，但增加的配送成本比時間懲罰成本低。

5.3 小結

綜合上文兩種客戶需求發生變化時，得到新的配送路線如圖3所示，雖然動態需求改變時，配送成本可能增加，但是滿足了客戶的需求，避免了客戶的流失。從長遠角度考慮，增加了企業的經濟效益，擴大了市場影響力，更有利于企業的長遠發展。

6 結語

綜上所述，將區塊鏈技術應用到冷鏈物流配送環節中，采用常溫車加蓄冷保溫箱的配送模式，同時考慮增加新的客戶需求與原有客戶改變服務時間兩種動態變化，對冷鏈物流配送路徑進行優化研究，構建冷鏈物流車輛路徑優化模型。分別運用定時定量處理策略、局部優化策略進行動態信息的處理和動態車輛路徑的更新，對基本人工魚群算法中的參數進行改進，利用改進人工魚群算法對模型進行求解。本文以徐州市H公司冷鏈物流配送中心為實例，通過實地調研獲取數據代入模型進行求解，得出優化后的配送成本與配送路徑。

參考文獻

常海平，李婉瑩，董福貴，等.基于NSGA-Ⅱ的冷鏈物流配送路徑多目標優化[J].交通科技與經濟，2022，24（2）：8-17.

段雪凝.帶時間窗的冷鏈物流車輛路徑多目標優化問題研究[D].沈陽：東北大學，2014.

Kuo， Ju-Chia，Chen， Mu-Chen. Developing an advanced Multi-Temperature Joint Distribution System for the food cold chain[J]. Food Control，2010，21（4）.

Shu-yun Wang，Min Zhao. Impetus of Multi-temperature Joint Distribution Based on Storage-type Cold-chain Logistics[J]. Journal of Highway and Transportation Research and Development （English Edition），2013，7（2）.

馮亮，梁工謙.基于GPS/GIS協同的動態車輛調度和路徑規劃問題研究[J].計算機科學，2017，44（9）：272-276+285.

曾勝.冷鏈物流車智能監控與調度系統的設計與實現[D].杭州：中國計量大學，2019.

王淑云，孫虹.需求變動下的冷鏈品配送路徑規劃[J].公路交通科技，2014，31（8）：144-150.

劉波.帶時間窗的冷鏈物流配送動態車輛路徑優化方法研究[D].北京：北京交通大學，2018.

劉敏.隨機需求下冷鏈品城市物流配送優化研究[D].北京：北京交通大學，2016.

Nanotechnology - Quantum Dots; Data from Nanchang University Advance Knowledge in Quantum Dots （Cdse/zns Quantum Dots Impaired the First Two Generations of Placenta Growth In an Animal Model， Based On the Shh Signaling Pathway）[J]. Biotech Week，2019.

李曉磊.一種新型的智能優化方法：人工魚群算法[D].杭州：浙江大學，2003.