基于蚁群算法的果蔬产品冷链物流路径优化研究

　　摘要：果蔬产品保存时间短、易腐烂变质的特点要求制定合理的冷链运输路线以最大程度保持新鲜，文章在综合阐述国内果蔬物流发展现状基础上，以果蔬冷链物流配送路径优化为目标，通过合理假设，构建出车辆配送路径优化模型，并通过蚁群算法进行优化求解。最后结合实例证明了该优化模型的可行性和有效性。

　　关键词：果蔬农产品;冷链物流;路径优化;蚁群算法

　　推荐阅读：《中国南方果树》(双月刊)创刊于1972年，我国南方和西部惟一的全国性技术类果树期刊，直接从生产、科研、教学人员的自由来稿中，择优编发那些根据实践得到的第一手资料撰写的高新技术、应用技术原始文献。

　　0引言

　　随着社会经济发展和生活水平提升，人们不再满足于基本的食品安全，更加追求食品品质，强调要新鲜又要营养。由于我国冷链物流设施不足，发展速度缓慢，冷链运输过程不能形成“无断链”操作，环节之间信息交流不通畅，导致冷链产品运输成本高，产品因操作不当而损失严重，无法满足市场对冷链产品的实际需求，供应不足，市场未达到饱和。由于我国冷链物流发展的缓慢造成了大量果蔬的腐烂损耗，平均有30%的水果和40%-50%的蔬菜在到达消费者之前就已经损耗完了，水果和蔬菜的年损失达数亿吨。另有数据显示，我国果蔬农产品的损失率在从采收到存储这一系列环节后为25%-30%，发达国家的一般保持在5%以下，其中的差距不言而喻。果蔬农产品保鲜时间短、易腐性高的特点要求在运输、贮存、配送等环节中始终需要依托于低温配送的冷链物流网络，这也导致了冷链配送的高物流成本。因此，需要从技术水平、运输设施、配送路线等方面人手进行研究，解决果蔬产品物流配送问题，而冷链物流路径优化正是解决这些问题的有效方法之一。

　　1果蔬冷链物流配送路径优化问题模型的描述

　　果蔬农产品的冷链物流配送不仅要满足消费者对产品需求量的信息准确，还要考虑时间窗的因素，严格遵守在规定的时间内送达，因此以下将主要研究具有时间窗限制下的果蔬农产品冷链物流配送路径问题。

　　设定冷链物流配送路径优化模型是在确定了一个固定的配送中心，有多辆配送冷藏车从该配送中心准时出发为顾客进行派送。其中，每个顾客的收货地址和对果蔬的需求量以及约定的配送时间都是明确知道的，每辆配送冷藏车的规模大小、承载能力一致并且已知，最大行驶距离是固定的。配送车辆从配送中心出发前要制定最优路线，运输途中要保证全程控温，在满足时间窗条件约束下实现配送成本最小。

　　2果蔬冷链物流配送路径优化模型构建

　　2.1模型一般假设

　　(1)只有一个配送中心且地理位置已知，配送中心货物充足，能够给所有顾客提供配送;

　　(2)所有客户点的地理位置和所需产品数量已知;

　　(3)每个顾客约定的接受配送的时间已知;

　　(4)所有运送车辆的规模、载重量相同;

　　(5)所有运送车辆匀速行驶，配送完成后返回配送中心;

　　(6)每辆运输车的单次负载能力可满足多个顾客需求，每个顾客的需求产品不会重复运送;

　　(7)假设配送道路畅通，不考虑道路的具体拥堵等状况;

　　(8)水果和蔬菜农产品在交付过程中处于恒定和适宜的温度;

　　(9)配送的产品是同一类型的产品，不考虑任何因素仅考虑运送过程;

　　(10)每两个顾客点之间都是直线距离;

　　(11)配送途中，顾客不会增添其它产品，也不会退换货。

　　3.2蚁群算法的实现步骤

　　(1)参数初始化，操作开始时另一个时间t=O，Nc=0;

　　(2)构造一个禁忌表，并记录蚂蚁找到的第一个客户点的编号和路线;

　　(3)设置循环次数，令循环次数加1;

　　(4)根据公式(6)来计算蚂蚁转移的概率，并记录选择的下一个客户点的编号;

　　(5)修改禁忌表，将蚂蚁选择的客户点插入蚂蚁个体的禁忌表;

　　(6)如果此时搜索的蚂蚁不是最后一只，即k

　　(7)归纳蚂蚁所寻找的既有路线，找出最短路线并计算出最小费用c1(min)，然后根据式(7)、式(8)进行信息素浓度的更新，并清空禁忌表记录跳转步骤(3)继续迭代;

　　(8)此时如果满足条件则循环结束，输出结果，记录并计算更新过后已知最短路线的费用C2(min)，即最佳路线。

　　3.3实证分析

　　以南京某家大型综合超市同城配送路线为例，在VC环境中计算、验证蚁群算法的可行性。该超市有10辆运输冷藏车，最大负载量为3t，每辆车所需固定成本C1=200元/辆，冷藏车行驶速度v=40km/h，运送成本c=2元/千米，果蔬单价p=5元/千克，运输途中单位时间损耗率w1=1%，装卸单位时间损耗率w2=1.5%，运送途中单位时间内制冷剂能耗量w3=1.2元/小时，装卸单位时间内的能耗量w4=1.5元/小时，装卸时间为10分钟，一共有9个客户点，每个客户的需求量和送货时间，各客户点之间的距离分别见表1、表2。

　　公司在使用蚁群算法优化配送路径前其路线如图l所示。

　　路线一：0-5-2-3-9-1-0

　　S1=16+8+8+8+6+19=65km

　　q1=0.6+0.8+0.3+0.9+1=3.6t

　　路线二：0-7-8-6-4-0

　　S2=13+16+12+13+6=60km

　　q2=0.9+0.4+0.8+1.2=3.3t

　　由两条路线各需要两辆车运送，此时总成本：

　　C=200×4+2×(65+60)+5000×[(125/40)×1%+(10/60)×9×1.5%]+(3.6+3.3)×[(125/40)×1.2+(10/60)×9×1.5]=1360.15π

　　运用蚁群算法对路线进行重新规划，对配送路线进行优化寻找最优路线，其中a=l，β=5，p=0.5，蚂蚁m=20，Ncmax=100，使用MATLAB软件编程进行求解，结果由表3所示：

　　从计算结果看，使用蚁群算法后的最小成本为1191.3元，比之前節省了168.85元，还减少了1辆车，只需要3辆冷藏车，此时的最优路线为：路线一：0-3-2-5-0;路线二：0-6-8-4-0;路线三：0-9-1-7-0，如图2所不。

　　可看到，蚁群算法通过数次的迭代循环，从众多路径中找出最优解，算法稳定，可有效地处理冷链物流配送路径优化问题，对成本优化方面是有效、可行的。

　　4结束语

　　果蔬产品保存时间短，容易腐烂变质，在运送途中十分依赖温度和时间。因此，制定合理的冷链运输路线可以最大程度的保持产品的新鲜。优化冷链物流车辆配送路径不仅能够缩短产品在途时间，保持果蔬新鲜，还能降低供应商的总成本，提高客户满意度。本文对车辆配送的成本进行了深入分析，总成本由车辆固定成本、运输成本、货损成本以及能耗成本4部分组成。其中货损成本和能耗成本分为两个方面考虑：运输途中和卸货时刻。本文通过蚁群算法来解带有时间窗约束的多目标果蔬农产品冷链物流车辆路径优化问题，通过具体的实现步骤得到全局最优解，有效解决了冷链物流车辆配送路径优化问题。但研究基于一些条件较为苛刻的假设，在实际应用过程中还需要视运用环境进行进一步调整优化。