0 引言

现阶段中国生鲜农产品上下游生产保存着时空漫衍不均的问题，古板的生鲜农产品流通大且多依赖多级产销批发市场，保存各级批发市场规模巨细纷歧，分销链啰嗦，贮存冷链设施差别大等缺点
。这些缺点导致生鲜农产品流通效率、流通速度、流通消耗率有着天壤之别，造成整个生鲜农产品流通本钱居高不下[1]
。为了解决这些问题，本文将麻雀搜索算法[2]作为求解工具并以0-1计划[3]为选址要领来实现生鲜农产品配送的灵活调理和快速响应
。配送中心的选址直接影响生鲜农产品配送效率和配送本钱以及效劳质量，所以须建立在充分调研剖析的基础上接纳科学的要领综合考虑
。

1 案例剖析

1.1 案例介绍

C公司准备进入昆明市生鲜农产品市场，主要为农贸市场提供生鲜产品配送效劳，昆明市比较优秀的农贸市场在昆明市内漫衍情况具体如下图1所示
。而由于生鲜农产品具有易腐性、时效性等特性，所以在进行生鲜农产品配送时有单次配送量小、配送次数多的特点
。现在C公司想在昆明市规模内挑几处合适的地方用作生鲜配送中心，在满足配送时间最短的情况下抵达本钱最优化
。昆明市农贸市场需求点的具体位置如表1所示
。

1.2 案例数据收集

数据收集包括需求点信息和种种本钱信息如表1—表3所示
。

2 0-1计划选址模型的建立

2.1 仓储选址问题数学模型的构建[7]

(1）配送中心本钱数学模型参数界说：

(1)下标集

I：生鲜农产品客户需求点荟萃
；

J：生鲜农产品配送点荟萃
；

表1 昆明市农贸市场需求点数据 

表2 相关参数整理  

表3 C公司用户需求点对生鲜产品需求量

p：为可建仓储地选址最大个数
。

(2)模型变量

cij：从配送中心i到需求点j的单位物资的运输路程（km)￥;

wi：第i个配送中心分派容量
；

F(wi)=q×wi+m：备选的配送中心的牢固用度￥
；

V(wi)=a×wi+n：备选配送中心的人工花费￥
；

Dj:j地客户的需求量
；

v：生鲜农产品在配送历程中行驶的速度km/h
；

α：生鲜农产品在运输中爆发的损耗本钱

？

？￥
；

(3)待求未知量：

(4)未知参数

q：每吨货物需要几多空间（t/m3);

a：每吨货物需要几多治理费（t/m3);

m：每个配送中心需要几多牢固建设用度￥
；

n：每个配送中心需要几多牢固治理用度￥
。

(2）生鲜农产品冷链配送中心配送本钱模型构建

因为本文考虑的是生鲜农产品在都会规模内的定点配送，所以配送的本钱只和运输距离、运输量以及外地的参考油费有关
。在设计本钱模型时只考虑配送点到点的直线距离，且配送的规模仅限于都会内油费价格无波动
。本钱f1即是距离、运输量的乘积的和，且为线性函数，具体数学模型如下所示：

约束条件：

其中式（1）体现由选定配送中心向选定客户进行配送所需要花费的运输用度
；式（2）体现被选定的配送中心数量不可多于Zi个
；式（3）体现一个客户仅由一个配送中心进行配送
。

(3）生鲜农产品冷链配送中心建设本钱模型构建

仓储建设本钱：

在式（4）中p：为可建配送中心地选址最大个数，每个配送中心的建设用度为F(wi)=q*wi+m
。m取决于外地的建设质料本钱用度
。

(4）生鲜产品损耗本钱组成

生鲜产品新鲜度会随运输时间变革而变革，

在都会内，运输时间和运输

鲜产品腐化系数
。而α[9]为都会内交通拥挤系数
。

(5）总本钱的构建

综上所述总本钱模型为单个花费项之和，故配送中心选址本钱如下所示：

约束条件：

2.2 0-1计划应用模型假设

模型假设：

(1）供应点和需求点皆为离散点，供应点的供应量和需求点的需求量皆为已知量，配送中心的最大贮存量理论上无限容量
。（最好可以添加约束函数，如果没有也可以）
；

(2）供应点、需求点、备选点三个点的坐标已知，供应点坐标集K需求点坐标集G备选点的坐标集为Q从供应点到配送中心的与配送中心到需求点的距离盘算公式如下：|AB|=√[（x1-x2)2+(y1-y2)2]所以配送距离已知
。X1距离荟萃为点到备选点的距离，X2距离荟萃为供应点到备选点的距离
。将X1和X2代入距离盘算公式后得出cij具体距离荟萃
。

(3）配送用度是距离和运输量的线性函数
。配送费=cij×uij

(4）供应点的供应量和需求点的需求量在一定的时间内是稳定的
。

(5）运输中带来的损耗和运送距离cij有关
。损耗为非线性函数
。

(6）在运输历程中货物需从供应点到配送点，从配送点再到需求点
。不可越级运输
。

(7）客户满意度和配送时间有关也就是与距离cij线性相关
。

(8）选点后因为备选点的货物在外地售价自制所以会爆发损失，这个损失与备选点货物的量wi有关
。

3 选址模型的求解

3.1 麻雀搜索算法

麻雀搜索法是在近年2020年被薛建凯[2]提出的一种群智能算法，通过模仿麻雀的群体行为好比麻雀算法里的发明算子是为整个群体寻找食物，用数学的方法表达就是寻找最优解
。

3.2 麻雀算求解具体办法以及要害代码

求解办法：

(1）设置种群巨细，M迭代次数，c下限，d上限，dim，个体巨细，fobj目标函数
。

(2）界说最优解和函数的最优值

(3）发明者开始寻找食物，且发明者泛起的位置陪同着随即行为且作为发明者拥有越发辽阔的视野
。

(4）捕雀者会在种群边沿对麻雀进行捕猎，迫使发明者继续寻找新解
。

(5）更新捕食者、发明者以及加入者三者位置，循环盘算
。

(6）：盘算适应度并更新麻雀算子位置

(7）判定算法是否满足停止条件，满足或抵达迭代上限退出程序输出结果，不然重复执行Step3-Step6
。

要害代码：

(3）二进制编码战略：

用连续的整数作为一个备选中心的备选号，好比5个配送中心那么ID1到ID5划分体现备选中心1到5
。选中为1未选中为0
。本文将麻雀算子改为二进制的要领为备选中心编码，例如ID1～ID5体现为数组[1,0,1,0,0]，此时备选中心1和备选中心3被选中
。

3.3 问题的求解

本文使用MATLAB2019a软件进行求解，其中麻雀搜寻算法参数为：发明者pNum数量占整个群体数量的20%，加入者sNum占比20%最大迭代数MaxCycle为200
。同时凭据市场剖析及对C公司能力进行盘算，配送中心数量控制在5个以内
。带入之前的参数对差别配送中心预选址个数进行求解，最后得出差别的参考计划以及最终本钱，算法迭代图像如图1所示
。

图1 算法迭代图像   

选址计划结果如表4所示
。

表4 具体选址计划  

剖析以上计划可知，配送点不是越多越好，且配送本钱抵达最小值时反而成增加趋势，平均配送时间会下降得越来越慢，但建立新的配送点人工费、仓储建设费等牢固用度还在增加
。就计划一到计划四来说，计划一配送平均时间最多为367.99 min，且总本钱为四个计划中花费最多为17 686.06元/d的计划，所以舍弃该计划
。计划二的总成内幕对较高为11 941.53元/d，配送平均时间较长为95.19 min，舍弃该计划
。计划四总本钱较高为12228.84元/d，配送平均时间最短为29.01 min，可是与计划三的配送时间相差较少
。计划三是最优的计划，配送本钱最低为9 256.19元/d且配送时间最优为31.39min
。所以计划三在坚持本钱较小情况下配送时间最优，属于这四个计划中的最佳计划
。

4 结语

麻雀算法作为一种新型的群智能算法，在庞大的问题中可以快速地寻找到精确的最优解
。本文首先使用0-1计划法对仓储配送中心选址问题进行了剖析，最后使用麻雀算法来算出最佳配送地点，并求解出其配送本钱以及配送时间
。结果标明：使用0-1计划的要领以及使用麻雀搜索算法作为工具来解决生鲜仓储配送中心的选址问题，后期使用者可以使用本要领得出选址计划，最后综合配送成原来考虑来选择最佳解决计划
。