随着生活水平的提高,人们对农产品冷链物流配送提出了越来越多的要求。农产品冷链物流是指水果、蔬菜、肉、禽、鱼、蛋等农产品在采购、加工、蕴藏、运输、销售直至消费的各个环节中始终处于划定的、生理需要的低温情况下,以包管农产品的质量、减少农产品的消耗的一系列供应治理步伐和要领[1]。由于冷链物流比普通的常温物流的要求更高,配送商要满足所配送农产品的质量宁静、新鲜度和配送时间要求,因此,研究农产品冷链物流配送路径优化,对提高系统利润,最大限度降低冷链物流配送本钱具有重要的现实意义。在以往的研究中,许多是研究确定或随机情况下的车辆配送路径,李雅萍研究了确定情况下农产品冷链物流的路径优化问题[2]; 温豹利用Petri网对冷链物流配送流程进行建模仿真[3]; 吕俊杰等应用蚁群算法对冷链物流配送路径进行研究[4]; 刘宝碇等研究了随机和模糊情况下的车辆调理问题[5]; 戎丽霞研究了具有模糊需求以及分时段考虑的需求不确定车辆调理问题[6,7]; 但他们都没有针对农产品的特性进行研究,没有考虑到各零售点的农产品需求量是模糊变量情况下的配送问题。鉴于此,笔者探讨模糊情况下的农产品冷链物流车辆配送问题,当零售点需求量是模糊变量时,建立农产品车辆配送路径优化模型,最小化车辆配送的总本钱,从而获得最大利润。

1 研究假设和模型建立

1. 1研究假设由于车辆配送路径中涉及的因素比较多,如配送中心的个数、车辆数、路线等,为了实现利益最大化,配送中心必须对配送车辆的规模、行车路线及行驶时间进行合理安排,使目标函数获得优化来降低配送本钱。为了对问题进行描述和剖析,该研究提出如下假设:

( 1) 问题中只有1个配送中心,有多个零售点,多辆车。

( 2) 每辆车都有一定的装载能力限制,每次运货均不允许凌驾各自的装载能力。

( 3) 每辆车只有1条行驶路线,可以为1个以上的零售点效劳,每个零售点只能由1辆车效劳。

( 4) 配送中心不保存缺货的可能。

( 5) 每辆车的开始和结束位置都在配送中心。

( 6) 零售点的需求是模糊的。

( 7) 每个零售点有一个指定的效劳时间窗口限制,尽可能在此时间窗口内把产品送达。

1. 2模型建立模型的目标为在满足各零售点模糊需求量、时间窗、车辆载重等限制的条件下,求总配送本钱最低的配送计划,总配送本钱包括车辆运输本钱、配送历程中的货损本钱和不在时间窗内送达的处分本钱。

模型中的种种参数寄义如下: i = 0,指配送中心; i = 1,2,…,n,指需要效劳的零售点,n为零售点数目; k = 1,2,…,m,指提供效劳的车辆,m为车辆数目; qi为零售点i的模糊需求; Qk为车辆k的装载能力,k = 1,2,…,m; dij为零售点i到零售点j的行驶距离; tki为车辆k抵达零售点i的时间,i = 1,2,…,n,k = 1,2,…,m; [ai,bi]指零售点i的效劳时间窗口,i= 1,2,…,n; C为车辆单位距离的行驶用度; θ1为运输历程中货损系数; θ2为开启车门时的货损系数。

为建立优化模型,做如下界说:

运输中的货损本钱C损�；跛鸨厩ㄔ耸渫局械幕跛鸷涂舫得攀钡幕跛�,运输路途越长,货损越大,开启车门卸货时,卸货量越大,时间越长,从而货损越大。因为qi是模糊变量,用E( qi) 体现qi的期望值。因此,货损本钱体现为:

总需求量不可凌驾车辆的装载量,因为每个零售点的需求量是模糊的,给每辆车k指定一个置信水平αk,车辆k的装载量为 j,k =1,2,…,m,要求车辆k在此置信水平下满足其能力约束,则有:

每个零售点i尽可能在指定的时间窗口[ai,bi]获得效劳,车辆抵达零售点的时间如果早于ai,则必须期待到时间ai才开始效劳,λi1为期间零售点i的货损系数,若晚于bi,则要接受一定的处分,λi2为零售点i的处分系数,体现为:

建立的模型为:

2 混淆智能算法求解模型

因为每个零售点的需求量是模糊变量,求解模型使用基于模糊模拟、遗传算法的混淆智能算法进行求解,智能算法描述如下。

2. 1遗传算法编码为了对遗传算法进行编码,用x、y、t 3个决策向量刻画车辆运行情况,其中x = ( x1,x2,…,xn) 为整数决策向量,体现n个差别的零售点,关于所有的i≠j,有1≤xi≤n和xi≠xj,i,j = 1,2,…,n,它是序列{ 1,2,…,n} 的一个重排( x1,x2,…,xn) 。

y = ( y1,y2,…,ym - 1) ,也是整数决策向量,其中y0≡0≤y1≤y2≤…≤ym - 1≤n≡ym。

t = ( t1,t2,…,tm) ,tk代表车辆k在配送中心的发送时间,k =1,2,…,m。

这样,运行计划就由x,y,t进行描述,关于每个k( 1≤k≤m) ,如果yk= yk - 1,体现车辆k没有运行,如果yk> yk - 1,体现车辆k已运行,并且离开配送中心的时间为tk,行驶路线为0→xyk - 1+ 1→xyk - 1+ 2→…→xyk→0。

2. 2染色体初始化关于基因x,随机初始化1到n的一个数,重复此历程爆发n个互不相同的数,获得一个序列( x1,x2,…,xn) ,它是( 1,2,…,n) 的一个重排,获得基因x = ( x1,x2,…,xn) 。关于每个满足1≤i≤m -1的i,取yi为0到n的一个随机数,然后按从小到大进行重排,获得序列{ y1,y2,…,ym - 1} ,即是基因y = ( y1,y2,…,ym - 1) 。假设在配送中心也有一时间窗口[a,b],对每个i置ti为时间窗口[a,b]内的一个随机数,i =1,2,…,m,就获得基因t = ( t1,t2,…,tm) ,如果验证染色体是可行的,就接受此染色体,不然,重复以上历程,直到获得一可行的染色体种群。

2. 3交叉变异操作对染色体进行交叉变异操作,寻找最优解。

2. 4模糊模拟因为零售点的需求量是模糊变量,要通过模糊模拟盘算模糊事件的可信性。关于L = Cr{ f( ξ) ≤0} 的模糊模拟盘算描述如下[5]:

( 1) 划分从Θ中均匀爆发θk,使得Pos{ θk≥ε} ,并界说vk= Pos{ θk} ,k =1,2,…,N,其中ε是个充分小的数。

( 2) 可信性Cr{ f( ξ) ≤0} 由下式盘算获得:

( 3) 置 vk= Pos{ θk} ,k =1,2,…,N

( 4) 返回L,即为所求模糊事件的可信性。

3 数值实例

假设有8个零售点,3辆车,1个配货中心,每个零售点的需求量是三角模糊变量,零售点之间的行驶距离及各零售点的时间窗口和需求量如表1、2所示。

表 1 行驶距离矩阵  

表 2 各零售点的时间窗口和需求  

假设3辆车的装载能力划分为310、385、200,假定所有零售点需求获得满足的置信水平为90% ,即有时机约束 9,K =1,2,3,4,假设车辆运输的单位本钱为1,运输速度为每小时30,运输历程中货损系数θ1=0. 001,开启车门货损系数θ2= 0. 001,期待期间每个零售点的货损系数均为0. 002,处分系数均为0. 05。

通过运行混淆智能算法,设遗传历程交叉系数为0. 2,变异系数为0. 3,4 000次模糊模拟,1 000次遗传迭代,获得了最优车辆调理计划:

车辆1: 配送中心821配送中心

车辆2: 配送中心→6→7→5→配送中心

车辆3: 配送中心→4→3→配送中心

车辆1、车辆2、车辆3在配送中心的出发时间划分为8: 00、7: 30、7: 50,运输本钱为241. 97。

4 结语

农产品冷链物流的配送路径优化研究能大大降低配送历程的本钱,该研究对具有模糊需求的农产品冷链物流车辆配送路径进行研究,建立优化模型,并设计混淆智能算法进行求解,对模糊情况下的农产品冷链物流配送优化问题具有一定的指导意义。