丁玉嬌

摘要：近些年來，生鮮農產(chǎn)品的地位越來越凸顯，但因運送不當造成的事件也時有發(fā)生，這也反映出冷鏈物流在銜接處存在漏洞，而物流園區(qū)能夠承接上下游，并對整個物流網(wǎng)絡的優(yōu)化起著非常重要的作用。因此，合理地進行生鮮農產(chǎn)品物流園區(qū)的選址，有利于降低物流成本，提高物流服務質量，提高物流響應速率，現(xiàn)實意義巨大。本文建立生鮮農產(chǎn)品物流園區(qū)選址的多目標規(guī)劃模型，使運營成本最低，并實例分析驗證了模型的可靠性，為相關企業(yè)及部門決策提供借鑒意義。

Abstract： In recent years， the status of fresh agricultural products is more and more prominent， but due to improper delivery of events have occurred， which also reflects that there are loopholes in the connection of cold chain logistics. Logistics park can undertake upstream and downstream， and play a very important role in the optimization of the whole logistics network. Therefore， it is of great practical significance to select a reasonable location for the logistics park of fresh agricultural products to help reduce logistics cost， improve logistics service quality and improve logistics response rate. In this paper， a multi-objective planning model for the location selection of fresh agricultural products logistics park is established to minimize the operating cost. The reliability of the model is verified through case analysis， which provides reference for relevant enterprises and departments to make decisions.

關鍵詞：生鮮農產(chǎn)品;物流園區(qū);選址;多目標規(guī)劃

Key words： fresh agricultural products;logistics park;location;multiobjective programming

中圖分類號：F326.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）12-0083-03

1 ?研究背景

隨著新技術高科技的不斷完善與應用，人們對生活質量的要求越來越高，已經(jīng)不僅僅追求生鮮農產(chǎn)品的營養(yǎng)問題，更追求生鮮農產(chǎn)品的安全質量問題。物流園區(qū)起到了加工，倉儲的重要作用，對于生鮮農產(chǎn)品的保鮮儲存以及配送階段至關重要。

近年來，學者們在對生鮮農產(chǎn)品和物流園區(qū)兩個方面的研究頗多。生鮮農產(chǎn)品方面的研究：劉愛軍（2007）用SUR模型說明了物流基礎設施和技術的提高可以降低農產(chǎn)品流通成本[1]。高悅凱，趙惠（2012） 提出了三種優(yōu)化模式即降低物流成本、提高物流效率、增加農產(chǎn)品附加值，來實現(xiàn)構筑策略和建議[2]。曹倩，邵舉平，孫延安（2015）建立了多目標數(shù)學模型并引入懲罰函數(shù)來處理約束，并對遺傳算法進行改進獲得Pareto最優(yōu)解[3]。趙霞，曹寶明，竇建平（2015）考慮了最小化總成本和最大化客戶需求滿足率兩個目標，建立了多目標混合整數(shù)規(guī)劃數(shù)學模型[4]。彭劍（2016）通過提出一種增強的蜂群算法來優(yōu)化農產(chǎn)品基地的多基地、多目標供應鏈優(yōu)化問題，并通過對比實驗驗證了算法的魯棒性[5]。馮樂（2017）以S公司農產(chǎn)品進行實例研究，并運用近鄰傳播聚類算法和粒子群算法進行配送路徑的優(yōu)化[6]。陽幸宇，鄭國華，曹靖（2018）從企業(yè)和客戶兩個角度進行生鮮農產(chǎn)品配送網(wǎng)絡優(yōu)化，并利用LINGO軟件編程進行求解，對模型的有效性進行了驗證[7]。尹三平（2019）通過節(jié)約里程法的核算模型，對A公司進行配送路徑優(yōu)化，解決了A公司配送不及時、配送成本高等問題[8]。學者們對于物流園區(qū)方面的研究：侯文英，李宣（2007）建立了非線性選址模型，給出了一個量化方法來處理配送中心型農產(chǎn)品物流園區(qū)選址問題[9]。孫淑生，羅寶花（2013）運用CCRMP/AHP模型使投資成本最小化并實現(xiàn)回收率的最大化[10]。胡郭軍，張從翔，高德寶（2015）通過建立混合整數(shù)數(shù)學模型對大慶市的農產(chǎn)品物流園區(qū)選址進行了合理規(guī)劃和建議[11]。卞興超，張濱麗（2017）利用SLP法把數(shù)據(jù)通過單元的相互關系量化指標表現(xiàn)出來，實現(xiàn)園區(qū)規(guī)劃[12]。陳明泉（2017）通過價值鏈管理理論，發(fā)展上下游企業(yè)，實現(xiàn)突破[13]。胡昌輝，戴義（2018）采用GIS中的網(wǎng)絡分析技術并通過最短路徑和時間最少進行了模型求解[14]。

基于以往學者的研究現(xiàn)狀來看，對生鮮農產(chǎn)品配送中心選址的研究頗多，有較多是從多目標規(guī)劃的角度對農產(chǎn)品進行網(wǎng)絡優(yōu)化，方法比較多變和具有創(chuàng)新性。但也存在一些不足，例如：針對生鮮農產(chǎn)品物流園區(qū)的研究僅僅抓原產(chǎn)地與物流園區(qū)這個階段，缺乏整體思路，成本的考量也有欠缺。所以本文建立了生鮮農產(chǎn)品物流園區(qū)選址的多目標規(guī)劃模型，考慮到制冷能耗成本，使總成本最低，達到利潤的最大化，并通過實例分析驗證了模型的可靠性，為相關企業(yè)及部門決策提供借鑒意義。

2 ?問題描述與模型構建

2.1 問題描述與假設

有m家生鮮農產(chǎn)品廠的原產(chǎn)地和k個農貿市場，n個備選園區(qū)，現(xiàn)從n個備選園區(qū)中選擇一個園區(qū)，使總成本達到最低，實現(xiàn)從原產(chǎn)地——園區(qū)——農貿市場運輸貨物的過程。其中生鮮農產(chǎn)品要保持它的新鮮度，還要防止腐壞，需要進行倉儲、降溫、分揀和配送，同時物流園區(qū)在入?yún)^(qū)，加工、倉儲、出區(qū)方面也要格外注意，對其的選址至關重要。所以選址務必要保證系統(tǒng)總成本最低同時運行效率最好（如圖1所示）。

在考慮相關成本要素和服務效率的同時，模型基本假設如下：

①排除各園區(qū)之間相互周轉的可能，但可以多園區(qū)為市場提供配送服務;

②備選園區(qū)由專家進行初步確定，即原產(chǎn)地——備選園區(qū)——農貿市場之間的距離、速度和單位運輸費用作為已知給出;

③運輸費用與運輸量、運輸距離三者之間存在線性關系;

④在農產(chǎn)品物流園區(qū)中滿足供應大于需求;

⑤固定建設費用作為已知條件給出。

3 ?算例分析

3.1 公司問題描述

煙臺、濰坊、臨沂、日照、濟南是山東物流園區(qū)重點布局城市，其中某城市是重要交通樞紐，并且也是陸路中轉物流中心城市，同時它也是國家級物流園區(qū)和物流中心并以大力發(fā)展農產(chǎn)品、商貿、機電、汽車、建材為主。此城市中的某公司現(xiàn)有G1，G2，G3，G4，G5五個原產(chǎn)地，F(xiàn)1，F(xiàn)2，F(xiàn)3三個備選園區(qū)，H1，H2，H3，H4，H5五個農貿市場，現(xiàn)在需要從三個備選園區(qū)中選擇一個園區(qū)。下面是算例給出的已知量：表1表示原產(chǎn)地到備選園區(qū)的距離及單位運費情況、表2表示備選園區(qū)到農貿市場的距離及單位運費還有市場的需求量、車輛從原產(chǎn)地到物流園區(qū)的運輸速度V1為90km/h、車輛從物流園區(qū)到市場的運輸速度V2為55km/h、生鮮農產(chǎn)品價值P為100（元/kg）、制冷能耗e為4.2（元/h），變質速率系數(shù)b為0.012。

3.2 求解方法

常用的多目標優(yōu)化方法有加權法、約束法、理想點法、目標達成法、目標規(guī)劃法等。本文采用的加權法，一般地，用加權法求得的最優(yōu)解有如下性質：給定一個權重向量W，由單目標優(yōu)化問題，求得的一最優(yōu)解X*（W），當X*（W）是單目標優(yōu)化問題的唯一最優(yōu)解，或者W>0，則X*（W）是多目標問題的一個非劣解。

這個結果意味著不管目標函數(shù)和可行域是否是凸的，適當?shù)剡x擇總能產(chǎn)生一些非劣解。當目標函數(shù)和可行域的凸性條件成立時，則理論上所有的非劣解都能從求解加權法的問題中找到。我們要計算的目標函數(shù)是求極小，根據(jù)層次分析法與估算本文取W1=（0.228，0.285，0.487）代入計算，矩陣的一致性指標較高，有很好的一致性。套用本文中的生鮮農產(chǎn)品物流園區(qū)選址模型，利用LINGO編程得出結果。

3.3 求解結果分析

本文建立的是非線性混合整數(shù)規(guī)劃模型，經(jīng)過73次迭代后得到全局最優(yōu)解，最低總運營成本是297750.9元，此時應選擇備選園區(qū)F2建立農產(chǎn)品物流園區(qū)。為了使模型更加可靠，再取W1=（0.5，0.35，0.15）代入重新計算，得最低總運營成本是299664.6元，選擇F2備選園區(qū);另取 W1=（0.31，0.51，0.18）代入重新計算，得最低總運營成本是 304375.3元，也選擇F2備選園區(qū)，經(jīng)過試驗比較，都是選擇F2備選區(qū)，因此本模型具有合理性和可靠性。于此同時，充分考慮F2地區(qū)的客觀條件，F(xiàn)2地區(qū)靠近國道，交通便利，而且F2區(qū)靠近農村，土地價格相對便宜，為以后園區(qū)的建設提供了充足的人力資源保障。綜上所述，在F2建立物流園區(qū)對該區(qū)域的發(fā)展有極大的促進作用，有利于推動物流園區(qū)的資源整合、發(fā)展規(guī)劃，推進信息化建設。

4 ?結論

基于生鮮農產(chǎn)品冷鏈運輸?shù)奶厥庑?，以及越來越受大眾所喜愛，生鮮農產(chǎn)品的安全保鮮以及選址重要性凸顯。結果表明，在總成本中，將腐爛成本，制冷能耗成本作為重要因素考慮在內，使成本計算更準確，能有效提高客戶滿意度，在保證物流園區(qū)績效的同時，提升冷鏈物流的服務水平。通過此模型，可以解決生鮮農產(chǎn)品物流園區(qū)選址這一類的問題，實現(xiàn)運營成本最小化的目標，為其他物流園區(qū)的選址提供借鑒意義。

參考文獻：

[1]劉愛軍.基于企業(yè)角度的農產(chǎn)品物流發(fā)展研究[D].南京農業(yè)大學，2007.

[2]高悅凱，趙惠.淺談我國農產(chǎn)品現(xiàn)有物流模式的優(yōu)化改進[J].企業(yè)導報，2012（14）：109-111.

[3]曹倩，邵舉平，孫延安.基于改進遺傳算法的生鮮農產(chǎn)品多目標配送路徑優(yōu)化[J].工業(yè)工程，2015，18（01）：71-76.

[4]趙霞，曹寶明，竇建平.基于群體智能的農產(chǎn)品供應鏈網(wǎng)絡多目標優(yōu)化設計[J].計算機集成制造系統(tǒng)，2015，21（09）：2515-2527.

[5]彭劍.基于增強蜂群算法的農產(chǎn)品多目標供應鏈優(yōu)化[J].控制工程，2016，23（07）：1123-1128.

[6]馮樂.S公司農產(chǎn)品配送中心選址及配送路徑優(yōu)化研究[D].武漢理工大學，2017.

[7]陽幸宇，鄭國華，曹靖.基于雙目標的生鮮農產(chǎn)品配送網(wǎng)絡優(yōu)化研究[J].物流工程與管理，2018，40（11）：66，95-97.

[8]尹三平.生鮮農產(chǎn)品物流配送路徑優(yōu)化研究——以A公司為例[J].物流科技，2019，42（02）：51-54.

[9]侯文英，李宣.配送中心型農產(chǎn)品物流園區(qū)選址研究[J].安徽農業(yè)科學，2007（35）：11700-11701.

[10]孫淑生，羅寶花.基于CCRMP/AHP模型的農產(chǎn)品物流園區(qū)選址研究[J].物流工程與管理，2013，35（06）：90-93.

[11]胡郭軍，張從翔，高德寶.混合整數(shù)模型在農產(chǎn)品物流園區(qū)選址中的應用[J].中外企業(yè)家，2015（28）：63，66.

[12]卞興超，張濱麗.基于SLP的農產(chǎn)品物流園區(qū)布局規(guī)劃[J].佳木斯大學學報（自然科學版），2017，35（01）：107-110.

[13]陳明泉.基于價值鏈管理理論的農產(chǎn)品物流園區(qū)發(fā)展研究[J].價格月刊，2017（06）：73-76.

[14]胡昌輝，戴義.基于農產(chǎn)品物流的城郊農業(yè)園區(qū)選址設計——以貴陽市城郊農業(yè)為例[J].規(guī)劃師，2018，34（12）：116-121.