張 慧，滕志霞

(1.吉林建筑科技學(xué)院管理工程學(xué)院，吉林 長春 130114；2.東北林業(yè)大學(xué)信息與計算機(jī)工程學(xué)院，黑龍江 哈爾濱 150040)

1 引言

農(nóng)產(chǎn)品因具有較強(qiáng)的季節(jié)性與易腐爛性[1]，對物流存儲、運(yùn)輸條件具有極高的要求，但同時也促進(jìn)了物流需求與模式的轉(zhuǎn)變。為適用于農(nóng)產(chǎn)品運(yùn)輸，作為特殊物流形態(tài)的冷鏈物流[2]模式脫穎而出，廣受關(guān)注的食品質(zhì)量安全問題更是進(jìn)一步推動了冷鏈物流形態(tài)的發(fā)展，該模式通過擺脫傳統(tǒng)物流在生產(chǎn)加工、庫存?zhèn)}儲、配送運(yùn)輸?shù)纫幌盗邢拗茥l件[3]，令消費(fèi)者的品質(zhì)要求得到滿足，并慢慢演變?yōu)槭称肺锪黝I(lǐng)域的翹楚。

以助推農(nóng)產(chǎn)品冷鏈物流發(fā)展、完成冷鏈物流升級轉(zhuǎn)型為目標(biāo)，有學(xué)者提出物流節(jié)點(diǎn)的優(yōu)化布置方法。文獻(xiàn)[2]提出，以各成本作為目標(biāo)函數(shù)，結(jié)合2-opt局部搜索的改進(jìn)蟻群算法，實(shí)現(xiàn)物流低碳配送的路徑優(yōu)化；文獻(xiàn)[3]提出，以最短路徑、共同弧段和通道運(yùn)能為重點(diǎn)構(gòu)建多層級的物流節(jié)點(diǎn)協(xié)同布局模型，并結(jié)合點(diǎn)線能力約束進(jìn)行優(yōu)化；文獻(xiàn)[4]提出，利用改進(jìn)的蟻群算法搜索物流節(jié)點(diǎn)，并尋找到最優(yōu)的物流配送路徑。但上述方法普遍沒有考慮到節(jié)點(diǎn)資源數(shù)據(jù)的全面性，對配送量等沒有深入分析。

為此，本文基于異構(gòu)數(shù)據(jù)，構(gòu)建一種農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署方法。引用可擴(kuò)展標(biāo)記語言文檔，通過中間數(shù)據(jù)庫完成轉(zhuǎn)變，減少所需模塊數(shù)量，并在一定程度上強(qiáng)化擴(kuò)展性；通過集成物流異構(gòu)數(shù)據(jù)，使物流鏈環(huán)環(huán)相扣，增加協(xié)作默契度，改善了物流節(jié)點(diǎn)部署時的內(nèi)部數(shù)據(jù)覆蓋的完整性；添加可視化圖形交互功能，便于使用者運(yùn)用XQuery語言查詢功能；分析粒子群優(yōu)化算法下參數(shù)取值范圍，抑制負(fù)面影響發(fā)生，確保農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署結(jié)果為最佳方位。該部署策略有助于降低物流成本，保證產(chǎn)品品質(zhì)。

2 物流異構(gòu)數(shù)據(jù)集成

物流初始階段中尚未樹立供應(yīng)鏈理念，也不存在各環(huán)節(jié)間的共同協(xié)作關(guān)系，導(dǎo)致物流信息形成了規(guī)模龐大的異構(gòu)數(shù)據(jù)源，對當(dāng)前物流參與者間的協(xié)作關(guān)系產(chǎn)生了較大影響。為滿足實(shí)際的物流業(yè)務(wù)需求與應(yīng)用要求，引用XML[5](Extensible Markup Language，可擴(kuò)展標(biāo)記語言)文檔，構(gòu)建一個如圖1所示的異構(gòu)數(shù)據(jù)集成模型，強(qiáng)化物流各環(huán)節(jié)關(guān)聯(lián)，增加協(xié)作默契度。

圖1 異構(gòu)數(shù)據(jù)匯總模型

該模型由集成中心與服務(wù)模塊完成客戶訪問與操作，通過觸發(fā)器機(jī)制[6]同步管理各物流環(huán)節(jié)信息與集成中心信息，模型結(jié)構(gòu)組成如下所述：

1)數(shù)據(jù)源模塊：用于生成信息與交換信息。信息從各類數(shù)據(jù)庫中生成；交換信息包括傳輸、申請、采集等。

2)轉(zhuǎn)變模塊：用于雙向轉(zhuǎn)變數(shù)據(jù)源與可擴(kuò)展標(biāo)記語言文檔。從數(shù)據(jù)源到可擴(kuò)展標(biāo)記語言文檔的轉(zhuǎn)變是將業(yè)務(wù)數(shù)據(jù)源封裝為可擴(kuò)展標(biāo)記語言文檔格式，逆向轉(zhuǎn)變是完成業(yè)務(wù)數(shù)據(jù)源中可擴(kuò)展標(biāo)記語言文檔格式數(shù)據(jù)的存儲。

以數(shù)據(jù)源到可擴(kuò)展標(biāo)記語言文檔的轉(zhuǎn)變順序?yàn)槔?，描述具體轉(zhuǎn)變流程。根據(jù)數(shù)據(jù)源的相關(guān)性、字段等界定，得到XSD(XML Schemas Definition，可擴(kuò)展標(biāo)記語言文檔結(jié)構(gòu)定義)文件，將在數(shù)據(jù)源內(nèi)獲得的數(shù)據(jù)轉(zhuǎn)變?yōu)榭蓴U(kuò)展標(biāo)記語言文檔，依據(jù)可擴(kuò)展標(biāo)記語言文檔結(jié)構(gòu)定義文件，完成可擴(kuò)展標(biāo)記語言文檔節(jié)點(diǎn)數(shù)據(jù)界定，如圖2所示。

圖2 數(shù)據(jù)源到可擴(kuò)展標(biāo)記語言文檔轉(zhuǎn)變模型示意圖

轉(zhuǎn)變階段里各數(shù)據(jù)源具有各不相同的數(shù)據(jù)庫框架，所以，針對每個數(shù)據(jù)庫的框架形式，采取對應(yīng)的識別方法區(qū)別內(nèi)部數(shù)據(jù)結(jié)構(gòu)，按照可擴(kuò)展標(biāo)記語言文檔結(jié)構(gòu)，統(tǒng)一轉(zhuǎn)變數(shù)據(jù)格式，將其存儲在可擴(kuò)展標(biāo)記語言文檔內(nèi)。轉(zhuǎn)變步驟如圖3所示。

圖3 數(shù)據(jù)源到可擴(kuò)展標(biāo)記語言文檔轉(zhuǎn)變流程示意圖

利用SQL[7](Structured Query Language，結(jié)構(gòu)化查詢語言)提取數(shù)據(jù)庫中相關(guān)的物流信息，通過XQuery語言查詢存儲于可擴(kuò)展標(biāo)記語言文檔內(nèi)的可擴(kuò)展標(biāo)記語言文件。經(jīng)添加可視化圖形交互功能，讓使用者更熟悉XQuery語言查詢功能。可擴(kuò)展標(biāo)記語言文檔的查詢流程如圖4所示。

圖4 可擴(kuò)展標(biāo)記語言文檔查詢流程示意圖

3)集成模塊：用于制定數(shù)據(jù)模式、提供相關(guān)服務(wù)。為滿足不同用戶需求，在自設(shè)的數(shù)據(jù)模式基礎(chǔ)上，給予模式轉(zhuǎn)變服務(wù)，比如轉(zhuǎn)變模式的映射機(jī)制與規(guī)則、共享模式的映射任務(wù)等。

4)應(yīng)用模塊：用于實(shí)現(xiàn)使用者的程序運(yùn)用。

由此，實(shí)現(xiàn)了對農(nóng)產(chǎn)品冷鏈物流數(shù)據(jù)的集成，為優(yōu)化冷鏈物流節(jié)點(diǎn)資源的配置與整合，提高整體冷鏈物流系統(tǒng)的運(yùn)行效率提供保障。

3 基于異構(gòu)數(shù)據(jù)的農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署

經(jīng)濟(jì)發(fā)展大幅提升了優(yōu)質(zhì)農(nóng)產(chǎn)品的需求量，各申請點(diǎn)需求量與冷鏈物流中心流通量也隨之上升，導(dǎo)致冷鏈物流中心容量無法滿足申請點(diǎn)需求；增設(shè)提供點(diǎn)與申請點(diǎn)，將更改整個冷鏈物流結(jié)構(gòu)；若冷鏈物流中心選取不合理，會增加物流成本與質(zhì)量損耗。因此，為解決以上問題，基于適應(yīng)性、協(xié)調(diào)性、戰(zhàn)略性以及經(jīng)濟(jì)性等原則，結(jié)合經(jīng)過集成的物流異構(gòu)數(shù)據(jù)，提出一種冷鏈物流節(jié)點(diǎn)部署方法，取得最優(yōu)的冷鏈物流節(jié)點(diǎn)布局，使與日俱增的需求量得到滿足，降低運(yùn)營成本，提升產(chǎn)品品質(zhì)。

3.1 冷鏈物流節(jié)點(diǎn)部署模型構(gòu)架

假設(shè)農(nóng)產(chǎn)品冷鏈物流整體布局用二維連續(xù)空間Z2界定，布局中的所有節(jié)點(diǎn)集合與覆蓋范圍集合分別用Ω、A表示，各指標(biāo)表達(dá)式如下所示

Z2={(x，y)，0≤x≤a，0≤y≤a}

(1)

Ω={T1，T2，…，Tn}

(2)

A={A1，A2，…，An}

(3)

其中，n表示節(jié)點(diǎn)數(shù)量。

從布局節(jié)點(diǎn)中隨機(jī)選取節(jié)點(diǎn)Tk、Th，坐標(biāo)分別為(xk，yk)、(xh，yh)，采用下列計算公式求解兩點(diǎn)間距dkh

(4)

若兩節(jié)點(diǎn)間距比雙倍節(jié)點(diǎn)感知半徑小，則判定兩節(jié)點(diǎn)呈相交關(guān)系，重合的覆蓋范圍為Akh；兩節(jié)點(diǎn)與節(jié)點(diǎn)Tg呈相交關(guān)系時的重合覆蓋范圍是Akhg；由此推導(dǎo)出節(jié)點(diǎn)T1，…，Tn-1與Tn呈相交關(guān)系時的重合覆蓋范圍為A1，…，n。

設(shè)定P為優(yōu)化節(jié)點(diǎn)部署的決策變量，即冷鏈物流布局中的節(jié)點(diǎn)部署集合，表達(dá)式如下所示

P={(x1，y1)，(x2，y2)，…，(xk，yk)，…，(xn，yn)}

(5)

該決策變量的優(yōu)化目標(biāo)是最大化節(jié)點(diǎn)集合Ω中各節(jié)點(diǎn)覆蓋范圍，最終節(jié)點(diǎn)部署即為對應(yīng)變量，即，冷鏈物流節(jié)點(diǎn)部署模型的目標(biāo)函數(shù)F表示為

F(P)=maxσ

(6)

式中，σ表示n個節(jié)點(diǎn)的覆蓋率，由下列計算公式解得

(7)

式中，S表示覆蓋的范圍總和，表達(dá)式如下所示

(8)

由此，通過求解覆蓋率，并以覆蓋率最大化為目標(biāo)，實(shí)現(xiàn)冷鏈物流節(jié)點(diǎn)的部署模型構(gòu)建。

3.2 冷鏈物流節(jié)點(diǎn)部署模型求解

引用PSO(Particle Swarm Optimization，粒子群優(yōu)化)算法[8]完成冷鏈物流節(jié)點(diǎn)部署模型的計算，獲取部署方案中的節(jié)點(diǎn)方位。具體求解流程描述如下：

1)初始化m群體規(guī)模的全部微粒，并使以下設(shè)定成立：微粒初始方位與速度分別為Xi、Vi，微粒初始方位是個體最佳方位Pi；微粒初始適應(yīng)度是個體最佳適應(yīng)度[9]；群體最佳適應(yīng)度是個體最佳適應(yīng)度內(nèi)的最佳適應(yīng)度；對應(yīng)于群體最佳適應(yīng)度的微粒方位是群體最佳方位Pg；

2)根據(jù)微粒初始方位Xi與速度Vi，求解各微粒適應(yīng)度f(xi)；

3)對比各微粒適應(yīng)度與其最佳方位Pi對應(yīng)的適應(yīng)度，適應(yīng)度較大的對應(yīng)方位即最佳方位；

4)對比各微粒適應(yīng)度與其全局最佳方位Pg對應(yīng)的適應(yīng)度，適應(yīng)度較大的對應(yīng)方位即全局最佳方位；

5)利用下列兩項(xiàng)計算公式，重新求解微粒的初始方位Xi與速度Vi，若指標(biāo)滿足越界條件，則設(shè)定成邊界值：

vij(t+1)=vij(t)+c1r1j(t)(pij(t)-xij(t))

+c2r2j(t)(pgj(t)-xij(t))

(9)

xij(t+1)=xij(t)+vij(t+1)

(10)

式中，微粒i的維度為j，迭代次數(shù)為t，加速常數(shù)分別為c1、c2，隨機(jī)函數(shù)分別為r1、r2，取值范圍是0到1；j維下的微粒速度與方位各是vij、xij，其最佳方位與全局最佳方位各是pij、pgj。

6)設(shè)定最多迭代次數(shù)Gmax為停止條件，若未達(dá)到最多迭代次數(shù)，返回第(2)步；反之，則迭代終止。其流程圖如下圖5所示：

圖5 基于粒子群優(yōu)化算法的節(jié)點(diǎn)部署模型運(yùn)算流程

利用微粒的最佳適應(yīng)度對節(jié)點(diǎn)部署模型進(jìn)行數(shù)次迭代求解，實(shí)現(xiàn)了各節(jié)點(diǎn)的模糊部署。

3.3 粒子群優(yōu)化算法參數(shù)

為確保農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署結(jié)果為最佳方位，深入分析嚴(yán)重影響粒子群優(yōu)化算法尋優(yōu)性能的極大速度vmax與加速常數(shù)c1、c2等指標(biāo)參數(shù)[10-11]。各指標(biāo)選取策略具體描述如下：

1)迭代時微粒可達(dá)到的最遠(yuǎn)運(yùn)動長度隨極大速度vmax改變，速度過快或過慢均會導(dǎo)致一定的負(fù)面影響，設(shè)定當(dāng)前方位與最佳方位間的空間分辨率是極大速度vmax，通過動態(tài)限制速度vmax，隨算法運(yùn)行逐漸降低步幅。

2)各微粒往最佳方位Pi與全局最佳方位Pg運(yùn)動時的統(tǒng)計加速項(xiàng)權(quán)值即為加速常數(shù)c1、c2，當(dāng)常數(shù)值較小時，微粒不屬于目標(biāo)范圍內(nèi)；反之，將無法準(zhǔn)確抵達(dá)目標(biāo)范圍中。因此，加速常數(shù)的取值范圍一般在0到2之間。由此，確定了優(yōu)化的冷鏈物流節(jié)點(diǎn)部署方案，能夠改善節(jié)點(diǎn)規(guī)劃不合理、效率低下等問題，保障農(nóng)產(chǎn)品冷鏈物流的可持續(xù)發(fā)展。

4 農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署仿真

4.1 冷鏈物流節(jié)點(diǎn)相關(guān)設(shè)置

根據(jù)某市農(nóng)產(chǎn)品冷鏈物流布局實(shí)際情況，采用Witness仿真軟件模擬布局中冷鏈物流中心、提供點(diǎn)以及申請點(diǎn)等十個物流節(jié)點(diǎn)的運(yùn)作狀況，各節(jié)點(diǎn)間距、堵塞時長，備選節(jié)點(diǎn)需求量、單價、運(yùn)營成本，分別如表1、2所示。其中，設(shè)定物流油耗是0.5元/噸/公里，過路費(fèi)是0.06元/噸/公里，其它費(fèi)用是油耗與過路費(fèi)的0.8%計提費(fèi)率。

表1 冷鏈物流節(jié)點(diǎn)間距(單位：公里)

表2 冷鏈物流備選節(jié)點(diǎn)其它相關(guān)信息

4.2 節(jié)點(diǎn)部署效果分析

利用本文方法得到冷鏈物流節(jié)點(diǎn)部署方案，如下圖6所示。

圖6 冷鏈物流節(jié)點(diǎn)部署示意圖

根據(jù)圖6的部署方案，以配送成本與需求量滿足度為評估指標(biāo)，經(jīng)仿真驗(yàn)證方法性能。對比方法為文獻(xiàn)[2]方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法，評估指標(biāo)實(shí)驗(yàn)結(jié)果分別如表3、表4所示。

表3 配送成本對比(單位：元)

表4 供應(yīng)量與需求量對比(單位：千克)

根據(jù)表3所示的節(jié)點(diǎn)最佳部署方案與其它部署方案成本對比結(jié)果可知，相較于其它部署結(jié)果，盡管本文部署方案的固定成本與運(yùn)輸成本相對較高，但因運(yùn)營成本與懲罰成本的大幅下降，極大程度減少了成本總和，故總體來說，本文部署方案的總成本最低；由表4所示的申請點(diǎn)需求量、提供點(diǎn)供應(yīng)量以及物流中心可配送量對比結(jié)果可知，提供點(diǎn)與冷鏈物流中心的供應(yīng)量與可配送量遠(yuǎn)遠(yuǎn)大于申請點(diǎn)的需求量，即便申請點(diǎn)有額外數(shù)量的需求，依舊能夠得到滿足。本文部署方法的優(yōu)越性能歸功于構(gòu)建的異構(gòu)數(shù)據(jù)集成模型，強(qiáng)化了物流各環(huán)節(jié)關(guān)聯(lián)，增加了協(xié)作默契度，基于此，利用設(shè)計的冷鏈物流節(jié)點(diǎn)部署方法，取得了最優(yōu)的冷鏈物流節(jié)點(diǎn)布局，使冷鏈物流節(jié)點(diǎn)得到合理部署，滿足了申請點(diǎn)的不同需求量。

農(nóng)產(chǎn)品易腐蝕，配送時長對其品質(zhì)有直接影響，故通過不同的懲罰系數(shù)取值，探討農(nóng)產(chǎn)品的時效性，具體結(jié)果如圖7所示。

圖7 懲罰系數(shù)與農(nóng)產(chǎn)品時效性關(guān)系

從圖7所示的成本曲線走勢可以看出，總成本隨著懲罰系數(shù)的變大而上升，而配送成本卻與懲罰系數(shù)呈負(fù)相關(guān)性，說明懲罰系數(shù)的取值對農(nóng)產(chǎn)品時效性有較大的決定性作用。從變化趨勢上來看，將懲罰系數(shù)控制在1.3到1.5之間時，配送成本與總成本最為均衡，在確保不浪費(fèi)運(yùn)營成本的前提下，保證了產(chǎn)品品質(zhì)。

5 結(jié)論

農(nóng)產(chǎn)品冷鏈物流的區(qū)域分布不合理，不僅加劇了物流成本與食品損耗，而且阻礙了冷鏈物流形式發(fā)展。為此，以物流異構(gòu)數(shù)據(jù)為基礎(chǔ)，制定出一種農(nóng)產(chǎn)品冷鏈物流節(jié)點(diǎn)部署策略，通過粒子群算法優(yōu)化了節(jié)點(diǎn)部署方案。盡管本文方法降低了冷鏈物流運(yùn)作成本，確保了產(chǎn)品品質(zhì)與需求，但因節(jié)點(diǎn)部署策略中未考慮到實(shí)際物流運(yùn)作中產(chǎn)生的中轉(zhuǎn)與庫存成本，所以，應(yīng)在今后的工作中，將本文方法應(yīng)用于實(shí)踐，結(jié)合真實(shí)情況完善方法性能。由于現(xiàn)實(shí)情況中存在低價低質(zhì)產(chǎn)品，為順應(yīng)市場發(fā)展，下一階段應(yīng)就農(nóng)產(chǎn)品新鮮度與用戶需求，構(gòu)建準(zhǔn)確的函數(shù)關(guān)系，探索低質(zhì)產(chǎn)品的配送價值。