摘 "要:文章以“到柜”模式生鮮電商食行生鮮的冷庫-自提柜設(shè)施為研究對象,構(gòu)建了基于物流綜合成本和碳排放量最低的冷鏈物流選址-路徑問題雙目標(biāo)模型,設(shè)計帶有局部搜索的混合遺傳算法進(jìn)行模型求解。針對食行生鮮的實際經(jīng)營數(shù)據(jù)進(jìn)行實證分析,驗證了該算法具有較高的運(yùn)算效率和良好的收斂性,對比求解的考慮與不考慮碳排放的優(yōu)化結(jié)果,發(fā)現(xiàn)將碳排放作為影響經(jīng)濟(jì)成本的關(guān)鍵因素來考慮時,既能降低物流綜合成本,又能縮短冷藏車行駛距離。
關(guān)鍵詞:碳排放;“到柜”模式生鮮電商;冷鏈物流;混合遺傳算法;選址-路徑問題
中圖分類號:F713.365.1 " "文獻(xiàn)標(biāo)志碼:A " "DOI:10.13714/j.cnki.1002-3100.2023.07.031
Abstract: This paper taking the \"to-the-counter\" mode of fresh e-commerce food store as the research object, a double-objective model of cold chain logistics location-routing problem based on the comprehensive logistics cost and the lowest carbon emissions is constructed. A hybrid genetic algorithm with local search is designed to solve the model. An empirical analysis is made on the actual operation data of fresh food shops, which proves that the algorithm has high operation efficiency and good convergence. By comparing the optimization results with or without carbon emissions, it is found that considering carbon emissions as a key factor affecting economic costs can not only reduce the comprehensive logistics cost, but also shorten the driving distance of refrigerated trucks.
Key words: carbon emissions; \"to the cabinet\" mode fresh e-commerce; cold chain logistics; hybrid genetic algorithm; location
-routing problem
0 "引 "言
生鮮產(chǎn)品網(wǎng)絡(luò)零售規(guī)模的急速擴(kuò)張,帶動了冷鏈物流的快速發(fā)展,使其成為生鮮電商企業(yè)提高競爭力的關(guān)鍵因素。首先,冷庫選址和配送路徑的調(diào)度,對冷鏈物流運(yùn)營成本及效率影響較大,若兩者設(shè)置不合理,則會導(dǎo)致送貨時間長、生鮮變質(zhì)、顧客消費(fèi)體驗差。其次,冷鏈物流在運(yùn)輸環(huán)節(jié)的冷藏行為、配送環(huán)節(jié)的開關(guān)門活動等會造成相當(dāng)多的能源耗損,從而導(dǎo)致碳排放量的增加。
傳統(tǒng)冷鏈配送模式存在著末端脫離冷鏈、交付時間難以協(xié)調(diào)及服務(wù)質(zhì)量差等缺點(diǎn),逐漸滿足不了生鮮電商末端配送大量分散的送貨需求。本文研究的新興“到柜”配送模式是指生鮮電商企業(yè)根據(jù)顧客購買信息,通過冷藏車將產(chǎn)品從冷庫配送至公共生鮮自提柜后,顧客自提。此模式相較于到店、到家模式能夠繼續(xù)保證產(chǎn)品的新鮮度、消除時間窗、提高配送效率、降低履約成本。鑒于此背景,提出考慮碳排放的“到柜”模式冷鏈物流選址-路徑集成優(yōu)化模型。
針對冷鏈物流的碳排放超量問題,Diabat等[1]認(rèn)為碳排放量與物流中心的開放位置和數(shù)量有關(guān),且其會影響整個物流系統(tǒng)成本;鄒建城等[2]考慮時間窗,為實現(xiàn)包含碳排放成本在內(nèi)的綜合總成本最小和平均顧客滿意度最大,構(gòu)建了多目標(biāo)優(yōu)化模型,并采用改進(jìn)蟻群算法獲得了最優(yōu)解。針對冷鏈物流的選址問題,Manikas等[3]分析了生鮮產(chǎn)品配送過程中存在的主要問題,得出冷鏈物流中心選址對提高生鮮產(chǎn)品的配送效率有著關(guān)鍵作用的結(jié)論。Zvi Drezner等[4]以易腐食品為對象,研究配送中心選址問題,認(rèn)為其會影響庫存成本和選址成本,在計算物流總成本時需考慮這兩者。針對冷鏈物流的配送路徑優(yōu)化問題,Osvald A等[5]考慮農(nóng)產(chǎn)品易腐性、運(yùn)輸及配送時間,以運(yùn)輸效率和顧客滿意度最大為目標(biāo),構(gòu)建冷鏈物流配送路徑優(yōu)化模型,并采用禁忌搜索優(yōu)化算法求解模型。Shukla等[6]考慮時間窗,為實現(xiàn)運(yùn)輸成本、腐爛程度、懲罰最小,構(gòu)建生鮮農(nóng)產(chǎn)品冷鏈物流路徑優(yōu)化多目標(biāo)模型,并采用人工免疫算法求解;孫明明等[7]考慮時間、溫度與貨損成本等因素,構(gòu)建以總配送成本最小為優(yōu)化目標(biāo)的冷鏈物流配送路徑優(yōu)化模型,并改進(jìn)節(jié)約成本法求解模型。
從以上研究可看出,學(xué)者們大多將碳排放問題與冷鏈物流領(lǐng)域的選址和路徑問題分開研究,較少考慮兩者間的集成優(yōu)化問題。而現(xiàn)有冷鏈物流選址-路徑問題研究又大多都集中于易腐品和生鮮產(chǎn)品本身,較少結(jié)合電商環(huán)境進(jìn)行研究。
1 "模型建立
1.1 "問題描述。問題涉及冷庫合理選址及冷藏車路徑規(guī)劃,其中主要考慮冷庫選址成本和冷藏車配送過程的碳排放量。“到柜”模式冷鏈物流選址-路徑優(yōu)化示意圖如圖1所示。
1.2 "模型假設(shè)
(1)候選冷庫、自提柜的地理位置和容量已知;(2)每個自提柜都被派送,且必須由同一輛冷藏車完成派送任務(wù);(3)冷藏車結(jié)束派送工作后,需返回冷庫;(4)除了卸貨裝柜時的空氣對流外,不考慮外界溫度對制冷的影響;(5)冷藏車型號統(tǒng)一,且勻速行駛。
1.3 "符號說明
1.3.1 "參數(shù)。M表示候選冷庫集合;N表示自提柜點(diǎn)集合;K表示冷藏車集合;m表示某一個候選冷庫;n表示某一個自提柜點(diǎn);k表示某一輛冷藏車;F表示備選冷庫m的固定使用成本;F表示冷藏車k的固定成本;d表示自提柜點(diǎn)i到自提柜點(diǎn)j的平面坐標(biāo)距離;c表示冷藏車k從自提柜點(diǎn)i到自提柜點(diǎn)j的單位運(yùn)輸費(fèi)用;q表示自提柜點(diǎn)i的需求量;q表示冷藏車k配送完自提柜i的貨物后車上還剩生鮮食品的總質(zhì)量;q表示冷庫m為自提柜點(diǎn)n派送的生鮮食品的質(zhì)量;q表示冷藏車k在自提柜點(diǎn)i,j之間配送時的載重量;Q表示冷藏車k的最大載重量;V表示備選冷庫m的容量;P表示生鮮產(chǎn)品的單位配送價格;T表示在自提柜點(diǎn)i打開冷藏車車門進(jìn)行配送的時間;T表示冷藏車k抵達(dá)自提柜點(diǎn)i所花時間;μ、μ分別表示生鮮品質(zhì)對配送、卸貨裝柜過程的時間敏感系數(shù);G、G分別表示冷藏車k在運(yùn)輸、卸貨裝柜過程中的制冷能耗系數(shù);?諄表示燃油耗損的CO2排放系數(shù);σ表示運(yùn)輸單位重量生鮮行駛單位距離(kg·km)冷藏產(chǎn)生的碳排放;τ表示處理單位重量生鮮產(chǎn)品產(chǎn)生的碳排放量。
1.3.2 "決策變量。X表示冷藏車k經(jīng)過自提柜點(diǎn)i與自提柜點(diǎn)j路段時為1,否則為0;Y表示冷藏車k對自提柜點(diǎn)i進(jìn)行服務(wù)時為1,否則為0;Z表示冷庫配送的冷藏車k被使用時為1,否則為0;S表示自提柜點(diǎn)i由冷庫m來服務(wù)時為1,否則為0;R表示備選冷庫m被選擇時為1,否則為0。
1.4 "數(shù)學(xué)模型
1.4.1 "目標(biāo)函數(shù)
Minz=RF+ZF+cXd+PYq1-e+PYq1-e+GXd+GT(1)
Minz=RC+τq+Xd?鄣ρq+σq " " " " " nbsp; " " " " " " (2)
目標(biāo)函數(shù)z:表示物流綜合成本最小,其中式(1)從左往右分別表示冷庫的固定使用成本、冷藏車的固定使用成本、運(yùn)輸成本、貨損成本、制冷成本(冷藏車輛行駛以及開啟車門進(jìn)行卸貨裝柜服務(wù)的制冷成本)。
目標(biāo)函數(shù)z:表示碳排放總量最低,其中式(2)從左往右分別表示冷庫的固定碳排放、冷庫處理貨物量產(chǎn)生的碳排放、冷藏車行駛以及開啟車門進(jìn)行卸貨裝柜服務(wù)所產(chǎn)生的碳排放,其中:
ρx=ρ+x " " " " " " " " " " " " " " " " " " " " " "(3)
ρ和ρ分別指滿載和空載時單位距離行駛?cè)剂舷牧俊?/p>
1.4.2 "約束條件
R≥1 " " " " " " " " " " " " " " " " " " " " " " " "(4)
Sq≤V " " " " " " " " " " " " " " " " " " " " " " " (5)
Y=1, ?坌i∈N " " " " " " " " " " " " " " " " " " " " " " (6)
X=X≤1, ?坌k∈M " " " " " " " " " " " " " " " " " " " " (7)
Yq≤Q, ?坌k∈K " " " " " " " " " " " " " " " " " " " " " (8)
x∈0,1, ?坌k∈M, i∈N, j∈N " " " " " " " " " " " " " " " " " " " (9)
Y∈0,1, ?坌i∈N, j∈N " " " " " " " " " " " " " " " " " " " " (10)
Z∈0,1, ?坌k∈M " " " " " " " " " " " " " " " " " " " " " (11)
S∈0,1, ?坌i∈N, m∈M " " " " " " " " " " " " " " " " " " " "(12)
R∈0,1, ?坌m∈M " " " " " " " " " " " " " " " " " " " " " (13)
式(4)即必須選擇至少一個冷庫;式(5)即各自提柜點(diǎn)的需求量相加不能超過冷庫容量;式(6)即每個自提柜點(diǎn)僅有一輛冷藏車為其服務(wù);式(7)即到達(dá)自提柜點(diǎn)i的冷藏車一定要從該點(diǎn)駛離,且配送完最后一個自提柜點(diǎn)后,需返回冷庫;式(8)即冷藏車單次運(yùn)輸所承載生鮮食品的重量不能高于其載重量;式(9)到式(13)為0~1變量約束。
2 "算法設(shè)計
算法流程如圖2所示:
2.1 "染色體編碼。針對冷庫、自提柜配送路徑和冷藏車不同使用量的分配問題,算法設(shè)計多段式雙層編碼,使染色體包含冷庫索引號、自提柜配送順序、車輛使用數(shù)量,每種染色體的總長度都是n+k。
第一層為冷藏車指派出發(fā)冷庫。用n+1,n+2,…,n+m表示不同的冷庫,冷庫將自提柜分割為不同的序列段后,將冷庫索引號插入當(dāng)前序列段尾端,其中段數(shù)對應(yīng)當(dāng)前冷藏車使用數(shù),其冷庫表達(dá)形式為1, 2,n+1,3,4,n+2, …, n+m。在使用的冷藏車數(shù)小于最大冷藏車數(shù)時,剩余空向量用0代替,其冷庫表達(dá)形式為1,2,n+1,3,4,n+2, …, n+m,0,0。
第二層為冷藏車指派配送自提柜。當(dāng)自提柜數(shù)目為n且最大車輛使用數(shù)目為k時,染色體長度表達(dá)形式為1,2,3,…, n,n+1, …, n+k。
2.2 "種群初始化
步驟1:隨機(jī)生成遍歷自提柜的序列Chrom←1,2,3,…,n;
步驟2:初始化冷藏車使用數(shù)量k←1、載重量Capk=0、每輛冷藏車配送序列Seqk及空染色體Chrom;
步驟3:遍歷Chrom中每個自提柜的需求量qi,按照遍歷順序計算冷藏車的載重量Capk=Capk+qi,若Capk小于冷藏車載重量時,將當(dāng)前自提柜序列號i放入冷藏車配送序列Seqk中,若Capk大于冷藏車載重量時,則終止遍歷,隨機(jī)分配冷庫插入Seqk末端;
步驟4:將Seqk放入Chrom中,更新k←k+1,重復(fù)步驟4,5直到遍歷完所有自提柜;
步驟5:將Chrom末尾中空基因點(diǎn)補(bǔ)為0,構(gòu)造完初始解后,初始化種群。
2.3 "局部搜索。采用大規(guī)模鄰域搜索算法(LNS)的局部搜索功能改進(jìn)遺傳算法,提高求解質(zhì)量,其求解步驟如表1所示。
偽代碼中三個變量其中x是可行解,x是當(dāng)前迭代的最佳解,x是根據(jù)破壞和修復(fù)規(guī)則用來存儲的臨時解。destroy.用于破壞可行解并返回不可行解x,函數(shù)repair是重建被破壞解的修復(fù)方法,以便返回從x構(gòu)建的可行解x。
3 "實證分析
3.1 "數(shù)據(jù)說明。本文選取食行生鮮配送范圍內(nèi)的3個候選冷庫、35個自提柜、5輛冷藏車作為研究對象展開深入分析,具體數(shù)據(jù)如圖3、表2至表4所示。
3.2 "計算結(jié)果分析。改進(jìn)遺傳算法運(yùn)用Matlab2018a版本編程,迭代次數(shù)為100次。
從考慮碳排放的選址-路徑優(yōu)化圖和考慮碳排放的算例求解結(jié)果及LRP模型各項成本如圖4和表5、表6所示??煽闯鼋Y(jié)果:只選擇備選點(diǎn)③120.638 121,31.290 508作為冷庫。
從不考慮碳排放的選址-路徑優(yōu)化圖和不考慮碳排放的算例求解結(jié)果及LRP模型的各項成本如圖5和表7、表8所示。可看出結(jié)果:只選擇備選點(diǎn)①120.618 885,31.266 824作為冷庫。
考慮碳排放相較于不考慮碳排放的優(yōu)化模型,總成本降低1.75%、行駛距離縮短0.70%、碳排放量減少8.79%,這三項足以證明考慮碳排放優(yōu)化模型的優(yōu)越性。
4 "總 "結(jié)
本文將碳排放作為影響經(jīng)濟(jì)成本的關(guān)鍵因素,引入到冷鏈物流選址-路徑模型中,針對食行生鮮的實際經(jīng)營數(shù)據(jù)進(jìn)行實證分析,考慮碳排放相較于不考慮碳排放的優(yōu)化結(jié)果表明:(1)每輛車的行駛里程相對更平均,總配送距離縮短,可以提升服務(wù)效率、減少能源消耗。(2)物流綜合成本降低,主要來源于冷庫固定使用成本和運(yùn)輸成本的下降。(3)碳排放量隨配送里程縮短而減少。從實踐意義來說,食行生鮮能夠?qū)崿F(xiàn)節(jié)能減排,符合當(dāng)前可持續(xù)發(fā)展理念并能樹立良好企業(yè)形象,對我國冷鏈物流實施綠色低碳也有一定促進(jìn)作用。(4)從考慮碳排放的選址-路徑優(yōu)化圖中看出選址配送決策更合理,可為生鮮電商同類型企業(yè)未來發(fā)展提供方向。
下一步研究可探討市場需求和退貨量不確定的情形,結(jié)合同時正向送貨逆向取貨的場景進(jìn)行研究。此外,假設(shè)只考慮了同類車型且車勻速行駛,未來將重點(diǎn)考慮模型與多車型、路況、時間窗等實際約束結(jié)合的情況。
參考文獻(xiàn):
[1] "A DIABAT, D SIMCHI-LEVI. A carbon-capped supply chain network problem[C] // 2009 IEEE International Conference on Industrial Engineering and Engineering Management, 2009:523-527.
[2] 鄒建城,路正南. 考慮碳排放的生鮮農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化研究[J]. 物流科技,2019,42(8):46-52.
[3] "MANIKAS I, TERRY L A. A case study assessment of the operational performance of a multiple fresh produce distribution centre in the UK[J]. British Food Journal, 2009,111(4/5):421-435.
[4] "ZVI DREZNER, CARLTON H SCOTT. Location of a distribution center for a perishable product[J]. Mathematical Methods of Operations Research, 2013,78(3):301-314.
[5] "OSVALD A, STIRN L Z. A vehicle routing algorithm for the distribution of fresh vegetables and similar perishable food[J]. Journal of Food Engineering, 2008,85(2):285-295.
[6] "M SHUKLA, S JHARKHARIA. Artificial Immune System-based algorithm for vehicle routing problem with time window constraint for delivery of agri-fresh produce[J]. Journal of Decision Systems, 2013,22(3):224-247.
[7] 孫明明,張辰彥,林國龍,等. 生鮮農(nóng)產(chǎn)品冷鏈物流配送問題及其路徑優(yōu)化[J]. 江蘇農(nóng)業(yè)科學(xué),2017,45(11):282-285.