中圖分類號(hào)：F259.2 文獻(xiàn)標(biāo)志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.08.002

Abstract：Co-distributionisanimportant waytoeffectivelysolvethe problems ofhighcostandloweficiencyinrurallogistics distibutio.troteveoupgdfecyeemetsiountyoadilglstispretas to co-distribution.Thisstudyconsiders minimizingthetotalcostas the goaltoestablishacounty，townand vilagelogistics c o- distribution model，anddesigatstageuristicagrittooltemodelitags.Inthsttage，ageneticagortwithidcoding methodisdesignedtodeterminethelocationandnumberoftowshipommondistributioncenters;inthesecondstage，aniproved brainstormingalgorithisproposedtooptimizethditributionpathsofthesecondlevelfortheproblemofmultiplecommondistribution centersintetownships;intethirdstage，amulatedanealingalgorithmisusedtodeteminethedistributionpathsfromthecounty levelcommontransitcenters tothetownshipcommondistrbutioncenters.Finall，themodelisanalzedincombinationwithpecific arithmetic examples to verifythe efectiveness ofthe county， township and vilage logistics co一distribution model.

KeyWords：commondistributionthstageheursticalgoritm;hbridoding;treelevellogistcintheountytowadvile

0引言

農(nóng)村電商的迅速發(fā)展以及“快遞進(jìn)村”工程的推進(jìn)為農(nóng)村經(jīng)濟(jì)的發(fā)展注入了新的動(dòng)力。然而，由于農(nóng)村物流面臨著資源共享程度低、配送范圍廣、客戶分布分散以及配送路徑重復(fù)等挑戰(zhàn)，導(dǎo)致農(nóng)村物流配送成本較高、配送時(shí)效性難以得到保證，成為了制約農(nóng)村電商發(fā)展的瓶頸[14]。共同配送作為一種能夠降低農(nóng)村物流配送成本、提高配送效率的模式是當(dāng)前解決農(nóng)村物流配送問題的有效策略[5]。

為了實(shí)現(xiàn)共同配送策略，需要建立對(duì)應(yīng)的共同配送網(wǎng)絡(luò)。國(guó)內(nèi)外關(guān)于共同配送網(wǎng)絡(luò)問題的研究成果主要集中在以下3個(gè)方面。第一，在路徑優(yōu)化中，Liuetal.\"采用模擬退火算法，對(duì)冷鏈物流企業(yè)共同配送路徑問題進(jìn)行了求解，結(jié)果表明共同配送能有效降低總成本和減少碳排放量。Zhang et al.8針對(duì)城市快遞多而頻導(dǎo)致的配送復(fù)雜問題，提出了城市快遞共同配送模式，設(shè)計(jì)改進(jìn)的競(jìng)爭(zhēng)決策算法進(jìn)行求解，并通過(guò)算例證明了模型和算法的實(shí)用性。第二，在選址研究方面。Zhouetal提出了一種局部搜索與懲罰相結(jié)合的改進(jìn)的K-means算法，對(duì)餐廳的共同配送中心進(jìn)行了選址。He et al.1針對(duì)共同配送中心的選址問題，提出了改進(jìn)的模糊TOPSIS算法，并通過(guò)實(shí)證和敏感性分析證實(shí)了算法的可行性。第三，為了避免單一約束造成的非最優(yōu)決策，學(xué)者們逐漸將選址與路徑這兩類問題進(jìn)行疊加，進(jìn)行多層級(jí)配送分析。何馨韻等建立了多層級(jí)共同配送中心選址與路徑問題的整數(shù)規(guī)劃模型，并通過(guò)多階段算法完成了模型的求解。李珍萍等[2在研究奶制品共同配送選址-路徑優(yōu)化問題時(shí)，采用三階段算法對(duì)考慮容量約束的兩層級(jí)物流共同配送選址-路徑問題的模型進(jìn)行求解，并通過(guò)單獨(dú)配送與共同配送對(duì)比的算例驗(yàn)證了模型和算法的合理性。

綜上，現(xiàn)有研究主要針對(duì)共同配送以及多層級(jí)選址與路徑問題展開研究，但是少有研究將兩者進(jìn)行綜合分析。同時(shí)，部分學(xué)者將共同配送下多個(gè)配送中心簡(jiǎn)單轉(zhuǎn)化為多個(gè)單配送中心處理，難以共享配送資源[3-14]?；诖耍疚尼槍?duì)縣鄉(xiāng)村三級(jí)物流共同配送的問題展開研究，主要工作如下。一是設(shè)計(jì)了三階段啟發(fā)式算法對(duì)鄉(xiāng)鎮(zhèn)共同配送中心選址以及兩層級(jí)的車輛路徑問題進(jìn)行求解。二是通過(guò)綜合考慮配送量、服務(wù)范圍以及配送費(fèi)用等因素確定鄉(xiāng)鎮(zhèn)共同配送中心的位置與數(shù)量。三是針對(duì)多段編碼的方式，將插入算子以及變領(lǐng)域搜索策略融入頭腦風(fēng)暴算法中降低求解的難度以及提高求解速度。

1問題描述與符號(hào)說(shuō)明

1.1 問題描述

農(nóng)村地區(qū)各物流企業(yè)進(jìn)行獨(dú)立配送，存在配送資源難以共享以及路徑重復(fù)的問題，導(dǎo)致農(nóng)村電商物流成本增加。為解決上述問題，多個(gè)物流企業(yè)可結(jié)成合作聯(lián)盟，構(gòu)建如圖1所示的縣鄉(xiāng)村三級(jí)物流共同配送網(wǎng)絡(luò)。其由兩層級(jí)構(gòu)成：第一層級(jí)為單個(gè)縣級(jí)共同中轉(zhuǎn)中心到鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心之間的配送；第二層級(jí)為鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心到多個(gè)村級(jí)客戶點(diǎn)之間的配送。在縣鄉(xiāng)村三級(jí)物流共同配送網(wǎng)絡(luò)中，以總成本最小化為優(yōu)化目標(biāo)，設(shè)計(jì)三階段啟發(fā)式算法對(duì)鄉(xiāng)鎮(zhèn)共同配送中心選址以及兩層級(jí)共同配送路徑優(yōu)化的問題進(jìn)行分階段求解。

基于此，本文做出如下假設(shè)：第一，車輛不能跨級(jí)配送；第二，配送過(guò)程不考慮貨物類型；第三，每層級(jí)車輛最多安排一次配送路線；第四，村級(jí)客戶點(diǎn)的配送量已知；第五，村級(jí)客戶點(diǎn)有服務(wù)時(shí)間要求，配送晚于服務(wù)時(shí)間會(huì)產(chǎn)生懲罰成本；第六，每層級(jí)車輛均勻速行駛；第七，車輛完成配送后需要返回起點(diǎn)。

1.2符號(hào)說(shuō)明

符號(hào)定義如下。

基本參數(shù)： V 為縣級(jí)共同中轉(zhuǎn)中心； I 為鄉(xiāng)鎮(zhèn)共同配送中心集合，其中 ； J 為村級(jí)客戶點(diǎn)集合，其中 ； P 為縣級(jí)車輛集合，其中 ； K 為鄉(xiāng)鎮(zhèn)級(jí)車輛集合，其中 ； 為縣級(jí)車輛的行駛速度； 為鄉(xiāng)鎮(zhèn)車輛的行駛速度； 為縣級(jí)車輛容量； 為鄉(xiāng)鎮(zhèn)級(jí)車輛容量； 為鄉(xiāng)鎮(zhèn)共同配送中心 i 的需求量； 為村級(jí)客戶點(diǎn) j 的需求量； 為縣級(jí)共同中轉(zhuǎn)中心 V 到鄉(xiāng)鎮(zhèn)共同配送中心 i 的距離； 為鄉(xiāng)鎮(zhèn)共同配送中心 i 到村級(jí)客戶點(diǎn) j 的距離； 為鄉(xiāng)鎮(zhèn)共同配送中心 i 的服務(wù)距離上限； 為縣級(jí)共同中轉(zhuǎn)中心的容量； 為鄉(xiāng)鎮(zhèn)共同配送中心的容量； 為鄉(xiāng)鎮(zhèn)級(jí)車輛 k 從鄉(xiāng)鎮(zhèn)共同配送中心 i 到村級(jí)客戶點(diǎn) j 所需時(shí)間； 為鄉(xiāng)鎮(zhèn)級(jí)車輛 k 到村級(jí)客戶點(diǎn) j 的時(shí)間； 為鄉(xiāng)鎮(zhèn)級(jí)車輛k 開始服務(wù)村級(jí)客戶點(diǎn) i 的時(shí)間； 為鄉(xiāng)鎮(zhèn)共同配送中心點(diǎn) i 的時(shí)間窗，前者表示最早時(shí)間，后者表示最晚時(shí)間； 為村級(jí)客戶點(diǎn) j 的時(shí)間窗。

成本參數(shù)： 為鄉(xiāng)鎮(zhèn)共同配送中心的運(yùn)行成本； 為縣級(jí)車輛 p 的單位運(yùn)輸費(fèi)率； 為鄉(xiāng)鎮(zhèn)級(jí)車輛 k 的單位運(yùn)輸費(fèi)率； 為縣級(jí)車輛 p 使用的固定費(fèi)用； 為鄉(xiāng)鎮(zhèn)級(jí)車輛 k 使用的固定費(fèi)用； 為超出共同配送中心服務(wù)范圍的懲罰值； 為早于村級(jí)客戶點(diǎn)最早時(shí)間提供物流服務(wù)的懲罰成本； 為晚于村級(jí)客戶點(diǎn)最晚時(shí)間提供物流服務(wù)的懲罰成本。

決策變量： ，如果村級(jí)客戶點(diǎn) j 被選中作為鄉(xiāng)鎮(zhèn)共同配送中心 i 則為1，否則為0； ，如果村級(jí)客戶點(diǎn) j 由鄉(xiāng)鎮(zhèn)共同配送中心 i 服務(wù)則為1，否則為0； ，如果鄉(xiāng)鎮(zhèn)共同配送中心 i 由縣級(jí)中轉(zhuǎn)中心 V 服務(wù)則為1，否則為0； ，如果鄉(xiāng)鎮(zhèn)共同配送中心 i 由縣級(jí)車輛 p 服務(wù)則為1，否則為0； ，如果村級(jí)客戶點(diǎn) j 由鄉(xiāng)鎮(zhèn)級(jí)車輛 k 服務(wù)則為1，否則為0。

1.3模型構(gòu)建

針對(duì)縣鄉(xiāng)村三級(jí)物流共同配送網(wǎng)絡(luò)，以最小化成本為優(yōu)化目標(biāo)，建立了如下混合整數(shù)規(guī)劃模型。

其中，公式（1）表示目標(biāo)函數(shù)，為最小運(yùn)輸成本；公式（2）表示兩層級(jí)的車輛運(yùn)輸成本；公式（3）表示兩層級(jí)車輛使用的固定成本；公式（4）表示鄉(xiāng)鎮(zhèn)共同配送中心的固定費(fèi)用；公式（5）表示超出服務(wù)范圍的懲罰成本；公式（6）表示配送車輛晚于村級(jí)客戶點(diǎn)右時(shí)間窗到達(dá)的懲罰成本；公式（7）表示配送車輛早于村級(jí)客戶點(diǎn)左時(shí)間窗到達(dá)的懲罰成本；公式（8）表示鄉(xiāng)鎮(zhèn)共同配送中心 j 到村級(jí)客戶點(diǎn) i 的距離不能超出服務(wù)范圍 L ；公式（9）表示每個(gè)村級(jí)客戶點(diǎn) i 有且僅能由一個(gè)鄉(xiāng)鎮(zhèn)共同配送中心 j 服務(wù)；公式（10）表示在村級(jí)客戶點(diǎn) i 中選取若干建立鄉(xiāng)鎮(zhèn)共同配送中心 j ， t 為擬建鄉(xiāng)鎮(zhèn)共同配送中心數(shù)量；公式（11）表示只有被選中的鄉(xiāng)鎮(zhèn)共同配送中心 j 才能提供配送服務(wù)；公式（12）表示鄉(xiāng)鎮(zhèn)共同配送中心 j 的需求量不能超過(guò)縣級(jí)車輛 p 的容量限制；公式（13）表示村級(jí)客戶點(diǎn) i 的需求量不能超過(guò)鄉(xiāng)鎮(zhèn)級(jí)車輛 k 的容量限制；公式（14）表示鄉(xiāng)鎮(zhèn)共同配送中心 j 的需求總量不超過(guò)縣級(jí)共同中轉(zhuǎn)中心 V 的容量限制；公式（15）表示村級(jí)客戶點(diǎn) i 的需求總量不超過(guò)鄉(xiāng)鎮(zhèn)共同配送中心 j 的容量限制；公式（16）表示每個(gè)村級(jí)客戶點(diǎn) j 有且只能由一輛鄉(xiāng)鎮(zhèn)級(jí)車輛 k 為其服務(wù)；公式（17）表示每個(gè)鄉(xiāng)鎮(zhèn)共同配送中心 i 有且只能由一輛縣級(jí)車輛 p 為其服務(wù)；公式（18）表示鄉(xiāng)鎮(zhèn)級(jí)車輛 k 從鄉(xiāng)鎮(zhèn)共同配送中心 i 到村級(jí)客戶點(diǎn) j 的行駛時(shí)間等于鄉(xiāng)鎮(zhèn)共同配送中心 i 到村級(jí)客戶點(diǎn) j 之間的距離與速度的比值；公式（19）表示鄉(xiāng)鎮(zhèn)級(jí)車輛 k 的開始服務(wù)時(shí)間必須在村級(jí)客戶點(diǎn) j 的右時(shí)間窗內(nèi)；公式（20）一（24）表示決策變量取值約束。

2算法設(shè)計(jì)

由于縣鄉(xiāng)村三級(jí)共同配送網(wǎng)絡(luò)屬于2E-RP，是典型的NP-Hard問題，算法無(wú)法在短時(shí)間內(nèi)得到全局最優(yōu)解[15-17]。故本文將縣鄉(xiāng)村三級(jí)共同配送問題拆分為三個(gè)易求解的子問題，并設(shè)計(jì)三階段啟發(fā)式算法對(duì)子問題進(jìn)行分階段求解和優(yōu)化。具體來(lái)說(shuō)，第一階段確定鄉(xiāng)鎮(zhèn)共同配送中心的位置與數(shù)量，第二階段對(duì)第二層級(jí)的路徑進(jìn)行優(yōu)化，第三階段對(duì)第一層級(jí)的路徑進(jìn)行優(yōu)化。

2.1第一階段：確定鄉(xiāng)鎮(zhèn)共同配送中心的位置與數(shù)量

考慮到配送距離以及鄉(xiāng)鎮(zhèn)共同配送中心的數(shù)量是影響總成本的關(guān)鍵，本階段采用遺傳算法確定鄉(xiāng)鎮(zhèn)共同配送中心的位置與數(shù)量。算法具體步驟如下。

步驟1：染色體編碼。本階段設(shè)計(jì)了一種混合染色體編碼的方式。如圖2所示，第一行表示村級(jí)客戶點(diǎn)是否被選中建設(shè)鄉(xiāng)鎮(zhèn)共同配送中心，編碼為1或0，分別表示被選中和沒被選中。假設(shè)有5個(gè)村級(jí)客戶點(diǎn)，根據(jù)隨機(jī)性，村級(jí)客戶點(diǎn)編號(hào)1和編號(hào)4被選中建設(shè)鄉(xiāng)鎮(zhèn)共同配送中心。其他行產(chǎn)生（0，1）之間的隨機(jī)數(shù)，根據(jù)隨機(jī)數(shù)的優(yōu)先級(jí)確定歸屬于哪個(gè)鄉(xiāng)鎮(zhèn)共同配送中心。例如，鄉(xiāng)鎮(zhèn)共同配送中心編號(hào)1對(duì)應(yīng)服務(wù)村級(jí)客戶點(diǎn)編號(hào)5，而鄉(xiāng)鎮(zhèn)共同配送中心編號(hào)4對(duì)應(yīng)服務(wù)村級(jí)客戶點(diǎn)編號(hào)2和3。

步驟2：種群初始化。依據(jù)優(yōu)先級(jí)將村級(jí)客戶點(diǎn)分配給鄉(xiāng)鎮(zhèn)共同配送中心后，判斷村級(jí)客戶點(diǎn)的需求量是否超過(guò)鄉(xiāng)鎮(zhèn)共同配送中心的容量，如未超過(guò)，該村級(jí)客戶點(diǎn)分配給當(dāng)前鄉(xiāng)鎮(zhèn)共同配送中心；否則，記錄該村級(jí)客戶點(diǎn)，順次進(jìn)行下一個(gè)村級(jí)客戶點(diǎn)的分配，直至將所有村級(jí)客戶點(diǎn)分配完。

步驟3：考慮到鄉(xiāng)鎮(zhèn)共同配送中心的容量屬于硬約束，當(dāng)違反鄉(xiāng)鎮(zhèn)共同配送中心的容量時(shí)，則增加鄉(xiāng)鎮(zhèn)共同配送中心的個(gè)數(shù)。當(dāng)超出鄉(xiāng)鎮(zhèn)共同配送中心的服務(wù)范圍時(shí)，將會(huì)引入懲罰因子，接受不符合服務(wù)范圍約束的不可行解，以此增加解的多樣性。適應(yīng)度值函數(shù)的計(jì)算公式如式（25）所示。

步驟4：交叉操作。除染色體第一行外，根據(jù)交叉概率 P c 對(duì)隨機(jī)位置進(jìn)行單點(diǎn)交叉，從而生成新的染色體。如圖3所示，隨機(jī)選中父代1第3個(gè)位置后的基因與父代2對(duì)應(yīng)位置進(jìn)行交叉形成新的子代。

步驟5：變異操作?；谌旧w的編碼特性，根據(jù)變異概率P m 對(duì)染色體第一行個(gè)體隨機(jī)選取基因序列中的一個(gè)位置，并進(jìn)行取反操作。

步驟6：精英保留策略。將經(jīng)過(guò)交叉以及變異等遺傳操作后形成的子代的適應(yīng)度值與舊的適應(yīng)度值相比較，如果優(yōu)于舊的適應(yīng)度值則進(jìn)行更新。

步驟7：停止條件。判斷當(dāng)前迭代是否達(dá)到最大，若滿足則算法終止；否則，轉(zhuǎn)至步驟3。

2.2第二階段：第二層級(jí)的路徑優(yōu)化問題

根據(jù)鄉(xiāng)鎮(zhèn)共同配送中心選址結(jié)果，第二階段為鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心的路徑優(yōu)化問題。針對(duì)鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心路徑問題進(jìn)行綜合求解，本文設(shè)計(jì)了多段編碼方式，將變領(lǐng)域搜索策略以及插入算子融入頭腦風(fēng)暴算法中，提高解的全局搜索能力。具體步驟如下。

步驟1：編碼設(shè)計(jì)。根據(jù)車輛以及車輛服務(wù)的村級(jí)客戶點(diǎn)進(jìn)行編碼，使自然數(shù)與村級(jí)客戶點(diǎn)的順序相對(duì)應(yīng)。如圖4所示，假設(shè)有8個(gè)村級(jí)客戶點(diǎn)以及2個(gè)鄉(xiāng)鎮(zhèn)共同配送中心。染色體前段代表村級(jí)客戶點(diǎn)，后段表示為其服務(wù)的車輛編號(hào)。車輛編號(hào)為1表示該車輛屬于第1個(gè)鄉(xiāng)鎮(zhèn)共同配送中心，同時(shí)為村級(jí)客戶點(diǎn)編號(hào)1、2、5、7服務(wù)。而車輛編號(hào)為2表示該車輛屬于第2個(gè)鄉(xiāng)鎮(zhèn)共司配送中心，同時(shí)為村級(jí)客戶點(diǎn)編號(hào)3、4、6、8服務(wù)。

步驟2：適應(yīng)度函數(shù)。解碼后的配送方案不一定都是可行的。首先，根據(jù)車輛編號(hào)，對(duì)村級(jí)客戶點(diǎn)進(jìn)行分組，同時(shí)按照左時(shí)間窗的大小排序，組數(shù)與車輛使用數(shù)量相同。其次，通過(guò)公式計(jì)算違反時(shí)：，并采用懲罰操作來(lái)接受違反時(shí)間窗約束的不可行解。最后，利用公式（26）計(jì)算其適應(yīng)度函數(shù)。

步驟3：聚類與替換。利用K-means聚類，并在每個(gè)聚類中，按照個(gè)體的適應(yīng)度值進(jìn)行排序，選擇每一類的最優(yōu)個(gè)體作為聚類中心。同時(shí)，生成一個(gè)隨機(jī)數(shù) ， 。如果 小于替換概率 ，則隨機(jī)選擇一個(gè)聚類中心，并用隨機(jī)值進(jìn)行替換;否則，生成新個(gè)體。

步驟4：更新個(gè)體。更新個(gè)體是產(chǎn)生新個(gè)體的主要步驟。產(chǎn)生新個(gè)體的方式有兩種：一是隨機(jī)選擇一個(gè)類的中心或者選擇該類中的個(gè)體，對(duì)其進(jìn)行變異操作。二是隨機(jī)選擇兩個(gè)類的中心或者分別從兩類中隨機(jī)選擇一個(gè)個(gè)體，對(duì)兩個(gè)個(gè)體進(jìn)行交叉操作。

步驟5：插入算子。替換與更新后的個(gè)體并不一定滿足裝載量的約束，將不滿足車輛裝載量的村級(jí)客戶點(diǎn)放人未安排集合中。依據(jù)公式（27），以可安排車輛的最后一個(gè)村級(jí)客戶點(diǎn) j 與未安排集合中村級(jí)客戶點(diǎn) u 之間的行駛時(shí)間和等待時(shí)間最小化為插入準(zhǔn)則，將u 插入到可安排車輛村級(jí)客戶點(diǎn) j 后[18]

步驟6：變領(lǐng)域搜索策略。為了提高解的質(zhì)量，針對(duì)更新所產(chǎn)生的前 3 0 % 優(yōu)秀個(gè)體進(jìn)行變領(lǐng)域搜索策略，主要采用如圖5所示的三種領(lǐng)域搜索策略，分別是交換操作、逆轉(zhuǎn)操作以及插入操作，并通過(guò)輪盤賭進(jìn)行隨機(jī)選擇，先將這三種操作的概率組成一個(gè)數(shù)組 p ，再生成一個(gè)隨機(jī)數(shù) r 。隨后，計(jì)算操作概率的累積和 c 。根據(jù)隨機(jī)數(shù)，確定采用哪種操作。

步驟7：停止條件。判斷當(dāng)前迭代是否達(dá)到最大，是則輸出最優(yōu)適應(yīng)值；否則，轉(zhuǎn)至步驟3。

2.3第三階段：第一層級(jí)的路徑優(yōu)化問題

第三階段是根據(jù)鄉(xiāng)鎮(zhèn)共同配送中心的選址結(jié)果以及縣級(jí)共同中轉(zhuǎn)中心的位置求出第一層級(jí)的配送路徑。通過(guò)計(jì)算鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心所服務(wù)村級(jí)客戶點(diǎn)配送量的總和，在滿足車容量的約束條件下，考慮第一層級(jí)的配送成本，并利用模擬退火算法求出第一層級(jí)的最優(yōu)配送路徑，使得總成本最低。

3 算例分析

為了驗(yàn)證模型的有效性，將江西省上饒市橫峰縣相關(guān)數(shù)據(jù)代入模型中進(jìn)行算例研究。上饒市橫峰縣在全省示范縣中率先推進(jìn)縣鄉(xiāng)村三級(jí)物流體系建設(shè)，對(duì)于研究縣鄉(xiāng)村三級(jí)物流共同配送具有一定的典型性。受篇幅影響，僅展示其中部分?jǐn)?shù)據(jù)，部分相關(guān)數(shù)據(jù)如表1所示。

3.1算例驗(yàn)證

3.1.1 鄉(xiāng)鎮(zhèn)共同配送中心選址

根據(jù)第一階段算法步驟及已知條件，利用遺傳算法對(duì)鄉(xiāng)鎮(zhèn)共同配送中心進(jìn)行選址，最終得出在村級(jí)客戶點(diǎn)編號(hào)為24、27以及30號(hào)三處建立鄉(xiāng)鎮(zhèn)共同配送中心。求解結(jié)果如表3所示。

由表3可知，第一階段鄉(xiāng)鎮(zhèn)共同配送中心的選址最優(yōu)數(shù)目為3個(gè)，編號(hào)為24、27以及30號(hào)的村級(jí)客戶點(diǎn)被同時(shí)選為鄉(xiāng)鎮(zhèn)共同配送中心。

3.1.2 第二層級(jí)路徑優(yōu)化

在鄉(xiāng)鎮(zhèn)共同配送中心選址的基礎(chǔ)上，運(yùn)用改進(jìn)的頭腦風(fēng)暴算法對(duì)鄉(xiāng)鎮(zhèn)多個(gè)共同配送中心路徑進(jìn)行優(yōu)化，得到最優(yōu)的運(yùn)行路徑結(jié)果如表4所示。

由表4可知，從鄉(xiāng)鎮(zhèn)共同配送中心共需派出5輛車，其中，鄉(xiāng)鎮(zhèn)共同配送中心1號(hào)派出1輛車對(duì)12個(gè)村級(jí)客戶點(diǎn)進(jìn)行配送服務(wù)，鄉(xiāng)鎮(zhèn)共同配送中心2號(hào)派出3輛車對(duì)34個(gè)村級(jí)客戶點(diǎn)進(jìn)行配送服務(wù)，鄉(xiāng)鎮(zhèn)共同配送中心3號(hào)派出1輛車對(duì)14個(gè)村級(jí)客戶點(diǎn)進(jìn)行配送服務(wù)。此時(shí)鄉(xiāng)鎮(zhèn)共同配送中心最低總成本為3741.3元。求解過(guò)程中，改進(jìn)的頭腦風(fēng)暴算法最優(yōu)解變化趨勢(shì)如圖6所示。

3.1.3第一層級(jí)路徑優(yōu)化

通過(guò)第一階段確定的共同配送中心位置及第二層級(jí)確定的各個(gè)鄉(xiāng)鎮(zhèn)共同配送中心的配送量，利用模擬退火算法求出第一層級(jí)的最優(yōu)配送路徑為 1324 ，總成本為339.5元。

3.2 配送成本對(duì)比分析

在相關(guān)參數(shù)設(shè)置不變的情況下，將縣鄉(xiāng)村三級(jí)物流單獨(dú)配送與共同配送的費(fèi)用情況進(jìn)行對(duì)比，結(jié)果如表5所示。

由表5可知，縣鄉(xiāng)村三級(jí)物流共同配送比單獨(dú)配送的總成本低9776.0元；縣級(jí)車輛的使用量減少2輛；鄉(xiāng)鎮(zhèn)級(jí)車輛使用量減少10輛；車輛的總行駛距離減少 7 8 8 . 2 k m ?？梢钥闯觯h鄉(xiāng)村三級(jí)物流采取共同配送策略可以降低總成本，減少車輛使用量以及總行駛距離。

4結(jié)論

農(nóng)村電商的興起為當(dāng)?shù)亟?jīng)濟(jì)注人了新的活力，同時(shí)也凸顯了農(nóng)村物流所面臨的眾多挑戰(zhàn)。隨著越來(lái)越多的農(nóng)村消費(fèi)者選擇在線購(gòu)物，農(nóng)村物流需應(yīng)對(duì)更廣泛和更復(fù)雜的配送范圍與路徑?？h鄉(xiāng)村三級(jí)物流共同配送作為整合多方配送資源的重要策略，能夠通過(guò)集中處理和配送多個(gè)農(nóng)村地區(qū)的貨物，降低物流成本、提高效率，并縮短配送時(shí)間，是克服農(nóng)村物流發(fā)展難題的有效途徑。

本文基于農(nóng)村物流的發(fā)展，結(jié)合縣鄉(xiāng)村三級(jí)物流理論，提出引入共同配送策略，設(shè)計(jì)了縣鄉(xiāng)村三級(jí)物流共同配送網(wǎng)絡(luò)，采用三階段啟發(fā)式算法來(lái)求解鄉(xiāng)鎮(zhèn)共同配送中心選址與兩層級(jí)配送路徑問題。通過(guò)案例及對(duì)比分析，一方面說(shuō)明了縣鄉(xiāng)村三級(jí)物流共同配送相對(duì)于單獨(dú)配送能夠顯著減少車輛總行駛距離、降低配送成本以及車輛使用量；另一方面也證明了本文提出的三階段啟發(fā)式算法具有可行性。

參考文獻(xiàn)：

[1]QINZhaoui，EIXueke，ANDRIANARIMANANAMH，etalDigital inclusivefinanceandthedevelopmentofrurallogistics in China[J/OL]. Heliyon，2023，9（6）.[2024-06-10]. https：//doi.org/10.1016/j.heliyon.2023.e17329.

[2]HEYunzhu.Pricingof thebus-truck co-deliverymodeoflastmiledeliveryconsideringsocialwelfare maximization[J/OL]. Sustainability，2023，15（1）：1-15. [2024-06-10]. https：//doi.org/10.3390/su15010376.

[3]許菱，楊林超，朱文興，等．農(nóng)村電商物流下無(wú)人機(jī)與車輛協(xié)同配送路徑優(yōu)化研究[J]．計(jì)算機(jī)工程與應(yīng)用，2024，60 （1）：310-318.

[4]許文鑫，張敏，熊國(guó)文．配送車與無(wú)人機(jī)的農(nóng)村物流配送路徑優(yōu)化仿真[J]．計(jì)算機(jī)仿真，2022.39（6）：151-157.

[5]CHU Xiang，WANGRui，RELong，etal.Enablingjoint ditributionwithblockchaitechologyinlast-milelogistics[J/OL]. Computers amp; Industrial Engineering，2024，187. [2024-06-12]. https：//doi.org/10.1016/j.cie.2023.109832.

[6]張文藝．考慮多運(yùn)輸模式的農(nóng)村快遞共配LRP問題[J]．物流技術(shù)，2024，43（1）：41-53.

[7]LIUGuihang，HUJiayao，YANGYu，etal.Vehiclerouting problemincoldchain logistics：Ajoint distribution model with carbontrading mechanisms[J/OL].Resources，ConservationandRecycling，2020156（2）.[2024-6-12].https：//doiorg/0.116 /j.resconrec.2020.104715.

[8]ZHANGChunyun，JIHuaweiJIAShengtai，etal.Aplicationofsplitdeliveryvehiclerouting problemin UrbanExpressJint Distribution[J/OL].IOPConferenceSeries：MaterialsScienceandEngineering，2O1968（4）：1-8224-06-15].htps：//stats. org/article/10.1088/1757-899X/688/4/044067.

[9]ZHOU Yuyang，XIERuxin，ZHANG Tianhui，etal.Joint distributioncenterlocation problem forrestaurant industrybasedon improved K-means algorithm with penalty[J]. IEEE Access，2020，8：37746-37755.

[10]HE Yandong，WANG Xu，LIN Yun，etal.Sustainable decision making for joint distribution center locationchoice[J]. Transportation Research Part D：Transport and Environment，2O17，55：202-216.

[11]何馨韻，張媛，朱磊．基于共同配送的城市快遞優(yōu)化方案研究[J]．北京印刷學(xué)院學(xué)報(bào)，2023，31（6）：17-23.

[12] 李珍萍，趙雨薇，張煜煒．共同配送選址－路徑優(yōu)化模型與算法[J]．重慶大學(xué)學(xué)報(bào)，2020，43（1）：28-43.

[13]辜勇，袁源乙，張列，等．帶時(shí)間窗的多中心半開放式車輛路徑問題[J]．中國(guó)機(jī)械工程，2020，31（14）：1733-1740.

[14]劉琳，賈鵬，高犇，等．新鮮度限制約束下物流配送中心選址－路徑優(yōu)化[J]．包裝工程，2022，43（5）：232-241.

[15]元瑞，李俊青．基于問題性質(zhì)的裝配式預(yù)制件配送優(yōu)化算法[J]．控制理論與應(yīng)用，2024，41（2）：283-291.

[16]INZA EP，VAKHANIAN，ALMIRAJM S，et al.Exactand heuristic algorithms for the domination problem[J].European Journal of Operational Research，2024，313（3）：926-936.

[17]HAMIDIANN，PAYDAR M M，HAJIAGHAEI-KESHTELI M.A hybrid meta-heuristic approach to design a Bi-objective cosmetictourismsupplychain：Acasestudy[/L].EngineringApplicationsofArtificial Intellgence，224，127.[22406-17]. https：//doi.org/10.1016/j.engappai.2023.107331.

[18]張歆悅，靳鵬，胡笑旋，等．時(shí)間依賴型多配送中心帶時(shí)間窗的開放式車輛路徑問題研究[J]．中國(guó)管理科學(xué)， 2024，32（1）：146-157.