摘 要：在“乡村振兴”国家战略背景下，越来越多生鲜农产品进入到人们的餐桌，生鲜农产品配送时效性问题突显。采用遗传算法对生鲜农产品配送路径进行研究，建立数学模型，为后续实例研究提供思路。

关键词：遗传算法;农产品;配送

文章编号：1004-7026（2019）24-0035-02         中国图书分类号：F326.6       文献标志码：A

乡村振兴战略的提出，为农村经济发展打开了一扇致富之窗。在实施乡村振兴的道路上，农村电商被给予厚望。“互联网+”农业促进了农产品品牌打造，有助于农村地区产业升级和实现农业强农民富的目标。生鲜农产品市场迎来机遇的同时，农产品易腐、易烂特性为生鲜农产品配送带来了巨大的挑战。为生鲜农产品上行拓宽道路，具有现实意义。

1  遗传算法

1.1  遗传算法简介

遗传算法（Genetic Algorithm，GA）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。遗传算法结合计算机解决实际问题，在不同学科都可适用。遗传算法基于达尔文的进化论，具有很好的收敛性，可有效解决最优化搜索问题[1]。

1.2  遗传算法的思想和求解步骤

遗传算法模拟了达尔文的进化论，即模拟了大自然中生物优胜劣汰的进化过程。该种群结构进化过程如图1所示。

2  生鲜农产品配送路径模型建立

2.1  制约函数

制约函数表现的现实情况是：生鲜农产品在物流过程中，因为周转、装卸、出入库等状态变化情况下，使物流中温控有波动，从而会对生鲜农产品的品质有影响，从而产生货损费用[2]。

假定在整个物流过程中，仅某一时间t1，生鲜农产品的温控变化从T升高至T1。Wjk（t）表示t时刻的生鲜农产品品质良好状态的产品数量，bk表示客户k的需求数量。则货损费即制约函数如下。

f=c[1-e■]×100%×Wij（0）            （1）

其中，c為单位惩罚系数。

运送到客户k手中的完好物品量如下。

Wjk（tjk）=e■×100%×Wij（0）=bk（2）

2.2  模型设立

在建模过程中，进行如下条件设定。

（1）每位消费者的货源来自一个物流中心。

（2）制约函数中，物流过程中的温度变化设定仅一次。

（3）数学模型中的物流运输状态均一致，包括车行速度，行车方式。

（4）模型中物流中心的周转量与消费者的总需求一致。

（5）模型中各物流中心自然环境状态一致，对各成本如建立成本没有关联。

模型建立的主要思想是在保证服务的前提下，总成本耗用最低，包括运输费用、土地费用、运营费用、租赁成本、库存成本、物流活动成本、腐败成本等[3-4]。计算公式如下。

minF=

3  利用MATLAB 7.0遗传算法工具箱仿真

3.1  适应度函数构造

适应度函数（Fitness Function）的构造会对遗传算法优化过程和最优结果产生影响，构造合适的适应度函数可以对染色体编码形成的原始解进行评估。染色体编码的目的是形成物流总成本的最低。适用度函数构造如下。

minF=

（4）

3.2  模拟路径

根据数学建模的函数，利用MATLAB 7.0编程求解，形成的结果如图2所示。其中，由上至下的节点分别表示物流中心、中转冷库和消费者。

3.3  结论

整个数学模型建立在单产品基础上，为生鲜农产品的配送提供思路。对多品种、多保管条件的实际案例，需要借助其他智能算法来解决。

参考文献：

[1]王有鸿.基于遗传算法的生鲜农产品物流配送路径聚类优化[J].江苏农业科学，2018，46（12）：358-362.

[2]陈慧慧.多级冷链物流网络分析与优化[D].武汉：武汉理工大学，2014.

[3]俞林.基于BP模糊评价的冷链物流中心选址问题研究[J].物流技术，2013（19）：95-98.

[4]曹倩，邵举平，孙延安.基于改进遗传算法的生鲜农产品多目标配送路径优化[J].工业工程，2015，18（1）：71-76.