余红 张兵 宋艳

摘 要：随着社会经济的蓬勃发展，消费者对生鲜农产品的需求逐渐多样化，且由于生鲜农产品具有保鲜性强、时效性强等特点，冷链物流的作用愈发凸显。为缓解此类现象，首先，本文以江苏省徐州市H公司的实际数据构建VRP模型。其次，在基础人工鱼群算法上全面分析步长和视野等参数，并设计改进算法，对改进算法进行验证。最后，本文得出所建立的模型和算法能够有效应用到实际配送路径优化中，并具有一定的借鉴意义。

关键词：车辆运输模型；人工鱼群算法；动态需求；冷链物流；配送服务

本文索引：余红，张兵，宋艳.<变量 1>[J].中国商论，2023（13）：-087.

中图分类号：F252 文献标识码：A 文章编号：2096-0298（2023）07（a）--05

1 引言

随着社会经济的蓬勃发展，我国对生鲜农产品的需求越来越大，而生鲜农产品具有时效性强、难保鲜的特性，其运输和配送环节尤为重要。目前，关于单一温层冷链物流配送静态路径优化问题的研究较多，而在实际情况下，不同种类的生鲜农产品往往需要不同的存储温度，客户的需求也会出现动态变化。由此，Kuo等（2010）提出了多温共配，即集多种温度区域于一辆配送车同时执行配送任务。将区块链技术应用到冷链物流中，对多温层冷链物流配送动态路径优化问题进行研究。

2 动态路径优化模型构建

2.1 问题描述

考虑到客户需求存在新增和原有客户服务时间改变情况下的动态信息变化，研究在配送车辆载重与车厢体积约束下的封闭式车辆路径问题，以实现总配送成本最小的目标。已知，m个客户的位置、服务时间窗及每个客户对生鲜农产品的需求量和种类，构建冷链物流配送路径动态优化模型。为了降低H公司生鲜农产品配送过程中的腐烂率，同时降低配送成本，将采用常温车结合蓄冷保温箱的方式进行配送。

2.2 模型假设

在对H公司研究配送中心动态路径优化问题时进行如下假设：

（1）配送中心采用统一型号的车辆，且配送过程不考虑集货环节；（2）一个配送中心和多个客户的地理位置、服务时间窗已知；（3）所有配送车辆的起止点都为配送中心；（4）单个订单的需求量不超过配送车辆的额定载重，单独配送超过车辆额定载重的订单；（5）单次配送的货物总重量不超过车辆的额定载重，蓄冷保温箱体积要小于车厢体积；（6）客户订单不能拆分，一个客户只能提供一次服务；（7）超出客户的服务时间窗将会产生惩罚成本；（8）具备区块链技术的使用条件。

2.3 符号说明

符号说明如表1所示。

2.4 模型建立

模型建立时，主要考虑六部分的成本，即固定成本、运输成本、制冷成本、货损成本、惩罚成本和区块链技术使用成本，由此构成目标函数，构建的优化模型如式（1）所示。

式（1）为目标函数，表示六部分的成本之和；式（2）表示每个客户只被提供一次服务；式（3）表示满足所有客户的订单服务；式（4）表示所有配送车辆的起止点都为配送中心；式（5）表示配送车辆k每次运输的货物总重量不大于配送车辆的最大载重量；式（6）表示配送车辆k装载的蓄冷保温箱的总体积不大于配送车辆车厢的体积；式（7）表示客户服务的时间窗要求；式（8）表示配送过程是连续的。

2.5 动态求解策略

2.5.1 动态信息处理策略

由于静态路径优化研究具有一定的局限性，故结合区块链技术，考虑配送过程中有新的客户需求产生和原有的客户时间窗发生动态变化两种情况，对冷链物流动态路径优化问题进行研究，以期达到配送总成本最小的目标。

对于上述两种动态变化情况的处理方式有：立即处理、先汇总再处理，在对这两种处理方式进行分析研究后，选用定时定量相结合的处理策略。通过预先设置的动态信息收集条数、平均时间段两个参数对动态信息进行处理。当达到动态信息收集条数的参数值时，无论时间是否到达，都会对配送路径进行重新规划；同时，当设置的平均时间段内有新的客户需求产生或有客户时间窗变化时，无论动态信息收集条数是否达到参数值，都会重新规划配送路径。

2.5.2 动态车辆路径更新策略

本文对动态车辆路径更新的策略有两种：全局重新优化策略和局部优化策略。全局重新优化策略是一种理想状态下的优化方法；而局部优化策略是在初始配送路徑规划的基础上，结合动态信息进行局部配送路径的优化，虽然优化的结果不如全局重新优化策略的优化结果，但其计算更简便，也更适用于实际情况，因此采用局部优化策略完成动态车辆路径的更新。

（1）动态需求1：增加新的客户需求

新增客户需求发生时，初始路径规划已经完成，部分车辆开始配送订单。由于冷链货物的易腐性和客户服务时间窗的限制，将新增客户需求分派给还未开始执行配送任务的车辆，若配送中心已没有满足条件的车辆，则分派新的配送车辆执行新增客户的配送任务。在新增客户需求产生之前，已经开始配送订单的车辆不服务新增客户的订单。

（2）动态需求2：原有客户改变服务时间

对于客户需求时间窗发生变化的情况，客户可以联系配送中心或在配送中心提供的服务平台上提交新的服务时间窗。若此时承担此客户初始配送任务的车辆未开始执行配送任务，则可以直接对配送路径进行重新规划；若此时相关配送车辆已经开始执行配送任务，利用区块链技术及时获取车辆的实时定位及配送任务完成情况，在不影响其他客户时间窗要求的情况下，重新调整配送路径，以满足时间窗变化的客户需求。

3 人工鱼群算法

人工鱼群算法简称AFSA，主要包括觅食行为、群居行为、追尾行为，是基于动物行为的群体智能优化算法。AFSA相较其他算法，具有“包容性高”、并行性良好、收敛速度快、灵活性较强等特点，更适合求解大规模VRP动态问题，因此选用该算法对模型进行求解。但传统的AFSA中参数的设置往往根据经验所得，而参数会在一定程度上影响算法求解的准确性。为更好地求解公司路径优化问题，本文将对AFSA进行适当的改进。

3.1 改进的人工鱼群算法设计

AFSA的参数主要有种群规模N、人工鱼的视野Visual、步长Step、拥挤度因子、重复次数Trynumber，主要将视野和步长作为变量进行人工鱼群算法的算法优化，即在求解过程中，接近最优值时，则使用较小的视野和步长；反之，未发现最优值时，采取较大的视野和步长。

在前期视野和步长较大，利用函数在区间单调递减的特点，将该函数与视野Visual和步长Step相结合，可以达到快速收敛到全局最优解的目的。在后期求解过程中，当视野和步长逐步减小时，能有效避免陷入局部搜索和出现震荡的情况。在求解过程中，令表示某一人工鱼的适应度值；表示平均适应度值；表示最优适应度值，且，令中。

改进的自适应步长如式（9）所示，表示初始步长。如果优于，则表示人工鱼状态良好，算法将出现全局最优值，此时可以适当调整步长，提高最优解的准确性；相反，如果处于劣势，则表示人工鱼状态不好，此时需要增大步长，以获取最优解。

同理，改进的自适应视野如式（10）所示：

改进的FASA基本流程如图1所示。

3.2 算法改进前后对比

在基础人工鱼群算法中设以下参数：

（1）人工鱼群规模NN；

（2）最大迭代次数NC=200；

（3）最大尝试次数Try-number=6；

（4）步长Step=0.5；

（5）视野Visual=5。

改进后的人工鱼群算法的步长和视野按照式（9）、93-20动态变化。利用MATLAB进行运算，并得出对比图，如图2所示。

由图2可知，改进后的人工鱼群算法能够更精确、更快地收敛到最优值。

4 案例介绍

本文以徐州市H公司冷链物流配送中心为例进行研究，H公司主要为徐州市内的一些中小型生鲜超市提供生鲜农产品及配送服务，且可供选择的产品种类丰富。随着经济与科技的飞速发展，该公司原有的配送模式相对落后，已无法满足配送中心现有的业务需求，因此该公司期望在区块链技术的支持下，对配送路径进行优化，以实现优化配送模式、降低配送成本的目标。目前，H公司拥有10辆能够提供配送服务的常温配送车，且该公司的配送业务一般都在凌晨进行，所以对H公司进行配送动态路径优化研究时忽略交通拥堵的情况。

4.1 信息收集

根据实地调查，H公司冷链物流车采用“常温车+蓄冷保温箱+蓄冷器”三合一的模式，依次满足不同温需的生鲜农产品的配送，H公司客户动态变化信息如表2所示。

4.2 参数设置

通过实际调研，收集H公司冷链物流配送中心配送过程中的相关数据，对模型中涉及的参数进行取值，如表3所示。

根据上文对改进人工鱼群算法的分析，该算法的相关参数的取值如表4所示。

5 MATLAB软件求解

本文主要研究H公司配送中心客户需求出现新增和原有客户的服务时间改变的两种情况。

5.1 客户需求出现新增

当客户需求出现新增时，选择使用定时定量策略进行决策，只需要确定车辆更新周期T及客户动态需求信息的数量N，便可以为其提供新的配送路线。调查可知，H公司当T≤30min，N≥3时便进行路径更新，或T≥30min时进行路径更新。该公司平台在凌晨3：30开放。表5是利用模型和算法对新增客户需求求解得出的路径更新结果。

局部规划得出，无需增加配送车辆，车辆2的配送路径由0-16-11-0变成0-16-11-22-0；车辆1的配送路径由0-13-6-14-9-0变成0-16-9-14-21-0。另外在重新规划的配送路径中，车辆1和车辆2都能在规定的时间内完成任务，均未产生时间惩罚成本，有效地降低该公司的配送成本，提高公司的客户满意度。

5.2 原有客户的服务时间改变

H公司的初始客户需求时间窗发生变化时，选择定时定量策略和局部路径更新策略进行决策。表6是利用模型对该动态变化求解得出的路径更新结果。

布局优化后，车辆5的算法改进路线由0-4-5-15-12-8-0更新为0-15-4-12-8-0，客戶5会比预期时间晚完成3min，同时产生60元的时间窗惩罚成本。但如果按照原路线，客户9会比预期完成时间晚5min，产生50元的时间窗惩罚成本的同时，配送成本还会增加12.42元。车辆1的冷链货物的算法改进路线从0-1-2-3-7-20-10-0变成0-1-2-3-7-10-20-0，到达客户8的时间提前了9分钟，并未产生时间惩罚成本，虽然算法改进路线后配送成本增加了6元，但增加的配送成本比时间惩罚成本低。

5.3 小结

综合上文两种客户需求发生变化时，得到新的配送路线如图3所示，虽然动态需求改变时，配送成本可能增加，但是满足了客户的需求，避免了客户的流失。从长远角度考虑，增加了企业的经济效益，扩大了市场影响力，更有利于企业的长远发展。

6 结语

综上所述，将区块链技术应用到冷链物流配送环节中，采用常温车加蓄冷保温箱的配送模式，同时考虑增加新的客户需求与原有客户改变服务时间两种动态变化，对冷链物流配送路径进行优化研究，构建冷链物流车辆路径优化模型。分别运用定时定量处理策略、局部优化策略进行动态信息的处理和动态车辆路径的更新，对基本人工鱼群算法中的参数进行改进，利用改进人工鱼群算法对模型进行求解。本文以徐州市H公司冷链物流配送中心为实例，通过实地调研获取数据代入模型进行求解，得出优化后的配送成本与配送路径。

参考文献

常海平，李婉莹，董福贵，等.基于NSGA-Ⅱ的冷链物流配送路径多目标优化[J].交通科技与经济，2022，24（2）：8-17.

段雪凝.带时间窗的冷链物流车辆路径多目标优化问题研究[D].沈阳：东北大学，2014.

Kuo， Ju-Chia，Chen， Mu-Chen. Developing an advanced Multi-Temperature Joint Distribution System for the food cold chain[J]. Food Control，2010，21（4）.

Shu-yun Wang，Min Zhao. Impetus of Multi-temperature Joint Distribution Based on Storage-type Cold-chain Logistics[J]. Journal of Highway and Transportation Research and Development （English Edition），2013，7（2）.

冯亮，梁工谦.基于GPS/GIS协同的动态车辆调度和路径规划问题研究[J].计算机科学，2017，44（9）：272-276+285.

曾胜.冷链物流车智能监控与调度系统的设计与实现[D].杭州：中国计量大學，2019.

王淑云，孙虹.需求变动下的冷链品配送路径规划[J].公路交通科技，2014，31（8）：144-150.

刘波.带时间窗的冷链物流配送动态车辆路径优化方法研究[D].北京：北京交通大学，2018.

刘敏.随机需求下冷链品城市物流配送优化研究[D].北京：北京交通大学，2016.

Nanotechnology - Quantum Dots; Data from Nanchang University Advance Knowledge in Quantum Dots （Cdse/zns Quantum Dots Impaired the First Two Generations of Placenta Growth In an Animal Model， Based On the Shh Signaling Pathway）[J]. Biotech Week，2019.

李晓磊.一种新型的智能优化方法：人工鱼群算法[D].杭州：浙江大学，2003.