生鲜农产品冷链物流配送路径优化研究.docx
《生鲜农产品冷链物流配送路径优化研究.docx》由会员分享,可在线阅读,更多相关《生鲜农产品冷链物流配送路径优化研究.docx(13页珍藏版)》请在冰豆网上搜索。
生鲜农产品冷链物流配送路径优化研究
生鲜农产品冷链物流配送路径优化研究
——以长丰物流公司为例
摘要
物流业是当今社会化大规模生产和分工的结果。
随着中国经济的发展和服务业的快速发展,物流业不仅影响社会发展和人民生活水平的提高,而且也成为国家现代化和国际竞争力的重要标志之一。
物流配送的质量是物流系统的核心功能,直接影响公司的物流成本和客户对物流服务的满意度。
在物流物流中,物流运输的速度和成本是通过合理优化运输路线来衡量的。
规划路径的问题是NP问题,并且有许多局限性。
特别由于时间窗口和多车辆的引入,使得物流运输路径的优化更加困难。
因此,如何快速有效地发现问题物流运输路径的解决方案已成为当前研究的热点。
本文重点研究了具有容量约束的车辆路径问题,具有时间窗的车辆路径问题和具有时间窗的多车辆等三个主要车辆路径优化问题,从编码和种群初始化以及遗传算子的设计,适应度函数及终极进化规则等方面,就生鲜农产品VRPTW模型的遗传算法设计进行说明。
同时本文以长丰物流公司配送体系为例,侧重于优化生鲜农产品的物流配送,分析各种生鲜农产品物流配送的成本,创建以最小总分配成本为目标函数的数学模型,利用MATLAB对遗传算法进行分析和求解,对公司进行编程和分析。
确定长丰物流公司最佳物流配送组合的途径。
关键词:
生鲜农产品物流,车辆路径问题,时间窗,遗传算法
1引言
1.1研究目的及意义
随着全球经济的加速,社会福利的增加,物流业经济的重要性正在迅速增加,并在全球范围内成为现实。
为国民经济的发展提供强有力的推动力。
这是国家强大的主要指标之一。
物流服务涉及通过组织和管理主要路线,存储,装载,生产,包装,分配和分配来开展业务,以满足业务需求。
部署。
物流服务最初是由美国阐述的。
经过多年的专业研究和开发,美国在世界发展中发挥了主导作用。
日本的物流发展过程与美国有很多相似之处,虽然物流概念引入日本的时间相对较晚,但是其发展速度、规模以及现代化程度都十分令人称奇。
目前,中国正处于物流业快速发展时期,但与发达国家相比,物流运输的高成本也是行业发展面临的最大问题。
车辆路径问题作为物流配送的核心,其研究具有较强的理论价值和实用价值意义。
从理论价值看,车辆路径问题是旅行商问题的升级版,被证明是一个NP问题,该问题涉及到组合优化、图论、运筹学等学科的知识,被应用于汽车交通运输、航空、通讯、电力、计算机应用等领域,并且该问题有很多扩展问题,例如VRPTW,MDVRPTW等,其扩展问题也是NP问题,该问题及其扩展问题在数学建模上具有很大的难度。
与该问题类似的问题有很多,例如校车、送报车、垃圾收集车、快递、送餐车等的路线设计也是属于车辆路径问题,解决VRP问题也为解决其他相类似问题提供了参考价值。
从实用价值看,车辆路径问题对长丰草莓的配送、客户以及整个社会均有较强的应用价值。
对于企业来说,VRP问题是企业配送成本的主要内容。
对于客户来说,合理的车辆路线可以将货物在满足客户的需求时间范围之内更快的送达给客户,提高运输效率,提升物流配送的效率进而提高客户的满意度。
对于社会来说,合理的车辆路线可以减少车辆的交通拥堵情况,可以减少车辆配送距离进而达到节约资源,缓解因运输产生的汽车尾气排放,促进城市可持续发展。
综上,车辆路径优化问题在现实生活中具有十分重要的研究意义与应用价值。
1.2研究方法及内容
中国的农业和物流生产起步较晚。
与西方发达国家相比,种植水果和蔬菜之间的差距正在扩大。
没有完善的服务体系,配送效率低,物流管理技术滞后。
进一步影响了水果和蔬菜产品的物流发展。
本文侧重于优化生鲜农产品的物流配送,分析各种生鲜农产品物流配送的成本,创建以最小总分配成本为目标函数的数学模型,利用MATLAB对遗传算法进行分析和求解,对公司进行编程和分析。
长丰物流公司检查草莓的分布,确定最佳草莓物流配送组合的途径。
本文研究方法如下:
(1)文献阅读法
在选题和撰写论文的过程中,采用文献阅读方法回顾了国内外城市物流领域的相关文献和车辆路径问题,总结了国内外研究现状,分析了现有文献的不足,指导了本文研究物流路径的优化问题;
(2)数学建模法
数学建模方法用于分析水果和蔬菜农产品的物流和配送的各种成本,并建立了物流和配送总成本的模型。
使用遗传算法解决该模型。
采用数学方法研究了生鲜产品的物流配送,优化了配送路线。
(3)案例分析方法
考虑到长丰物流公司的物流分布,利用本文所述的生鲜物流和农产品物流总成本数据模型和遗传分布算法,开发了长丰物流公司的物流配送路线。
3生鲜农产品VRPTW模型的遗传算法设计
3.1编码和解码
因此,编码是通过应用遗传算法要解决的第一个问题,并且编码的质量影响操作的结果和操作的有效性。
车辆的时间路线问题基于最优订单的最佳组合。
为了便于研究以减少错误决策的数量,本文使用自然整数,即编码序列。
具体方法是使用1,2,...,n计数n个传输点,车辆数量为m,分布中心为0.整数染色体字符串可表示为:
染色体的长度为n+m+1.两个相邻的零染色体形成地铁,即车辆从配送中心完成负责车辆的客户服务点,然后返回配送中心。
例如,对于具有9个递送位置和3个车辆(0397012604850)的一组染色体代码,9个递送位置的递送服务在3个汽车中完成,并且总共有三个路径。
有关的三条路径是:
子路径1:
0-3-9-7-0
子路径2:
0-1-2-6-0
子路径2:
0-4-8-5-0
解码过程是逆编码过程,其将遗传算法处理的遗传空间转换为真正的问题解决空间并实现基因型的表型映射。
本文的解码和编码使用相同的路由构建过程。
3.2种群初始化
最初的由几个个体组成,是全球搜索遗传算法和进化起点的开始。
最好拥有20到160的人口。
与其他优化算法相比,遗传算法较少基于初始解决方案,但如果原始群体可以均匀分布解空间,则对算法的全局优化很有用。
因此,在本文中,使用随机种群生成方法,n个分布节点,种群大小N,整数编码方法用于染色体,然后1和n之间的自然整数随机生成完整的数组。
3.3遗传算子的设计
(1)选择算子
选择操作的任务是按照一定的概率从父组中复制高适应度的人,并继承下一代群体以实现“最适合生存的生存”。
本文使用轮盘选择方法,这是最常用的选择操作符设计。
轮盘选择也称为比例选择算子,其基本思想是每个人的选择与他的适应度函数的值成比例。
让人口规模为N,并且个人的适合性是
,则个体
被选中遗传到下一代群体的概率
为:
轮盘选择方法实施步骤:
1.计算每个个体的活动价值;
;
2.计算N个人个体的适合性总和
3.使用比例选择运算符公式,计算选择每个人继承下一代组的概率;
;
4.计算每条染色体的累积概率,
(2)交叉算子
交叉是指根据穿越Pc的概率在两个相互连接的染色体之间交换两条部分染色体,从而形成两个新的个体。
该模型遗传算法使用整数编码,和交叉操作者使用部分相干的交换(PMX)与单点或多点的横截面交叉从事遗传算法的操作员进行比较,该算法可以执行搜索。
该机制是一个更好的障碍,可以说有客户点可以确保获得高质量的解决方案并找到最佳路径。
在审查过程中,PMX中的两位比特是随机创建的。
较老的字符串区域PMX从传统的交叉操作的不同是因为,而不必直接替换两个对应的区域,所述第一交换区域是在所述第一基因的在前面的字符串的方向,然后用所交换初始个体到同基因区段的基因在穿越之后,交叉的概率被认为是0.6。
(3)变异算子
本文使用不变变异算子随机选择染色体上的两个点。
在零件之间的两个位置执行完整的反向排序操作,然后实现算法变化的想法并获得一个新的个体。
本文件中变异算子的概率为0.005。
3.4适应度函数
适应值通常是针对目标的功能而定制的,适合性越大,个体在下一代的进化中被复制的可能性越大,并且适合性不是负面的。
然而,在解决实际问题的过程中,模型的目标函数的值可以是正的或负的,有时需要最大值,并且有时获得最小值,因此目标函数的值需要一定的转换为适应度函数。
本文使用互惠转换:
其中,
代表第i个代表染色体的适应度值,分母
表示目标函数值。
3.5终止进化规则
遗传算法是一种可以循环演化的随机搜索算法,必须预先设置算法终止规则以停止循环(JiangBo,2010)。
经常使用的遗传终止算法是:
(1)实现预先确定的优化目标;
(2)连续几代开发解决方案没有改进;
(3)实现预定次数的迭代。
该文档选择使用预定算法迭代次数作为终止进化规则。
4生鲜农产品配送路径优化研究—以长丰物流配送为例
4.1长丰物流公司草莓物流配送现状
长丰物流公司还成立了专门的生鲜农产品物流公司,专业从事物流业务。
是中国领先的专业道路生鲜农产品物流公司。
目前,已建立覆盖全国的生鲜农产品物流网络。
该物流公司拥有国际先进水平的制冷设备全自动控制冷藏车。
同时,所有车辆都配备温度跟踪器,以确保运输中产品的恒温运输,并监控运输过程中车辆的运行状态。
并通过物流ERP系统,车载GPS定位系统,实时控制物流车辆。
配送点的运作流程如下图4.1所示。
目前,长丰物流公司实施了自动订单生成,自动分级编制,自动配送处理,总部管理数据,统一配送,店铺销售和库存分析,确保草莓可以是一个新鲜,及时的交货状态。
图4.1长丰物流公司配送点物流流程图
4.2模型及参数
4.2.1模型选取
通过研究长丰物流公司草莓物流配送案例,配送中心和配送点数据以及优化长丰物流公司草莓配送路线的问题,本案例草莓物流配送项目为多个分散配送中心提供配送点。
冷冻配送需要在每个配送点的时间窗口内交货。
在配送服务之后,草莓物流车辆返回配送中心。
因此,在这种情况下,使用本文件第3章中列出的逻辑分布模型,根据本案例中的实际数据收集和测试模型参数,并使用遗传算法求解模型。
在几次数据发布后,结果将得到优化。
以前的总分配成本很小,这表明本文的研究有利于降低物流和配送成本,提高配送效率和物流水平,并测试此处开发的物流优化模型的有效性。
4.2.2配送点数据准备
本文选择大兴仓作为配送中心,分布点主要分布在大兴区,房山区,门头沟区,石景山区,丰台区,海淀区和朝阳区等大部分城区在本文中,我们使用XX地图坐标拣选系统提取每个分布点和分布中心的地理坐标,并使用MATLAB软件绘制分布点和分布中心坐标图,如图4.2所示。
红色代表配送中心,蓝点代表20个分配点。
文中纵横坐标为本文利用XX地图坐标拾取系统,取出各配送点和配送中心的地理坐标横轴数值为经度,纵轴数值为纬度。
图4.2长丰物流公司配送点分布示意图
4.2.3模型参数收集与测算
(1)模型参数
本文的例子是大兴区大兴村长丰物流公司的北京分公司,该公司向20家商店分销奶油草莓。
CreamStrawberry是长丰物流公司的新产品,分配温度控制并提供温度记录。
运输过程的温度为2-8°C,输送温度为0-40°C。
配送中心是大兴仓和20个配送基地。
物流冷链车具有相同的型号,相同的车辆条件,相同的车速,以及物流公司相同的卸货效率。
黄油草莓的单价为2000元/吨,室温下的储存期为24小时。
在运输过程中,隔室内外的温度分别为0°C和20°C,因此温差为20°C。
△
表4.1相关参数值
参数符号
参数名称
参数值
货物单价
2000
车辆固定成本
100
车辆单位运输成本
2
运输货损系数
0.1
V
参数名称
装卸货损系数
0.2
惩罚成本
500
车厢热传系数
0.35
车辆装卸效率
2
L
车辆最大行驶距离
550
h
车辆行驶速度
40
(2)分发点的基本数据
表格中每个客户点的位置,交货时间框架要求是固定的,并且需求来自每个客户点在调查的特定日期的需求。
分布点地理位置,需求量,交付时间范围和时间范围是30分钟。
4.3模型求解结果分析
(1)遗传算法参数设定
根据前一章描述的遗传算法的思想,MATLAB7.1用于解决城市冷链车辆优化问题程序(VRPTW模型)的时间窗,并用遗传算法求解本文提出的VRPTW解。
本文遗传算法的操作参数主要包括染色体长度,种群大小,交叉选择概率和终止进化的迭代次数。
表4.3遗传算法参数设定表格
参数
意义
取值
M
种群规模
300
PC
交叉概率
0.6
PM
变异概率
0.005
T
终止进化代数
200
(2)算法步骤
根据第4章描述的算法原理和算法执行流程,通过MATLAB编程求解VRPTW模型。
最优解在约70次出现,但在进化迭代中,解是稳定的,适应性最大化,并且输出优化结果。
本文中遗传算法编程和执行的具体过程详见附录。
(3)操作结果总结如下。
在具有IntelCPUi55200U,4GB内存和Windows7操作系统的计算机上运行MATLAB7.1,并使用此窗口中解析的时间窗口来解决上述分析中的车辆路径问题。
在本文中,我们对实例进行随机实验并提取最佳测试结果。
上述最优计算结果表明,本文实例的最优解为2380.035,在第71次迭代中生成最优解,即本案冷链分布的总成本为238.035元。
,总共生成六条路径以形成最优分布。
在组合路径验证之后,所有路径都符合包含容量和时间范围约束以及返回到履行中心的时间要求的模型。
适应度函数值的变化和遗传算法的迭代次数如图4.3所示。
图4.3最优解进化过程示意图
从上图中可以看出,当程序开始重复时,曲线变得更陡峭,并且值不确定并且波动很大。
随着迭代次数的增加,适应度曲线开始上升。
50次后,曲线开始稳定达71次。
最大化您的学位并获得最佳解决方案。
这是因为初始种群是随机生成的。
在迭代开始时,人口适应性较低,所获得的解决方案的质量相对较差。
随着迭代次数的增加,曲线开始缓慢下降,50次后曲线开始趋于稳定。
该图表明遗传算法的自动优化机制指导其搜索过程。
随着目标优化方向的收敛,它逐渐接近最优解,趋于稳定,并在71次搜索中获得最优解。
该问题最优解的收敛过程表明了本文设计的遗传算法解决时间窗口路径优化问题的可行性。
它还说明了模型构建的合理性。
从以上分析可以看出,遗传算法在质量,解决速度和稳定性方面具有优异的性能。
冷链分销渠道的综合解决方案有助于降低公司的草莓分销成本并改善公司。
冷链运行效率的合理性和有效性
5总结
本文首先对车辆路径问题的进行详细的描述,并根据不同的约束条件对车辆进问题以及求解算法进行了归纳总结;接着再详细阐述了遗传算法与模拟退火算法的基本思想、理论基础、基本操作、优缺点以及改进方法,并在此基础上对VRPTW问题进行分析;然后,基于假设和目标函数,通过基于混沌算法确定初始种群,通过求解VRPTW问题,建立VRPTW问题的数学模型,提高遗传算法最优解的质量。
将改进的自适应算法应用于交叉变异算子,采用模拟环化算法进行局部优化,建立混合遗传算法,最后应用混合遗传算法长丰草莓解决了公司和VRPTW的问题。
例如,使用物流配送,仿真实验由MATLAB,Solomon数据集作为测试实例进行,并证明混合遗传算法是解决时间窗中车辆路径问题的有效解决方案。
但是,因为有限的时间和个人能力的不足,论文还是有一些需要仔细研究的任务。
(1)本文研究的VRPTW仅为单物流配送中心且单车型,但现实情况下,随着城市发展和人民生活水平增长,多配送中心、多车型才更加符合实际情况。
因此,需要对多配送中心、多车型车辆路径问题进行进一步的研究。
(2)本文考虑的是客户服务无先后顺序,但是现实生活中,对重要客户需要先服务,针对此类情况可以作为一个研究方向。
参考文献
[1]李丹.改进群智能优化算法的海上物流配送路径优化方法[J].舰船科学技术,2020,42(16):
184-186.
[2]张肖琳,梁力军,张梦婉.绿色物流配送路径优化研究——以京东配送为例[J].价格月刊,2020(08):
64-69.
[3]郭瑜,王容平.O2O模式下连锁企业物流配送网络的路径优化[J].现代商贸工业,2020,41(27):
34-35.
[4]张鹏飞,杨金云,陈彬滨,许斌,王旭颖.基于免疫优化算法的冷链物流配送路径研究[J].中国新通信,2020,22(15):
95-96.
[5]于洋.随机需求下冷链物流配送路径优化问题研究[J].中国水运(下半月),2020,20(07):
20-22.
[6]葛显龙,李祖伟,葛小波.考虑灵活充电策略的带时间窗物流配送路径优化研究[J].控制理论与应用,2020,37(06):
1293-1301.
[7]周晓晔,崔瑶,何亮,马小云,王思聪.基于地铁—货车联运的物流配送路径优化[J].交通运输系统工程与信息,2020,20(03):
111-117.
[8]余文泰,张得志.基于智能制造的生产车间物流配送优化[J].物流工程与管理,2020,42(06):
6-11.
[9]罗梓瑄,刘学文.基于蚁群算法的物流配送路径优化研究[J].重庆工商大学学报(自然科学版),2020,37(04):
89-94.
[10]胡剑玫.带时间窗的医药物流配送路径优化问题研究[D].江西财经大学,2020.
[11]孙世泽.纯电动物流车充电设施布局规划与配送路径优化问题研究[D].吉林大学,2020.
[12]郑义彬,邱兴宇,孙源泽,刘立博.基于遗传算法的冷链物流配送路径优化研究[J].公路与汽运,2020(03):
49-52.
[13]王成林,郑颖,皇甫宜龙,郝洪涛.生鲜类物流配送网络选址-路径优化问题研究[J].数学的实践与认识,2020,50(10):
33-43.
[14]王迪,金辉.基于驴与走私者算法的物流配送车辆路径优化研究[J].计算机应用与软件,2020,37(05):
281-286+297.
[15]孙国华,屈冉冉.多车型冷链物流配送车辆的路径优化[J].山东财经大学学报,2020,32(03):
111-120.[14]郑琰,孟晓露,伍佩琪,etal.电子商务企业物流配送路径优化研究[J].物流工程与管理,2018,v.40;No.288(06):
117-119.
[15]易虹.考虑碳排放的冷链物流配送车辆路径优化研究[D].2017.
[16]郭贵芳.生鲜食品冷链物流配送路径优化研究[D].
致谢
通过本次毕业论文的创作和知识的进一步深化,我学到了很多课本上难以吸收的知识。
非常的感谢在这个过程中指导老师的耐心教导,让我可以顺利的完成本次毕业设计,想对老师说,您辛苦了!
在本次论文中,除了老师的指导外,能顺利的完成本次论文,也离不开同学的帮助,在论文设计期间,我和同学之间互相给予参考意见,互相鼓励,才完成了本次论文,在此对同学们表示感谢!
最后,要感谢我的父母,因为你们的辛勤付出,我才能接受良好的教育,才能够养成分析问题和解决问题的能力,在此,想对父母亲表示感谢!
时光流逝一去不复返,转眼就到了毕业季,人生没有毕业,出了校门,还有一系列的学习待我去践行,加油吧,少年!