新零售背景下生鮮食品超市配送路徑優(yōu)化研究

李佳儒，王玉珍

(1.蘭州財(cái)經(jīng)大學(xué) 信息工程學(xué)院，甘肅 蘭州，730020;2.蘭州財(cái)經(jīng)大學(xué) 絲綢之路經(jīng)濟(jì)研究院，甘肅 蘭州，730020)

我國零售業(yè)已經(jīng)進(jìn)入“新業(yè)態(tài)取代舊業(yè)態(tài)”這一階段，意味著線上線下+物流融合的新零售業(yè)的興起，受到眾多消費(fèi)者和企業(yè)的喜愛。新零售將取代純電商或線下實(shí)體店的傳統(tǒng)零售業(yè)。新零售物流在滿足消費(fèi)者新要求和新體驗(yàn)下，實(shí)現(xiàn)消費(fèi)者信息與物流商品數(shù)據(jù)的有效對接與共享，通過建立現(xiàn)代物流體系，提升物流周轉(zhuǎn)效率與分析預(yù)測消費(fèi)者需求[1]。新零售的到來使物流發(fā)生以下轉(zhuǎn)變：從大批量少品種到小批量多品種的變化；從IT技術(shù)到DT大數(shù)據(jù)分析技術(shù)的變化；從機(jī)械化、自動(dòng)化到智能化的變化[2]。新零售下的消費(fèi)群體日益增加、對配送范圍的界定，有效減少了物流和倉儲(chǔ)成本，有助于食品的產(chǎn)、供、銷的信息流共享，保障其每天的配送量。新零售下的現(xiàn)代物流體系的打造提升了物流配送效率和消費(fèi)者體驗(yàn)。但是，因消費(fèi)者對時(shí)間要求較高，大多數(shù)物流配送商品為生鮮產(chǎn)品，很容易腐爛變質(zhì)。此外，對于冷鏈物流的投入成本很高，總的配送成本對物流配送的路線的選擇顯得尤為重要。黃海松等[3]通過引入位置——次序編碼和二次搜索，提出改進(jìn)的狼群算法求解最短路徑，該算法在TSP問題離散域求解上做出了改進(jìn)；高岳林等[4]通過引入自適應(yīng)隨機(jī)慣性權(quán)重，提出改進(jìn)的鳥群優(yōu)化算法求解農(nóng)產(chǎn)品冷鏈物流最短路徑，從標(biāo)準(zhǔn)函數(shù)的測試中表明該算法收斂快，精度高；梁喜等[5]在動(dòng)態(tài)性物流網(wǎng)絡(luò)下運(yùn)用非支配排序改進(jìn)遺傳算法來求解考慮客戶聚類的選址——路徑問題混合整數(shù)優(yōu)化模型，對重慶市某企業(yè)的實(shí)例驗(yàn)證表明該模型和算法求得的客戶地址可以提高物流配送的效率；金祖進(jìn)[6]運(yùn)用梯度——坐標(biāo)輪換法對煤礦搜救機(jī)器人進(jìn)行路徑優(yōu)化，仿真結(jié)果表明，煤礦搜救機(jī)器人在避開障礙物的前提下，會(huì)自動(dòng)選擇最優(yōu)搜救路徑；王有鴻[7]通過分析農(nóng)產(chǎn)品運(yùn)輸聚類結(jié)果，研究其外部相似性，采用遺傳算法對生鮮農(nóng)產(chǎn)品物流配送路線進(jìn)行聚類優(yōu)化，結(jié)果表明該方法能提高裝載率；張文峰[8]以最大運(yùn)輸距離、產(chǎn)地的產(chǎn)量和網(wǎng)點(diǎn)容量為約束條件，采用量子粒子群算法對基于冷鏈物流網(wǎng)點(diǎn)建設(shè)成本和運(yùn)營成本進(jìn)行成本優(yōu)化，結(jié)果得出運(yùn)輸配送總成本顯著降低；田歆等[9]設(shè)計(jì)了自適應(yīng)遺傳算法對汽車配送公司進(jìn)行車輛路徑優(yōu)化，結(jié)果表明，該方案能有效減少配送車輛數(shù)量。以上學(xué)者的研究是基于優(yōu)化方法對物流配送路徑的研究，然而以消費(fèi)者為主體的新零售物流，考慮時(shí)間窗的物流配送路徑優(yōu)化對提升消費(fèi)者體驗(yàn)和滿意度有實(shí)際意義。賓松等[10]改變遺傳算法的編碼方法和交叉、變異的自適應(yīng)機(jī)制，提出改進(jìn)的遺傳算法對基于軟時(shí)間窗的車輛路徑問題進(jìn)行求解，并與傳統(tǒng)遺傳算法進(jìn)行對比，驗(yàn)證了該算法簡單有效；唐佩佩等[11]為求同城生鮮農(nóng)產(chǎn)品的配送最短路徑，將運(yùn)輸成本、懲罰成本和貨損成本作為目標(biāo)函數(shù)，采用遺傳算法驗(yàn)證同城生鮮農(nóng)產(chǎn)品物流配送模型的合理性；楊華龍[12]在以每個(gè)需求點(diǎn)的物流費(fèi)用為目標(biāo)函數(shù)基礎(chǔ)上，引入腐爛指數(shù)求損失成本，求解最小物流費(fèi)用；韓富狀[13]采用GIS技術(shù)在路線順暢和交通擁堵情況下對時(shí)間窗車輛路徑問題模型仿真模擬，驗(yàn)證表明該方法可以節(jié)省費(fèi)用和減少時(shí)間損耗等。

綜上所述，在物流配送路徑優(yōu)化問題研究中，物流配送時(shí)間、物流配送距離及求解模型中的算法優(yōu)化是該問題研究的主要方向。但是，與新零售生鮮食品配送相結(jié)合的研究并不多且還不完善。因此，文中在建立運(yùn)輸成本的物流配送優(yōu)化模型基礎(chǔ)上，加入軟時(shí)間窗約束產(chǎn)生的懲罰成本，通過遺傳算法在MATLAB中實(shí)現(xiàn)求解，設(shè)計(jì)出生鮮食品超市的物流配送路線，為公司的總成本節(jié)約和路線規(guī)劃提供參考。

1 路徑優(yōu)化模型構(gòu)建

1.1 問題提出

基于軟時(shí)間窗的路徑優(yōu)化問題，在顧客地理位置、顧客需求量已知條件下，從配送中心出發(fā)，且物流配送的車輛為同一型號，在不能超過物流配送車輛額定載重量的前提下，根據(jù)顧客需求的時(shí)間區(qū)間，對其進(jìn)行商品配送。在配送過程中，每位顧客只能被訪問一次，每條配送路線僅由一輛車運(yùn)輸。每輛配送車輛在完成配送任務(wù)后，需返回配送中心。

生鮮食品的新鮮度放置時(shí)間過長容易腐爛變質(zhì)，物流配送公司因錯(cuò)過顧客要求的時(shí)間區(qū)間送達(dá)而產(chǎn)生的配送服務(wù)成本與損壞成本為懲罰成本；物流配送距離產(chǎn)生的成本為運(yùn)輸成本。因此，對物流配送路徑選擇的標(biāo)準(zhǔn)是使運(yùn)輸成本與懲罰成本達(dá)到最小化。

1.2 假設(shè)條件

文中對生鮮食品物流配送過程中出現(xiàn)的問題和實(shí)際情況，提出如下假設(shè)。

生鮮食品單向流向，顧客沒有退貨情況；只有一個(gè)配送中心，所有的配送車輛從配送中心開始，直至完成配送任務(wù)后返回配送中心；在客戶要求的時(shí)間窗區(qū)間之內(nèi)送達(dá)不存在懲罰成本；配送車輛的行駛路線道路順暢、平穩(wěn)，行駛速度相同。

1.3 約束條件

1)配送車輛承運(yùn)生鮮食品的總量不得超過配送車輛的最大裝載量；

2)單個(gè)客戶僅對應(yīng)一個(gè)配送車輛的服務(wù)；

3)車輛需要在客戶期望的時(shí)間窗內(nèi)和可接受的時(shí)間窗內(nèi)進(jìn)行送貨。

1.4 目標(biāo)函數(shù)

文中構(gòu)建的總成本包括車輛運(yùn)輸成本及懲罰成本。

1)運(yùn)輸成本

運(yùn)輸成本是指車輛在運(yùn)輸過程中支出的成本。主要包括油耗成本，它和運(yùn)輸?shù)木嚯x有關(guān)。用Ct表運(yùn)輸成本，則

(1)

公式(1)中：C1代表每公里行駛的運(yùn)費(fèi)；

dij代表客戶i與客戶j之間的距離；

xijk代表0-1變量，若車輛k在路段(i，j)上行駛，則為1，否則為0。

2)懲罰成本

懲罰成本是指沒有在約定的時(shí)間將商品送到顧客手中，但是也不會(huì)造成顧客拒絕收貨，但會(huì)造成滿意度下降，以此作為懲罰成本。文中以軟時(shí)間窗計(jì)算懲罰成本。軟時(shí)間窗對應(yīng)的懲罰函數(shù)如圖1所示：

圖1 軟時(shí)間窗對應(yīng)的懲罰函數(shù)Fig.1 Penalty function corresponding to soft time window

如圖，p0為最大懲罰成本，區(qū)間[ETi，LTi]為零懲罰成本即消費(fèi)者期望的商品送達(dá)時(shí)間段，區(qū)間[a，b]為消費(fèi)者可接受的送達(dá)時(shí)間段[11]。則懲罰成本Cp為

(2)

公式(2)中：ETi代表客戶期望最早時(shí)間；

LTi代表客戶期望最晚時(shí)間；

p1代表早到懲罰因數(shù)；

p2代表晚到懲罰因數(shù)；

ti代表客戶i收到貨物的時(shí)間；

[ETi，LTi]代表顧客期望的時(shí)間窗；

[ai，bi]代表顧客可接受的時(shí)間窗。

綜上所述，文中生鮮食品超市的路徑優(yōu)化模型為

(3)

s.t.

(4)

(5)

(6)

ai≤ti≤bi

(7)

(8)

(9)

公式(3)表示目標(biāo)函數(shù)，由配送車輛的運(yùn)輸成本和懲罰成本構(gòu)成；s.t.代表約束條件。

公式(4)表示車輛承載的重量不得超過車輛最大載重量Q；

公式(5)表示當(dāng)值取K時(shí)表示生鮮食品配送中心擁有K個(gè)可以使用的配送車輛，當(dāng)值取1時(shí)表示一個(gè)客戶只能分配給一輛車；

公式(6)表示配送車輛結(jié)束配送任務(wù)后需要回到配送中心；

公式(7)表示配送車輛必須在客戶可接受的時(shí)間窗內(nèi)提供服務(wù)；

公式(8)和公式(9)為研究問題的決策變量。

2. 生鮮食品超市實(shí)證分析

以生鮮食品超市為物流配送中心，對其附近5 km范圍內(nèi)，在顧客期望的30 min到1 h這個(gè)時(shí)間內(nèi)送達(dá)。目前該生鮮食品超市物流配送成本高，生鮮食品配送時(shí)間長。文中以生鮮食品超市的一次實(shí)際物流配送為例，求解生鮮食品物流配送路徑的優(yōu)化解決方案。并采用遺傳算法對比分析，驗(yàn)證算法在模型中降低生鮮食品超市的物流配送成本的有效性。

2.1 數(shù)據(jù)收集

表1 配送中心及客戶位置與需求量

Table 1 Demand corresponding to location of distribution center and customer

編號X坐標(biāo)/kmY坐標(biāo)/km需求量/kg012 143.9683 118.043115.5112 143.8453 118.45759.5212 144.7303 116.04194.5312 143.8153 119.326136.5412 144.0133 120.514101.5512 144.3473 120.366154.0612 145.7823 120.30766.5712 145.9423 117.321136.5812 140.2323 118.098164.5912 142.9573 117.235143.51012 141.5733 118.859178.51112 141.8603 117.618108.51212 140.9703 116.910115.51312 142.5943 116.416105.01412 142.1193 119.06038.51512 140.9323 117.96556.01612 140.6873 116.19059.51712 140.2333 117.08870.01812 145.3903 116.04166.51912 144.9993 116.78121.02012 145.6153 118.30180.5

表2 客戶時(shí)間窗與服務(wù)時(shí)間

Table 2 Customer time window and service time

編號期望時(shí)間窗可接受時(shí)間窗服務(wù)時(shí)間/min00109:30-10:0009:10-10:1010209:30-10:0009:20-10:105310:00-10:3009:50-10:409410:00-10:3009:40-10:5012509:00-09:3009:00-10:009610:00-10:3009:50-10:5014709:00-09:3009:00-09:506810:30-11:0010:10-11:2012910:30-11:0010:20-11:10151011:00-11:3010:40-11:40131111:30-12:0011:10-12:20161212:00-12:3011:50-12:40101311:30-12:0011:20-12:10101410:30-11:0010:50-11:2091512:30-13:0012:20-13:1031611:00-11:3010:50-11:4051712:30-13:0012:40-13:2051812:00-12:3011:40-12:5061910:30-11:0010:10-11:1062011:00-11:3010:40-11:502

表3 遺傳算法參數(shù)

Table 3 Parameters for genetic algorithm

遺傳算法參數(shù)參數(shù)大小染色體長度 21.00交叉率 0.60變異率 0.01最大迭代次數(shù)500.00

2.2 實(shí)驗(yàn)結(jié)果分析

根據(jù)配送中心和各個(gè)客戶的地理位置、客戶要求的時(shí)間窗及需求量等基本信息，采用MATLAB2014a進(jìn)行編程，運(yùn)用遺傳算法實(shí)現(xiàn)對模型進(jìn)行求解。

遺傳算法優(yōu)化之前的配送成本和路線如表4和表5所示。

表4 優(yōu)化之前的配送成本

Table 4 Distribution cost before optimization

總成本/元運(yùn)輸成本/元懲罰成本/元運(yùn)輸距離/km運(yùn)輸時(shí)間/h1 034.8119.54915.2676.634.87

表5 優(yōu)化之前的配送路線

Table 5 Distribution routes before optimization

車輛1車輛2車輛3路線0-4-7-10-19-16-2-15-1-8-00-12-18-6-14-11-3-17-00-9-5-20-13-0

結(jié)合表4可知，配送路線共使用3輛小型冷藏車對20個(gè)客戶進(jìn)行物流配送服務(wù)。配送花費(fèi)的運(yùn)輸時(shí)間為4.87h，運(yùn)輸距離為76.63km，運(yùn)輸成本為119.54元，懲罰成本為915.26元。配送路線圖如圖2所示。

圖2 優(yōu)化前的配送路線Fig.2 Distribution routes before optimization

遺傳算法優(yōu)化之后的配送成本和路線如表6和表7所示。

表6 優(yōu)化之后的配送成本

Table 6 Distribution cost after optimization

總成本/元運(yùn)輸成本/元懲罰成本/元運(yùn)輸距離/km運(yùn)輸時(shí)間/h882.49104.24778.2566.824.62

表7 優(yōu)化之后的配送路線

Table 7 Distribution routes after optimization

車輛1車輛2車輛3路線0-3-4-7-10-19-16-2-15-8-00-11-14-6-12-9-5-20-00-1-17-13-18-0

結(jié)合表6可知，使用遺傳算法優(yōu)化之后的配送路線共使用3輛小型冷藏車對20個(gè)客戶進(jìn)行物流配送服務(wù)。配送花費(fèi)的運(yùn)輸時(shí)間為4.62h，運(yùn)輸距離為66.82km，運(yùn)輸成本為104.24元，懲罰成本為778.25元。配送路線圖如圖3所示。

圖3 優(yōu)化后的配送路線Fig.3 Distribution routes after optimization

運(yùn)用MATLAB軟件得到的適應(yīng)度函數(shù)曲線如圖4所示。

圖4 遺傳算法求得的適應(yīng)度函數(shù)曲線圖Fig.4 The fitness function trace obtained by GA

從圖4可以看出，隨著迭代次數(shù)的增加，得到的解會(huì)慢慢趨于一個(gè)穩(wěn)定值[15]。穩(wěn)定后的總成本為882.49元。因此，經(jīng)遺傳算法求得的生鮮食品超市的最優(yōu)物流配送路線為

第一輛車：0—3—4—7—10—19—16—2—15—18—0。

第二輛車：0—11—14—6—12—9—5—20—0。

第三輛車：0—1—17—13—18— 0。

3 結(jié)論

在新零售背景下，車輛配送路徑的選擇影響到企業(yè)的成本和效益?；诖耍闹胁捎眠z傳算法對生鮮食品超市物流配送路徑問題進(jìn)行實(shí)例驗(yàn)證。結(jié)果顯示，配送時(shí)間提前了5.13%，配送里程節(jié)約了12.8%，配送總成本降低了14.72%。因此，文中用遺傳算法求解生鮮食品超市物流路徑優(yōu)化模型得出的車輛配送路線，可以提高生鮮食品超市的經(jīng)濟(jì)效益，降低物流配送成本，為增強(qiáng)企業(yè)的核心競爭力提供有效的參考。