面向社區(qū)生鮮超市的共同配送優(yōu)化研究

鄧存慧 馬俊

摘要：目前社區(qū)生鮮超市多并且分散，生鮮農(nóng)產(chǎn)品易腐爛，同時受疫情影響，物流資源有限的情形下，解決社區(qū)生鮮超市內(nèi)所有訂單的需求問題，如何科學合理的設(shè)計配送網(wǎng)絡，通過配送中心來提高效率，是目前生鮮農(nóng)產(chǎn)品同城配送中比較重要的環(huán)節(jié)。文章主要研究社區(qū)生鮮超市農(nóng)產(chǎn)品共同配送問題，提出對生鮮超市客戶訂單進行合理的分配，然后對分配出來的訂單進行路徑的路線的規(guī)劃。設(shè)計聚類算法和CW節(jié)約算法，最后通過案例分析用matlab進行仿真。

關(guān)鍵詞：共同配送;訂單分配;路徑優(yōu)化;節(jié)約里程算法

一、引言

民以食為先，與人們生活緊密聯(lián)系的就是生鮮農(nóng)產(chǎn)品了，為了方便居民能夠經(jīng)常采購生鮮農(nóng)產(chǎn)品，大部分的社區(qū)周邊都會開一些生鮮超市或者社區(qū)生鮮店來保證居民日常的生鮮需求，而此時同城社區(qū)生鮮農(nóng)產(chǎn)品零售店根據(jù)消費者的需求進行訂貨，不僅是社區(qū)的生鮮店需要訂貨，所有的社區(qū)生鮮超市都需要生鮮農(nóng)產(chǎn)品，而社區(qū)生鮮超市是五花八門，由于社區(qū)生鮮超市的分布呈現(xiàn)多而散的特點，這就使得網(wǎng)絡配送路線比較復雜，路線更容易重合。受疫情的影響，很多人居家不出，所有的需求通過物流傳遞，很多企業(yè)還沒有復工，物流資源比較有限。

基于目前社區(qū)生鮮超市多并且分散，生鮮農(nóng)產(chǎn)品易腐爛，同時受疫情影響，物流資源有限的情形下，解決社區(qū)生鮮超市內(nèi)所有訂單的需求問題，如何科學合理的設(shè)計配送網(wǎng)絡，通過配送中心來提高效率，是目前生鮮農(nóng)產(chǎn)品同城配送中比較重要一個環(huán)節(jié)。

王邦兆，李慧在探究生鮮電子商務配送的研究中發(fā)現(xiàn)訂單位置分散并且訂單需求量比較少，社區(qū)生鮮店位置分散使得最終的配送成本比較高，最后利用改進的遺傳算法和社區(qū)搜索算法對電子商務配送進行兩個階段的分層布局設(shè)計。韓越，韓偉等為了打造智能化的配送平臺，通過移動互聯(lián)網(wǎng)對社會的閑置資源的整合，通過信息處理消費者的需求，為了能夠為客戶提供優(yōu)質(zhì)的服務，區(qū)域內(nèi)的配送人員能夠更快的對客戶進行服務，發(fā)件者將網(wǎng)約車行業(yè)與相同地區(qū)發(fā)送物件間開辟了新的道路。

Kellner F等通過對快消品的配送網(wǎng)絡成本進行優(yōu)化，得出影響網(wǎng)絡結(jié)構(gòu)的五個相關(guān)變量，利用案例分析法分析目前的快消品網(wǎng)絡，并對其網(wǎng)絡進行優(yōu)化研究。Turnball利用供應鏈的相關(guān)知識對英國的物流配送進行研究，主要以食品恒業(yè)以及飲料行業(yè)為研究對象，研究表明，科學技術(shù)使得社會的分工清晰，并且可以通過第三方物流減少食品和飲料行業(yè)的物流配送環(huán)節(jié)。產(chǎn)品的虧損價格不能改變，加上快遞服務是企業(yè)的重中之重，是企業(yè)間加強合作的紐帶，是企業(yè)收益的一部分，更是企業(yè)提升自身競爭力的核心資源。謝乃明，吳喬等針對云平臺主導的集成調(diào)度模式，通過建立于供應商的約束構(gòu)建云平臺中心化集成調(diào)度的訂單分配模型，通過遺傳算法可以建立約束條件的數(shù)學模型，該模型主要包含產(chǎn)出值的轉(zhuǎn)換率，物流輸送、訂貨量單等約束，通過遺傳算法可以建立供應商的約束條件的數(shù)學模型，該模型主要包含產(chǎn)出值的轉(zhuǎn)換率，物流輸送、訂貨量單等約束。并且通過實際算例對模型進行檢驗。王劍，周壯等為了解決制造商和供應商同時依賴訂單的矛盾，提出兩階段協(xié)商協(xié)議，并且通過不同的協(xié)商手段消除矛盾，從而使得訂單分配合理公正。

Balan主要研究功能供應商能接受的最低價格，并得出了多個變量的數(shù)學模型。Moghaddam 等人主要研究了逆向物流服務中較不清晰的供貨商選擇和貨品訂單的分配，并據(jù)此建立模糊數(shù)學模型，該模型考慮了貨品加工商與貨品提供商二者的關(guān)系，并將其作為約束條件，利用啟發(fā)式算法求解最優(yōu)方案。李趙興通過分析物流網(wǎng)絡，得出影響電子商務配送速度的因素有哪些從而建立了物流配送網(wǎng)絡，在免疫算法的基礎(chǔ)上，對建立的物流配送網(wǎng)絡模型進行分析求解，最后仿真驗證模型。吳競鴻針對配送路徑的優(yōu)化問題，首先闡述了配送路徑的方法，然后對零售企業(yè)的配送路徑進行參考文獻的整理，最后以實際的案例為背景，運用節(jié)約里程法對實際的案例進行求解，并且在最后求得的結(jié)果中對算法進行驗證，從而證明算法的有效性。Righini G、Salani M通過節(jié)約里程法、動態(tài)規(guī)則法以及狀態(tài)空間松弛法對車輛路徑的供貨以及取貨流程進行求解。Dotoli在研究冷鏈物流系統(tǒng)中，基于Petri網(wǎng)方法的模型進行構(gòu)建，最后并通過仿真驗證可行性。鄧娜，張建軍等針對O2O外賣訂單的配送，對其配送環(huán)節(jié)中存在的分配模式進行剖析，得出一種訂單集指派模式，這種模式是通過聚類分析以及TSP配送路徑相結(jié)合從而為外賣的訂單配送奠定基礎(chǔ)。吳雪婷針對多配送中心下共享車輛這種模式，對路徑進行模型的驗證，研究表明通過重心法以及邊界分配法相結(jié)合的方式，可以為客戶的訂單更加合理的分配，并且也為接下來的路徑規(guī)劃提供詳細的配送路徑，通過設(shè)計遺傳算法，和之前的經(jīng)驗規(guī)劃比較，車輛限制一定載重量時，多車輛運輸?shù)木嚯x減少，最終使得配送的成本降低。

本文在已有的文獻研究以及目前社區(qū)生鮮超市多并且分散，生鮮農(nóng)產(chǎn)品易腐爛，同時受疫情影響，物流資源有限的情形下，解決社區(qū)零售店內(nèi)所有訂單的需求問題，如何科學合理的設(shè)計配送網(wǎng)絡，利用配送中心的車輛調(diào)度，合理有效的分配利用資源，進行社區(qū)生鮮超市訂單的分配時主要是控制利用配送中心的地理位置，利用聚類中心和配送中心的位置關(guān)系，將多個客戶訂單進行合理的分配，之后將所有分配好的訂單設(shè)置合理的配送路線進行共同配送，盡可能使車輛的車載率提高，從而在配送時降低成本，同時對車輛數(shù)量進行規(guī)劃能夠控制車輛的進出次數(shù)從而防止交通堵塞，在環(huán)境方面也能降低車輛的碳排放，減少環(huán)境污染。

二、問題描述及模型構(gòu)建

（一）問題描述及相關(guān)假設(shè)

圖1是配送中心給社區(qū)生鮮店和社區(qū)超市配送生鮮農(nóng)產(chǎn)品，當一個配送中心進行五個訂單的配貨時，配送中心的車輛從1～5這5個社區(qū)生鮮店和社區(qū)超市時，由于需要依次將貨物送達到最后的客戶，最先送達的客戶生鮮的質(zhì)量和新鮮度都可以保證，但是后面送達的客戶就不能完全保證，同時還會面臨訂單送達超過客戶需要的時間。此時如果能夠?qū)⑿枰唵蔚倪@5個客戶交給2個配送中心，由這兩個配送中心一起進行共同配送，假設(shè)第一個配送中心負責1，2的客戶，第二個客戶負責3，4，5的客戶，一方面可以保證生鮮農(nóng)產(chǎn)品的質(zhì)量和新鮮度，另外一方面就是能夠如約對客戶的生鮮訂單準時或提前送達。本文主要是研究客戶的需求訂單如何進行合理的分配，即多個客戶的需求訂單分配到哪幾個配送中心。之后對分配的客戶需求訂單進行路線的規(guī)劃。

本文需要設(shè)置一個虛擬的配送中心，這個虛擬的配送中心是和現(xiàn)實的配送中心起始位置是一樣的，要求所有的運輸車輛都要從起點（虛擬配送中心）出發(fā)，經(jīng)過現(xiàn)實的配送中心，并且能對客戶進行服務，最后再原路返回，從現(xiàn)實的配送中心最終回到起點（虛擬配送中心）。

同城片區(qū)下共有M個實際配送中心、N個訂單客戶以及K輛相同車型的可用配送車輛。

相關(guān)假設(shè)：

1. 不考慮生鮮農(nóng)產(chǎn)品的質(zhì)量和類別的差異性。

2. 配送中心的車輛具有相同型號，并且保持勻速，此時不考慮道路堵塞。

3. 生鮮零售店的需求量和地點是已知的。

4. 客戶的訂單不能超過車輛的最大載重量。

5. 一個配送中心可以為多個社區(qū)生鮮超市客戶服務，但是一個社區(qū)生鮮超市客戶訂單不能由多個配送中心服務。

6. 配送中心不能重復配送一個訂單，且一個訂單不能重復被多個配送中心配送。

7. 配送中心的貨物能夠滿足訂單數(shù)量的需求，即要求每個訂單需求都要被配送中心配送。

8. 配送中心配送完一個訂單里全部的生鮮農(nóng)產(chǎn)品后才能配送下一個訂單里的。

（二）參數(shù)設(shè)定及變量說明

D={0，1，2，…，m，…，M};表示所有配送中心集合，其中虛擬配送中心由編號0表示; C={M+1，M+2，…，M+n，…，M+N}：表示所有社區(qū)生鮮超市的集合;

Κ={1，2，…，k，…，Κ}：表示社區(qū)生鮮超市集合可用配送車輛集合;

V=D∪C={0，1，…，M，M+1，…，M+N}：配送中心與社區(qū)生鮮超市客戶集合（即所有點的集合）

Q：所有配送車輛最大容量均為Q;

Qi：社區(qū)生鮮超市客戶i的需求，?i∈C，且qi已知。

決策變量：

Xijk;若Xijk=1，表示社區(qū)生鮮超市i到社區(qū)生鮮超市j由車輛k進行配送，且i≠j0，若Xijk=0，表示社區(qū)生鮮超市i到社區(qū)生鮮超市j不是由車輛k進行配送;

ymk：若ymk=1，表示車輛k由配送中心m派出0，若ymk=0，表示車輛k不是由配送中心m派出0;

當i≠j時，假設(shè)節(jié)點i到節(jié)點j的運輸成本cij=（xi-xj）2+（yi-yj）2（用運輸距離表示運輸成本），且cij=cji。

（三）模型建立

min=∑i∈D∑j∈C∑k∈Kcijxijk（1）

s.t.∑i∈V∑j∈Cajxijk≤Q，?k∈K（2）

∑k∈Ky0k≤|K-|（3）

∑i∈V∑xijk=∑i∈Vxijk，?j∈C，?k∈K（4）

x0ik=x0jk，?i∈C，?k∈K（5）

∑i∈D/{0}∑j∈D/{0}xijk=0，?k∈K（6）

∑i∈D/{0}∑k∈K/{0}xijk=1，?j∈C（7）

∑i∈S∑j∈Sxijk≤|S|-1，?k∈K|S|=∑j∈Cxijk，?i∈D/{0}，k∈K}（8）

xijk∈{0，1}，?i∈D?j∈C，?k∈K}（9）

ymk=1 車輛k由配送中心m派出

0 其他（10）

xijk=1 節(jié)點i到節(jié)點j由車輛k進行配送，且i≠j

0 其他（11）

目標函數(shù)

式（1）表示社區(qū)生鮮超市農(nóng)產(chǎn)品運輸總成本最小;

約束條件

式（2）表示配送中心車輛不能超過社區(qū)生鮮超市客戶的最大需求量;

式（3）表示配送中心發(fā)出的車輛數(shù)在車輛總數(shù)之內(nèi);

式（4）表示同一個配送中心車輛到達或離開某個社區(qū)生鮮店和社區(qū)超市即進出平衡約束;

式（5）表示配送中心車輛均從虛擬配送中心出發(fā)并最終全部返回;

式（6）表示各配送中心間的車輛不可以隨意進出;

式（7）表示任一生鮮客戶的訂單有且僅由一輛配送中心的車量進行配送;

式（8）為消除子回路約束;

式（9）、（10）、（11）為決策變量的取值范圍。

三、算例分析

（一）實例描述

企業(yè)N位于江蘇省，是重要的生鮮配送服務商，它的基地項目占15萬平方米，建筑面積8萬平方米，并且具有按照打造“長江角最具影響力、標準最高、技術(shù)最先進的冷鏈物流中心定位”，建設(shè)低溫庫、恒溫庫、高溫庫，該公司的主要業(yè)務就是生鮮農(nóng)產(chǎn)品的服務，打造集倉儲、配送加工、貿(mào)易于一體的綜合服務平臺。

企業(yè)N旗下有幾個配送中心，相應的配送中心有相應的配送團隊，主要負責將生鮮農(nóng)產(chǎn)品送到需要的客戶手中，由于同城片區(qū)下的生鮮零售店遍地開發(fā)，配送的量很多，配送顧客的訂單需求多樣化，配送中心主要根據(jù)自身的經(jīng)驗來進行路線的配送，由于社區(qū)生鮮超市的農(nóng)產(chǎn)品在配送的過程中，考慮的是訂單送達的時間，所以產(chǎn)品滿意度和時效性是客戶滿意度的主要衡量因素?？蛻魸M意度降低了很多客戶，所以根據(jù)客戶的訂單需求從而為客戶設(shè)計配送路線進行共同分配。

以企業(yè)N的3個配送中心某次為30家生鮮零售店服務為例，先將這30家生鮮零售店的需求訂單分配給這3個配送中心，之后根據(jù)分配好的訂單對配送路徑進行規(guī)劃，基于此對同城片區(qū)下社區(qū)生鮮超市的共同配送進行研究。所以配送中心調(diào)度的冷藏車必須要求從起點也就是配送中心開始發(fā)車，最終回到對應的配送中心去。

每個配送中心的配送車輛和人員是有限的，每個配送中心能用到配送中心的冷藏車只有4輛裝載量為5t冷藏車，并且車輛單次配送的最大行駛路程均為50 km，這30家生鮮零售店的地理位置分散，且每家的訂單需求量不超過2t。表1表示配送中心和社區(qū)生鮮超市的位置坐標和訂單需求量，圖2表示在坐標上直觀的表達出來。

以上是該企業(yè)以及社區(qū)各個零售店的具體信息。表1中序號1～30是各個社區(qū)生鮮零售店的訂單需求量以及地理位置坐標，31～33是3個配送中心的地理坐標，坐標點分別是（9.56，6.03）、（6.44，11.28）、（11.14，11.1）。

30家社區(qū)生鮮零售店和3個配送中心的地理分布圖如圖2所示，三角形代表配送中心的位置，點代表社區(qū)生鮮零售店的位置。本章節(jié)將要解決這30家客戶的生鮮客戶需求訂單怎么分配給這三家配送中心，以及將分配好的客戶訂單進行配送，從而實現(xiàn)共同配送。

（二）同城片區(qū)下社區(qū)生鮮超市農(nóng)產(chǎn)品訂單分配結(jié)果分析

本文根據(jù)第三章提出的訂單分配的模型，運用軟件Matlab R2016a編程實現(xiàn)本文構(gòu)建的模型，實現(xiàn)kmeans聚類算法對訂單分配問題的求解過程。基于3個配送中心和30家社區(qū)生鮮店、社區(qū)生鮮超市，首先，確定要聚類的數(shù)量是3，通過聚類將30個社區(qū)生鮮超市分為3類，并通過隨機分布3類聚類中心，計算當前數(shù)據(jù)點與每個組中心點的距離，再次聚類每個大類下的數(shù)據(jù)點。通過這樣不斷迭代、再繼續(xù)得出每類下的各個點的均值，作為新簇中心。按此步驟不斷迭代，直至各組中心通過迭代變化較小為止。

如圖3所示，用X表示聚類中心，用三角形表示配送中心，用圓點表示各個社區(qū)生鮮超市，總共有30加社區(qū)生鮮超市，先設(shè)計Kmeans聚類算法將30個社區(qū)生鮮超市聚類出來，得到3個聚類中心，然后根據(jù)聚類中心的位置數(shù)據(jù)和已知的3個配送中心的位置數(shù)據(jù)關(guān)系，對30家社區(qū)生鮮超市的訂單進行分配。相同顏色的社區(qū)生鮮店分配給相同顏色的配送中心，這樣就完成了各個生鮮零售店分配給各個配送中心的過程。此時計算出來的成本為725.3423。

通過對同城片區(qū)下社區(qū)生鮮超市的訂單求解中，可以得到訂單分配時，先根據(jù)聚類中心的結(jié)果然后再根據(jù)配送中心和聚類中心的關(guān)系再進行訂單分配的，因此，配送中心的選址是訂單分配時最應該考慮的，這樣能夠更快的實現(xiàn)生鮮訂單的共同配送。

（三）同城片區(qū)下社區(qū)生鮮超市農(nóng)產(chǎn)品路徑規(guī)劃結(jié)果分析

目前已經(jīng)將各個生鮮零售店的訂單進行分配的結(jié)果進行共同配送，本文根據(jù)第四章提出的路徑配送設(shè)計的模型，運用軟件Matlab R2016a編程實現(xiàn)本文構(gòu)建的模型，實現(xiàn)節(jié)約里程算法對路徑配送設(shè)計的求解過程。如圖4所示。

配送中心 1 覆蓋的需求點序號為[2;3;5;9;12;16;17;18;23;24;25;26;27]

配送中心1需要4輛5t的車，其配送路徑結(jié)果如下：

路徑1：實際運輸量為 5t， 載重率100%， 行駛距離為23.2887km。

路徑為：

C1-->3-->18-->26-->C1

路徑2：實際運輸量為 4.6t， 載重率92%， 行駛距離為25.0408km。

路徑為：

C1-->5-->12-->2-->24-->23-->C1

路徑3：實際運輸量為 3.5t， 載重率70%， 行駛距離為15.1358km。

路徑為：

C1-->16-->25-->9-->27-->C1

路徑4：實際運輸量為 1.8t， 載重率36%， 行駛距離為1.4849km。

路徑為：

C1-->17-->C1

配送中心 2 覆蓋的需求點序號為[1;4;6;7;8;10;11;13;15;28;29]

配送中心2需要3輛5t的車，其配送路徑結(jié)果如下：

路徑1：實際運輸量為 5t， 載重率100%， 行駛距離為24.6621km。

路徑為：

C2-->4-->7-->10-->29-->C2

路徑2：實際運輸量為 3.9t， 載重率78%， 行駛距離為14.9992km。

路徑為：

C2-->1-->13-->28-->11-->C2

路徑3：實際運輸量為 4.6t， 載重率92%， 行駛距離為16.813km。

路徑為：

C2-->8-->15-->6-->C2

配送中心 3 覆蓋的需求點序號為[14;19;20;21;22;30]

配送中心1需要2輛5t的車，其配送路徑結(jié)果如下：

路徑1：實際運輸量為 4.3t， 載重率86%， 行駛距離為29.4549km。

路徑為：

C3-->19-->20-->30-->14-->22-->C3

路徑2：實際運輸量為 1.8t， 載重率36%， 行駛距離為6.4846km。

路徑為：

C3-->21-->C3

最終的結(jié)果得出：配送中心1需要4輛配送車，行駛的總里程是64.9502Km;配送中心2需要3輛配送車，行駛的總里程是56.4743Km;配送中心3需要2輛配送車， 行駛的總里程是35.9395Km。

節(jié)約里程算法可以算出多種物流配送服務路線，并得出里程最短線路方案，節(jié)約里程，顧名思義路程最優(yōu)、時間最短、成本最低等，這樣可以節(jié)省企業(yè)各方面輸出成本。通過節(jié)約里程確定好從配送中心發(fā)出貨物的路線方案后，快速有效地降低快遞服務成本、從而提高收入，快遞車輛的選擇與優(yōu)化也可以大大提高運輸效率，這樣就會提升每次承載的貨物量。該算法的運用對物流服務各方面的效率都有很大指導意義，創(chuàng)造更大的價值效益。

四、結(jié)語

本文主要研究的是社區(qū)生鮮超市共同配送優(yōu)化問題，通過對生鮮超市的需求訂單進行研究。文章的第三章考慮社區(qū)生鮮超市客戶的訂單如何進行共同配送來進行具體的建模分析，然后通過聚類算法對各個的訂單進行分配求解，文章的第四章考慮社區(qū)生鮮超市客戶的訂單進行分配后的一個網(wǎng)絡路線的優(yōu)化來進行具體的建模分析，設(shè)計CW_VRP算法對分配好的訂單規(guī)劃網(wǎng)絡的配送路線。最后結(jié)合N公司旗下三個配送中心為30家生鮮訂單配送為案例利用matlab軟件進行仿真分析。仿真結(jié)果表明片區(qū)同城配送下社區(qū)生鮮超市共同配送得到優(yōu)化。

參考文獻：

[1]王邦兆，李慧.生鮮農(nóng)產(chǎn)品同城配送復雜網(wǎng)絡布局設(shè)計[J].統(tǒng)計與決策，2019（12）：42-46

[2]韓越，韓偉.關(guān)于出租車行業(yè)與同城配送兼容模式的可行性研究[J].現(xiàn)代經(jīng)濟信息，2019（14）：376.

[3]Kellner F， Otto A， Busch A. Understanding the robustness of optimal FMCG distribution networks [J].Logistics Research，2013，6（04）：173-185.

[4]Turnball. Logistics in the Food And Drink Industry[J].Management Service，1989，33（02）：4-6.

[5]謝乃明，吳喬，等.面向云平臺中心化集成調(diào)度的跨供應商訂單分配模型[J].控制與決策，2020（03）：158-167.

[6]王劍，周壯，等.考慮依賴關(guān)系和能力約束的多對多供應鏈訂單分配研究[J].控制與決策，2020（03）：177-185.

[7]Balan S， Vrat P， Kumar. Risk analysis in global supply chain network? environments[J].European Journal of operational Research，2006，174（03）：1353-1367.

[8]Moghaddam K S. Fuzzy multi-objective model for supplier selection and order allocation in reverse logistics systems under supply and demand uncertainty[J].Expert Systems with Application，2015，42 （1516）：6237-6254.

[9]李趙興.基于免疫算法的物流配送路徑優(yōu)化研究[J].榆林學院學報，2020（02）：73-76.

[10]吳競鴻.新零售背景下門店配送路徑優(yōu)化問題研究[J].物流工程與管理，2020（02）：115-116.

[11]Righini G，Salani M，Dell Amico M，A Branch-and-price Approach to the Vehicle Routing Problem with Simultaneous Distribution and Collection[J].Transportation Science，2006（40）：235-247.

[12]Dotoli，Mariagrazia，F(xiàn)anti，Maria. The Impact of ICT on An Intermodal Transportation System：an Analysis by Petri Nets. 2009IEEE International Conference on Automation Science and Engineering，2009（01）：513-518.

[13]鄧娜，張建軍.O2O外賣訂單配送任務分配模式研究[J].上海：上海管理科學，2018（01）.

[14]吳雪婷.基于多配送中心的第三方整車物流路徑優(yōu)化研究[D].重慶：重慶郵電大學，2018.

（作者單位：鄧存慧，江蘇大學管理學院;馬俊，浙江理工大學藝術(shù)與設(shè)計學院）