生鮮農(nóng)產(chǎn)品綠色配送技術研究綜述

周騰明 張少平 邵鵬

摘要：生鮮農(nóng)產(chǎn)品綠色配送是當前社會關注的熱點問題，對環(huán)境保護和社會可持續(xù)發(fā)展具有重要意義。該研究回顧了近幾年領域內(nèi)的相關文獻資料，從技術研究角度將生鮮農(nóng)產(chǎn)品綠色配送分成生鮮農(nóng)產(chǎn)品綠色配送模式、配送中心選址和配送路徑優(yōu)化三部分進行歸納總結，介紹了研究領域內(nèi)常見的若干配送模式之間的差異，重點闡述了不同配送中心選址技術的優(yōu)缺點和求解配送路徑優(yōu)化問題的相關技術，最后對生鮮農(nóng)產(chǎn)品綠色配送技術研究的發(fā)展前景進行展望，以期為推動該領域發(fā)展提供參考方案。

關鍵詞：生鮮農(nóng)產(chǎn)品綠色配送；配送模式；配送中心選址；路徑優(yōu)化；綜述

中圖分類號：TP311? ? ?文獻標識碼：A

文章編號：1009-3044（2023）36-0127-04

開放科學（資源服務）標識碼（OSID）

0 引言

近年來，隨著我國物流規(guī)模不斷擴大，許多問題也不斷顯現(xiàn)出來，我國對此高度重視，先后針對不同時期制定了不同規(guī)劃。例如，國務院于2022年5月17日印發(fā)的《“十四五”現(xiàn)代物流發(fā)展規(guī)劃》，其中指出現(xiàn)有的幾個突出問題，如物流配送成本高、效率低，物流發(fā)展不平衡，農(nóng)村物流、冷鏈物流等存在短板。為了建設更加完善的物流體系，推動綠色物流技術發(fā)展，還需要對現(xiàn)有問題進行深入研究。

我國近幾年對該領域的研究熱度不斷升溫，以知網(wǎng)為例，使用“生鮮農(nóng)產(chǎn)品配送”為主題對近十年的期刊論文進行檢索，分別統(tǒng)計每年的論文數(shù)量，結果如圖1所示。

從2013年至2022年，與生鮮農(nóng)產(chǎn)品配送相關的期刊論文共263篇，其中2016年發(fā)表在《中國軟科學》上的一篇文章被引用了353次。從近幾年發(fā)文量看呈遞增趨勢，同時隨著相關政策的落實，該領域?qū)l(fā)展到新的高度。

本文的結構如下：第2節(jié)介紹了生鮮農(nóng)產(chǎn)品傳統(tǒng)配送模式與綠色配送模式；第3節(jié)介紹了目前主流的生鮮農(nóng)產(chǎn)品綠色配送中心選址技術；第4節(jié)介紹了不同生鮮農(nóng)產(chǎn)品綠色配送路徑優(yōu)化技術的優(yōu)缺點；最后，提出了總結與展望。

1 生鮮農(nóng)產(chǎn)品綠色配送模式研究

生鮮農(nóng)產(chǎn)品配送模式作為生鮮農(nóng)產(chǎn)品配送研究的第一站，其重要性不言而喻。配送模式的選擇主要考慮以下幾個方面：生鮮農(nóng)產(chǎn)品的品質(zhì)、配送效率、配送成本和環(huán)境影響。需根據(jù)實際情況綜合考慮選擇合適的配送模式，實現(xiàn)生鮮農(nóng)產(chǎn)品配送最優(yōu)化。目前配送模式主要分為傳統(tǒng)配送模式和綠色配送模式兩大類。

1.1 生鮮農(nóng)產(chǎn)品傳統(tǒng)配送模式

傳統(tǒng)配送模式有生產(chǎn)者直供配送、批發(fā)市場配送等，其中生產(chǎn)者直供配送模式是由生產(chǎn)者將農(nóng)產(chǎn)品從生產(chǎn)基地直接配送到市場或消費者手中，所以流轉(zhuǎn)過程少，產(chǎn)品質(zhì)量好，耗費成本低，生產(chǎn)者收益高，但存在配送規(guī)模小、配送區(qū)域受限等缺點[1]。批發(fā)市場配送模式則是生產(chǎn)商或中間商將農(nóng)產(chǎn)品配送到市場進行銷售，優(yōu)點是配送范圍更廣，配送成本低，但中間流通環(huán)節(jié)增加可能會帶來更大的食品安全風險和時間延誤風險。為此徐安琪和潘經(jīng)強[2]對發(fā)達國家批發(fā)市場配送模式進行分析，總結相關經(jīng)驗并指出制約我國批發(fā)市場配送模式發(fā)展的關鍵因素。為貫徹新發(fā)展理念，傳統(tǒng)配送模式需全面綠色轉(zhuǎn)型。

1.2 生鮮農(nóng)產(chǎn)品綠色配送模式

隨著人們對環(huán)境保護意識和健康意識的提高，以及互聯(lián)網(wǎng)技術的發(fā)展，生鮮農(nóng)產(chǎn)品綠色配送模式逐漸成為主流的配送模式，該模式通常采取環(huán)保、低碳、節(jié)能和高效等措施，在保證產(chǎn)品質(zhì)量和配送效率的同時盡可能減少對環(huán)境的影響。目前常見的幾種綠色配送模式有社區(qū)團購配送、冷鏈配送、電商配送等，許多學者從不同的背景和角度出發(fā)，對此展開了研究。社區(qū)團購配送是一種通過集中采購和配送的方式，將生鮮農(nóng)產(chǎn)品送到消費者手中的模式，該模式的統(tǒng)一配送能有效減少物流成本，故在近幾年迅速發(fā)展，但卻面臨供應鏈不穩(wěn)定等挑戰(zhàn)。孟妍[3]等從社區(qū)團購的發(fā)展進程和常見的幾種配送經(jīng)營模式出發(fā)，針對不同挑戰(zhàn)提出了相應的對策。冷鏈配送是一種逐步發(fā)展的模式，配送需求和配送范圍都在不斷擴大，該模式通過對溫度、濕度的精準把控來保證生鮮農(nóng)產(chǎn)品的質(zhì)量和安全性，進而提高消費者的信任度和滿意度。但冷鏈配送模式存在能源消耗高、成本高昂等問題，慕艷平和雷小青[4]為完善冷鏈配送模式提出了加強冷鏈設備基礎建設和技術創(chuàng)新、搭建實時監(jiān)測數(shù)據(jù)平臺和完備的管理體系等對策。電商配送是指通過電子商務平臺進行生鮮農(nóng)產(chǎn)品的銷售和配送。為解決生鮮農(nóng)產(chǎn)品“最后一公里”配送難題，袁紫薇等[5]將配送模式分為直接配送模式和間接配送模式，闡述了兩種模式的優(yōu)缺點，并給出了提高配送效益的改進意見；冉安平[6]使用層次分析法綜合評價O2O模式下常見的幾種配送模式，得到配送成本為影響模式選擇的主要因素。陳哲等[7]對我國生鮮農(nóng)產(chǎn)品電商配送現(xiàn)狀進行研究后提出了一種融入大數(shù)據(jù)服務的新電商配送模式。目前大多數(shù)的研究都聚焦于城市，對鄉(xiāng)村地區(qū)的生鮮農(nóng)產(chǎn)品綠色配送模式研究較少，這將成為今后的研究熱點。

2 生鮮農(nóng)產(chǎn)品綠色配送中心選址技術研究

生鮮農(nóng)產(chǎn)品綠色配送中心選址在生鮮農(nóng)產(chǎn)品綠色配送中起著至關重要的作用，選址的好壞將直接影響到生鮮農(nóng)產(chǎn)品綠色配送的效率和質(zhì)量，從而影響到生產(chǎn)、流通和銷售環(huán)節(jié)的效益，因此如何選擇合適的生鮮農(nóng)產(chǎn)品綠色配送中心位置成了研究熱點。目前對該問題的技術研究主要分為定性分析法、定量分析法和定性與定量相結合的方法。

2.1 定性分析法

定性分析法是通過專家經(jīng)驗和判斷，以及對當?shù)厥袌?、政策、環(huán)境等因素的了解，來確定最終選址方案的一種方法。常見的德爾菲法[8]是一種專家咨詢和意見收集的方法，利用專家經(jīng)驗和知識，有效地解決復雜問題，但缺乏客觀性，因此選址決策較少單獨使用定性分析法。

2.2 定量分析法

定量分析法通過數(shù)學模型和定量指標對選址方案進行評估和比較，以確定最優(yōu)選址方案。相較于定性分析法，定量分析法通過科學的計算方法對具體的數(shù)值計算得到明確的結果，客觀性更強。常見的定量分析法有重心法[9]、混合整數(shù)規(guī)劃法[10]等。重心法是一種地理信息分析方法，通常用于確定區(qū)域或地圖上一組點的中心位置，具有簡單易行、結果清晰明了等優(yōu)點。陳姝宇等[11]和于蕾[12]分別對呼和浩特地區(qū)和安徽省的生鮮農(nóng)產(chǎn)品配送中心使用重心法進行選址研究，前者以總費用最小為目標，后者從實際需求出發(fā)，都通過建立模型再求解得到最優(yōu)選址位置，但重心法存在求解精度有限、無法應對多目標問題等缺點。混合整數(shù)規(guī)劃法則能夠提供精確的數(shù)學模型和解決方案，適用于處理復雜的離散決策問題。為減少配送中心的配送費用，Ding和Liu[13]使用混合整數(shù)規(guī)劃模型對上海市乳制品物流中心備選地址進行排序，得到了最佳的選址位置；Zhang 等[14]基于混合整數(shù)非線性規(guī)劃理論建立模型求解非線性物流管理中基于物流的布局優(yōu)化問題，實驗結果表明，該模型可以有效地優(yōu)化物流管理布局，同時節(jié)省時間和降低成本。然而定量分析法在涉及主觀因素或復雜情景時，某些指標或數(shù)據(jù)難以量化將影響分析結果的準確性。

2.3 定性和定量結合法

由于定性分析法和定量分析法都有各自的優(yōu)缺點，單獨使用都存在一定的局限性，而定性、定量結合法則可以充分發(fā)揮二者的優(yōu)勢，彌補其不足。王魯萍等[15]針對選址過程的模糊復雜性，在定性分析中采用二元語義處理選址評價信息并在定量分析中使用熵權法計算各指標權重，從多方面構建評價體系并建立選址模型，對算例進行評估分析后得出最佳配送中心位置，該方法使選址過程簡單清晰，同時結果更精確合理。莊小云[16]對安徽省生鮮農(nóng)產(chǎn)品配送中心選址進行研究，結合使用了定性分析法中的覆蓋模型思想和定量分析法中的TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法對方案評價，同時在對評價指標賦權時采用了層次分析法，彌補了單一方法對參數(shù)改進的不足，使實驗結果更加科學合理。為建立合適的冷鏈物流配送中心以解決生鮮農(nóng)產(chǎn)品因不易存儲而影響顧客購買需求的問題，李晶晶[17]采用定性分析法確定目標選址和備選地點，然后用定量分析法中的灰色預測模型推斷生鮮農(nóng)產(chǎn)品的可能需求量，最后建立數(shù)學選址模型確定最優(yōu)選址位置和配送方案。綜上所述，定性、定量結合法在生鮮農(nóng)產(chǎn)品綠色配送中心選址技術研究中有著重要的地位和應用前景，它能夠提供更全面的信息和更準確的決策支持，有助于綠色配送中心的合理選址。

3 生鮮農(nóng)產(chǎn)品綠色配送路徑優(yōu)化技術研究

生鮮農(nóng)產(chǎn)品綠色配送路徑優(yōu)化問題作為車輛路徑問題的一種特殊情況，是目前各學者廣泛研究的熱門領域，且生鮮農(nóng)產(chǎn)品綠色配送路徑優(yōu)化技術研究對于提高運輸效率、降低運輸成本、減少環(huán)境影響、提升服務質(zhì)量和促進可持續(xù)發(fā)展具有重要的影響。目前，主要的技術研究分為以下三大類：精確算法、傳統(tǒng)啟發(fā)式算法和元啟發(fā)式算法，其中常見的幾種算法的優(yōu)缺點如表1所示。

3.1 精確算法

精確算法是一類用于求解優(yōu)化問題的算法，能夠在有限時間內(nèi)找到問題的最優(yōu)解，常見的精確算法有動態(tài)規(guī)劃法[18]、分支定界法[19]等。為提高電商倉庫的揀貨作業(yè)效率，馮愛蘭等[20]采用了基于聚類和動態(tài)規(guī)劃的組合路徑策略，對待揀儲位的分布特征進行聚類分析后，再使用動態(tài)規(guī)劃得到類序和各類內(nèi)部路徑，最后按類序連接各類內(nèi)部路徑得到最終路徑，并通過實例驗證了該策略的適用性。針對考慮載重約束、里程約束、強時間窗約束下的車輛配送路徑問題，呂欣昊[21]提出的改進分支定價算法克服了基于{0，1}分支策略在該問題求解時效率低、穩(wěn)定性差的缺陷。雖然精確算法能夠在規(guī)模小、結構簡單的問題中給出確切的最優(yōu)解，但是在面對大規(guī)模復雜性問題時，計算復雜度太高將會導致求解時間過長，耗費大量計算資源，難以改善目前生鮮農(nóng)產(chǎn)品綠色配送逐漸復雜化的現(xiàn)狀。

3.2 傳統(tǒng)啟發(fā)式算法

傳統(tǒng)啟發(fā)式算法相較于精確算法，求解速度較快，適用于大規(guī)模復雜性問題，其中最常見的是節(jié)約里程法。盧茗軒等[22]對連鎖超市生鮮農(nóng)產(chǎn)品配送路徑采用節(jié)約里程法進行優(yōu)化分析，配送里程相較未使用路徑優(yōu)化算法大幅縮短，配送效率顯著提高。王轉(zhuǎn)等[23]基于一種用于電商配送中心的自動化揀貨系統(tǒng)，考慮揀貨器具和商品包裝體積，構建訂單分批模型，提出節(jié)約里程的訂單分批算法，并與先到先服務方法和基于訂單相似度分批方法進行對比，求解效果最優(yōu)。然而傳統(tǒng)啟發(fā)式算法通常基于經(jīng)驗和啟發(fā)式規(guī)則，對問題進行近似求解，這使得其容易受限于局部最優(yōu)解而無法找到全局最優(yōu)解，無法實現(xiàn)生鮮農(nóng)產(chǎn)品綠色配送降本增效的目的。

3.3 元啟發(fā)式算法

元啟發(fā)式算法是通過組合多種啟發(fā)式策略和元啟發(fā)式操作來解決問題的一類高級啟發(fā)式算法，具有高效性、魯棒性和全局搜索能力等優(yōu)點，是目前的研究熱點，常見的有遺傳算法[24]、蟻群算法[25]、粒子群算法[26]、人工蜂群算法[27]等。為降低物流配送成本，實現(xiàn)綠色環(huán)保的配送方案，Li 等[28]提出了一種自適應模擬退火突變遺傳算法，相較于遺傳算法有著更快的收斂速度和更低的成本功耗；張念等[29]考慮時間窗約束和配送總成本對多車場生鮮產(chǎn)品配送路徑優(yōu)化問題采用多策略改進的遺傳算法進行求解，實驗結果相較于傳統(tǒng)的自適應遺傳算法有更好的尋優(yōu)效率，總成本降低明顯?？祫P等[30]構建的配送路徑優(yōu)化模型將配送過程中的多個損耗成本考慮在內(nèi)，采用混入2-opt局部優(yōu)化的改進蟻群算法進行求解，同基本蟻群算法和遺傳算法進行實驗對比后證明該算法的有效性；為滿足生鮮農(nóng)產(chǎn)品的質(zhì)量要求和低碳物流，Chen 等[31]建立了一種考慮品質(zhì)劣化和碳排放成本的配送路徑優(yōu)化模型，采用了改進的蟻群算法進行全局搜索和禁忌搜索算法進行局部搜索，與多蟻群優(yōu)化算法和非支配排序遺傳算法進行對比，效果最優(yōu)。陳久梅等[32]針對生鮮農(nóng)產(chǎn)品多隔室車輛路徑優(yōu)化問題展開研究，以配送成本最小化為目標建立數(shù)學模型，采用粒子群優(yōu)化算法求解，實驗結果與蟻群算法進行比較，證實了該算法的穩(wěn)定性和易收斂性；Poonthalir和Nadarajan [33]使用帶有貪婪變異算子和時變加速系數(shù)的粒子群優(yōu)化算法解決了具有變速約束的雙目標節(jié)能綠色車輛路徑問題，該方法能夠消耗更少的燃料，大大減少碳排放。為解決人工蜂群算法易過早陷入局部最優(yōu)問題，汪濤等[34]使用基于中位數(shù)的選擇策略，且在更新時引入禁忌表，改進后的人工蜂群算法比改進前的收斂速度更快；Katiyar et al.[35]使用人工蜂群優(yōu)化算法實現(xiàn)了在時間窗口內(nèi)無懲罰和食品質(zhì)量損失的新鮮食物分配。元啟發(fā)式算法也存在收斂速度慢、對參數(shù)設置敏感等缺點，針對不同的具體問題需選擇合適的元啟發(fā)式算法才能發(fā)揮其優(yōu)勢，通過融合順應時代發(fā)展潮流的新技術和不同算法的優(yōu)點將成為生鮮農(nóng)產(chǎn)品綠色配送技術發(fā)展的新趨勢。

4 總結和展望

通過對現(xiàn)有技術研究的梳理，得知生鮮農(nóng)產(chǎn)品綠色配送不僅涉及環(huán)境保護、資源利用和食品安全等方面的問題，還對推動農(nóng)產(chǎn)品供應鏈的可持續(xù)發(fā)展具有重要意義。在未來的技術研究中，可以從以下四個方面進行展開。

首先，跨學科合作和合作共享將成為推動生鮮農(nóng)產(chǎn)品綠色配送技術研究的重要動力。其次，注重環(huán)境友好性和資源節(jié)約性，尋找可持續(xù)發(fā)展的配送模式和策略。再次，對鄉(xiāng)村生鮮配送深入探索，提高鄉(xiāng)村生鮮配送的效率，降低成本，為鄉(xiāng)村農(nóng)產(chǎn)品的可持續(xù)發(fā)展提供支持。最后，將更多創(chuàng)新的配送方式和技術融入生鮮農(nóng)產(chǎn)品綠色配送中。例如，物聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)分析等技術的應用將進一步提高配送效率和準確性。

參考文獻：

[1] 李洪濤.基于產(chǎn)地直供的農(nóng)產(chǎn)品物流配送系統(tǒng)構建[J].農(nóng)村經(jīng)濟與科技，2020，31（21）：159-161.

[2] 徐安琪，潘經(jīng)強.國內(nèi)蔬菜批發(fā)市場配送模式探討[J].合作經(jīng)濟與科技，2019（4）：94-96.

[3] 孟妍.社區(qū)團購物流配送面臨的挑戰(zhàn)及對策研究[J].中國市場，2022（2）：165-166.

[4] 慕艷平，雷小青.生鮮農(nóng)產(chǎn)品冷鏈物流配送模式優(yōu)化策略研究[J].電子商務，2018（10）：8-9.

[5] 袁紫薇，聶子高，羅巒.電子商務環(huán)境下生鮮農(nóng)產(chǎn)品“最后一公里” 配送模式探析[J].當代經(jīng)濟，2018（1）：67-69.

[6] 冉安平.O2O模式下生鮮農(nóng)產(chǎn)品最后一公里配送模式綜合評價研究[J].物流工程與管理，2018，40（11）：88-91，61.

[7] 陳哲，鄧義，胡玲燕，等.生鮮農(nóng)產(chǎn)品電商物流配送模式研究[J].商業(yè)經(jīng)濟研究，2018（14）：103-106.

[8] DALKEY N，HELMER O.An experimental application of the DELPHI method to the use of experts[J].Management Science，1963，9（3）：458-467.

[9] KANTOROVICH L V.Mathematical methods of organizing and planning production[J].Management Science，1960，6（4）：366-422.

[10] GOMORY R E.On the relation between integer and noninteger solutions to linear programs[J].Proceedings of the National Academy of Sciences of the United States of America，1965，53（2）：260-265.

[11] 陳姝宇，畢有利，王凱凱，等.基于重心法的呼和浩特農(nóng)產(chǎn)品物流配送中心選址模型研究[J].河北企業(yè)，2019（11）：96-98.

[12] 于蕾.基于重心法的農(nóng)產(chǎn)品配送中心選址研究——以安徽105個行政區(qū)劃單位數(shù)據(jù)為例[J].廣西民族師范學院學報，2020，37（4）：66-69.

[13] DING Q，LIU H.Research on location selection of dairy products logistics distribution center based on mixed integer programming model[J]. Academic Journal of Engineering and Technology Science， 2020，3（5）：51-58.

[14] ZHANG Y Q，KOU X F，SONG Z G，et al.Research on logistics management layout optimization and real-time application based on nonlinear programming[J].Nonlinear Engineering，2021，10（1）：526-534.

[15] 王魯萍，萬?；瑥堺惼?基于熵權二元語義的生鮮農(nóng)產(chǎn)品配送中心選址研究[J].科技與經(jīng)濟，2018，31（1）：46-50.

[16] 莊小云.安徽省生鮮農(nóng)產(chǎn)品配送中心選址研究[J].棗莊學院學報，2021，38（2）：83-89.

[17] 李晶晶.生鮮農(nóng)產(chǎn)品冷鏈物流配送中心選址研究[D].太原：中北大學，2021.

[18] BELLMAN R.Dynamic programming[J].Science，1966，153（3731）：34-37.

[19] LAWLER E L，WOOD D E.Branch-and-bound methods：a survey[J].Operations Research，1966，14（4）：699-719.

[20] 馮愛蘭，張小青，孔繼利.基于聚類和動態(tài)規(guī)劃的組合路徑策略[J].運籌與管理，2019，28（8）：86-92.

[21] 呂欣昊.基于改進分支定價法的車輛路徑優(yōu)化研究[J].軟件，2020，41（4）：165-168，194.

[22] 盧茗軒，謝如鶴，陳培榮.連鎖超市生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化的實證分析[J].物流工程與管理，2018，40（7）：111-115.

[23] 王轉(zhuǎn)，裴澤平.啟發(fā)式路徑下節(jié)約里程的訂單分批算法[J].計算機工程與應用，2018，54（23）：203-209，222.

[24] HOLLAND J H.Adaptation in natural and artificial systems：an introductory analysis with applications to biology，control，and artificial intelligence[M].Cambridge，Mass.：MIT Press，1992.

[25] DORIGO M，MANIEZZO V，COLORNI A.Ant system：optimization by a colony of cooperating agents[J].IEEE Transactions on Systems，Man，and Cybernetics Part B，Cybernetics，1996，26（1）：29-41.

[26] KENNEDY J，EBERHART R.Particle swarm optimization[C]//Proceedings of ICNN'95 - International Conference on Neural Networks.Perth，WA，Australia.IEEE， 1995（4）：1942-1948.

[27] KARABOGA D.An idea based on Honey Bee Swarm for Numerical Optimization[J].Technical Report TR06，Erciyes University，2005.

[28] LI D L，CAO Q，ZUO M，et al.Optimization of green fresh food logistics with heterogeneous fleet vehicle route problem by improved genetic algorithm[J].Sustainability，2020，12（5）：1946.

[29] 張念，陳熙，袁媛，等.基于改進遺傳算法的多車場生鮮配送優(yōu)化[J].廣西大學學報（自然科學版），2022，47（5）：1314-1326.

[30] 康凱，韓杰，普瑋，等.生鮮農(nóng)產(chǎn)品冷鏈物流低碳配送路徑優(yōu)化研究[J].計算機工程與應用，2019，55（2）：259-265.

[31] CHEN，GUI，DING，et al.Optimization of transportation routing problem for fresh food by improved ant colony algorithm based on tabu search[J].Sustainability，2019，11（23）：6584.

[32] 陳久梅，周楠，王勇.生鮮農(nóng)產(chǎn)品多隔室冷鏈配送車輛路徑優(yōu)化[J].系統(tǒng)工程，2018，36（8）：106-113.

[33] POONTHALIR G，NADARAJAN R.A Fuel Efficient Green Vehicle Routing Problem with varying speed constraint （F-GVRP）[J].Expert Systems with Applications，2018（100）：131-144.

[34] 汪濤，潘郁，潘芳，等.基于改進人工蜂群算法的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化[J].廣東農(nóng)業(yè)科學，2018，45（10）：143-149.

[35] KATIYAR S，KHAN R，KUMAR S.Artificial bee colony algorithm for fresh food distribution without quality loss by delivery route optimization[J].Journal of Food Quality，2021，2021：4881289.

【通聯(lián)編輯：李雅琪】