基于改進(jìn)遺傳算法的冷鮮肉配送路徑優(yōu)化研究

摘" 要：文章致力于優(yōu)化冷鮮肉路徑，通過(guò)建立目標(biāo)函數(shù)模型，綜合考慮固定成本、運(yùn)輸成本、制冷成本、碳排放成本、貨損成本和時(shí)間窗懲罰成本等因素，利用改進(jìn)的遺傳算法進(jìn)行小生境改進(jìn)和交叉改進(jìn)，以提高算法的收斂速度和搜索能力。MATLAB軟件仿真結(jié)果表明，改進(jìn)的遺傳算法在有效性和降低配送成本方面均顯著優(yōu)于傳統(tǒng)遺傳算法。文章不僅提出了冷鮮肉物流規(guī)劃優(yōu)化方法，也為相關(guān)領(lǐng)域研究和實(shí)踐提供了有價(jià)值的參考和指導(dǎo)。

關(guān)鍵詞：冷鏈物流；冷鮮肉；路徑優(yōu)化；改進(jìn)遺傳算法

中圖分類(lèi)號(hào)：U695.2+91" " 文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.07.004

Abstract： This study focuses on optimizing the routing of cold fresh meat. By establishing an objective function model and considering factors such as fixed costs， transportation costs， refrigeration costs， carbon emission costs， damage costs， and time window penalty costs， an improved genetic algorithm is employed for small habitat improvement and crossover enhancement， aiming to enhance the algorithm's convergence speed and search capability. MATLAB simulation results demonstrate that the improved genetic algorithm significantly outperforms traditional genetic algorithms in effectiveness and reducing distribution costs. This research not only provides an efficient and reliable optimization method for cold fresh meat logistics planning but also offers valuable references and guidance for related research and practices in the field.

Key words： cold chain logistics; cold fresh meat; route optimization; improved genetic algorithm

0" 引" 言

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，消費(fèi)者對(duì)安全、品質(zhì)和便利的需求增加，推動(dòng)了冷鮮肉市場(chǎng)的發(fā)展。冷鮮肉與其他生鮮產(chǎn)品在冷鏈物流方面有一些顯著差異，研究冷鮮肉物流路徑優(yōu)化具有重要意義。首先，冷鮮肉的保存要求更為嚴(yán)格，需要在更低的溫度下保存，因此對(duì)溫度控制的要求更高。其次，冷鮮肉的供應(yīng)鏈通常更復(fù)雜，需要考慮到肉類(lèi)的來(lái)源、加工、運(yùn)輸?shù)榷鄠€(gè)環(huán)節(jié)。此外，冷鮮肉的物流路徑優(yōu)化可以減少溫度波動(dòng)、縮短運(yùn)輸時(shí)間，從而提高冷鮮肉的新鮮度和安全性。

總的來(lái)說(shuō)，冷鮮肉在冷鏈物流中的特殊性需要針對(duì)性的策略和措施來(lái)進(jìn)行優(yōu)化和管理。本文旨在研究如何在最小化配送成本的同時(shí)提升冷鮮肉的配送質(zhì)量和效率。

1" 冷鏈配送路徑優(yōu)化研究現(xiàn)狀

學(xué)者們對(duì)冷鏈物流配送路徑優(yōu)化問(wèn)題進(jìn)行了深入的研究。一部分學(xué)者致力于智能路徑規(guī)劃算法的研究，如遺傳算法、模擬退火算法和蟻群算法[1]冷鮮肉配送的路徑規(guī)劃。Xiaolong et al.[2]的研究利用匈牙利算法改進(jìn)遺傳算法，應(yīng)用無(wú)邊界限制模糊時(shí)間窗的思想解決多個(gè)配送中心的路徑規(guī)劃問(wèn)題，探討了如何結(jié)合這兩種算法來(lái)優(yōu)化配送路徑，并對(duì)算法的性能進(jìn)行了實(shí)驗(yàn)驗(yàn)證和分析。

還有一部分學(xué)者對(duì)影響冷鏈物流配送路徑規(guī)劃的因素進(jìn)行研究，針對(duì)冷鏈配送過(guò)程中產(chǎn)品所處的溫度環(huán)境以及產(chǎn)品新鮮度對(duì)路徑規(guī)劃的影響展開(kāi)了研究。王群智等[3]通過(guò)實(shí)時(shí)采集乳制品入戶(hù)時(shí)送奶箱的內(nèi)外溫度、配送員的配送速度以及配送時(shí)間等數(shù)據(jù)，分析了如何提高配送效率和降低乳制品的貨損，以確保乳制品在入戶(hù)階段的食品安全。李新艷[4]考慮了低碳經(jīng)濟(jì)下的冷鏈物流，并提出了增強(qiáng)企業(yè)綠色可持續(xù)發(fā)展意識(shí)方面的完善措施。Ferani et al.[5]等研究了時(shí)間窗口、高峰和非高峰時(shí)段對(duì)配送效率的影響，并提出包含運(yùn)輸成本、腐爛成本、客戶(hù)滿(mǎn)意度和碳排放的綠色路徑優(yōu)化模型。

綜上所述，針對(duì)冷鏈物流路徑優(yōu)化問(wèn)題，不僅進(jìn)行了成本模型的考慮，還將算法進(jìn)行了多種融合，問(wèn)題不斷復(fù)雜化，這就要求不斷提高算法的求解速度和精度。由于冷鮮肉的物流規(guī)劃的特殊性，在求解時(shí)通常存在多個(gè)局部最優(yōu)解，所以本文基于遺傳算法進(jìn)行了小生境改進(jìn)和交叉改進(jìn)。改進(jìn)的遺傳算法，通過(guò)模擬自然界的進(jìn)化過(guò)程來(lái)搜索最優(yōu)解，在解決冷鮮肉的物流規(guī)劃問(wèn)題時(shí)，有助于保持種群的多樣性，跳出局部最優(yōu)解，找到全局最優(yōu)解。同時(shí)，也具有適應(yīng)性強(qiáng)、收斂速度快、求解效率高等優(yōu)點(diǎn)。因此，基于遺傳算法的小生境改進(jìn)和交叉改進(jìn)非常適合解決冷鮮肉的物流規(guī)劃問(wèn)題，可以有效地優(yōu)化配送路線、降低成本、提高效率，并且具有良好的魯棒性和通用性。

本文通過(guò)研究J企業(yè)冷鮮肉路徑優(yōu)化，考慮碳排放和貨運(yùn)損耗成本，在遺傳算法的基礎(chǔ)上，綜合已有的研究結(jié)果進(jìn)行算法優(yōu)化，降低碳排放成本和運(yùn)費(fèi)，以期提高企業(yè)經(jīng)濟(jì)效益，實(shí)現(xiàn)低碳綠色運(yùn)輸目標(biāo)。

2" 基于改進(jìn)遺傳算法的冷鮮肉路徑優(yōu)化模型

2.1" 問(wèn)題的描述

除了傳統(tǒng)的門(mén)店需求量、顧客時(shí)間要求、車(chē)輛限制和車(chē)輛行駛里程外，冷鮮肉物流配送還需要考慮溫度控制[6]方面的因素。由于研究對(duì)象是市內(nèi)門(mén)店配送，各門(mén)店的營(yíng)業(yè)時(shí)間相近，但卸貨時(shí)間卻各不相同，這使得在短時(shí)間內(nèi)完成多點(diǎn)配送存在困難。因此，研究的難點(diǎn)在于降低配送里程的同時(shí)，盡可能滿(mǎn)足顧客的時(shí)間要求，以減少因時(shí)間延誤而產(chǎn)生的額外成本。

本文選取了J企業(yè)在濟(jì)南市的基地作為配送中心，并以市區(qū)內(nèi)的連鎖店和配送社區(qū)作為客戶(hù)點(diǎn)進(jìn)行研究。這些區(qū)域因?yàn)榕渌蜆I(yè)務(wù)較多且路徑網(wǎng)絡(luò)復(fù)雜，配送客戶(hù)點(diǎn)較近，對(duì)企業(yè)自營(yíng)冷鏈配送產(chǎn)生重大影響，因此非常適合作為本文的具體數(shù)據(jù)。詳細(xì)的配送中心（0）及各配送點(diǎn)（1～18）的分布及經(jīng)緯度坐標(biāo)如圖1和表1所示。

2.2" 模型的建立

2.2.1" 模型假設(shè)

本文所提出冷鮮肉冷鏈物流運(yùn)輸路徑優(yōu)化模型的假設(shè)條件如下：（1）配送中心和配送門(mén)店數(shù)量位置坐標(biāo)都是已知的，即一個(gè)配送中心和18家門(mén)店；（2）配送車(chē)輛只需將冷鮮肉送到門(mén)店即可完成配送任務(wù)；（3）配送時(shí)間段選在早晨錯(cuò)開(kāi)早高峰的時(shí)段，避免因交通擁堵造成時(shí)間損失；（4）每輛車(chē)只能服務(wù)一條配送路徑且每個(gè)門(mén)店只能被一輛車(chē)服務(wù)。

2.2.2" 數(shù)學(xué)模型

本文建立的冷鮮肉路徑優(yōu)化總目標(biāo)為配送總成本最小，總成本由固定成本、運(yùn)輸成本、制冷成本、貨損成本、懲罰成本、碳排放成本共六部分組成。

2.3" 遺傳算法的改進(jìn)

2.3.1" 自適應(yīng)變異

本文對(duì)遺傳算法的改進(jìn)是利用已有的變量來(lái)實(shí)現(xiàn)自適應(yīng)的效果。自適應(yīng)變異通常意味著根據(jù)某些條件動(dòng)態(tài)調(diào)整變異概率Pm，但在不增加新變量和參數(shù)的限制下，通過(guò)已有的信息[7]，如個(gè)體的索引（i）來(lái)影響變異概率。自適應(yīng)方法是假定種群中的個(gè)體是按照一定的質(zhì)量或者適應(yīng)度排序的，可以使得在列表前面的個(gè)體（通常假設(shè)是適應(yīng)度較高的個(gè)體）具有較低的變異概率，而列表后面的個(gè)體（適應(yīng)度較低的個(gè)體）具有較高的變異概率。這樣的自適應(yīng)調(diào)整可以鼓勵(lì)對(duì)適應(yīng)度不高的個(gè)體進(jìn)行更多的變異嘗試，使用已有的i和NSel（個(gè)體總數(shù)）來(lái)調(diào)整變異概率。具體的自適應(yīng)方案可能會(huì)根據(jù)實(shí)際的遺傳算法和問(wèn)題需求進(jìn)行調(diào)整。

2.3.2" 小生境改進(jìn)

在遺傳算法中整合小生境技術(shù)的目標(biāo)是提高算法的多樣性，防止早熟收斂，同時(shí)保持算法的搜索能力。在不引入新的變量和參數(shù)的前提下，一種方法是在選擇和重插入階段應(yīng)用小生境[8]的概念，保持群內(nèi)部多樣性。本文遺傳算法的改進(jìn)，將在現(xiàn)有的框架內(nèi)進(jìn)行調(diào)整，特別是在選擇（Select）和重插入（Reins）的實(shí)現(xiàn)上。

對(duì)于Select函數(shù)和Reins函數(shù)，需要確保這些函數(shù)能夠維護(hù)多樣性。這通常涉及到在選擇過(guò)程中偏向于選擇多樣的個(gè)體，而在重插入過(guò)程中保持新舊種群之間的多樣性。為了加強(qiáng)小生境技術(shù)的效果，本文需要采用一般性策略[9]對(duì)函數(shù)的內(nèi)部實(shí)現(xiàn)進(jìn)行細(xì)節(jié)上的改進(jìn)，例如在選擇和重插入階段隱式地增加多樣性，但具體實(shí)現(xiàn)仍依賴(lài)于函數(shù)的內(nèi)部細(xì)節(jié)。

選擇（Select）階段：確保選擇過(guò)程不僅基于適應(yīng)度，還應(yīng)考慮個(gè)體之間的差異性。通過(guò)錦標(biāo)賽選擇中加入多樣性判斷，或者在輪盤(pán)賭選擇中為差異性較大的個(gè)體增加額外的選擇概率。

重插入（Reins）階段：在將新個(gè)體重插入種群時(shí)，考慮個(gè)體間的差異性，確保新種群保持一定的多樣性。例如，首先比較新舊個(gè)體間的差異，再優(yōu)先保留那些為種群帶來(lái)新特征的個(gè)體。

2.3.3" 交叉改進(jìn)

采取另一種策略來(lái)改進(jìn)交叉操作，即“順序交叉”（Order Crossover， OX）[10]。此方法特別適合處理像旅行商問(wèn)題（TSP）的序列優(yōu)化問(wèn)題，因?yàn)樗３至寺窂降慕^對(duì)順序和相對(duì)位置。在順序交叉中，從兩個(gè)父代中選取一段子序列直接復(fù)制到子代中，然后從另一個(gè)父代填充剩余的部分，保持元素的相對(duì)順序不變。

順序交叉操作的關(guān)鍵在于保持了父代中選定段以外元素的相對(duì)順序，這對(duì)于序列問(wèn)題（如TSP）來(lái)說(shuō)，可以有效維護(hù)解的有效性和多樣性。通過(guò)在保持序列特征的同時(shí)引入新的組合，順序交叉能夠在遺傳算法中探索更廣泛的搜索空間。

3" 模型求解與結(jié)果分析

3.1" 傳統(tǒng)遺傳算法與改進(jìn)遺傳算法對(duì)比

本文利用遺傳算法和MATLAB軟件來(lái)求解冷鮮肉配送路徑模型，首先設(shè)定各項(xiàng)運(yùn)行參數(shù)，包括群體規(guī)模、變異概率、交叉概率以及進(jìn)化終止的迭代代數(shù)。接著進(jìn)行編碼、初始化種群、選擇、交叉、變異、以及終止等步驟，以獲得最優(yōu)解。隨后，使用改進(jìn)的遺傳算法進(jìn)行求解，并比較這兩種算法的精準(zhǔn)度。

對(duì)比圖2和圖4，可以得到以下結(jié)論：傳統(tǒng)遺傳算法大約在45次迭代后開(kāi)始收斂，110次迭代后陷入局部最優(yōu)；而改進(jìn)遺傳算法在大約40次后開(kāi)始收斂，在65次迭代后陷入局部最優(yōu)，求解時(shí)間變短且求解出的成本數(shù)值更小，因此，最優(yōu)值更優(yōu)。兩種算法的最優(yōu)路徑圖見(jiàn)圖3和圖5，由表2和表3可知，傳統(tǒng)遺傳算法的配送車(chē)輛有5輛，最優(yōu)路徑為車(chē)輛1：0-18-5-0，車(chē)輛2：0-2-15-13-0，車(chē)輛3：0-17-12-7-8-0，車(chē)輛4：0-16-4-1-3-10-0，車(chē)輛5：0-9-11-14-6-0。改進(jìn)遺傳算法的配送車(chē)輛同樣也是5輛，最優(yōu)路徑為車(chē)輛1：0-13-7-0，車(chē)輛2：0-2-18-0，車(chē)輛3：0-9-11-14-6-0，車(chē)輛4：0-4-1-3-10-15-8-0，車(chē)輛5：0-12-17-16-5-0。

3.2" 成本結(jié)果對(duì)比

表4為傳統(tǒng)遺傳算法和改進(jìn)遺傳算法的各項(xiàng)成本及總成本對(duì)比，由表4可知，傳統(tǒng)遺傳算法的總成本最優(yōu)解為2 765.234 1元，改進(jìn)遺傳算法的總成本最優(yōu)解為2 053.063 5元，改進(jìn)后總成本下降近26%。這表明改進(jìn)后的遺傳算法進(jìn)行路徑優(yōu)化后，在成本效益方面表現(xiàn)更為優(yōu)秀。

4" 結(jié)" 論

為提升冷鮮肉的配送質(zhì)量和效率，在保證配送成本最小的前提下縮短冷鮮肉在運(yùn)輸途中的時(shí)間，實(shí)現(xiàn)經(jīng)濟(jì)效益與環(huán)境友好的雙重目標(biāo)。本文首先將碳排放成本引入冷鮮肉配送成本模型之中，對(duì)傳統(tǒng)求解模型進(jìn)行改進(jìn)，最后對(duì)J企業(yè)進(jìn)行實(shí)例驗(yàn)證，運(yùn)用MATLAB2021對(duì)傳統(tǒng)遺傳算法與改進(jìn)后的遺傳算法進(jìn)行實(shí)例驗(yàn)證，數(shù)據(jù)對(duì)比表明改進(jìn)遺傳算法能夠?qū)鹘y(tǒng)遺傳算法的不足進(jìn)行完善，該研究對(duì)于改進(jìn)遺傳算法缺陷以及綠色冷鏈物流發(fā)展提供一定的參考。

參考文獻(xiàn)：

[1] 唐宏偉，高方坤，鄧嘉鑫，等. 基于蟻群算法的物資運(yùn)送小車(chē)路徑規(guī)劃研究[J]. 現(xiàn)代制造工程，2024（2）：24-30，119.

[2]" XIAOLONG D， HOUMING F， XIAOXUE R， et al. Multi-depot open vehicle routing problem with fuzzy time windows[J]. Journal of Intelligent Fuzzy Systems， 2021，40（1）：427-438.

[3] 王群智，伍麗芳，勒格吉哈，等. 物聯(lián)網(wǎng)技術(shù)在低溫乳制品冷鏈末端運(yùn)輸中的應(yīng)用[J]. 物流技術(shù)，2022，41（1）：125-130.

[4] 李新艷. 低碳經(jīng)濟(jì)下內(nèi)蒙古牛肉冷鏈物流發(fā)展策略[J]. 食品研究與開(kāi)發(fā)，2022，43（6）：227-228.

[5]" FERANI E ZULVIA， R J KUO， DWIYANTI Y NUGROHO. A many-objective gradient evolution algorithm for solving a green vehicle routing problem with time windows and time dependency for perishable products[J]. Journal of Cleaner Production， 2020，242（1）118428.1-118428.14.

[6] 李春發(fā)，米新新，崔鑫. 基于雙曲正切函數(shù)改進(jìn)蟻群算法的冷鏈物流配送路徑優(yōu)化[J]. 公路交通科技，2023，40（12）：236-244，258.

[7] 徐強(qiáng)，徐堅(jiān)磊，胡燕海，等. 基于改進(jìn)模擬退火遺傳算法的機(jī)械臂軌跡優(yōu)化[J/OL]. 系統(tǒng)仿真學(xué)報(bào)，1-10（2023-12-05）[2025

-03-19].https：//doi.org/10.16182/j.issn1004731x.joss.23-1148.

[8] 鄧灝，唐希浪，蔡忠義，等. 基于改進(jìn)遺傳算法的多無(wú)人機(jī)搜索航路規(guī)劃[J]. 電光與控制，2024，31（4）：12-17.

[9] 吳凡，楊冰，洪思. 基于改進(jìn)遺傳算法的應(yīng)急車(chē)輛調(diào)度研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2021，51（18）：10-23.

[10] 軒華，王君妍，王薛苑. 初始階段為串行批處理的FFSP改進(jìn)遺傳算法[J]. 控制工程，2018，25（8）：1415-1420.

收稿日期：2024-03-30

基金項(xiàng)目：遼寧省經(jīng)濟(jì)社會(huì)發(fā)展研究課題項(xiàng)目“產(chǎn)業(yè)轉(zhuǎn)移視角下遼西融入京津冀協(xié)同發(fā)展戰(zhàn)略先導(dǎo)區(qū)的城市吸引力研究”（2023lslybkt-071）

作者簡(jiǎn)介：王勝源（1984—），男，福建泉州人，遼寧工程技術(shù)大學(xué)傳媒與藝術(shù)學(xué)院院長(zhǎng)，副教授，博士，研究方向：傳播與社會(huì)發(fā)展、科學(xué)傳播；王" 珍（1999—），女，山東棗莊人，遼寧工程技術(shù)大學(xué)工商管理學(xué)院碩士研究生，研究方向：供應(yīng)鏈管理。

引文格式：王勝源，王珍. 基于改進(jìn)遺傳算法的冷鮮肉配送路徑優(yōu)化研究[J]. 物流科技，2025，48（7）：15-19.