碳交易機(jī)制下考慮客戶滿意度的冷鏈物流配送路徑優(yōu)化

關(guān)鍵詞：碳交易機(jī)制；冷鏈物流；客戶滿意度；配送路徑優(yōu)化；NSGA-Ⅱ

中圖分類號(hào)：F252 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-7934（2025）04-0048-14

一、引言

近年來(lái)，隨著生鮮電商的迅猛發(fā)展，冷鏈行業(yè)快速擴(kuò)張［1］。由于生鮮產(chǎn)品易腐的特性，其對(duì)冷鏈運(yùn)輸過(guò)程中的環(huán)境溫度有較高的要求。為減少產(chǎn)品損耗和保證產(chǎn)品質(zhì)量，需要消耗更多的能源維持車廂的低溫環(huán)境，導(dǎo)致運(yùn)輸過(guò)程中排放更多二氧化碳，給環(huán)境帶來(lái)了巨大的壓力。據(jù)統(tǒng)計(jì)，在全球二氧化碳排放統(tǒng)計(jì)中，交通運(yùn)輸中的碳排放占總排放量的14%，其中道路運(yùn)輸占總排放量的75%，是碳排放的最主要來(lái)源之一［2］。為了應(yīng)對(duì)這一問(wèn)題，各國(guó)政府相繼出臺(tái)了碳交易政策，以促進(jìn)低碳物流的發(fā)展。自2011年我國(guó)印發(fā)《關(guān)于開(kāi)展碳排放權(quán)交易試點(diǎn)工作的通知》以來(lái)，已經(jīng)開(kāi)放了9個(gè)碳交易試點(diǎn)。隨著物流企業(yè)被逐步納入碳交易市場(chǎng)，它們需要為使用碳排放權(quán)支付費(fèi)用，這增加了物流企業(yè)的碳交易成本，直接影響冷鏈物流的配送成本［3］，從而增加企業(yè)減碳動(dòng)力。然而，在碳交易機(jī)制下，物流企業(yè)的車輛路徑?jīng)Q策會(huì)傾向于選擇配送時(shí)間更短、碳排放更低的配送方案，這種策略可能無(wú)法保證生鮮產(chǎn)品始終能在客戶要求的時(shí)間內(nèi)送達(dá)，從而可能降低對(duì)特定配送時(shí)間有要求的客戶的滿意度?？梢?jiàn)，物流企業(yè)如何通過(guò)優(yōu)化配送路線和調(diào)整客戶的服務(wù)順序，在降低配送成本、減少碳排放量的同時(shí)提高客戶滿意度，已經(jīng)成為一個(gè)迫切需要解決的問(wèn)題。

當(dāng)前，冷鏈物流車輛路徑問(wèn)題引起了國(guó)內(nèi)外學(xué)者的日益關(guān)注，車輛路徑問(wèn)題由拉姆澤（Ramser）和丹齊格（Dantzig）［4］首次提出，不同學(xué)者提出了不同的優(yōu)化目標(biāo)模型，彭（Pham）等［5］構(gòu)建了以運(yùn)輸距離最小化為目標(biāo)的配送路徑模型，提出了一種混合鯨魚(yú)優(yōu)化算法求解；杜琛等［6］以配送成本最低為目標(biāo)構(gòu)建模型，使用模擬退火算法進(jìn)行求解；王寧等［7］構(gòu)建成本最小和客戶價(jià)值最大的多目標(biāo)模型，通過(guò)權(quán)重將多目標(biāo)轉(zhuǎn)化為單目標(biāo)，使用遺傳算法進(jìn)行求解；倫格（Leng）等［8］構(gòu)建最小化供應(yīng)鏈配送成本和最大化客戶滿意度模型，提出了一種新的多目標(biāo)超啟發(fā)式算法來(lái)獲得帕累托（Pareto）解。

隨著客戶需求的多樣化，目標(biāo)優(yōu)化模型的約束也越來(lái)越復(fù)雜，趙（Zhao）［9］根據(jù)現(xiàn)有資源，考慮客戶具體配送要求和配送時(shí)間，通過(guò)獲取實(shí)時(shí)道路擁堵信息建立數(shù)學(xué)模型，快速找到分配策略，將擁擠度的概念引入蟻群算法進(jìn)行求解；馬昌喜等［10］考慮車速的變化，構(gòu)建包括時(shí)間窗懲罰成本、貨損成本、固定成本、客戶滿意度成本、碳排放成本等的成本最小化模型，用設(shè)計(jì)的改進(jìn)遺傳算法求解；羅亮等［11］將車輛容量、速度、客戶需求量、時(shí)間窗、生鮮農(nóng)產(chǎn)品損耗與保質(zhì)期等因素考慮在內(nèi)，建立了帶時(shí)間窗的車輛路徑規(guī)劃模型，使用蟻群算法求解。

隨著綠色物流的發(fā)展，國(guó)內(nèi)外學(xué)者開(kāi)始進(jìn)一步考慮車輛的碳排放問(wèn)題。一些學(xué)者逐漸開(kāi)始考慮碳排放成本對(duì)車輛路徑的影響，陳（Chen）等［12］構(gòu)建了包括碳排放成本的總成本最小化模型， 提出了一種混合模擬退火算法來(lái)解決該問(wèn)題；詹（Chan）等［13］在模型中引入了系統(tǒng)的總成本、總加權(quán)交付周期、交付中的總碳排放，以及最大化易腐食品鏈中的平均食品新鮮度等參數(shù)，構(gòu)建了四目標(biāo)混合整數(shù)線性規(guī)劃模型，使用多目標(biāo)全局局部近鄰粒子群優(yōu)化算法進(jìn)行求解；賈（Jia）［14］從氣體、固體和液體以及噪聲三個(gè)維度構(gòu)建污染物排放成本目標(biāo)，構(gòu)建配送運(yùn)營(yíng)成本優(yōu)化模型，并基于配送車輛的重量限制和時(shí)間窗口限制，采用蟻群算法解決該問(wèn)題；姚（Yao）等［15］同時(shí)考慮了車輛速度和碳排放的變化，構(gòu)建了配送路徑模型，使用改進(jìn)的遺傳算法求解，實(shí)現(xiàn)了最小化車輛數(shù)量、最大化客戶滿意度和最小化碳排放；馬（Ma）等［16］考慮客戶即時(shí)需求和碳排放，根據(jù)即時(shí)需求局部?jī)?yōu)化配送路徑，構(gòu)建了滿意度最大和成本最小的雙目標(biāo)優(yōu)化模型，用設(shè)計(jì)改進(jìn)的蟻群算法優(yōu)化配送路徑。

各國(guó)政府相繼出臺(tái)碳交易政策后，學(xué)者開(kāi)始考慮碳限額和碳價(jià)格對(duì)車輛路徑規(guī)劃的影響，劉（Liu）等［17］構(gòu)建了一個(gè)聯(lián)合綠色配送路徑問(wèn)題的成本優(yōu)化模型，通過(guò)分析碳價(jià)格和碳配額影響總成本和碳排放，使用模擬退火算法對(duì)模型進(jìn)行優(yōu)化；張（Zhang）等［18］基于成本效益的概念，以車輛配送過(guò)程中的總配送成本最小化為目標(biāo)函數(shù)，采用碳稅機(jī)制進(jìn)行碳排放成本的計(jì)算，構(gòu)建了成本最低的綠色低碳配送路徑優(yōu)化模型，通過(guò)集成Floyd（弗洛伊德）算法、最近鄰算法和插入算法，提出用融合啟發(fā)式算法進(jìn)行模型求解。

隨著電動(dòng)冷藏車的廣泛應(yīng)用，學(xué)者開(kāi)始研究混合車輛配送問(wèn)題，張（Zhang）等［19］研究了混合車型的低碳排放多目標(biāo)優(yōu)化問(wèn)題，構(gòu)建了一個(gè)包含不同類型配送車輛的最小成本、最小碳排放和最小距離三個(gè)目標(biāo)的優(yōu)化決策冷鏈配送模型，采用混沌粒子群優(yōu)化算法求解；陳（Chen）等［20］在考慮車隊(duì)規(guī)模、容量、硬時(shí)間窗、碳排放量的前提下，利用電動(dòng)汽車和汽油柴油車組合的混合車隊(duì)進(jìn)行配送，提出用一種改進(jìn)的可變鄰域搜索算法解決該問(wèn)題。

綜上所述，現(xiàn)有研究已經(jīng)為冷鏈物流車輛路徑問(wèn)題提供了一定的理論基礎(chǔ)和實(shí)踐指導(dǎo)，但仍存在一些明顯的研究缺口。①當(dāng)前文獻(xiàn)中，鮮有研究綜合考慮碳交易機(jī)制下碳排放成本的影響，以及在這一機(jī)制下車輛配送成本和客戶滿意度等多個(gè)優(yōu)化目標(biāo)之間的對(duì)立關(guān)系。現(xiàn)有研究難以在成本控制、服務(wù)水平提升等多個(gè)目標(biāo)之間找到合理的平衡點(diǎn)。②在多目標(biāo)冷鏈物流路徑優(yōu)化問(wèn)題的研究中，大多數(shù)文獻(xiàn)傾向于采用權(quán)重法將問(wèn)題簡(jiǎn)化為單目標(biāo)問(wèn)題進(jìn)行求解。這種方法雖然簡(jiǎn)化了問(wèn)題，但也忽視了多目標(biāo)問(wèn)題固有的復(fù)雜性和多樣性。相比之下，能夠同時(shí)處理多個(gè)優(yōu)化目標(biāo)的多目標(biāo)優(yōu)化算法在這一領(lǐng)域的應(yīng)用還相對(duì)不足。

因此，本文考慮時(shí)間窗、車輛容量等約束條件，構(gòu)建了冷鏈物流成本和滿意度雙目標(biāo)模型，模型的成本函數(shù)包括固定成本、運(yùn)輸成本、冷鏈產(chǎn)品的貨損成本、制冷成本、碳限額約束下的碳排放成本和懲罰成本，使用第二代非支配排序遺傳算法（NSGA-Ⅱ）優(yōu)化車輛路線和客戶服務(wù)順序，在配送總成本和客戶滿意度之間取得合理平衡，為企業(yè)的實(shí)際需要提供不同的配送方案。

二、問(wèn)題描述與模型建立

（一）問(wèn)題描述

本文研究一個(gè)配送中心服務(wù)多個(gè)客戶點(diǎn)的情況，配送中心內(nèi)有一定量的冷藏車，冷藏車配送量不超過(guò)最大載重，客戶的位置和需求量已知，政府實(shí)行限額碳交易機(jī)制，分配給企業(yè)一定的碳排放總量限額，當(dāng)實(shí)際碳排放量低于限額時(shí)，物流企業(yè)可以出售多余的碳排放權(quán)獲得收益；否則，必須通過(guò)碳交易市場(chǎng)購(gòu)買(mǎi)額外的碳排放權(quán)產(chǎn)生成本，需根據(jù)客戶的需求量和時(shí)間窗規(guī)劃成本低且滿意度高的配送路徑。

為簡(jiǎn)化分析做如下假設(shè)。

①配送車輛的配送起點(diǎn)和終點(diǎn)均為配送中心。②客戶位置、需求量和服務(wù)時(shí)間已知。③任一位客戶有且僅能接受一次服務(wù)。④所有車輛類型相同且車速已知，車輛全程勻速行駛。⑤單車運(yùn)輸量不超過(guò)該車的最大裝載量。⑥在計(jì)算碳排放量時(shí)，僅考慮二氧化碳一種氣體。

（二）符號(hào)定義

根據(jù)本文模型需要，參數(shù)設(shè)置如表1所示。

表1 模型參數(shù)

（三）目標(biāo)函數(shù)

1.成本函數(shù)

（1）固定成本。每輛冷藏車在進(jìn)行配送時(shí)需要承擔(dān)固定成本，包括車輛購(gòu)置費(fèi)和租賃費(fèi)、車輛折舊等，設(shè)置為固定值。設(shè)冷藏中心有m輛冷藏車可以為客戶進(jìn)行配送，則固定成本C1為：

式（12）為目標(biāo)成本函數(shù)，表示配送總成本最小化；式（13）為目標(biāo)滿意度函數(shù)，表示客戶滿意度最大化；式（14）表示車輛載重不超過(guò)最大載重量；式（15）表示客戶僅可被服務(wù)一次，且僅有一輛車進(jìn)行服務(wù)；式（16）表示冷藏車的行駛路線為從冷藏中心出發(fā)，最后返回冷藏中心；式（17）為決策變量取值約束。

三、算法設(shè)計(jì)

本文采用NSGA-Ⅱ?qū)δＰ瓦M(jìn)行求解，與單目標(biāo)的優(yōu)化不同，在進(jìn)行多目標(biāo)的優(yōu)化時(shí)，優(yōu)化的目標(biāo)往往是互相矛盾的，通常難以實(shí)現(xiàn)對(duì)多個(gè)目標(biāo)的同時(shí)優(yōu)化。在現(xiàn)實(shí)的配送任務(wù)中，物流企業(yè)可以從Pareto 最優(yōu)解集中選擇符合當(dāng)前場(chǎng)景、與企業(yè)業(yè)務(wù)能力相符、契合企業(yè)偏好的解作為解決方案。本文使用NSGA-Ⅱ進(jìn)行求解，算法流程如圖2所示。

（一）染色體編碼和種群初始化

本文采用自然數(shù)編碼方法對(duì)染色體進(jìn)行編碼。設(shè)置染色體長(zhǎng)度為n+k-1，其中n為客戶數(shù)量，k為配送中心的車輛數(shù)目。假設(shè)某配送中心有2輛冷藏車和7位客戶，隨機(jī)產(chǎn)生的一條染色體為 126834975，超過(guò)客戶數(shù)量的數(shù)字8和9為配送中心的編號(hào)，配送中心的編號(hào)將染色體劃分為三個(gè)部分，代表126、34和75三條子路徑。如果染色體為64783512，則該染色體代表兩條子路徑，分別為647和3512。隨后，進(jìn)行隨機(jī)配送路徑初始化，生成初始化種群。

（二）快速非支配排序

擂臺(tái)法則構(gòu)造非支配解集：

①?gòu)某跏冀饧须S機(jī)選擇一個(gè)個(gè)體作為擂主；

②將擂主與當(dāng)前解集中的其他解比較兩個(gè)目標(biāo)函數(shù)值的大小，淘汰掉被支配的解，最后留下的擂主即為解集中的非支配解；

③重復(fù)比較過(guò)程，直至當(dāng)前構(gòu)造解集為空，得到最優(yōu)的非支配解集。

（三）個(gè)體擁擠度比較

在快速非支配排序后，進(jìn)行同一層級(jí)內(nèi)個(gè)體的優(yōu)劣程度的比較。在同一層級(jí)內(nèi)，i的擁擠度為相鄰兩點(diǎn)i-1和i+1組成矩形的周長(zhǎng)（如圖3所示）。

（四）選擇、交叉和變異操作

（1）選擇操作。本文采用輪盤(pán)賭的方式，按照種群個(gè)體擁擠度的大小選擇種群個(gè)體總數(shù)的一半進(jìn)行后續(xù)的交叉、變異操作。

（2）交叉操作。種群中的染色體按照設(shè)置的概率進(jìn)行交叉，產(chǎn)成子代個(gè)體，形成新的種群，擴(kuò)大搜索范圍。本文采用部分匹配交叉的方式，在兩個(gè)染色體P1和P2上隨機(jī)選擇兩個(gè)交叉點(diǎn)位a和b，替換兩個(gè)父代染色體上交叉點(diǎn)位之間的基因，再將其他部分中重復(fù)的基因替換，產(chǎn)生新的子代染色體。操作過(guò)程如圖4所示。

（3）變異操作。本文采用逆序變異和兩點(diǎn)變異兩種變異方式結(jié)合。

①進(jìn)行逆序變異，在父代染色體上隨機(jī)選擇兩個(gè)變異點(diǎn)位a和b，將兩個(gè)變異點(diǎn)位之間的基因倒序排列，形成子代染色體，具體操作如圖5所示。

②進(jìn)行兩點(diǎn)變異，隨機(jī)產(chǎn)生染色體上兩個(gè)變異點(diǎn)位a和b，交換a和b的基因值，產(chǎn)生新的變異個(gè)體。具體操作如圖6所示。

當(dāng)算法的最大迭代次數(shù)達(dá)到500次時(shí)，算法終止并輸出最終結(jié)果。

四、仿真實(shí)驗(yàn)及結(jié)果分析

（一）實(shí)驗(yàn)設(shè)置

采用20個(gè)客戶為例，通過(guò)MATLAB R2020b使用NSGA-Ⅱ進(jìn)行求解，設(shè)置算法種群規(guī)模為200個(gè)，交叉概率為0.9，變異概率為0.1，最大迭代次數(shù)為500次。

算例中有一個(gè)配送中心和20個(gè)客戶，20個(gè)配送點(diǎn)信息如表2所示。配送中心內(nèi)進(jìn)行配送任務(wù)的冷藏車均相同，每位客戶的位置（坐標(biāo)）、需求量、可接受時(shí)間窗和期望時(shí)間窗已知，0為配送中心的坐標(biāo)，如表2所示。

表2 客戶信息

綜合參考其他文獻(xiàn)［22-23］，本文模型中各參數(shù)設(shè)定情況如下：貨物配送中心車輛的最大使用數(shù)量為8輛，車輛最大載重量為8t，車輛勻速行駛，行駛速度為45km/h，每輛冷藏車的固定使用成本為240元，冷鏈產(chǎn)品單位重量的價(jià)格p0=5元/kg；車輛單位距離行駛費(fèi)用a為3元/km，產(chǎn)品的腐敗率θ=0.005，配送車輛在運(yùn)輸階段制冷設(shè)備的制冷劑消耗系數(shù)b1為15元/小時(shí)，裝卸階段制冷設(shè)備的制冷劑消耗系數(shù)b2為20元/小時(shí)；車輛運(yùn)輸時(shí)消耗燃油的碳排放系數(shù)σ1=2.63kg/L，制冷設(shè)備的碳排放系數(shù)σ2=0.0075g/kg·km；冷藏車空載時(shí)勻速行駛的單位汽油損耗量P0=0.165L/km，冷藏車滿載時(shí)勻速行駛的單位汽油損耗量Pm=0.377L/km，政府為物流企業(yè)分配的碳限額F=100kg，單位碳排放量的價(jià)格p0=1元/kg；進(jìn)行配送任務(wù)時(shí)冷藏車早到的懲罰系數(shù)τe=40元/小時(shí)，晚到的懲罰系數(shù)τl=50元/小時(shí)。

（二）仿真實(shí)驗(yàn)結(jié)果分析

表3是雙目標(biāo)模型的 Pareto最優(yōu)解集，圖7是Pareto最優(yōu)解集圖，從中可以得到以下分析結(jié)果：①Pareto最優(yōu)解集共有33個(gè)解，即物流企業(yè)有33個(gè)配送方案可供選擇；②前沿點(diǎn) 1 的配送成本最低，但是客戶滿意度也是最低的，前沿點(diǎn)33則相反，因此可知客戶滿意度越高，配送成本越高，即配送成本和滿意度呈負(fù)相關(guān)，物流企業(yè)想要更高的客戶滿意度就要付出更高的配送成本。

表3 雙目標(biāo)模型的 Pareto 最優(yōu)解集

將本文多目標(biāo)優(yōu)化模型與兩個(gè)單目標(biāo)生鮮產(chǎn)品冷鏈配送模型進(jìn)行對(duì)比，利用遺傳算法對(duì)兩個(gè)單目標(biāo)優(yōu)化模型進(jìn)行求解，得到的結(jié)果如表4所示，圖8和圖9為成本最低和客戶滿意度最高的配送路線圖。

表4 單目標(biāo)優(yōu)化對(duì)比

單目標(biāo)成本優(yōu)化模型最優(yōu)時(shí)為4952.8元，得到該方案滿意度為0.42，其總成本與多目標(biāo)優(yōu)化模型前沿點(diǎn)1對(duì)比，所得總成本降低了1.37%，但是客戶滿意度降低了6.7%，成本低于以上解集中的最小成本，但其滿意度低于解集中的任意一點(diǎn)，這表明物流企業(yè)前期的成本投入可以大幅提高客戶滿意度。

單目標(biāo)滿意度優(yōu)化模型最優(yōu)時(shí)為0.81，得到該方案的成本為6541.09元，其滿意度與基于多目標(biāo)優(yōu)化模型前沿點(diǎn)33對(duì)比，所得滿意度僅提高了1.68%，但是成本提高了4.47%，滿意度高于以上解集中的最高滿意度，但成本大幅提高，驗(yàn)證了本文算法的有效性，這表明當(dāng)客戶滿意度較高時(shí)，對(duì)客戶滿意度進(jìn)行提高就需要付出比前期投入更多的成本。

（三）碳價(jià)格對(duì)結(jié)果的影響

為探究碳價(jià)格對(duì)成本和滿意度的影響，將碳價(jià)格設(shè)置為0.1～1進(jìn)行求解，對(duì)得到的Pareto 解集求平均值，得到的結(jié)果如表5所示。

表5 不同碳價(jià)格求解結(jié)果

由表5可知，當(dāng)碳價(jià)格逐漸上升時(shí)，碳排放成本增加，總成本隨之增加，客戶滿意度逐漸降低。因此在求解時(shí)會(huì)趨向于選擇那些更為環(huán)保且成本較低的方案，導(dǎo)致配送時(shí)間增加，客戶滿意度降低。當(dāng)碳價(jià)格較低時(shí)，優(yōu)化模型能夠更加關(guān)注運(yùn)輸、制冷等其他部分的成本，從而實(shí)現(xiàn)總成本的降低。此外，在碳排放限制較小下，車輛在配送過(guò)程中具備更大的靈活性，此時(shí)可以通過(guò)優(yōu)化路線選擇，減少延誤和貨損，進(jìn)而提高客戶滿意度。

碳價(jià)格的提高導(dǎo)致了成本的增加和客戶滿意度的下降，然而，降低碳排放所帶來(lái)的環(huán)境效益可能會(huì)對(duì)客戶產(chǎn)生積極影響?？蛻艨赡軙?huì)傾向選擇環(huán)保意識(shí)較強(qiáng)的企業(yè)，提高對(duì)企業(yè)的忠誠(chéng)度和信任度，因此，減少碳排放具有不可忽視的價(jià)值。

五、結(jié)論

針對(duì)冷鏈物流配送中配送成本高和客戶滿意度低的問(wèn)題，本文構(gòu)建了基于總成本最小和客戶滿意度最高的雙目標(biāo)優(yōu)化模型，在傳統(tǒng)路徑優(yōu)化模型的基礎(chǔ)上考慮了產(chǎn)品的易腐爛特性、交付時(shí)間窗、碳排放和碳限額等因素，引入新鮮度衰減函數(shù)度量貨損成本，并對(duì)碳排放成本進(jìn)行了定量分析。對(duì)于復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題，本文利用NSGA-Ⅱ得到了客戶滿意度最高和總成本最低的相對(duì)較優(yōu)解，驗(yàn)證了本文模型的有效性。最后的仿真驗(yàn)證和對(duì)比分析可知：①分別與成本單目標(biāo)優(yōu)化模型和客戶滿意度單目標(biāo)優(yōu)化模型對(duì)比，本文構(gòu)建的雙目標(biāo)路徑優(yōu)化模型實(shí)現(xiàn)了多目標(biāo)的組合優(yōu)化，能在降低配送成本的同時(shí)提高客戶滿意度；②從雙目標(biāo)模型Pareto最優(yōu)解集中可知，客戶滿意度越高，成本越高，即客戶滿意度與冷鏈配送成本之間是對(duì)立的，企業(yè)想要獲得更高的客戶滿意度，就需要花費(fèi)更多的成本；③碳交易機(jī)制中碳價(jià)格會(huì)影響總成本和客戶滿意度，碳價(jià)格越高，碳排放成本增加，車輛路徑?jīng)Q策傾向于選擇配送時(shí)間更短、碳排放更低的配送方案，導(dǎo)致客戶滿意度下降。

基于以上研究結(jié)論，本研究得出以下的管理啟示：①冷鏈物流企業(yè)應(yīng)利用先進(jìn)的優(yōu)化算法和工具，優(yōu)化配送路線，以降低運(yùn)輸成本并提升服務(wù)速度，從而提高客戶滿意度；②在碳交易機(jī)制下，政府可以通過(guò)設(shè)置合理的碳限額和碳價(jià)格提高物流企業(yè)的減碳動(dòng)力；③政府和行業(yè)組織應(yīng)加強(qiáng)監(jiān)督和指導(dǎo)，推動(dòng)電動(dòng)冷藏車等低碳技術(shù)的應(yīng)用，促進(jìn)整個(gè)行業(yè)向低碳、環(huán)保的方向發(fā)展。

以上研究結(jié)論對(duì)物流企業(yè)在不同情境下的決策具有一定的參考價(jià)值，該模型是在假設(shè)可獲得的數(shù)據(jù)是碳價(jià)格確定的前提下提出的，沒(méi)有考慮實(shí)際碳交易活動(dòng)中的不確定因素，因此在未來(lái)的研究中可以在此基礎(chǔ)上考慮碳稅不確定等情況。

基金項(xiàng)目：黑龍江省哲學(xué)社會(huì)科學(xué)研究規(guī)劃項(xiàng)目“快遞進(jìn)村模式下黑龍江省農(nóng)產(chǎn)品供應(yīng)鏈物流快速響應(yīng)機(jī)制及其效應(yīng)研究”（24JYE010）

參考文獻(xiàn)：

［1］王鋒，張令榮，魯渤.考慮碳排放的冷鏈物流多溫共配時(shí)變路徑研究［J/OL］.中國(guó)管理科學(xué)，1-12.（2024-01-18）［2025-01-02］.https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.2318.

［2］周鮮成，蔣濤營(yíng)，賀彩虹，等.冷鏈物流配送的綠色車輛路徑模型及其求解算法［J］.中國(guó)管理科學(xué)，2023，31（12）：203-214.

［3］朱顥.基于狼群算法的碳交易機(jī)制下的模糊綠色車輛路徑問(wèn)題［J/OL］.計(jì)算機(jī)應(yīng)用與軟件，1-15.（2024-04-10）［2025-01-02］.http：//kns.cnki.net/kcms/detail/31.1260.TP.20240409.1119.002.html.

［4］RAMSER H，DANTZIG B.The truck dispatching problem［J］.Management science，1959，6（1）：80-91.

［5］PHAM S H V，NGUYEN N V，DANG N T N.Hybrid whale optimization algorithm for enhanced routing of limited capacity vehicles in supply chain management［J］.Scientific reports，2024，14（1）：793.

［6］杜琛，李怡靖.基于客戶滿意度和最小損耗的冷鏈配送路徑問(wèn)題研究［J］.工業(yè)工程與管理，2020，25（6）：163-171.

［7］王寧，胡大偉，徐杰，等.基于客戶價(jià)值和滿意度的城市冷鏈物流時(shí)變路徑問(wèn)題［J］.中國(guó)公路學(xué)報(bào)，2021，34（9）：297-308.

［8］LENG L，ZHANG J，ZHANG C，et al.Decomposition-based hyperheuristic approaches for the bi-objective cold chain considering environmental effects［J］.Computers amp; operations research，2020，105043.

［9］ZHAO G.Application of swarm intelligence optimization algorithm in logistics delivery path optimization under the background of big data［J］.Journal of function spaces，2023，2023：1-12.

［10］馬昌喜，薛凡松，麻存瑞，等.時(shí)變路網(wǎng)下基于混合調(diào)整策略的生鮮產(chǎn)品配送路徑優(yōu)化研究［J］.交通運(yùn)輸系統(tǒng)工程與信息，2023，23（4）：298-306.

［11］羅亮，陳慧璇，吳張，等.交通與天氣狀況雙重作用下生鮮農(nóng)產(chǎn)品冷鏈配送的VRPTW［J］.系統(tǒng)工程，2022，40（6）：67-75.

［12］CHEN JIAXIN，LIAO WENZHU，YU CHENGWEI.Route optimization for cold chain logistics of front warehouses based on traffic congestion and carbon emission［J］.Computers amp; industrial engineering，2021，161.

［13］CHAN S，WANG X，GOSWAMI A，et al.Multi-objective particle swarm optimisation based integrated production inventory routing planning for efficient perishable food logistics operations［J］.International journal of production research，2020，1-20.

［14］JIA X.Research on the optimization of cold chain logistics distribution path of agricultural products e-commerce in urban ecosystem from the perspective of carbon neutrality［J］.Frontiers in ecology and evolution，2022，10.

［15］YAO Z，CAO H，CUI Z，et al.Research on urban distribution routes considering the impact of vehicle speed on carbon emissions［J］.Sustainability，2022，14（23）：15827.

［16］MA ZHICHAO，ZHANG JIE，WANG HUANHUAN，et al.Optimization of sustainable bi-objective cold-chain logistics route considering carbon emissions and customers’ immediate demands in China［J］.Sustainability，2023，15（7）：5946.

［17］LIU G，JIAYAO H，YANG Y，et al.Vehicle routing problem in cold chain logistics：a joint distribution model with carbon trading mechanisms［J］.Resources "conservation and recycling，2020，156：104715.

［18］ZHANG C，TANG L，ZHANG J，et al.Optimizing distribution routes for chain supermarket considering carbon emission cost［J］.Mathematics，2023，11（12）：2734.

［19］ZHANG SIYING，GUAN CUILING，QIU YINGGUI，et al.Multi-objective route optimization of urban cold chain distribution using electric and diesel powered vehicles［J］.Research in transportation business amp; management，2023，49.

［20］CHEN W，ZHANG D，WOENSEL V，et al.Green vehicle routing using mixed fleets for cold chain distribution［J］.Expert systems with applications，2023，120979.

［21］WANG S，TAO F，SHI Y，et al.Optimization of vehicle routing problem with time windows for cold chain logistics based on carbon tax［J］.Sustainability，2017，9（5）：694.

［22］高浩然，張玉林，張順順.考慮時(shí)效性和品質(zhì)性滿意度約束的易腐品冷鏈物流配送［J］.控制與決策，2024，39（4）：1342-1350.

［23］羅明亮，袁鵬程.考慮客戶滿意度的車輛路徑優(yōu)化及其算法研究［J］.河南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2024，52（2）：51-61.

Optimizing Cold Chain Delivery Routes Considering Customer

Satisfaction Under the Carbon Trading Mechanism

ZHANG Wen-hui，XU Ling-ling

（School of Management，Harbin University of Commerce，Harbin，Heilongjiang 150028）

Abstract： To address the issues of high delivery costs， carbon emissions， and low customer satisfaction in cold chain logistics， this study comprehensively considers constraints such as time windows， vehicle load capacity， and carbon limits."The spoilage cost of goods during transportation is quantified using a freshness decay function."A carbon emission cost function under the carbon limit constraint and a customer satisfaction function influenced by delivery time is established."A bi-objective optimization model is then developed， aiming to minimize the total cost， which includes fixed costs， transportation costs， refrigeration costs， spoilage costs， carbon emission costs， and time-window penalty costs， while maximizing customer satisfaction."The NSGA-II algorithm is employed to solve the model and optimize vehicle routes."Finally， simulation verification and comparative analysis based on a case study demonstrate that the proposed bi-objective optimization model achieves a reasonable balance between delivery cost and customer satisfaction， improving delivery efficiency and offering different delivery solutions according to the logistics needs.

Keywords：carbon trading mechanism；cold chain logistics；customer satisfaction; delivery route optimization; NSGA-II