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(shí)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(xué)合理的設(shè)計(jì)配送網(wǎng)絡(luò)，通過(guò)配送中心來(lái)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(duì)生鮮超市客戶訂單進(jìn)行合理的分配，然后對(duì)分配出來(lái)的訂單進(jìn)行路徑的路線的規(guī)劃。設(shè)計(jì)聚類算法和CW節(jié)約算法，最后通過(guò)案例分析用matlab進(jìn)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(gòu)生鮮農(nóng)產(chǎn)品，大部分的社區(qū)周邊都會(huì)開一些生鮮超市或者社區(qū)生鮮店來(lái)保證居民日常的生鮮需求，而此時(shí)同城社區(qū)生鮮農(nóng)產(chǎn)品零售店根據(jù)消費(fèi)者的需求進(jìn)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(diǎn)，這就使得網(wǎng)絡(luò)配送路線比較復(fù)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(guò)物流傳遞，很多企業(yè)還沒有復(fù)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(shí)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(xué)合理的設(shè)計(jì)配送網(wǎng)絡(luò)，通過(guò)配送中心來(lái)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(gè)環(huán)節(jié)。

王邦兆，李慧在探究生鮮電子商務(wù)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(jìn)的遺傳算法和社區(qū)搜索算法對(duì)電子商務(wù)配送進(jìn)行兩個(gè)階段的分層布局設(shè)計(jì)。韓越，韓偉等為了打造智能化的配送平臺(tái)，通過(guò)移動(dòng)互聯(lián)網(wǎng)對(duì)社會(huì)的閑置資源的整合，通過(guò)信息處理消費(fèi)者的需求，為了能夠?yàn)榭蛻籼峁﹥?yōu)質(zhì)的服務(wù)，區(qū)域內(nèi)的配送人員能夠更快的對(duì)客戶進(jìn)行服務(wù)，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(guò)對(duì)快消品的配送網(wǎng)絡(luò)成本進(jìn)行優(yōu)化，得出影響網(wǎng)絡(luò)結(jié)構(gòu)的五個(gè)相關(guān)變量，利用案例分析法分析目前的快消品網(wǎng)絡(luò)，并對(duì)其網(wǎng)絡(luò)進(jìn)行優(yōu)化研究。Turnball利用供應(yīng)鏈的相關(guān)知識(shí)對(duì)英國(guó)的物流配送進(jìn)行研究，主要以食品恒業(yè)以及飲料行業(yè)為研究對(duì)象，研究表明，科學(xué)技術(shù)使得社會(huì)的分工清晰，并且可以通過(guò)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(jià)格不能改變，加上快遞服務(wù)是企業(yè)的重中之重，是企業(yè)間加強(qiáng)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(jìng)爭(zhēng)力的核心資源。謝乃明，吳喬等針對(duì)云平臺(tái)主導(dǎo)的集成調(diào)度模式，通過(guò)建立于供應(yīng)商的約束構(gòu)建云平臺(tái)中心化集成調(diào)度的訂單分配模型，通過(guò)遺傳算法可以建立約束條件的數(shù)學(xué)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(guò)遺傳算法可以建立供應(yīng)商的約束條件的數(shù)學(xué)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(guò)實(shí)際算例對(duì)模型進(jìn)行檢驗(yàn)。王劍，周壯等為了解決制造商和供應(yīng)商同時(shí)依賴訂單的矛盾，提出兩階段協(xié)商協(xié)議，并且通過(guò)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(yīng)商能接受的最低價(jià)格，并得出了多個(gè)變量的數(shù)學(xué)模型。Moghaddam 等人主要研究了逆向物流服務(wù)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(xué)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(guò)分析物流網(wǎng)絡(luò)，得出影響電子商務(wù)配送速度的因素有哪些從而建立了物流配送網(wǎng)絡(luò)，在免疫算法的基礎(chǔ)上，對(duì)建立的物流配送網(wǎng)絡(luò)模型進(jìn)行分析求解，最后仿真驗(yàn)證模型。吳競(jìng)鴻針對(duì)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(duì)零售企業(yè)的配送路徑進(jìn)行參考文獻(xiàn)的整理，最后以實(shí)際的案例為背景，運(yùn)用節(jié)約里程法對(duì)實(shí)際的案例進(jìn)行求解，并且在最后求得的結(jié)果中對(duì)算法進(jìn)行驗(yàn)證，從而證明算法的有效性。Righini G、Salani M通過(guò)節(jié)約里程法、動(dòng)態(tài)規(guī)則法以及狀態(tài)空間松弛法對(duì)車輛路徑的供貨以及取貨流程進(jìn)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(jìn)行構(gòu)建，最后并通過(guò)仿真驗(yàn)證可行性。鄧娜，張建軍等針對(duì)O2O外賣訂單的配送，對(duì)其配送環(huán)節(jié)中存在的分配模式進(jìn)行剖析，得出一種訂單集指派模式，這種模式是通過(guò)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(duì)多配送中心下共享車輛這種模式，對(duì)路徑進(jìn)行模型的驗(yàn)證，研究表明通過(guò)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(lái)的路徑規(guī)劃提供詳細(xì)的配送路徑，通過(guò)設(shè)計(jì)遺傳算法，和之前的經(jīng)驗(yàn)規(guī)劃比較，車輛限制一定載重量時(shí)，多車輛運(yùn)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(xiàn)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(shí)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(xué)合理的設(shè)計(jì)配送網(wǎng)絡(luò)，利用配送中心的車輛調(diào)度，合理有效的分配利用資源，進(jìn)行社區(qū)生鮮超市訂單的分配時(shí)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(gè)客戶訂單進(jìn)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(jìn)行共同配送，盡可能使車輛的車載率提高，從而在配送時(shí)降低成本，同時(shí)對(duì)車輛數(shù)量進(jìn)行規(guī)劃能夠控制車輛的進(jìn)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(dāng)一個(gè)配送中心進(jìn)行五個(gè)訂單的配貨時(shí)，配送中心的車輛從1～5這5個(gè)社區(qū)生鮮店和社區(qū)超市時(shí)，由于需要依次將貨物送達(dá)到最后的客戶，最先送達(dá)的客戶生鮮的質(zhì)量和新鮮度都可以保證，但是后面送達(dá)的客戶就不能完全保證，同時(shí)還會(huì)面臨訂單送達(dá)超過(guò)客戶需要的時(shí)間。此時(shí)如果能夠?qū)⑿枰唵蔚倪@5個(gè)客戶交給2個(gè)配送中心，由這兩個(gè)配送中心一起進(jìn)行共同配送，假設(shè)第一個(gè)配送中心負(fù)責(zé)1，2的客戶，第二個(gè)客戶負(fù)責(zé)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(duì)客戶的生鮮訂單準(zhǔn)時(shí)或提前送達(dá)。本文主要是研究客戶的需求訂單如何進(jìn)行合理的分配，即多個(gè)客戶的需求訂單分配到哪幾個(gè)配送中心。之后對(duì)分配的客戶需求訂單進(jìn)行路線的規(guī)劃。

本文需要設(shè)置一個(gè)虛擬的配送中心，這個(gè)虛擬的配送中心是和現(xiàn)實(shí)的配送中心起始位置是一樣的，要求所有的運(yùn)輸車輛都要從起點(diǎn)（虛擬配送中心）出發(fā)，經(jīng)過(guò)現(xiàn)實(shí)的配送中心，并且能對(duì)客戶進(jìn)行服務(wù)，最后再原路返回，從現(xiàn)實(shí)的配送中心最終回到起點(diǎn)（虛擬配送中心）。

同城片區(qū)下共有M個(gè)實(shí)際配送中心、N個(gè)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(hào)，并且保持勻速，此時(shí)不考慮道路堵塞。

3. 生鮮零售店的需求量和地點(diǎn)是已知的。

4. 客戶的訂單不能超過(guò)車輛的最大載重量。

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

6. 配送中心不能重復(fù)配送一個(gè)訂單，且一個(gè)訂單不能重復(fù)被多個(gè)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(gè)訂單需求都要被配送中心配送。

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

（二）參數(shù)設(shè)定及變量說(shuō)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(hào)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(diǎn)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(jìn)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(jìn)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(dāng)i≠j時(shí)，假設(shè)節(jié)點(diǎn)i到節(jié)點(diǎn)j的運(yùn)輸成本cij=（xi-xj）2+（yi-yj）2（用運(yùn)輸距離表示運(yùn)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(diǎn)i到節(jié)點(diǎn)j由車輛k進(jìn)行配送，且i≠j

0 其他（11）

目標(biāo)函數(shù)

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

約束條件

式（2）表示配送中心車輛不能超過(guò)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(gè)配送中心車輛到達(dá)或離開某個(gè)社區(qū)生鮮店和社區(qū)超市即進(jìn)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(jìn)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(jìn)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(shí)例描述

企業(yè)N位于江蘇省，是重要的生鮮配送服務(wù)商，它的基地項(xiàng)目占15萬(wàn)平方米，建筑面積8萬(wàn)平方米，并且具有按照打造“長(zhǎng)江角最具影響力、標(biāo)準(zhǔn)最高、技術(shù)最先進(jìn)的冷鏈物流中心定位”，建設(shè)低溫庫(kù)、恒溫庫(kù)、高溫庫(kù)，該公司的主要業(yè)務(wù)就是生鮮農(nóng)產(chǎn)品的服務(wù)，打造集倉(cāng)儲(chǔ)、配送加工、貿(mào)易于一體的綜合服務(wù)平臺(tái)。

企業(yè)N旗下有幾個(gè)配送中心，相應(yīng)的配送中心有相應(yīng)的配送團(tuán)隊(duì)，主要負(fù)責(zé)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(yàn)來(lái)進(jìn)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(guò)程中，考慮的是訂單送達(dá)的時(shí)間，所以產(chǎn)品滿意度和時(shí)效性是客戶滿意度的主要衡量因素。客戶滿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(jì)配送路線進(jìn)行共同分配。

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

每個(gè)配送中心的配送車輛和人員是有限的，每個(gè)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(guò)2t。表1表示配送中心和社區(qū)生鮮超市的位置坐標(biāo)和訂單需求量，圖2表示在坐標(biāo)上直觀的表達(dá)出來(lái)。

以上是該企業(yè)以及社區(qū)各個(gè)零售店的具體信息。表1中序號(hào)1～30是各個(gè)社區(qū)生鮮零售店的訂單需求量以及地理位置坐標(biāo)，31～33是3個(gè)配送中心的地理坐標(biāo)，坐標(biāo)點(diǎn)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(gè)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(diǎn)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(jìn)行配送，從而實(shí)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(yùn)用軟件Matlab R2016a編程實(shí)現(xiàn)本文構(gòu)建的模型，實(shí)現(xiàn)kmeans聚類算法對(duì)訂單分配問題的求解過(guò)程。基于3個(gè)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(guò)聚類將30個(gè)社區(qū)生鮮超市分為3類，并通過(guò)隨機(jī)分布3類聚類中心，計(jì)算當(dāng)前數(shù)據(jù)點(diǎn)與每個(gè)組中心點(diǎn)的距離，再次聚類每個(gè)大類下的數(shù)據(jù)點(diǎn)。通過(guò)這樣不斷迭代、再繼續(xù)得出每類下的各個(gè)點(diǎn)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(guò)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(diǎn)表示各個(gè)社區(qū)生鮮超市，總共有30加社區(qū)生鮮超市，先設(shè)計(jì)Kmeans聚類算法將30個(gè)社區(qū)生鮮超市聚類出來(lái)，得到3個(gè)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(gè)配送中心的位置數(shù)據(jù)關(guān)系，對(duì)30家社區(qū)生鮮超市的訂單進(jìn)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(gè)生鮮零售店分配給各個(gè)配送中心的過(guò)程。此時(shí)計(jì)算出來(lái)的成本為725.3423。

通過(guò)對(duì)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(shí)，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(jìn)行訂單分配的，因此，配送中心的選址是訂單分配時(shí)最應(yīng)該考慮的，這樣能夠更快的實(shí)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(gè)生鮮零售店的訂單進(jìn)行分配的結(jié)果進(jìn)行共同配送，本文根據(jù)第四章提出的路徑配送設(shè)計(jì)的模型，運(yùn)用軟件Matlab R2016a編程實(shí)現(xiàn)本文構(gòu)建的模型，實(shí)現(xiàn)節(jié)約里程算法對(duì)路徑配送設(shè)計(jì)的求解過(guò)程。如圖4所示。

配送中心 1 覆蓋的需求點(diǎn)序號(hào)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(shí)際運(yùn)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(shí)際運(yùn)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(shí)際運(yùn)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(shí)際運(yùn)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(diǎn)序號(hào)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(shí)際運(yùn)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(shí)際運(yùn)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(shí)際運(yùn)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(diǎn)序號(hào)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(shí)際運(yùn)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(shí)際運(yùn)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(wù)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(shí)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(guò)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(wù)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(yùn)輸效率，這樣就會(huì)提升每次承載的貨物量。該算法的運(yùn)用對(duì)物流服務(wù)各方面的效率都有很大指導(dǎo)意義，創(chuàng)造更大的價(jià)值效益。

四、結(jié)語(yǔ)

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(guò)對(duì)生鮮超市的需求訂單進(jìn)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(jìn)行共同配送來(lái)進(jìn)行具體的建模分析，然后通過(guò)聚類算法對(duì)各個(gè)的訂單進(jìn)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(jìn)行分配后的一個(gè)網(wǎng)絡(luò)路線的優(yōu)化來(lái)進(jìn)行具體的建模分析，設(shè)計(jì)CW_VRP算法對(duì)分配好的訂單規(guī)劃網(wǎng)絡(luò)的配送路線。最后結(jié)合N公司旗下三個(gè)配送中心為30家生鮮訂單配送為案例利用matlab軟件進(jìn)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(xiàn)：

[1]王邦兆，李慧.生鮮農(nóng)產(chǎn)品同城配送復(fù)雜網(wǎng)絡(luò)布局設(shè)計(jì)[J].統(tǒng)計(jì)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(jì)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(tái)中心化集成調(diào)度的跨供應(yīng)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(duì)多供應(yīng)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(xué)院學(xué)報(bào)，2020（02）：73-76.

[10]吳競(jìng)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(wù)分配模式研究[J].上海：上海管理科學(xué)，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(xué)，2018.

（作者單位：鄧存慧，江蘇大學(xué)管理學(xué)院;馬俊，浙江理工大學(xué)藝術(shù)與設(shè)計(jì)學(xué)院）