生鲜配送中心选址常见方法的对比

■于文娟 中北大学经济管理学院

一、引言

随着生活节奏的不断加快，人们用于休闲购物的时间大为缩减，冷冻冷藏食品的消费量得到不断提升，超市，生鲜食品专营店应运而生，也推动了生鲜配送中心的发展。可是在我国，生鲜蔬菜采后的损失率高达40%—50%，因为生鲜品具有鲜活性和易腐烂的特点，所以使得生鲜品质量问题的解决不能仅仅靠生产，而更加需要搞好流通。生鲜配送中心是连接着生产端和销售端的纽带，在整个配送系统中具有非常重要的地位。科学的配送中心选址方案能够很大程度提高配送系统的整体效益，更能给消费者提供安全可靠的产品。

二、生鲜农产品物流特点

生鲜农产品主要包括水果、蔬菜、肉类、水产品、禽蛋等农副产品，具有鲜活性和易腐性的特点。因此要求产品从生产、加工、储藏、运输、销售直到最终消费者的整个过程中始终处在低温环境中，从而保证食品的质量、减少食品的损耗。与发达国家相比，我国的生鲜品冷链物流还存在非常大的差距，目前，我国鲜活产品的产值主要在原产地周边实现，绝大多数以采收后的原始产品形式出售。果品蔬菜进一步加工能力不足。因此建立一体化的生鲜品冷链物流模式成为解决问题的关键，而关键中的关键是建立生鲜品物流配送中心。供应商将货物集中于主要城市生鲜配送中心，整合后进行长途运输，由地区配送中心进行装箱提货和当地运送，经整合发送到零售直销点，尽可能的减少生鲜食品由生产到销售过多的中间环节，保证货物的鲜活和安全。

三、生鲜配送中心选址的一般方法

1.数学规划法

数学规划方法包含多种具体方法，比如线性规划、动态规划算法等，其中最为常用的方法是最优化方法。例如：丁浩等提出并运用0-1型整数规划方法对配送中心选址问题进行了研究。这种方法通过设定特定条件从多个备选方案中选出最优的（问题中的各要素的相关关系已经给定）。随着计算机技术的发展，可以借助现成的计算机软件程序求解。这种方法是对实际问题大大简化之后得出的，一些非线性条件往往被忽略，而实际的配送中心选址要复杂的多，且当模型复杂时，计算工作量大，成本高，或者根本不可能，还有的时候最优解不一定是可行解。因此对复杂的问题，通常只能作理论上的分析，实际解决则较少。

2.综合因素评价法

这种方法是通过全面分析各种影响生鲜配送中心选址的困素，并根据各因素的权重对备选方案进行打分，分数最高的备选方案就是最优选址方案。该方法使得方案更具备可行性。常用的综合因素评价方法有层次分析法（AHP）、数据包络分析、模糊综合评判等。针对生鲜配送中心的选址可将费用，交通，商品质量，运输设备，人员投入作为准则，再根据各准则下设相应的方案准则，得到一个立体的评价方案。

但是此方法中影响因素的权重是由专家给出，容易受到专家的主观影响，在一定程度上影响了方案的得分，不够客观和准确。在采用此种方法往往和其他方法结合来弥补其自身的缺陷，例如Spohrer和Kmak综合运用定量与定性方法并结合权重分析法确定配送中心选址问题，刘志成与刘心利用灰色关联度以及层次分析法对冷链配送中心的选址进行研究。

3.启发式算法

比较常用的启发式算法有：遗传算法，神经网络，模拟退火算法等。是建立在人的主观经验和判断的基础之上的一种解决方法。启发式算法多和其他优化算法结合在一起解决问题。具有代表性的成果有Brimberg J，Hansen P，Mlanenovic N等人提出了快速启发式算法求解重心法模型 ，Dijin Gong提出了组合进化方法解决配送中心选址问题。

（1）遗传算法

遗传算法是受遗传学中的遗传机制和自然选择的启发而产生的一种搜索算法。遗传算法中的主要算子为：选择，交叉，变异。通过一定的计算使得问题得到一步步的优化，得到最优解。

遗传算法的特点为：随机搜索，启发式的算法。因此遗传算法具有较强的全局搜索能力。但是可能的得到结果往往只能使得局部最优，所以在实际应用中，应和其他方法联用，以避免其缺点。

（2）人工神经网络

人工神经网络是由许多处理单元（神经元）连成的网络，反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。这种方法首先要以一定的学习准则进行学习，然后才能工作。通过不断的学习网络判断的正确率将大大提高，这说明网络的学习已经获得了成功，它已将所提供的模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。

这种方法在神经网络的学习过程中需要大量的数据，但是数据的获取在很多情况下是有一定难度的，这个采用人工神经网络法带来限制。另外，在应用此方法时，还要注意网络的学习速度，产生的是否是局部最优解等。

（3）模拟退火算法

模拟退火算法是由N. Metropolis等人于1953年提出的，是基于Monte-Carlo迭代求解策略的一种随机寻优算法，源于固体退火原理。由解空间、目标函数和初始解三部分构成，结合概率突跳特性在解空间中随机寻找目标函数的全局最优解。这种算法具有概率的全局优化性能。该方法对解决生鲜配送中心的选址问题具有较好的有效性和可靠性。

除以上三种比较常用的方法外，随着计算机应用技术的发展，对物流运作的仿真也在国内外许多文献中出现，研究表明对配送中心的选址采用仿真方法比采用解析算法更接近实际。这种算法能比较有效的避免所得解为局部最优的情况。但是这种方法也有自己的缺点，在进行仿真实验时，需对模型进行信度和效度的严格检验。而对较复杂的仿真系统，则要求计算机的运算水平必须非常高。

生鲜食品配送中心选址问题受众多因素共同影响，虽然选址方法有许多种，但应具体问题具体分析，根据所要解决问题的侧重点，选择合适的方法，在借鉴前人研究成果的前提下针对实际问题进行相关的调整。本文研究发现以上几种方法各有优缺点，将各种方法进行合理有效的组合去解决问题，得到全局的最优解是未来研究的主方向，以此来提高选址决策的准确性。

[1]丁浩，李电生.城市物流冷链配送中心选址方法的研究[J].华中科技大学学报，2004，21（1）：46-48.

[2]G.A.Spohre,T.R.Kmak.Qualitative Analysis Used in Evaluating Alternative-Plant Location Scenarios[J].Indus,Eng,1984,（8）:52-56.

[3]刘志成，刘心.灰色关联度和AHP在冷链配送中心选址问题中的应用研究[J].科学技术与工程，2009，9（5）：1365-1374.

[4]Brimberg J，Hansen P，M lanenovic N,et al.Improvements and comparison of heuristics for solving the multisource Weber problem[J].Operations Research,2000,48(3):44-461.

[5]Gong D J,Gen M S,Yamazaki G J,etal.Hybrid Evolutionary Method for Capacitated Location-Allation Problem[J].Computers Industrial Engineering,1997,33（3-4）:577-580.