基于蚁群算法的冷链物流运输路径优化——以F公司为例

姜方桃 高亚静 张翀 蒋浩洋 杨乃裕

摘要：优化运输路线是冷链运输企业提高竞争力的重要保障。该文对冷链物流现状进行了分析，以F公司为例，运用蚁群算法并借助MATLAB迭代计算，对F公司在南京区域的配送点进行分析，从而对生鲜物流配送的“最后一公里”问题进行优化。

关键词：冷链运输;路径优化;蚁群算法

中图分类号：TP3        文献标识码：A

文章编号：1009-3044（2021）11-0251-04

疫情的突然爆发，线下购买生鲜食品难度加大，使得人们更愿意选择线上購买生鲜食品，猛然增加的生鲜食品需求量对于冷链运输行业是个严峻的考验，但也促进了冷链物流配送的发展。与电子商务领域的突飞猛进相比， 物流配送尤其是冷链物流配送能力一直呈现出无法匹配的尴尬局面。

1 冷链物流运输现状分析

1.1 行业冷链运输现况

1.1.1 冷链运输行业概况

消费观念的转变让人们对于日常饮食的需求也更加趋向多元化。而科技的水平的提升与冷链物流行业的兴起，导致了人们可以不再局限于当季或当地的饮食。疫情的爆发也使得原先习惯于线下购物的人们，不得不尝试通过冷链运输的方式取得蔬菜水果等生鲜产品。反季节跨地区食品的市场份额和销售范围的增长，使之对于冷链物流的要求逐步提升。图1为2012-2019年国内生鲜电商市场交易规模。

据有关资料显示，目前中国生鲜类食品大部分都是采用常温运输，例如肉类常温运输占比约为85%，水产品约为77%，蔬菜类约为95%，如图2所示，但因此而造成的浪费也十分严重，水果腐烂每年将近一千二百万吨，蔬菜腐烂每年将近一亿三千万吨。由此可见我国冷链运输规模的扩大刻不容缓，但冷链物流从储藏到运输，对整个运输途径的冷链环境都有着极高的要求。常温物流运输对比冷链物流运输要简单许多，甚至可以说二者是不同的物流运输模式，冷链物流运输需要投入成本大约是常温物流运输成本的2～3倍。如何才起点开始对全路径进行优化，控制并提升仓储的效益，降低成本是冷链物流企业所关注的。

1.1.2 冷链运输路线规划

发达国家的冷链物流公路运输占比约为总冷链物流运输量的60%-80%。而我国冷链物流公路运输量仅占总冷链运输的55%，公路环境的不完善是阻碍我国冷链物流发展的原因之一，幸运的是建设高速公路和高等级公路已经被国家作为发展战略之一。

本文以降低冷链物流运输成本， 提升冷藏食品食用新鲜度为目标。以配送车运输为研究对象， 构建模型对路径进行分析， 并以最短路径为目标构造函数，得到冷链运输途径在南京市范围内配送路径网络优化路线图。

1.1.3 冷链运输存在问题

（1）冷链基础设施不足、冷藏设施功能定位落后

中国制冷产业联盟在2019年对我国1832家拥有冷藏仓库的企业进行调研，得出我国冷藏仓库总仓储量约为四千六百万吨，较之年上涨超过五倍，预计明年将超过冷藏仓库储量将超过六千万吨。但却存在两个问题：其一为冷藏产品的产地冷藏仓库储量不足，冷链基础设施不足，标准化水平低。其二为部分城市冷藏仓存在盲目建设现象，仓库储量远大于市场需求。相关数据显示：截至2018年10月底全国范围内共有超过两百万吨冷藏仓库储量无法出租[2]。

（2）尚未形成专业化分工

我国大多数冷链物流企业为追求全链路一站式服务，往往将包装、配送、加工、储存等一系列服务全部包揽，不仅加大了前期的投入成不，并且由于企业专业化程度不高，不仅某些环节上无法满足冷链技术要求，还有可能造成运力浪费。

（3）冷链物流运输损失高

据有关报道，我国因食品腐烂所带来的损失高达七百亿元，其中大部分因为运输和储藏不当所导致的。一个合理且有效的运输决策，不仅可以降低产品腐烂风险，减少运输货损，还有可能增加顾客留存度。

（4）冷链物流基础设施是落后

冷链运输的关键就在于冷藏车和冷库等基础设施。欧洲冷藏车占货车比例的3%，美国为1%，中国仅0.3%，极易因为某环节缺少冷链基础设施而出现“断链”现象，一旦货物中出现产品腐烂，很快就会导致整车的交叉污染，造成产品浪费。冷链物流基础设施严重落后，必然会阻碍我国冷链物流的发展。

（5）冷链物流行业平均利润率较低

据中物联集团统计， 我国冷链物流行业的利润率仅约百分之三到四， 并且还有下降的趋势。有些冷链物流企业为了扩大市场份额不惜主动让利换取客源，在提价后又会造成市场份额大量流失，必须寻找新的利润点来提升利润率。

1.2 F公司冷链运输现况

1.2.1 F公司冷链运输概况

从2013年9月，F公司开始筹备冷链仓储、冷藏车等冷链物流基础设施，补充自身在冷链物流方面的短板，全面化自身物流服务业务，形成物流全业务覆盖。 而后，F公司将冷链物流业务独立为F冷运公司，此时F公司冷链物流业务正式健全，F冷运结合并利用了F公司现有的电商、物流、仓储和客户资源，为客户提供冷链物流的包装、配送、仓储、加工、销售等一系列服务。

1.2.2 F公司冷链运输软硬件设施

冷藏仓库：拥有冷藏仓库25个，库存面积190000平方米。

运输线路：设置有59条冷链运输线路，服务华中、华南、华北、东北、华西等35个重点城市、264个区县。

冷藏车：拥有专业冷藏车476辆，一万多辆外包冷藏车，所有冷藏车都具有冷链可视化监控装置。

1.2.3 F公司冷链运输路径

F冷运为客户提供冷藏车跨区域运输服务，满足客户需求的情况下进行整车专运，制定点对点或点对多的运输方式，对单个地址或多个地址的运输需求进行直达式运输。

1.2.4 F公司冷链运输存在问题

（1）前期投入成本过高且营收占比不及其他热门业务（图3），面临盈利压力。

（2）F冷运目前可运输城市过少，全国可运输的城市仅有54个。

（3）F优选的运输业务不足满足F冷运的业务发展需求。

2 选用模型

2.1 问题描述

据中物冷链委和中央产业研究院整理的数据显示，在前年我国冷链物流市场规模为2885.8亿元，去年比前年增长了505.2亿元达到3391亿元，中商产业研究院预测今年冷链行业市场规模将继续扩大突破4000亿元[3]。专业的冷链配送整体成本达到普通成本的三至五倍需要更高的技术资金投入，为降低运作成本，F公司将采用规模化运作。在整个供应链中配送占有举足轻重的地位，为降低物流成本，本文将采用蚁群算法对其配送业务中配送车辆的路径选择进行优化。为使模型更加突出，本文作出以下假设：（1）每个配送点的配送任务由单个配送车辆一次即可完成;（2）每辆车从配送中心出发，完成所有配送任务后，返回初始位置即配送中心;（3）在同一配送路径上，所有门店的总需求量不能超过单辆车额定载重量;（4）客户的总需求不超过配送中心的总库存。

2.2 模型介绍

蚁群算法是一种模拟种群进化算法，它是一种随机搜索来寻找一定条件下最优路径的算法。蚁群算法自从被提出以后，就被学者们广为研究，该算法具有很强适应性，相比之前的算法，启发式算法存在明显优势在搜索效率和时间复杂度方面。蚂蚁依赖同类散发在周围环境中的信息素（一种易挥发可累加的化学物质）來决定其移动轨迹，根据信息素的浓度大小指引自己移动的方向，最终寻找最优路径。每只蚂蚁在行走过程中都会释放一定量的信息素，该信息素的浓度会随着时间的推移而降低，路程越远，该路径上信息素浓度越低，而蚂蚁在选择道路时，该道路上信息素浓度越高，这条道路的可能性就越大。

2.2.1 数学模型

对本文中的参数作如下说明：配送车辆集合K={1，2，3，...，m}，客户的集合A={2，3，...，n}，配送中心表示为1。V={1，2，3，...，n}表示客户点及配送中心的集合。

定义变量：

约束条件：

[i=2nxi1k=j=2nx1jk=1，?k∈K]                           （1）

[k=1mi=2nxi1k=k=1mj=2nx1jk=m]                            （2）

[i=1nxijk=yjk，j∈A，j≠i，?k∈K]                         （3）

[j=2nxijk=yik，i∈A，i≠j，?k∈K]                          （4）

说明：式（1）表示配送车辆起始地和最终目的地相同，均为配送中心;式（2）表示此次任务中所需的配送车辆总数量;式（3）（4）表示每一个客户只能被一辆配送车辆访问，且只访问一次[4]。

2.2.2 函数表达

设用城市i表示蚂蚁现在所在城市，城市i与城市j之间的信息素浓度用τij表示，蚂蚁从城市i移动到城市j的期望程度用ηij表示，那么下面为在时刻t蚂蚁k从城市i转移到城市j的概率。

[pkij（t）=ταijtηβij（t）u∈allowedkταiutηβiu（t），  j∈allowedk0，  其他]

式中，记录蚂蚁当前走过的所有城市的集合为tabuk（k=1，2，3，…，m），随着时间推移和蚂蚁路径的不断变化集合tabuk不断做出调整;蚂蚁k接下来将走过城市的集合为allowedk=（k=1，2，3，…，n）-tabuk;蚂蚁选择路径时的信息素浓度的作用为α;蚂蚁在选择路径时选择公式中两点间可见度在其中所起作用的大小为β[5]。

经过n个时刻，蚂蚁可走完所有的城市，完成一个循环。此时各个路径上的信息量做出以下调整：

[τijt+1=1-ρτijt+?τij]

其中，随时间的推移信息素[τij]（t）衰减的程度为[ρ]，[ρ∈（0，1）];信息素增量为[ ?τij]，[?τij=k=1m?τkij ]，[?τkij]为蚂蚁k在本次循环中在位置[i～]j留下的信息量。

[?τkij=QLk， 若蚂蚁经过节点i～j0，  否]

式中，Q为信息素更新参数，[Lk]为每个蚂蚁经过的路径长度。

2.2.3 算法流程

如图4，1）参数初始化;2）m只蚂蚁被分布在n个城市;3）对所有蚂蚁置初始城市到禁忌表（tabuk）;4）当迭代次数等于最大次数时，输出结果，否则，就返回步骤;5）计算蚂蚁下一步转移的城市j;6）将城市j加入禁忌表;7）若蚂蚁遍历所有城市，则更新最近路径，清空禁忌表NC=NC+1[6]。

2.3 案例分析

本文以F物流公司在南京的配送为例，该公司有17个配送点（2、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18）和一个配送中心1，一辆配送车辆从1出发，依次经过所有配送点且不重复经过，当遍历过所有配送点后返回初始出发点（配送中心）。配送中心的经纬度坐标为（经度118.760，纬度32.068），经过网上查询资料和多次试验，现假设参数蚂蚁数量m=50，信息素重要程度因子beat=5，启发函数重要程度因子rho=0.1，信息素挥发因子Q=1。

经MATLA R2017软件对该案例进行蚁群算法路径优化，配送点及配送中心的坐标如表1所示。

其迭代的最终结果路线图如图5所示，最短路径与平均路径比较如图6所示，得出最短路径为的具体线路如下：1à14à11à9à17à2à8à3à15à10à12à6à7à4à5à18à16à13à1，由经纬度换算公式，得出在北纬32度的平均换算比例为1：10千米，结合算法结果可得，最短距离为4.415千米，各代平均距离为5.2千米平均节省0.785千米。

3 总结

本文基于冷链运输行业的大背景，深入探究了F公司在冷链运输发展过程中存在的问题，通过建立基于蚁群算法的冷链物流运输路径优化模型，借助MATLAB迭代计算出该公司在区域配送的最佳优化路径。希望通过优化路径，降低运输成本，进一步完善“最后一公里”配送问题，对于其他公司的配送系统优化提供参考方向。

参考文献：

[1] 中华人民共和国国家统计局.2016年国民经济和社会发展统计公报[EB/OL].http：//www.stats.gov.cn/tjsj/zxfb./201702/t20170228-1467424.html.

[2] 崔忠付.2018年中国冷链物流回顾与2019年趋势展望[J].物流技术与应用，2019，24（S1）：14-16.

[3] 中投顾问：中国地摊经济数据分析_新浪财经_新浪网[N/OL].http：//finance.sina.com.cn/roll/2020-06-19/doc-iir.

[4] 陈志，江治杰，刘瑶.基于改进蚁群算法的不同路段低碳物流路径优化研究[J].生态经济，2019，35（12）：53-59，66.

[5] 陆琳.不确定信息车辆路径问题及其算法研究[D].南京：南京航空航天大學，2007.

[6] 原丕业，张明，王岐昌，等.基于蚁群算法的送餐最短路径问题求解研究[J].中国储运，2019（11）：127-129.

【通联编辑：代影】