论文部分内容阅读
近年来,随着农业结构调整和居民消费水平的提高,鲜活农产品的产量逐年增加,但鲜活农产品具有的易腐性导致在库存和运输过程中产生大量的腐败变质,带来不可忽视的经济损失。有数据显示,我国的水果蔬菜、肉类、水产品等鲜活农产品在库存和运输环节的损耗高达20%-30%、12%、15%,仅果蔬类每年损失就达近百亿美元。库存和运输作为物流系统的两个重要环节,产生的成本约占物流总成本的2/3。在降低成本的物流系统优化中,库存和运输环节自然地成为了主要的优化对象,但库存和运输具有的“悖反效益”关系限制了二者单独优化降低物流总成本的能力。研究证明,库存和路径的联合优化相比于单纯的运输优化能够降低6%-10%的物流成本,在降低成本上具有很大的潜力。鲜活农产品作为一种特殊的商品,物流总成本一般高于常规商品20%-35%。因此,采用库存和路径联合的方式对物流系统进行优化,对降低鲜活农产品物流成本显得尤为重要。鲜活农产品在我国居民的日常饮食结构中占70%,它的品质关系到亿万人的健康和生活品质。鲜活农产品的价值很大程度上取决于鲜度,可以说鲜度是鲜活农产品的“生命”。据上海质量协会连续8年对13家国内大型卖场的调查研究显示,消费者在选购鲜活农产品时首先关注的是产品鲜度,关注程度高达68.03%。在国外也有学者对消费者进行有关鲜活农产品购买决策影响因素的调查,结果显示鲜度是消费者购买决策的首选因素。鲜度对鲜活农产品需求量的影响是相当重要的,但鲜活农产品自身的易腐性、区域性及生命周期短等特性,使鲜度的管理相当困难,而鲜度的好坏不仅对经济效益有影响,而且对物流总成本也有影响。鉴于鲜度的重要性,本文提出考虑鲜度的鲜活农产品库存路径优化问题,提高产品品质,降低鲜度对鲜活农产品的消极影响。路径优化已经证明是一个NP-hard难题,库存路径优化比路径优化复杂度更高,因此,库存路径问题也是NP-hard难题。对于NP-hard难题的求解,精确算法已经相当困难,特别是问题规模较大时更是得不到最优解。目前对于NP-hard难题比较有效的求解方法是启发式算法,在对常用的启发式算法进行对比分析之后,选择粒子群优化算法求解本文构建的问题优化模型。粒子群优化算法是一种模拟鸟类觅食行为的基于群体协作和信息共享的随机搜索算法,在函数优化、工程、组合优化及动态优化问题等领域都有广泛应用,并且在离散问题和连续问题都有很好的求解效果。粒子群优化算法原理简单、容易实现、控制参数少及收敛速度快等优点,加上其快速的并行计算能力,使它相比于其它启发式算法在大规模优化问题上具有更好的优化性能。对于本文提出的考虑鲜度的鲜活农产品库路径优化问题,以物流系统总成本最小化为目标,构建优化模型,并采用粒子群优化算法进行优化求解。论文主要从以下几个方面进行研究:(1)在对库存路径问题和粒子群优化算法进行研究分析的基础之上,构建了结合鲜活农产品运输和库存特点的库存路径优化模型,利用设计的粒子群优化算法求解构建的优化模型得到满意的配送路线和订货量。(2)考虑到鲜度对鲜活农产品的市场需求量的影响,本文设计了一个依赖鲜度的需求率函数,把鲜度引入到鲜活农产品的库存路径优化模型中,研究鲜度条件下物流系统的优化问题。(3)利用本文设计的优化问题模型和设计的粒子群优化算法,对相关文献中的算例进行优化求解,验证了把鲜度引入鲜活农产品库存路径中对保持产品鲜度和降低物流系统成本的有效性。